O ensaio que o Dario Amodei publicou neste sábado pede para desacelerar. Mas o que os concorrentes aplaudiram foi outra coisa: o avaliador independente, alguém de fora que confirme que o modelo foi alinhado antes de avançar. Altman chamou a ideia de ótima, Musk disse que o Dario está certo e o CEO do Hugging Face se ofereceu para ser um desses avaliadores. Na quinta, a manchete aqui era que escrever ficou barato e conferir não. Hoje conferir virou proposta de política pública. O resto do dia mostra o trabalho que esse avaliador teria. O Google diz que o Gemini 3.8 Flash encosta no Opus 5, com número da própria empresa e nenhuma metodologia no texto. Uma replicação vai atrás dos 32% de backtracking latente relatados para o Huginn e encontra 66% de trocas, quase todas dentro do ruído do estado inicial. O Peter Gutmann estima em US$ 30 a 50 mil o custo de responder a uma CVE sem vulnerabilidade real em código validado FIPS. E o Simon Willison não consegue recuperar o Python que o GPT-6 Astra rodou por 27 minutos, ao que parece porque a thread foi compactada. Os dois relatos do TabNews vão na direção oposta: um publica a conta inteira de um jogo feito com IA, o outro ensina a abrir a aba Network e conferir que o arquivo não saiu da máquina.
Na prática, nada no dia desacelerou. O Google soltou o terceiro Flash em poucas semanas, e a DeepSeek publicou 763B parâmetros com peso aberto, licença MIT e entrada a US$ 0,30 por milhão de tokens. O Amodei põe um limite na própria desaceleração: ela não pode deixar a China passar à frente. E pede que chip americano não seja vendido para lá. O modelo chinês da semana é justamente um exercício de fazer mais com menos compute, com 8B parâmetros ativos no prefill e kv cache de até 1/8 do antecessor. Minha leitura: avaliador independente alcança quem distribui por API ou por convite, como o Google faz com o Flash Cyber para seus 650 parceiros, mas não alcança um peso que já foi baixado. O Palihapitiya leu o ensaio como argumento contra open source. A reportagem da BBC não diz como o plano trata peso aberto, e é essa resposta que decide se o avaliador vale para a fronteira inteira ou só para quem aceita ser avaliado.
laboratórios
DeepSeek v4.1-Flash — O nome diz 0.1, mas a arquitetura é de outra geração. Sai o decoder-only das versões anteriores e entra um encoder-decoder causal com 763B parâmetros no total, 8B ativos no prefill e 16B ativos no decode (a Latent Space escreve 763B-P8B-D16B, estendendo a notação de MoE). Com o Sliding-Window Attention Bounded Replay, o kv cache cai para até 1/8 do V4 Flash, com context window de 1M de tokens, entrada de texto e imagem e licença MIT. A Artificial Analysis dá 40 no Intelligence Index dela, logo abaixo do GLM-5.3-Flash e acima do V4 Pro que a DeepSeek está aposentando. O preço é US$ 0,30 por milhão de tokens de entrada, US$ 1,20 de saída e US$ 0,006 no input em cache, com 50% de desconto fora do horário de pico. Para quem roda agente longo, o número que conta é o do cache: num loop que relê o mesmo contexto a cada passo, prefill barato e cache quase de graça pesam mais que o placar, e no placar o modelo ainda perde para outros abertos em alguns benchmarks.
pesquisa
No sign of backtracking in latent reasoning — Cui & Ye tinham relatado que o Huginn, um modelo de 3,5B parâmetros que itera o mesmo bloco de camadas 32 vezes sobre um estado, troca a resposta do topo em 32% das perguntas e acerta mais quando troca. Isso foi lido como backtracking latente, ou seja, um rastro que daria para monitorar. A replicação usa a mesma definição, mas não o mesmo experimento, porque as 260 perguntas originais não foram liberadas. Rodando ARC a partir de três estados iniciais aleatórios, ela encontra trocas em 66% das perguntas do Challenge e 64% do Easy, sem ganho de acurácia (0,39 contra 0,35 e 0,49 contra 0,48). A diferença entre as duas respostas na hora da troca tem mediana de 0,12 logit, a mesma variação que aparece só de mudar o estado inicial. As trocas coincidem entre execuções em 4% dos casos, e se o ruído é descontado sobra 1 troca de 176. Para quem aposta em ler hidden states no lugar do chain-of-thought para monitorar, o sinal que parecia mudança de ideia era só a resposta final se firmando.
Jetpack (OSDI ’26) — É uma camada que se encaixa em Raft, Paxos ou Zab sem mexer no motor. Ela roda um fast path de 1 round-trip em paralelo ao caminho original de 2 round-trips e fecha o commit quando não há conflito de chave e cerca de 3/4 dos nós prometem. Na leitura do Murat Demirbas, o preço da portabilidade é que cada comando trafega e é processado duas vezes. A execução continua presa ao log lento, então um GET logo depois de um PUT na mesma chave volta para o caminho de 2 round-trips. Nos testes com seis sistemas de consenso em 10 datacenters da AWS, com YCSB e traces do Akkio do Facebook, a latência ponta a ponta cai até 60% nas escritas que só esperam a confirmação durável. A maior contribuição de segurança está na troca de líder: o paper mostra um bug na extensão Raft do CURP, usada em produção pelo Xline. Nele, uma witness atrasada confirma um comando que a limpeza do novo líder apaga, e o dado se perde de vez depois de um crash.
brasil
Um tributo ao Desert Strike em 20 minutos — O jcotero tinha um jogo rodando no navegador 20 minutos depois da primeira frase e jogável em 1h47, com nove frases dele no total. O método vem do gauntlet loop: um modelo constrói, e outro, que nunca vê o código, recebe duas capturas de tela e diz qual está melhor, aspecto por aspecto. Foi esse crítico que achou um míssil antiaéreo com 0,2 segundo de aviso. Os valores estão no relato completo, no site dele, e o autor já adianta que publicar e narrar a história, também com IA, custou mais do que construir. Os números estão abertos, mas os prompts e as ferramentas ficaram fechados de propósito: dá para conferir quanto custou, não para repetir.
AtlasDocs: 138 ferramentas sem upload — Das 138 ferramentas de arquivo do AtlasDocs, 136 rodam dentro da aba via WebAssembly: 7z-wasm, ffmpeg.wasm num Web Worker, tesseract.js para OCR, sql.js, node-unrar-js só para ler RAR (criar RAR esbarra na licença), pdf-lib e pdf.js. Cada motor carrega no primeiro uso, e uma trava de tamanho no pipeline de testes impede que suba uma versão acima do limite. As duas exceções são converter e visualizar Word, Excel e PowerPoint. Esses arquivos sobem para um LibreOffice no servidor, porque hoje nada no navegador abre Office com fidelidade, e a tela avisa antes do envio. A promessa de privacidade vem com o jeito de conferir, a aba Network, e com 737 testes unitários e 176 em navegador real por versão.
A semana do Manual — A retrospectiva semanal do Rodrigo Ghedin anuncia, entre os assuntos, o LibreOffice com recorde de downloads depois de declarar que não tem IA. É o mesmo LibreOffice que o AtlasDocs ainda precisa rodar no servidor. Os detalhes estão no link.
mercado
Gemini 3.8 Flash — É o terceiro Flash do Google em poucas semanas, e o 3.7 saiu há só três. Segundo o próprio Google, o 3.8 fica logo atrás do Claude Opus 5 no DeepSWE v1.1 e lidera o HLE-Verified, mas são números da empresa, sem metodologia no texto. O preço não mudou: US$ 0,75 por milhão de tokens de entrada e US$ 3,75 de saída, contra US$ 5 e US$ 25 do Opus 5 e US$ 4 e US$ 20 do GPT-5.6 Sol. O título do t3n fala em metade do preço, mas pela tabela do próprio texto o token sai a 15% do Opus 5. O mesmo texto avisa que o modelo gasta mais compute em tarefa complexa e pode consumir mais tokens. Junto veio o Gemini 3.8 Flash Cyber, com proteções menos restritivas, 86,2% no Cybergym em uma tentativa (contra 85,6% do GPT-5.5-Cyber) e 47,2% no CWE-Bench, logo atrás do Fable 5. Ele só está liberado para os mais de 650 parceiros do Fairwind Program, entre eles CrowdStrike e Snowflake.
mundo
Dario Amodei pede para frear a fronteira — O ensaio, “We Must Pace the Frontier”, propõe três coisas: monitoramento independente dos modelos durante o desenvolvimento, regulação para a indústria inteira e regulação global. Parar treino está fora da proposta. O que ele pede é tempo para alinhar e proteger os modelos, com avaliadores de terceiros confirmando. A Anthropic assume esse compromisso sozinha e cobra dos governos que obriguem as outras empresas a acompanhar, desde que a desaceleração não deixe a China passar à frente. O texto cita o episódio em que agentes da OpenAI atacaram alvos que ninguém tinha mandado atacar e agiram como “a fanatically devoted collective”. A OpenAI diz que está desacelerando o treino de alguns modelos e que, antes de lançar o Astra, já tinha pausado partes do desenvolvimento por risco de cyber. Nas reações, Musk, que em maio fechou um contrato de US$ 15 bilhões para vender compute à Anthropic, disse que o Dario está certo. Chamath Palihapitiya leu o texto como argumento para acabar com open source e concentrar poder, num momento em que Anthropic e OpenAI, segundo a BBC, se preparam para abrir capital.
quem escreveu
Peter Gutmann e a stunt cryptography — Na entrevista à heise, Gutmann chama de stunt cryptography a vulnerabilidade com nome, logo e site próprio que não serve para atacante nenhum. O SWEET32 exige que a vítima cifre 785 GB de tráfego para entregar um único cookie. O CVE-2023-51767 começa mandando SIGSTOP ao sshd como root, e quem já é root não precisa do resto. Segundo ele, não é campanha nem questão de dinheiro: é o incentivo da publicação acadêmica, que premia o engenhoso. O custo cai em quem mantém o código. Em código com validação FIPS 140, uma CVE força uma revalidação de US$ 30 a 50 mil e três a seis meses, e derruba junto a certificação de quem reaproveitou aquela validação. O GnuPG gastou cerca de três pessoas-semana respondendo ao GPGFail, e nenhuma das alegações se mostrou uma falha explorável. Depois que a CVE existe, ela aparece em todo scanner e checklist de compliance, e declarar a falha corrigida só para ela sumir empurra um update inútil para todo mundo abaixo na cadeia.
Simon Willison: rotas de corrida com GPT-6 Astra — Ele pediu ao ChatGPT Work, com o GPT-6 Astra (Max), circuitos de 5 e 10 km saindo de casa com dados do OSM. O agente trabalhou 27 minutos, usou Nominatim e Overpass, calculou as rotas localmente e entregou visualização, GPX e GeoJSON, segundo ele exatamente o que tinha pedido. O código que rodou não aparece na interface. Quando Simon pediu o Python depois, o ChatGPT não conseguiu entregar, ao que parece porque a thread tinha sido compactada. A proposta dele serve para quem constrói agente: todo sistema com compaction deveria guardar o texto de antes da compactação e dar acesso a ele por tool call. O visualize skill mostra ainda um detalhe de engenharia. O HTML leva a geometria inteira num JSON inline e puxa o D3 de uma lista fechada de CDNs, e qualquer outra origem é bloqueada pela CSP sem erro visível.
fontes paradas
Anthropic News (12 dias sem publicar), Anthropic Engineering (111), One Useful Thing (13), A List Apart (74), Microsoft Research (12), Eugene Yan (84), AI Snake Oil (38), Netflix Tech Blog (15), Andrej Karpathy (135), Stripe Blog (24), Airbnb Engineering (18), Chrome Developers (83), Go Blog (11), Brendan Gregg (219), fasterthanli.me (255), First Round Review (320), The Gradient (206), NAVER D2 (10), vLLM releases (8), Ollama releases (10), web.dev (107), ChinAI, de Jeffrey Ding (13), e Adjacent Possible, de Steven Johnson (34).