Open-Source AI

Principais notícias

1. 1

   DeepSeek apresenta modelo de raciocínio de código aberto que desafia líderes técnicos, com capacidade de processamento aumentada e custos reduzidos.

   O que aconteceu: A DeepSeek lançou o DeepSeek-R1, um modelo de raciocínio de código aberto que é #2 entre os modelos de peso aberto, com capacidade de processar 1M tokens (em comparação com 128K na versão anterior) e requer 27% dos recursos de computação comparado com DeepSeek-V3.2. Por que importa: O modelo oferece um caminho mais barato e acessível para empresas que desejam usar inteligência artificial de raciocínio avançado sem depender de fornecedores proprietários — a redução significativa de custos e a natureza aberta do código desafiam o domínio de modelos fechados de grandes produtores de IA.

   O que observar: O DeepSeek-R1 está disponível como código aberto, permitindo que qualquer organização o implemente e estenda, diferentemente dos modelos proprietários que exigem acesso via APIs pagas ou serviços em nuvem.

2. 2

   Startup Krea libera modelos de IA para geração de imagens em dois segundos, disponibilizando versões abertas sob licença customizada para enfrentar a percepção de que imagens geradas por IA parecem genéricas e sem originalidade.

   O que aconteceu: A startup Krea lançou duas versões de seu novo modelo de IA para geração de imagens — Krea 2 Raw e Krea 2 Turbo — com pesos abertos sob uma licença customizada. O modelo está disponível para download público no Hugging Face. A licença exige que empresas com mais de 50 assentos paguem por uso Enterprise e obriga todos os usuários a implementar salvaguardas técnicas contra geração de materiais ilegais, imagens íntimas não-consentidas (NCII), material de abuso sexual infantil (CSAM) e conteúdo difamatório. Por que importa: A empresa enfrenta uma percepção crescente de que imagens geradas por IA acabam parecendo genéricas, monótonas e pouco originais — o que é chamado de "AI slop" — dificultando que marcas se destaquem. Krea acredita que seus novos modelos oferecem mais variedade visual do que o típico, potencialmente alterando essa tendência enquanto muitas empresas já integram imagens geradas por IA em seus fluxos de trabalho.

   Ponto de atenção: Os modelos prometem gerar imagens em dois segundos. A disponibilidade pública no Hugging Face significa que criadores de todas as dimensões têm acesso imediato, embora o modelo operacional distinga entre usuários pequenos (sem custo, com obrigação de conformidade técnica) e empresas maiores (sujeitas a pagamento).

3. 3

   Papers with Code, plataforma de pesquisa científica revivida pela Hugging Face, adiciona distintivos de desempenho de ponta para ajudar pesquisadores a descobrir trabalhos relevantes.

   O que aconteceu: A Papers with Code reativada passou a exibir distintivos de desempenho de ponta (SOTA) em artigos de pesquisa, assim como fazia o site original. Os distintivos aparecem em papers que alcançam uma pontuação dentro dos 3 primeiros colocados em um determinado benchmark. Exemplo citado: GLM-5.2 recebe o distintivo por alcançar SOTA no benchmark PostTrainBench. Por que é importante: A plataforma busca facilitar que pesquisadores descubram e construam sobre o trabalho uns dos outros durante o que é caracterizado como a "era da pesquisa". Os distintivos, além de aparecerem na página de um paper específico, também são exibidos em feeds temáticos (como a página de classificação de vídeos), tornando mais visível qual pesquisa está na vanguarda em cada área.

   Ponto de atenção: A plataforma também introduziu uma nova pontuação de tendências (trending score) para ordenar os papers, embora o anúncio não detalhe completamente como esse sistema funciona. A URL de acesso é https://paperswithcode.co/

4. 4

   DeepSeek lança modelo de raciocínio aberto que oferece desempenho comparável aos sistemas de IA de ponta com menor consumo de recursos.

   O que aconteceu: DeepSeek apresentou o DeepSeek-R1, um modelo de raciocínio em código aberto que alcança a posição #2 entre modelos abertos de raciocínio. O modelo utiliza 27% dos FLOPs comparado com DeepSeek-V3.2 e oferece uma janela de contexto de 1M tokens, expandida de 128K na versão anterior. Por que importa: A empresa demonstrou que é possível criar sistemas de IA de alto desempenho com eficiência significativamente maior, reduzindo os custos operacionais de inferência (o processo computacional onde a IA gera respostas). Isso desafia a premissa de que desempenho de ponta exige sempre maior consumo de recursos, com implicações diretas para empresas que implantam IA em larga escala.

   Ponto de atenção: O modelo está disponível em código aberto, permitindo que desenvolvedores e organizações o utilizem e adaptem livremente, ampliando o acesso a tecnologia de raciocínio avançado além de usuários de plataformas proprietárias.

5. 5

   Reflection AI assina contrato com SpaceX para acesso a capacidade computacional, pagando $150 million（約240億円） mensais a partir de julho de 2026.

   O que aconteceu: A startup Reflection AI fechou um acordo com a SpaceX que lhe concede acesso imediato a chips Nvidia GB300s (processadores usados para treinar e executar modelos de IA avançados) no data center Colossus 2 da empresa. Reflection pagará à SpaceX $150 million（約240億円） por mês a partir de 1º de julho de 2026, com duração até 2029. Por que importa: Startups de IA enfrentam escassez de capacidade computacional para treinar modelos. Um contrato de longo prazo com custos previsíveis oferece estabilidade operacional, permitindo que Reflection planeje seu desenvolvimento sem competir constantemente por acesso a chips no mercado spot. SpaceX, por seu lado, monetiza sua infraestrutura de data center.

   O que observar: O acordo se estende até 2029 e representa um compromisso financeiro significativo de longo prazo. Nem SpaceX nem Reflection responderam imediatamente a pedidos de comentário sobre os termos do acordo.

6. 6

   AI-Gateway, um projeto open-source, oferece cache semântico para reduzir custos de API de modelos de linguagem.

   O que aconteceu: Foi lançado o AI-Gateway, um proxy open-source disponível no GitHub que implementa cache semântico — uma técnica que armazena e reutiliza respostas de IA para evitar chamadas de API redundantes. Por que importa: Para empresas que usam LLMs (modelos de linguagem que entendem e geram texto), as chamadas de API repetidas representam custos significativos. Um cache semântico reduz essas despesas ao reconhecer perguntas similares e servir respostas em cache, sem precisar chamar a API novamente.

   Ponto a observar: O projeto está hospedado em https://github.com/Arnab758/ai-gateway e é de código aberto, permitindo que qualquer organização o implemente localmente para gerenciar seus próprios gastos com APIs de IA.