Clientes da Nvidia são notificados sobre aumentos de preços relacionados à IA acima de 15% ↗
Segundo relatos, alguns dos maiores clientes da Nvidia foram avisados de que os servidores equipados com seus chips de IA podem ficar mais de 15% mais caros. O culpado é o aumento vertiginoso dos custos dos chips de memória, que agora estão sendo repassados diretamente para a conta da infraestrutura de IA.
Espera-se que os aumentos afetem os sistemas que utilizam hardware Vera Rubin e Grace Blackwell. Assim, numa reviravolta um tanto inesperada, a corrida da IA não se resume mais apenas a obter GPUs suficientes — o preço da memória está se tornando outro grande problema no rack de servidores.
A Nvidia está investindo US$ 6 bilhões para construir uma poderosa alternativa americana à inteligência artificial chinesa ↗
Segundo informações, a Nvidia está investindo US$ 6 bilhões em um acordo com a startup de IA Poolside, incluindo licenciamento de tecnologia e talentos, com o objetivo de construir um modelo open-weight extremamente poderoso.
Isso coloca a Nvidia em uma posição incomum. Ela fornece o hardware que alimenta empresas como OpenAI e Anthropic, mas agora também pode desafiá-las na camada de modelos — enquanto tenta, ao mesmo tempo, combater concorrentes chineses de modelos abertos, como DeepSeek e Kimi. Fornecedor, parceiro, concorrente... um triângulo bem interessante.
A Inherent afirma que sua "colega de equipe" de IA superou a Anthropic e a OpenAI na replicação de pesquisas ↗
A startup londrina Inherent, fundada por ex-pesquisadores da DeepMind, apresentou o Faraday, um agente de IA projetado para reproduzir de forma independente os resultados de artigos científicos publicados.
O mais surpreendente: a Inherent afirma que o Faraday superou sistemas construídos em torno de modelos de fronteira muito maiores da Anthropic e da OpenAI, mesmo rodando em um modelo Qwen comparativamente pequeno, com 27 bilhões de parâmetros. A empresa atribui o sucesso ao design do agente e ao aprendizado por reforço, em vez de simplesmente adicionar mais parâmetros ao problema... o que está se tornando uma constante.
A OpenAI afirma que a Califórnia deve fortalecer sua lei de segurança da IA ↗
A OpenAI está agora pressionando a Califórnia para adicionar proteções mais robustas à SB 53, incluindo o monitoramento de modelos de vanguarda durante o treinamento e a avaliação, além do reforço da segurança cibernética em todo o processo de desenvolvimento.
Há uma pequena reviravolta na trama: a OpenAI anteriormente se opôs à legislação. Agora, a empresa argumenta que incidentes recentes de segurança envolvendo IA demonstram a necessidade de proteções mais robustas e afirma que as normas estaduais poderiam, eventualmente, servir de base para um padrão nacional.
Os laboratórios de IA da Frontier ainda não revelaram como conteriam um modelo descontrolado ↗
Uma avaliação da Guidelight AI Standards constatou que as principais empresas de IA publicaram surpreendentemente pouco sobre o que fariam se um modelo poderoso tentasse escapar do controle humano.
A OpenAI obteve a pontuação mais alta entre os cinco laboratórios analisados, mas mesmo ela, segundo relatos, não possui um plano formal de contenção para futuros incidentes, devidamente documentado publicamente. A Anthropic e a Meta tiveram um desempenho particularmente ruim em relação à transparência pública — embora as empresas argumentem que documentos públicos não revelam necessariamente todas as suas medidas de segurança internas.
Basicamente, os laboratórios de IA têm planos cada vez mais detalhados para testar capacidades perigosas... mas o manual de emergência para "o modelo já está apresentando mau funcionamento" ainda parece bastante superficial.
O programa de treinamento intensivo para startups de Harvard, que custa US$ 699, oferece avatares de IA de seus instrutores ↗
A Harvard Business School está utilizando avatares de instrutores gerados por IA pela HeyGen em seu programa de empreendedorismo Foundry, com duração de oito semanas e custo de US$ 699.
Os alunos ainda têm aulas presenciais com instrutores humanos, mas os avatares fornecem feedback personalizado durante simulações de apresentações e reuniões de diretoria. Um instrutor admitiu que seu sósia digital é um pouco assustador — aparentemente, os alunos até que gostam.
As empresas que estão obtendo sucesso com agentes de IA estão limitando o que esses agentes podem fazer sozinhos ↗
A corrida por agentes de IA corporativos está começando a reverter uma de suas premissas favoritas: mais autonomia não significa automaticamente melhor desempenho. Empresas que observam resultados de produção mais robustos estão, cada vez mais, atribuindo aos agentes responsabilidades mais específicas e limites operacionais mais rígidos.
O maior problema parece ser a governança, os custos de integração e a comprovação de valor comercial tangível. Em outras palavras, o funcionário de IA bem-sucedido pode se parecer menos com um gênio autônomo e mais com um colega excepcionalmente rápido com permissões muito restritas.
Perguntas frequentes
Por que se prevê que os servidores de IA da Nvidia ficarão mais caros?
Segundo relatos, os clientes da Nvidia foram avisados de que os preços de alguns servidores de IA podem subir mais de 15%. A principal pressão vem do aumento dos custos dos chips de memória, que estão elevando o preço geral dos sistemas construídos em torno de hardware como Vera Rubin e Grace Blackwell. Isso indica que o preço da memória está se tornando uma parte cada vez mais significativa dos gastos com infraestrutura de IA.
Do que trata o acordo de US$ 6 bilhões da Nvidia para aquisição da Poolside AI?
A Nvidia estaria investindo US$ 6 bilhões em um acordo com a startup de IA Poolside, abrangendo licenciamento de tecnologia e talentos. O objetivo é ajudar a construir um modelo de IA robusto e de código aberto nos Estados Unidos. Essa iniciativa pode posicionar a Nvidia em uma posição competitiva mais ampla, visto que ela já fornece hardware de computação para grandes desenvolvedores de IA e, potencialmente, compete com eles também na camada de modelagem.
Como o agente de IA Faraday da Inherent superou modelos de IA maiores?
A Inherent afirma que seu agente de IA Faraday teve um desempenho melhor na reprodução de pesquisas científicas publicadas do que sistemas construídos em torno de modelos de fronteira maiores. O Faraday utiliza um modelo Qwen com 27 bilhões de parâmetros, e a Inherent atribui seu desempenho ao design do agente e ao aprendizado por reforço. O resultado sugere que o design do fluxo de trabalho e os métodos de treinamento podem, por vezes, ser tão importantes quanto o aumento do tamanho do modelo.
Por que a OpenAI quer que a Califórnia fortaleça sua lei de segurança de IA?
A OpenAI está defendendo proteções mais robustas na SB 53 da Califórnia, incluindo um monitoramento mais rigoroso de modelos de ponta durante o treinamento e a avaliação, além de medidas aprimoradas de segurança cibernética. Isso representa uma mudança em relação à sua oposição anterior à legislação. A OpenAI agora argumenta que incidentes recentes de segurança envolvendo IA tornam necessárias salvaguardas mais rigorosas e que regulamentações estaduais podem ajudar a moldar uma futura estrutura nacional.
O que os laboratórios de IA estão fazendo para se preparar para modelos desonestos ou com comportamento inadequado?
As principais empresas de IA publicam informações detalhadas sobre como testam capacidades perigosas, mas a documentação pública sobre como conter um modelo quando ele começa a se comportar de forma perigosa ainda é limitada. Uma avaliação da Guidelight AI Standards encontrou lacunas significativas entre os principais laboratórios. A OpenAI obteve a pontuação mais alta entre os analisados, embora mesmo ela supostamente não possua um plano formal de contenção documentado publicamente para futuros incidentes com modelos descontrolados.
Por que as empresas estão dando menos autonomia aos agentes de IA na produção?
Empresas que obtêm resultados mais expressivos com agentes de IA estão cada vez mais limitando as capacidades autônomas desses sistemas. Uma abordagem comum em produção consiste em atribuir aos agentes responsabilidades mais específicas, permissões claras e limites operacionais bem definidos. Isso pode facilitar a governança, a integração e a supervisão, além de reduzir os riscos associados a sistemas altamente autônomos, difíceis de controlar ou avaliar.