Large Language Models

Principais notícias

1. 1

   JPMorgan apresenta agentes de IA que superam carteiras tradicionais

   O que aconteceu: A JPMorgan testou agentes de inteligência artificial (sistemas que tomam decisões automaticamente) em simulações históricas de investimento, e esses agentes superaram as estratégias de carteira tradicionais nos testes realizados. Por que é importante: O resultado sugere que a IA pode ser usada para melhorar decisões de investimento, o que pode interessar gestores de fundos e investidores institucionais que buscam otimizar seus retornos.

   Ponto de atenção: Este foi um teste em simulações históricas — o desempenho em condições reais de mercado ainda não foi validado, e os detalhes sobre como os agentes foram configurados e quais métricas específicas foram usadas não estão totalmente descritos.

2. 2

   DeepSeek libera versão de raciocínio aberto com contexto 32x maior

   O que aconteceu: A DeepSeek lançou o DeepSeek-R1, um modelo de raciocínio de código aberto que processa 1M tokens de contexto, em comparação com 128K tokens da versão anterior V3.2, ampliando significativamente a capacidade de análise de documentos longos. Por que importa: Modelos de raciocínio aberto reduzem a dependência de provedores proprietários e permitem que empresas e pesquisadores implementem IA avançada em seus próprios sistemas. Organizações que lidam com grandes volumes de dados textuais — contratos, análises de mercado, pesquisas — podem agora processar conteúdo muito mais extenso em uma única consulta.

   O que acompanhar: O modelo está disponível para download imediato em plataformas de código aberto, permitindo adoção instantânea sem aguardar aprovações comerciais ou integração com provedores terceirizados.

3. 3

   JPMorgan cria agentes de IA que superam carteira 60/40 de ações e títulos

   O que aconteceu： JPMorgan desenvolveu agentes de inteligência artificial capazes de superar uma carteira tradicional com 60% em ações e 40% em títulos. Os agentes foram treinados para tomar decisões de investimento autônomas, demonstrando desempenho superior à estratégia clássica de alocação. Por que é importante： O resultado sugere que a IA pode otimizar decisões de investimento de forma mais eficaz do que abordagens convencionais de longa data. Para gestores de fundos e investidores institucionais, isso levanta a possibilidade de melhor retorno ajustado ao risco usando tecnologia de agentes autônomos, potencialmente transformando como a indústria aloca capital.

   O que acompanhar： A próxima etapa será observar se JPMorgan implementa esses agentes em carteiras geridas reais e como reguladores respondem a sistemas de IA que tomam decisões de investimento significativas de forma autônoma.

4. 4

   86% das empresas rodando IA com GPUs na metade da capacidade

   O que aconteceu: Uma pesquisa da VentureBeat Research com 573 líderes técnicos em empresas com 100+ funcionários descobriu que empresas estão implantando agentes de IA (sistemas que tomam decisões automaticamente) antes de terem os controles necessários para gerenciá-los. Aproximadamente 6 em cada 10 empresas planejam trocar ou adicionar fornecedores em cada uma das cinco camadas de controle nos próximos 12 meses, e cerca de um terço planeja fazer isso dentro do trimestre. Por que é importante: O achado revela uma lacuna significativa entre o ritmo de adoção de IA e a infraestrutura de governança que as empresas têm em lugar. Essas cinco camadas — identidade dos agentes (quem pode fazer o quê), avaliação de saída, custo de execução, contexto de dados e orquestração — são essenciais para controlar IA de forma segura e eficiente. As empresas estão remontando para se alinhar aos seus próprios padrões, indicando que reconhecem o risco e estão orçando para correções.

   Ponto de atenção: A pesquisa também constatou que 86% das empresas estão rodando suas GPUs na metade da capacidade ou menos, sugerindo subutilização significativa dos investimentos em hardware de IA.

5. 5

   OpenAI lança ChatGPT Work, agente de IA que automatiza tarefas entre email, Slack e calendários

   O que aconteceu: A OpenAI apresentou o ChatGPT Work, um agente de IA integrado ao ChatGPT que executa tarefas complexas e multietapas nos aplicativos de email, calendários, repositórios de código e mensagens do usuário. O produto é alimentado pelo modelo GPT-5.6 e consegue coletar contexto de aplicativos conectados para produzir documentos, planilhas, apresentações, relatórios e sites. Por que importa: O lançamento marca a tentativa mais clara da OpenAI de reposicionar o ChatGPT de um simples assistente de perguntas e respostas para uma plataforma de trabalho autônoma. Para empresas que dependem de automação e integração de ferramentas, isso pode significar redução de trabalho manual em fluxos críticos.

   Pontos de atenção: O agente consegue manter projetos complexos por horas, completando-os de forma independente após receber um objetivo declarado. O timing da apresentação coincide com significância financeira extraordinária para a companhia, sendo que a OpenAI apresentou confidencialmente uma declaração de registro rascunho S-1 no mês anterior.

6. 6

   57% das empresas viram IA agir com confiança, mas errado

   O que aconteceu: Numa pesquisa da VB Pulse de junho de 2026 com 101 empresas qualificadas (mais de 100 funcionários), 57% identificaram que um agente de IA respondeu com total confiança, mas a resposta estava errada — rastreando o erro até contexto empresarial ausente ou inconsistente. 31% disseram que isso aconteceu mais de uma vez. Por que é importante: O problema não está no modelo de IA em si, mas nos dados que lhe fornecem. 38% das empresas dependem principalmente de busca em documentos para dar contexto ao agente, mas escolhem o sistema de recuperação baseado em facilidade e simplicidade operacional — deixando a precisão em segundo plano. Esse problema só aparece depois que o sistema já está em produção, representando um risco silencioso para a confiabilidade das decisões empresariais.

   O que acompanhar: A maioria das empresas ainda não prioriza a precisão da recuperação na seleção de seus sistemas, apesar das falhas que experimentam. Como as organizações resolvem esse desequilíbrio entre facilidade de implementação e acurácia será determinante para a qualidade das respostas dos agentes de IA em ambiente corporativo.