A LatchBio publicou uma análise independente do Grok 4.6 nos benchmarks BioSecBench-Refusal e BioSecBench-Surveillance, descobrindo que o modelo é o mais forte em recusar tarefas perigosas disfarçadas entre os sistemas de fronteira testados.
Pesquisadores formalizaram ataques de negação de serviço no tempo de inferência (PI-DoS) que exploram o alto custo computacional do raciocínio explícito em múltiplos passos em Grandes Modelos de Raciocínio (LRMs). Eles apresentam o ReasoningBomb, um framework baseado em aprendizado por reforço que treina um atacante para gerar prompts naturais curtos que levam os modelos vítimas a traços de raciocínio patologicamente longos e frequentemente não terminantes.
A NVIDIA lançou o Kumo Tabular, um modelo base aberto para classificação e regressão tabular que opera por meio de aprendizado em contexto, sem exigir treinamento ou engenharia de recursos. Pré-treinado exclusivamente em dados artificiais gerados por Modelos Causais Estruturais, o modelo está disponível em três tamanhos, variando de 28M a 215M parâmetros.
A Anthropic lançou o Claude Sonnet 5.5, o segundo modelo da família Claude 5.5, posicionando-o como um complemento mais rápido e econômico ao Claude Opus 5.5 para tarefas cotidianas, correção de bugs e refinamento de documentos.
A Anthropic apresentou o Claude Opus 5.5, o primeiro modelo de sua nova família Claude 5.5, que oferece desempenho comparável ao do Claude Fable 5.1 na maioria das tarefas, enquanto custa 40% menos para ser executado do que o Opus 5.
A Anthropic lançou o Claude Opus 5.5, um sucessor de menor custo do Claude Opus 5 que lidera o Índice de Inteligência v4.3 da Artificial Analysis e o Vals Index da Vals AI em benchmarks gerais de inteligência. Concurrentemente, a TypeSafe, fundada pelo ex-funcionário da OpenAI Diogo Almeida, apresentou o Jev, um modelo de classificação geral projetado para analisar texto e retornar saídas predefinidas com custo inferior ao dos grandes modelos de linguagem.
A OpenAI apresentou o GPT-6 Sol e Luna como alternativas mais rápidas e acessíveis ao GPT-6 Astra, trazendo avanços em codificação, factualidade, uso de computador e tarefas profissionais para modelos de menor custo.
A OpenAI lançou dois novos modelos, GPT-6 Sol e GPT-6 Luna, que já estão disponíveis na API da OpenAI. Esses modelos ficam abaixo do anteriormente lançado GPT-6 Astra e visam levar seus avanços técnicos para camadas mais rápidas e acessíveis para codificação complexa e trabalho cotidiano de alto volume.
A Anthropic lançou o Claude Opus 5.5, o primeiro modelo de sua nova família Claude 5.5, posicionando-o como uma alternativa mais eficiente às gerações anteriores. O modelo é projetado para atingir o nível do Claude Fable 5.1 na maioria das tarefas, enquanto custa 40% menos para ser executado do que o Opus 5.
A Anthropic lançou o Claude Opus 5.5, o primeiro modelo de sua nova família Claude 5.5, que tem desempenho equivalente ao do Claude Fable 5.1 na maioria das tarefas, com custo de execução 40% menor que o do Opus 5.
A SpaceXAI lançou o Grok 4.7, um novo modelo principal para codificação, tarefas agênticas e trabalho de conhecimento que utiliza um modelo base maior e uma execução de aprendizado por reforço estendida em comparação ao Grok 4.6. O modelo mantém a mesma estrutura de preços do seu antecessor, enquanto oferece capacidades aprimoradas de autoverificação, manipulação de contexto longo e segurança.
A OpenAI lançou o GPT-6 Astra, seu novo modelo de linguagem e visão principal que alcança as primeiras posições ou perto delas nos principais rankings de IA, enquanto utiliza significativamente menos tokens e custa menos do que os modelos concorrentes. O modelo foi projetado para atender ao nível crítico de cibersegurança da OpenAI, com capacidades avançadas de cibersegurança restritas a organizações selecionadas.
A OpenAI lançou oficialmente o GPT-6 Astra, posicionando-o como seu modelo mais inteligente e alinhado até o momento. O lançamento visa uso de computador, engenharia de software, matemática e ciências, trabalho de escritório e cibersegurança.
A OpenAI lançou o GPT-6 Astra, um novo modelo disponível para usuários do ChatGPT Plus, Pro, Business e Enterprise, bem como por meio da API da OpenAI e AWS. O modelo é cobrado a $10/milhão de tokens de entrada e $50/milhão de tokens de saída, posicionando-se como concorrente do Claude Fable 5.
A Anthropic lançou o Claude Fable 5.1 e o Claude Mythos 5.1 como seus novos modelos principais para codificação e trabalho de conhecimento, posicionando-os como os modelos mais avançados do mundo para tarefas autônomas em múltiplas etapas.
A Anthropic lançou o Claude Fable 5.1 e o Claude Mythos 5.1 como seus novos modelos principais para codificação e trabalho de conhecimento, posicionando-os como capazes de tarefas autônomas e multi-etapas. O lançamento inclui uma redução significativa no preço de leitura de cache para US$ 0,25 por milhão de tokens, juntamente com uma janela de contexto de 1 milhão de tokens.
A Anthropic lançou o Claude Fable 5.1 e o Claude Mythos 5.1 restrito, ambos compartilhando um modelo subjacente, mas diferindo nas camadas de salvaguarda. O Fable 5.1 está disponível em geral nos principais provedores de nuvem, enquanto o Mythos 5.1 permanece limitado a organizações aprovadas.
Pesquisadores da NVIDIA, MIT e da Universidade de Oxford apresentaram o Physis-Lang, um framework que aprimora os modelos de mundo em vídeo ao integrar linguagem física autoevolutiva nas legendas. Essa abordagem trata a linguagem física como uma representação otimizável usada para curadoria de dados, treinamento do modelo e inferência, corrigindo erros físicos nos vídeos gerados.
O Radar de Computação em IA publicou um "painel de criadores" classificando 15 laboratórios que contribuem para seu conjunto rastreado de 46 modelos abertos, usando uma métrica composta chamada Pontuação de Calor. A classificação é determinada pelo número de modelos que cada laboratório possui no top 10, com empates quebrados pela melhor posição e somando os downloads dos últimos 30 dias.
O Frontier Red Team da Anthropic avaliou o modelo chinês GLM-5.3 em 100 tarefas de um benchmark interno de Binary Exploitation e descobriu que ele é capaz de desenvolver sequestros completos de fluxo de controle em 4% dos ensaios.