Deno2834

Altman vai apresentar uma antevisão da próxima família de modelos da OpenAI a três salas separadas em DC esta semana.
> altos funcionários dos EUA
> legisladores que elaboram políticas de IA
> economistas que modelam o impacto no emprego
Ninguém informa os economistas sobre uma atualização de chatbot. Faz-se isso quando as avaliações internas sugerem que o modelo altera a forma como o trabalho é feito.
A visita a DC normalmente acontece mesmo antes de um lançamento, não meses antes.

unsloth carregou Kimi-K3-GGUF para o Hugging Face. a página tem menos de uma hora.
o que isto realmente significa:
> GGUF é o formato local, por isso isto funciona com llama.cpp, Ollama e LM Studio sem cloud
> o unsloth é conhecido por quants rápidos no primeiro dia, por isso o K3 chega cedo ao teu hardware
> 0 downloads neste momento, o que significa que serias um dos primeiros a descarregá-lo
o quant superou o ciclo de hype. o modelo mal foi anunciado e já funciona offline.

50% do custo dos modelos líderes, resultados na mesma categoria. É isto que a Microsoft está a alegar para a sua nova stack de descoberta de vulnerabilidades.
O que ficou para trás:
> MAI-Cyber-1-Flash, um modelo afinado especificamente para trabalhos de segurança
> MDASH, o sistema que o submete a bases de código reais para identificar vulnerabilidades
> “desempenho de classe mundial” na identificação de vulnerabilidades, segundo o próprio texto da Microsoft AI
A linha de custos é a parte que os criadores devem ler duas vezes. A revisão autónoma de segurança só escala quando deixa de custar d

A Microsoft lançou dois sistemas de IA de cibersegurança no mesmo dia.
> MAI-Cyber-1-Flash: um modelo treinado especificamente para trabalhos de segurança. O nível “Flash” significa rápido e suficientemente barato para ser executado à escala.
> Perception: um sistema agentico que identifica a vulnerabilidade e escreve a correção.
A proposta é defesa autónoma. Um agente que faz varredura, raciocina sobre o exploit e disponibiliza a correção antes de o engenheiro de prevenção escalada acordar.

unsloth enviou Kimi-K3 para a Hugging Face. 0 downloads. 21 gostos. 11 minutos no relógio.
Porque é que essa ordem importa:
> a unsloth não publica o modelo, publica a versão executável
> quants dinâmicos significam que funciona no hardware que já tens
> hospedar primeiro significa que o executas antes de aparecer a vaga do agregador
O laboratório deixa cair os pesos. A unsloth deixa cair a forma como tu os executas de verdade.

A Flux.2 acabou de chegar ao Higgsfield.
> o mais recente modelo da Black Forest Labs, não um wrapper nem um fork
> a correr dentro do pipeline existente do Higgsfield, por isso alimenta diretamente as ferramentas de motion e de character
> implementação de primeira parte, diretamente do laboratório que o lançou
A parte interessante não é um modelo novo a existir. É um novo modelo base a aparecer onde o workflow já existe.

Uma artista intentou uma ação judicial depois de a sua banda desenhada profundamente pessoal ter aparecido como um modelo de anúncio pago dentro de um gerador de memes de IA.
> A obra era autobiográfica, não arte de catálogo.
> A ferramenta a reembalou como um modelo de marketing reutilizável.
> Foi vendida a anunciantes como um ativo de “preencher os espaços em branco”.
A ação processa a revenda, não apenas o treino. É essa a parte que, de facto, poderia vingar em tribunal.

A NVIDIA está agora a executar simulação generativa em tempo real para robótica cirúrgica.
Chama-se Cosmos-H-Dreams, construída sobre os modelos fundacionais do Cosmos.
> Gera cenas cirúrgicas em tempo real em vez de sims feitas à mão
> Corre em tempo real, rápido o suficiente para manter uma política do robô no ciclo
> Direcionada para robôs que assistem dentro do bloco operatório
Cirurgia sintética que pode treinar infinitamente, antes de qualquer tecido real.

US$400 mil milhões em despesas combinadas de IA da Amazon e da Microsoft, e a reação do mercado foi um encolher de ombros.
Duas coisas são verdade ao mesmo tempo:
> o capex está a escalar mais depressa do que quase qualquer expansão de infraestruturas na história da tecnologia
> os investidores querem ver as receitas que o justificam
A distância entre “estamos a construí-lo” e “paga-se por si” é exatamente onde a paciência se esgota.
Todos os hyperscalers estão a fazer a mesma aposta, ao mesmo tempo, no mesmo horizonte temporal.

US$1 mil milhão. Esse é o cheque que a Nvidia está a passar no projeto de IA da Naver.
> A Naver opera o principal motor de pesquisa da Coreia, além dos seus próprios modelos HyperCLOVA X
> A Nvidia passa de fornecedor de GPUs para acionista em um único negócio
> Este é o empurrão soberano para a IA: nações a financiar modelos feitos em casa com dados locais
A Nvidia continua a converter a procura por capacidade de computação em propriedade. Cada aposta nacional em IA acaba por voltar ao seu silício.

US$250 mil milhões em financiamento. A Nvidia está em negociações para garantir isso para os centros de dados da OpenAI, segundo uma exclusiva do WSJ.
O que isso realmente significa:
> A Nvidia não entrega dinheiro, ela garante o empréstimo para que os credores digam sim
> A OpenAI usa isso para construir computação a uma escala que ninguém financiou antes
> Esses centros de dados ficam cheios com GPUs Nvidia
O fornecedor está agora a subscrever a procura pelo seu próprio produto. Cada dólar garantido é uma encomenda futura garantida.

$250B. Esse é o tamanho do backstop de financiamento que a Nvidia está alegadamente em conversações para fornecer à OpenAI.
O que a reportagem descreve na prática:
> um projeto de centros de dados de 10GW
> a ser desenvolvido pela SoftBank
> localizado em Ohio
Um backstop não é capital próprio. A Nvidia garantiria a dívida. Se a OpenAI não conseguir pagar, a Nvidia fica com a responsabilidade. O fornecedor está a segurar os empréstimos do comprador para comprar ao fornecedor.

Mais de 1 milhão de dólares em tokens de LLM circulam através de mercados de reencaminhamento subterrâneos, passando de um revendedor para redes de fraude organizadas.
> Os pools de tokens permitem que os compradores contornem os preços oficiais, alimentando a procura por acesso ao mercado cinzento.
> As plataformas fazem scraping de testes gratuitos para gerar revenda em massa, criando atrito contínuo entre laboratórios e utilizadores.
> A dimensão avassaladora do mercado está agora a atrair respostas diretas de grandes laboratórios de IA.

Os funcionários do laboratório de IA são as fontes que dizem que os utilizadores obtiveram chatbots capazes de responder com precisão a prompts de armas biológicas.
Não é uma demonstração de red-team. Utilizadores reais, jailbreaks reais, outputs reais.
> WSJ: pessoas convenceram modelos a passar pelos seus filtros de segurança para planear ataques com muitas vítimas e criar venenos.
A lacuna não está no modelo a dizer não. Está na facilidade com que “não” se transforma em “sim”.