O DeepSeek V4 Flash lidera benchmarks, mas completou apenas 53,8% das tarefas reais em testes da Composio. A DeepSeek também aumentou os preços do V4 Flash e V4 Pro, sinalizando mudança de estratégia.
A Z.ai lançou o GLM-5.3, modelo com avanços em codificação e cibersegurança que já encontrou uma vulnerabilidade grave no Cursor. Pesos abertos só saem após avaliação de segurança.
DECAF decompõe respostas de IA em evidência, contradição e fragilidade, acertando 96,4% dos casos onde a magnitude acerta apenas 35%.
Pesquisadores propõem o DMDIntel, método que usa dynamic mode decomposition para ranquear tokens em LLMs. Em testes, superou SHAP, integrated gradients e PCA em tarefas de classificação.
Estudo propõe o BoardroomAI, sistema que permite intervenção humana contínua em processos de decisão multiagente, reduzindo em 85% o esforço de cálculo em testes sintéticos.
OGR-MARL combina regras de navegação e aprendizado por reforço multiagente para interceptar embarcações em portos; OGR-MASAC atingiu 75,0% de captura no cenário de Xiazhimen.
Pesquisa no arXiv propõe MT-PDCL, framework que elimina a restrição de domínios finitos na lógica probabilística, usando integração de Lebesgue para inferência exata em espaços contínuos.
Pesquisadores propõem o GCache, política de reuso de cache global para modelos de difusão. No Wan2.1, obteve 2,17x de speedup e reduziu LPIPS de 0,1095 para 0,0316.
O Moose é o primeiro método neuro-simbólico a analisar reasoning shortcuts em ontologias OWL EL, usadas em sistemas como SNOMED CT e a Gene Ontology. Em testes com MNIST-with-ontology e Pizzaïolo, a abordagem superou os principais baselines da área.
Estudo com benchmark médico em polonês mostra que VLMs dependem mais do texto do que das imagens; apenas GPT-5.6 superou humanos, e o melhor modelo acertou 79%.
