18 posts found
Jensen Huang disse que a AGI chegou. O próprio presidente da OpenAI insinuou o mesmo. Só que o benchmark que sustenta essa festa toda esconde uma letra miúda incômoda. Eu explico por que a verdade de engenharia por trás do Astra é bem menos mágica que o discurso.
A OpenAI lançou o GPT-6 Astra, o primeiro modelo pensado pra trabalhar sozinho por dias a fio. Eu conto por que esse lançamento me parece diferente de tudo que veio antes — e onde a narrativa de marketing já está passando dos limites.
Um white paper reunindo pesquisadores do Google, Stanford, Harvard e Princeton propõe algo que me pegou de surpresa: talvez a AGI não nasça do texto, mas de modelos de vídeo como o Veo 3. Eu explico por que essa hipótese não é tão maluca quanto parece.
Seu RAG funciona no teste e quebra em produção? Eu já passei por isso. O problema quase nunca é o LLM — é a pipeline de recuperação. Aqui estão os 4 passos que eu uso pra consertar isso de vez.
Toda vez que o Claude cai, alguém no X faz piada. Eu acho que a piada esconde uma decisão de arquitetura séria: será que vale a pena depender de uma inteligência que às vezes te deixa na mão?
A Meta deu nome ao problema: Behavioral State Decay. A instrução está lá. A IA a 'vê'. Mas não age sobre ela. A solução: um segundo agente de IA — o 'toque no ombro' — que injeta lembretes seletivos. +8,3 pontos no Terminal-Bench. Sem retreinar o modelo.
#1 no MTEB English por 5,09 pontos. 5 modalidades em um único vetor de 3.072 dimensões. Matryoshka para truncar até 768 sem retreinar. Texto, imagens, vídeo de 128s, áudio de 80s, PDFs de 6 páginas. O Google resolveu o problema que obrigava equipes a manter 3 modelos e 3 índices.
86,7% de overlap entre citações do Claude e resultados do Brave Search. Loop ReAct com até 20 iterações. Filtragem dinâmica via código Python. Custo de $0,08-$0,25 por resposta pesquisada. A anatomia de como uma IA decide verificar fatos em vez de inventar.
GPT-4o: de 91% com 5 palavras para 15% com 40. Em condições mistas: 1%. GPT-5, Claude Opus 4.1 e Gemini 2.5 também falharam. Um paper do PNAS Nexus provou: transformers não têm 'árbitro' para resolver conflitos de atenção. É limitação arquitetural.
Um modelo de 3B parâmetros compilado venceu o mesmo modelo de 3B com orquestração externa em 4 de 5 métricas (p<0.001). 128-462x mais barato. 2,8x mais rápido. 87-98% da qualidade. O paper que desafia LangGraph, CrewAI e toda a indústria de orquestração.
O Cursor 3 lançou multi-agente com 8 agentes paralelos. Claude Code cabe 30.000 linhas em um único prompt. Diffs falham 40% das vezes — reescritas completas reduzem para 0%. Aqui está a arquitetura que faz tudo funcionar.
A Gartner prevê que 40%+ dos projetos agênticos serão abandonados até 2027. A Anthropic diz: 'não construa agentes quando bastam workflows'. E em 2026, a conversa do mercado mudou de 'construir agentes' para 'orquestrar agentes'. Comece pelo trilho.
Injeção de prompt não é bug — é propriedade fundamental da arquitetura atual de LLMs. O paper Countermind propõe defesa em 4 camadas. O OWASP Top 10 para LLMs lista prompt injection como vulnerabilidade #1. E seu system prompt 'blindado' não vai te salvar.
O benchmark FloTorch de fevereiro 2026 chocou a comunidade: chunking recursivo de 512 tokens VENCEU o semântico. 80% das falhas de RAG vêm da ingestão, não do LLM. E a estratégia 'simples' costuma ser a melhor. Aqui está o guia que eu queria ter lido antes.
+8,3% de precisão. Até 2,4x mais rápido. 75,6% menos tokens. Custo de treinamento: $4,27. RecursiveMAS prova que quando IAs param de 'falar' e começam a 'pensar juntas', tudo muda.
60% dos projetos em produção usam os dois. A abordagem combinada atinge 96% de precisão vs 89% só RAG e 91% só fine-tuning. A VP de AI da Salesforce reduziu alucinações de 12% para 3%. Mas por onde começar?
512.000 linhas de código vazaram. 1.906 arquivos. E a revelação que chocou a comunidade: a IA propriamente dita é um loop while com uma função central. Os outros 98% são engenharia de software tradicional. Brilhante.
As Claude Skills vieram para substituir o MCP? Não. Elas são camadas complementares de uma mesma arquitetura. Entenda por que usar as duas juntas é a resposta certa.