A xAI disponibilizou seu mais recente modelo de codificação, Grok 4.6, dentro do GitHub Copilot para desenvolvedores que usam VS Code e outras plataformas. Os usuários podem selecionar o novo modelo através do seletor de modelos, enquanto clientes empresariais podem precisar habilitá-lo nas configurações do Copilot.
A Google lançou o Gemini 3.7 Flash, um modelo atualizado projetado para aprimorar as capacidades de codificação, fluxos de trabalho de agentes e trabalhos baseados em conhecimento. Este lançamento ocorre três semanas após a versão anterior e incorpora feedback dos desenvolvedores junto com inovações algorítmicas.
A OpenAI lançou a família de modelos GPT-5.6, projetada para entregar desempenho de agente de nível fronteira com custos significativamente menores, otimizando o esforço de raciocínio e introduzindo novos controles de API. A atualização permite que startups construam agentes mais rápidos e capazes usando modelos menores como Luna e Terra para tarefas de alto volume, enquanto reservam modelos maiores para julgamentos complexos.
A disponibilidade geral do DeepSeek-V4-Pro foi lançada nas plataformas APP, Web e API. Esta atualização aumenta significativamente o desempenho do agente em ambientes de produção enquanto introduz suporte nativo para o formato da API de Respostas da OpenAI.
A xAI lançou o Grok 4.6, uma atualização do seu modelo focada em agentes de longa duração e trabalho interativo complexo. A nova versão iguala o GPT-5.6 Sol no Índice de Inteligência da Artificial Analysis e está disponível no Cursor, Grok Build e via API.
A xAI tornou o Imagine Image 2.0 amplamente disponível como o novo Modo de Qualidade, além dos aplicativos para iOS e Android. A atualização foca na geração e edição precisa de imagens para fluxos de trabalho criativos profissionais.
A OpenAI está lançando uma prévia do Ultrafast, um novo nível de serviço que executa o modelo GPT-5.6 Sol até 14 vezes mais rápido do que o processamento padrão. Alimentado por hardware da Cerebras, este modo gera até 750 tokens de saída por segundo e está inicialmente disponível via API da OpenAI.
O Google DeepMind e o Android apresentaram o SL2T, um modelo de tradução de língua de sinais para texto (SL2T) massivamente multilíngue que leva a IA de língua de sinais aos produtos de consumo pela primeira vez. A tecnologia alimenta a ditatação de sinais para texto no Gboard e no Live Transcribe do Pixel 11, começando com American Sign Language (ASL) para inglês.
A OpenAI e a AWS tornaram as capacidades do Daybreak disponíveis por meio do Amazon Bedrock, permitindo que clientes elegíveis acessem modelos cibernéticos de fronteira dentro de seus ambientes AWS existentes. Essa integração oferece um caminho para que empresas apliquem IA avançada usando fluxos de trabalho familiares de segurança, governança e operações.
O Google Research e o Google DeepMind avançaram sua pesquisa no sistema de IA médica AMIE para demonstrar capacidades de consulta clínica por vídeo em tempo real em um estudo inédito. Construído sobre Gemini e Project Astra usando uma arquitetura multiagente, o sistema interpreta sinais visuais e auditivos, orienta exames físicos virtuais e raciocina diagnosticamente em tempo real.
A xAI lançou o Grok Bot em beta, introduzindo um sistema de agentes de IA sempre ativos que operam em seu próprio computador na nuvem para lidar com tarefas de ponta a ponta. Disponível hoje para assinantes do SuperGrok Heavy, Cursor Ultra e Cursor Teams Premium no desktop e iOS, os bots funcionam entre aplicativos e ferramentas sem exigir configuração manual de fluxos de trabalho.
A OpenAI está ampliando seu programa OpenAI Daybreak com dois novos níveis de acesso — Daybreak Blue e Daybreak Red — para fornecer aos defensores aprovados capacidades avançadas de cibersegurança usando o recém-introduzido modelo GPT-5.6-Cyber.
A Anthropic implementará marca d'água em texto nos futuros modelos do Claude para cumprir a Lei de IA da UE e seu Código de Prática sobre Transparência de Conteúdo Gerado por IA. A empresa utiliza o método SynthID-Text publicado pelo Google DeepMind, que incorpora um padrão detectável no texto gerado sem afetar a qualidade da saída ou adicionar tokens extras.
Os pesquisadores abordam descontinuidades temporais no relighting de vídeos de longo prazo reformulando a tarefa como tradução de domínio latente condicionado temporalmente. A estrutura impõe continuidade entre blocos propagando os latentes do domínio-alvo através dos limites e utiliza autocondicionamento mascarado do domínio-alvo para tornar esse comportamento aprendível.
Pesquisadores da Nvidia introduziram o FusionRelight, um método para realinhamento de retratos que combina transferência de iluminação fisicamente plausível com preservação de identidade e inferência compacta em tempo real. A abordagem utiliza a Fusão Híbrida de Conhecimento de Domínio (HDKF), uma estrutura de treinamento que destila priors de física, refletância e realismo a partir de dados sintéticos, One-Light-at-a-Time (OLAT) e in-the-wild em um modelo estudante.
O Google lançou o Sheets Canvas, um novo recurso alimentado pelo Gemini que transforma planilhas do Google Sheets em miniaplicativos interativos personalizados usando prompts de linguagem natural.
A Microsoft Research apresentou o MindTopo, um novo benchmark projetado para avaliar se modelos de linguagem multimodais de grande porte possuem intuição topológica sobre conectividade, contenção, ordem, separação e nós.
Dois novos estudos da OpenAI revelam que empresas de ponta — aquelas no topo 10% do uso mensal de IA — estão gerando 8,3 vezes mais tokens de saída por usuário ativo do que empresas típicas, ante 2,6 vezes em janeiro. Essa lacuna crescente reflete uma mudança na adoção empresarial, passando do uso da IA para assistência à delegação de trabalho substantivo a ferramentas agênticas como Codex e ChatGPT Work.
Um novo artigo explora o uso de modelos de linguagem grandes fundamentais (LLMs) para automatizar a otimização de hiperparâmetros (HPO), um processo que normalmente depende de abordagens manuais em configurações com orçamento limitado. Os autores desenvolveram uma metodologia onde os LLMs sugerem configurações de hiperparâmetros com base nas descrições do conjunto de dados e do modelo, que são então refinadas iterativamente de acordo com o desempenho do modelo.
Pesquisadores apresentam o Source, um novo método de atribuição de dados de treinamento (TDA) que combina a eficiência computacional das funções de influência com a precisão das abordagens baseadas em desenrolamento. Ao usar uma fórmula semelhante à função de influência para aproximar a diferenciação desenrolada, o Source aborda limitações nos métodos de diferenciação implícita, como sua falha em considerar o viés de otimização ou pipelines multiestágio.