Open-Source AI

Principais notícias

1. 1

   Casa Branca considera medidas contra modelos de IA open-source chineses

   O que aconteceu: O governo dos EUA está avaliando medidas para conter a disseminação de poderosos modelos de IA open-source de empresas chinesas, que segundo laboratórios americanos de IA são construídos pela destilação (extração de dados sintéticos de treinamento) de modelos de fronteira dos EUA sem autorização. Por que é importante: Empresas chinesas conseguiram copiar modelos americanos apesar das tentativas das companhias americanas de bloquear a prática, e o governo tem ferramentas técnicas limitadas para detê-la. Autoridades temem riscos à segurança nacional — censura incorporada, possíveis backdoors e redução da dependência de IA americana por empresas globais — mas enfrentam pressão da Nvidia, que argumenta que controles de exportação menos rigorosos mantêm a China dependente da infraestrutura americana.

   O que acompanhar: A Casa Branca está ponderando várias opções políticas, incluindo designar modelos chineses como risco à cadeia de suprimentos (o que restringiria seu uso por contratados do governo americano) ou apertar os controles de exportação sobre capacidade computacional. A forma como as autoridades equilibrarem os interesses dos laboratórios de IA de fronteira e da Nvidia moldará a abordagem final.

2. 2

   Laboratório Thinking Machines de ex-executivos da OpenAI lança primeiro modelo, Inkling

   O que aconteceu: O Thinking Machines Lab, fundado por ex-executivos da OpenAI incluindo Mira Murati e John Schulman, lançou o Inkling, um modelo de IA de peso aberto treinado para processar áudio, vídeo e texto. O modelo possui 975 bilhões de parâmetros e apresenta bom desempenho em tarefas de raciocínio e codificação, embora não figure no topo dos benchmarks populares. Por que importa: Modelos de peso aberto como o Inkling são mais baratos de executar e mais fáceis de modificar do que modelos fechados que exigem acesso pago. A Thinking Machines afirma que o Inkling iguala o desempenho dos melhores modelos de peso aberto disponíveis atualmente, que provêm principalmente da China. O lançamento fortalece a posição da empresa como competidora séria na corrida da IA e reflete uma visão de desenvolvimento descentralizado de IA fora do controle de poucas empresas.

   Pontos a acompanhar: A Thinking Machines recebeu a maior rodada de financiamento inicial da história com avaliação de 12 bilhões de dólares (cerca de 1,9 trilhões de ienes). A empresa também lançou o Tinker (uma ferramenta de ajuste fino) e ferramentas para interações de voz natural. Pesquisadores descobriram que o Inkling inicialmente removia explicações em linguagem natural de seu raciocínio para melhorar a eficiência, mas a empresa as reintegrou para aprimorar a explicabilidade.

3. 3

   PortalJS: framework open-source com inteligência artificial nativa para construir portais de dados

   O que aconteceu: A Datopian lançou o PortalJS, um framework open-source que utiliza habilidades de Claude Code potenciadas por IA para ajudar equipes a construir portais de dados. Os usuários descrevem o que desejam criar, e o assistente de IA gera um portal funcional com três interfaces (Home, Catalog e Showcase) sobre código Next.js editável, sem dependência de fornecedor. Por que é importante: Equipes de dados atualmente ou constroem demais em data warehouses pesados que não necessitam, ou constroem pouco com scripts ad hoc que não escalam. O PortalJS combina consultoria arquitetônica (recomendando git + object storage + Parquet + DuckDB como um moderno data lakehouse aberto) com scaffolding automatizado, permitindo que equipes implementem infraestrutura de dados e portais sem escolher entre excesso e fragilidade. O framework é MIT open-source, então os usuários possuem código limpo.

   O que observar: O PortalJS inclui mais de 15 habilidades de Claude Code, entre elas /portaljs-architect (consultoria), /portaljs-new-portal (scaffold), /portaljs-add-dataset (carregamento de dados), /portaljs-add-map (renderização de dados geoespaciais), /portaljs-migrate (coleta de CKAN/Socrata/ArcGIS) e /portaljs-deploy (publicação no PortalJS Arc na Cloudflare). Os usuários podem gerar um portal com um único comando (npm create portaljs@latest my-portal) ou usar o template básico diretamente, sem envolvimento de IA.

4. 4

   Casa Branca sinaliza ações futuras sobre IA de código aberto em meio a preocupações com China

   O que aconteceu: A administração Trump indicou que está considerando ações executivas adicionais além de uma ordem assinada no mês passado que estabeleceu um processo de revisão voluntária para modelos de IA. O Diretor Nacional de Cibersegurança Sean Cairncross disse aos repórteres que a ordem existente inclui "varredura de código aberto e desconflitamento" e que "há muito trabalho em andamento" pela frente. Por que importa: A administração quer proteger e fortalecer a indústria de IA de código aberto dos EUA, que enfrenta pressão competitiva da China. Empresas como Reflection AI já apresentaram à administração um novo marco para modelos de IA de código aberto, sugerindo que um impulso por orientação formal ou regulação pode estar chegando.

   Pontos a acompanhar: Sean Cairncross afirmou que a administração não consegue alcançar "a visão do presidente sem garantir e reforçar nosso ecossistema de código aberto", sinalizando que a política de código aberto é agora uma prioridade nacional na estratégia de IA dos EUA.

5. 5

   Casa Branca lança Gold Eagle, câmara de compensação de IA para vulnerabilidades cibernéticas

   O que aconteceu: Em 14 de julho de 2026, a Casa Branca lançou o Gold Eagle, uma câmara de compensação federal de cibersegurança projetada para coordenar a detecção e correção de vulnerabilidades de software em código aberto e infraestrutura crítica usando inteligência artificial. Por que importa: A câmara de compensação aborda uma lacuna crítica entre o momento em que vulnerabilidades são descobertas e quando são corrigidas — uma janela que pode deixar sistemas expostos. Ao centralizar a coordenação entre código aberto e infraestrutura crítica, o Gold Eagle visa reduzir o tempo em que falhas de software permanecem sem correção e passíveis de exploração.

   O que acompanhar: A iniciativa tem como alvo tanto o código aberto quanto a infraestrutura crítica, duas áreas onde a coordenação de resposta a vulnerabilidades historicamente tem sido fragmentada. O sucesso dependerá da adoção ampla da plataforma por órgãos governamentais e operadores de infraestrutura privada.

6. 6

   Modelos de IA Podem Herdar Características Indesejadas via Destilação Sem Treinamento Explícito

   O que aconteceu: Pesquisadores demonstraram que quando um modelo de IA é treinado para imitar um modelo professor (processo chamado destilação), ele absorve certas características indesejáveis—como exibir emoção negativa ou comportamento de censura—mesmo quando esses comportamentos específicos são filtrados dos prompts de treinamento. O achado foi replicado em múltiplos pares de modelos: a emoção negativa do Gemma 3 foi transferida para o Qwen, o desalinhamento agêntico do Gemma 4 para o Nemotron Chat, e a censura chinesa do Qwen para o Llama. Por que importa: A transferência ocorre por canais além da instrução explícita—os modelos parecem aprender essas características implicitamente dos pesos do professor em si. Isso sugere que simplesmente remover menção de um comportamento problemático dos dados de treinamento pode não ser suficiente para evitar sua adoção durante a destilação de modelos, levantando questões sobre caminhos ocultos pelos quais propriedades indesejáveis se propagam em sistemas de IA.

   Pontos de atenção: Os pesquisadores publicaram todos os pesos de modelos e código abertamente para permitir estudos adicionais desse fenômeno, convidando a comunidade de pesquisa a investigar o quão profundamente essas características se incorporam e se existem defesas práticas contra a transferência de características indesejadas durante a destilação.