15 resultados para Multimodal
Segunda · 12 out
2026-10-12
1 matéria
IA
Pesquisa · IA
Elorian e Scale AI lançaram o Humanity’s Sixth Sense (HSS), um benchmark para medir como modelos interpretam e raciocinam sobre informações visuais que não aparecem explicitamente na cena. O conjunto reúne 522 perguntas distribuídas em 288 imagens e 234 clipes de vídeo, totalizando 17,6 horas, com tarefas de dinâmica temporal e causal, lógica física e espacial, entendimento social e inferência abstrata e contextual.
No desempenho, humanos alcançam pass@1 agregado de 93,1, enquanto o melhor sistema de IA citado, o GPT 6 Astra, fica em 53,6. Modelos open weight chineses tiveram resultados mais baixos, como GLM-5.3-flash (26,8) e Kimi K3 (25,5), com erros comuns ligados a detalhes decisivos ausentes e à identificação incorreta de objetos, pessoas ou papéis.
#InteligenciaArtificial · #IA · #benchmarks · #IAgenerativa · #multimodal · #pesquisaemIA · #raciociniovisual
Quinta · 08 out
2026-10-08
1 matéria
Eng · Dev com IA
Destaque
Engenharia · Software com IA
Durante a “Birthday Week”, a Cloudflare anunciou a Clef, uma linha de modelos open-weight voltados a escolher entre opções pré-definidas em vez de gerar texto. Foram lançados modelos com 9B e 27B parâmetros, incluindo uma Clef multimodal de 27B que recebe um estado e um esquema de perguntas tipadas e devolve decisões com probabilidades para cada opção permitida.
A proposta é permitir que agentes usem o resultado para decidir como agir, como roteamento de solicitações de suporte, escalonamento ou adiamento para um humano. A empresa também lançou a Clef-Flash (9B), com latência mediana de 38,8 ms nos benchmarks da Cloudflare, e disponibilizou a tecnologia via Workers AI e pesos para download no Hugging Face, além de planejar fine-tuning para casos como triagem de suporte e classificação de bots.
#InteligenciaArtificial · #IAgenerativa · #ModelosDeIA · #AgentesDeIA · #OpenWeights · #WorkersAI · #HuggingFace
Terça · 06 out
2026-10-06
1 matéria
Eng · Dev com IA
Destaque
Engenharia · Software com IA
A Google lançou o EmbeddingGemma 2, um modelo aberto de 740 milhões de parâmetros para recuperação de texto, código, imagens, vídeo e áudio, com testes em um Pixel 11 Pro usando cerca de 567MB de RAM ativa com quantização. O modelo mapeia os cinco tipos de entrada para um mesmo espaço vetorial de 768 dimensões, permitindo buscar imagens e áudio sem legendas ou transcrições prévias.
Os pesos foram liberados sob Apache 2.0 e a execução no dispositivo está disponível via LiteRT e MediaPipe Tasks, com integração ao Android ML Kit prevista para as próximas semanas. A Google também mostrou que desenvolvedores podem reduzir o tamanho do índice com Matryoshka Representation Learning (512, 256 ou 128 dimensões) e citou desempenho em busca de código, além de demos de RAG local e recuperação para fluxos com agentes usando índices no próprio aparelho.
#InteligenciaArtificial · #IAgenerativa · #Embeddings · #RAG · #BuscaMultimodal · #AndroidMLKit · #OnDeviceAI
Quarta · 23 set
2026-09-23
1 matéria
IA
Destaque
Pesquisa · IA
O agente pessoal de IA da Meta, chamado Muse, ganhou uma série de novos recursos no evento Connect, com Mark Zuckerberg reforçando que a empresa está apostando alto no produto. Lançado no início de setembro, o Muse foi descrito como um assistente que executa tarefas do dia a dia ao se conectar a apps e serviços como e-mail e calendário, com o modelo multimodal Muse Spark por trás do trabalho de agente.
Entre as novidades apresentadas estão um avatar digital do Muse para videochamadas em tempo real, integração com os óculos inteligentes da Meta com ativação por wake word e suporte para delegar tarefas no Mac. A Meta também anunciou que o Muse deve ganhar um endereço de e-mail próprio, além de parcerias e conectores para compras com Stripe, Shopify, Shop Pay, PayPal e varejistas como Best Buy, Gap, Sephora, Walmart e Wayfair, incluindo ainda integrações com GitHub, Notion e outros serviços.
#InteligenciaArtificial · #IA · #AgentesDeIA · #MetaAI · #IAgenerativa · #Automacao · #SmartGlasses
Sábado · 05 set
2026-09-05
1 matéria
IA
:quality(85)/2869f2d3-594c-4989-aa91-f7ceac6bedd0.jpeg)
Pesquisa · IA
O Gemini, da Google, e o Claude, da Anthropic, estão entre as principais IAs para produtividade, criação de conteúdo, análise de informações e programação. A comparação destaca que o Gemini leva vantagens em multimodalidade e na integração com serviços e dispositivos do ecossistema do Google.
Entre os pontos citados estão a geração de imagens, vídeos e música (com ferramentas como Nano Banana 2, Veo 3 e Lyria 3), a integração com Gmail, Drive, Documentos e Agenda, além de recursos como o Gemini Spark para assinantes do Google AI Ultra. A lista também menciona a disponibilidade do Gemini em mais dispositivos, a conexão com o Gemini Notebook e diferenças em limites de uso gratuito e em aprendizado guiado com simulados do ENEM.
#InteligenciaArtificial · #IA · #Gemini · #Claude · #IAgenerativa · #Multimodalidade · #GoogleAI
Segunda · 24 ago
2026-08-24
1 matéria
IA
Pesquisa · IA
A Thomson Reuters lançou nesta segunda-feira, 24, o Thomson, seu primeiro modelo de linguagem de grande porte (LLM) desenvolvido internamente. A empresa investiu US$ 40 milhões no projeto e afirma que o caminho adotado foi construir o modelo sobre uma base open source, especializando-o com décadas de conteúdo jurídico e tributário proprietário.
O Thomson foi treinado para sinalizar incerteza e reduzir alucinações, enquanto o CoCounsel segue multimodal e usa modelos de terceiros na maior parte da arquitetura. A checagem humana das respostas permanece obrigatória “sem exceções”, e a empresa também planeja avaliar recuperação de informações em tempo real; uma versão reduzida será disponibilizada como pesos abertos na Hugging Face para uso acadêmico e não comercial.
#InteligenciaArtificial · #IA · #LLM · #IAgenerativa · #LegalTech · #ThomsonReuters · #HuggingFace
Sábado · 22 ago
2026-08-22
1 matéria
IA
Destaque
:quality(85)/bfc4dc6a-70bc-48b4-b21a-da03e7fddbd1.png)
Pesquisa · IA
O Muse Spark é o modelo de inteligência artificial da Meta, desenvolvido pelo Meta Superintelligence Labs (MSL) para atuar como uma das bases da Meta AI. A proposta é combinar velocidade, raciocínio e compreensão de diferentes tipos de conteúdo, como textos e imagens, para tornar a IA mais útil no dia a dia.
O modelo já começou a ser incorporado a produtos como WhatsApp, Instagram, Messenger e Threads, além dos óculos inteligentes da empresa, com recursos multimodais e execução de tarefas a partir de comandos. O Muse Spark também divide atividades complexas entre agentes de IA e tem uma versão voltada para programação, com janela de contexto de até 1 milhão de tokens, acessível principalmente pelo app Meta AI e pelo site meta.ai.
#InteligenciaArtificial · #IA · #MetaAI · #IAgenerativa · #ModelosDeIA · #Multimodal · #AgentesDeIA
Sexta · 21 ago
2026-08-21
1 matéria
IA
Destaque
:quality(85)/293f03e5-f006-4276-88b3-c2b4572031db.png)
Pesquisa · IA
A DeepSeek lançou nesta sexta-feira (21) o DeepSeek-V4-Flash-Vision-Exp, um modelo experimental de inteligência artificial capaz de interpretar imagens, documentos e capturas de tela. O sistema é multimodal, combinando entendimento de texto e imagem para analisar o que aparece na tela e executar ações automáticas sem instruções passo a passo. A empresa afirma que o desempenho para tarefas independentes fica próximo de tecnologias concorrentes de ponta, como o Opus 4.8 da Anthropic.
Junto ao modelo, a DeepSeek liberou a Files API, uma ferramenta gratuita para envio de arquivos que permite enviar uma imagem uma vez e reutilizá-la em várias consultas, reduzindo uso de dados e acelerando respostas. A proposta reforça a disputa por liderança no mercado de IA, com foco em alto desempenho e custos mais baixos, e já permite integração por desenvolvedores via API.
#InteligenciaArtificial · #IA · #DeepSeek · #IAgenerativa · #Multimodal · #VisionAI · #API
Quarta · 12 ago
2026-08-12
1 matéria
IA
Pesquisa · IA
O llama.cpp passa a oferecer uma forma de rodar “frontier AI” diretamente na máquina do usuário, com foco em privacidade e execução local. O fluxo destacado inclui usar o comando “llama serve”, instalar o plugin “pi-llama” e iniciar o Pi para que ele descubra automaticamente os modelos locais, sem necessidade de chaves de API e sem telemetria.
A proposta também inclui compatibilidade com diferentes hardwares, do laptop a clusters, usando o mesmo binário e modelos. Entre os modelos citados para execução estão Qwen 3.6, Gemma 4, GPT-OSS, Gemma 3, além de suporte a raciocínio multimodal, agentic workflows e idiomas em escala, como 140+ línguas.
#InteligenciaArtificial · #IA · #llama.cpp · #modeloslocais · #privacidade · #IAgenerativa · #openSource
Segunda · 10 ago
2026-08-10
1 matéria
IA
Pesquisa · IA
A Meta lançou o Muse Glimmer, modelo de inteligência artificial de código aberto com 30 bilhões de parâmetros, com foco em rodar localmente em computadores comuns. Diferente de modelos de ponta que dependem de data centers e trilhões de parâmetros, o Muse Glimmer foi projetado para funcionar em um Mac ou PC com uma única placa de vídeo doméstica.
A Meta também abriu os pesos do modelo sob licença Apache 2.0 e disponibilizou o Muse Glimmer na plataforma Hugging Face, permitindo baixar o modelo e executá-lo sem depender dos servidores da empresa. Segundo a companhia, o modelo é voltado a agentes de IA, planeja tarefas de múltiplos passos, faz chamadas de ferramentas em sequência, se recupera de falhas e retoma atividades após pausas, além de operar sem conexão à internet e ser multimodal (texto e imagem).
#InteligenciaArtificial · #IA · #ModelosDeIA · #IAgenerativa · #OpenSource · #HuggingFace · #AgentesDeIA
Domingo · 09 ago
2026-08-09
1 matéria
IA
Destaque
Pesquisa · IA
A Meta colocou o modelo Muse Glimmer em circulação com foco em uso local, agente e multimodal, trazendo suporte “day-0” para integrações em bibliotecas como transformers, llama.cpp e vLLM. O Muse Glimmer é um modelo denso de 30B parâmetros, com encoder de visão estilo ViT de 2B para percepção e um decoder de texto com 28B.
Além do modelo principal, há um módulo opcional de speculative decoding implementado no DFlash, que pode acelerar a geração com custo adicional de memória, especialmente em conteúdo estruturado como código. O lançamento também inclui instruções para carregar o modelo via AutoModelForMultimodalLM e AutoProcessor, com exemplos de inferência apenas por texto, entrada de imagens e tool calling multimodal.
#InteligenciaArtificial · #IA · #IAgenerativa · #Multimodal · #VLM · #Transformers · #openSource
Quinta · 06 ago
2026-08-06
1 matéria
IA
Destaque
:quality(85)/7da05c33-68e7-4a34-beaf-eea0cd51ad61.png)
Pesquisa · IA
A TCL SEMP anunciou a chegada do Gemini, inteligência artificial do Google, a modelos selecionados de Smart TVs com Google TV no Brasil. O recurso começou a ser disponibilizado em julho e permite que usuários interajam com a TV por conversas em linguagem natural para buscar conteúdos, tirar dúvidas e acessar funções do aparelho.
A integração também promete navegação mais contextual: o Gemini interpreta pedidos mais complexos, mantém o contexto da conversa e ajuda a descobrir filmes e séries com base nas preferências. Para o público tech, a mudança reforça a tendência de interfaces multimodais e de “assistentes” dentro de dispositivos, com potencial de ampliar integrações com o ecossistema do Google Home e tornar a busca menos dependente de comandos específicos.
#inteligenciaartificial · #Gemini · #GoogleTV · #SmartTV · #GoogleHome · #IAmultimodal
Terça · 04 ago
2026-08-04
1 matéria
IA
Pesquisa · IA
A Mistral divulgou o Shieldstral, um classificador de segurança multimodal com 3 bilhões de parâmetros em “open weights”. O modelo transforma moderação em uma tarefa de perguntas e respostas binárias (sim/não), permitindo que políticas sejam passadas em linguagem natural na hora da inferência, sem precisar de retraining. Segundo a empresa, ele supera modelos abertos de até 7x seu tamanho em segurança de texto e alcança desempenho de ponta em moderação multimodal, gerando scores calibrados e rodando em uma GPU NVIDIA de 16GB.
Na prática, a abordagem facilita adaptar regras de segurança a diferentes produtos e públicos sem reconfigurar o modelo por meio de novas versões. Para devs e times de IA, isso significa uma forma mais flexível de avaliar conteúdo de texto e imagens com um único pipeline, usando thresholds por confiança em vez de rótulos fixos.
#MistralAI · #multimodal · #contentmoderation · #openweights · #safetyAI · #Apache2
Segunda · 03 ago
2026-08-03
2 matérias
Eng · Dev com IA
Destaque
Engenharia · Software com IA
A Alibaba lançou o Qwen3.8-Max, um modelo multimodal com 2,4 trilhões de parâmetros, disponível via QwenCloud e Alibaba Cloud Model Studio. A empresa afirma que o modelo usa uma arquitetura sparse Mixture-of-Experts, ativando cerca de 95 bilhões de parâmetros por token, e que os preços ficam em US$ 2 por 1 milhão de tokens de entrada e US$ 6 por 1 milhão de tokens de saída. Em um dos testes mais chamativos, a IA teria construído sozinha um app de linha de comando por 16 dias, gerando 265 commits e abrindo 127 pull requests em um repositório público no GitHub (qwen-code-dev-bot/oh-my-cli).
O ponto que muda para devs é que a Alibaba está tentando viabilizar “coding agents” com trilha auditável e integração com ferramentas existentes, incluindo suporte a formatos de API compatíveis com OpenAI e Anthropic no Model Studio. Ao mesmo tempo, a própria matéria ressalta que rodar o modelo localmente é pesado por causa da necessidade de armazenar e distribuir os pesos em GPUs de alta memória, o que tende a favorecer empresas grandes e provedores de inferência.
#InteligênciaArtificial · #LLM · #CodingAgents · #MixtureofExperts · #GitHub · #ModelStudio · #Qwen
IA
Pesquisa · IA
A Alibaba anunciou o Qwen3.8-Max, seu maior modelo até agora, com 2,4 trilhões de parâmetros e foco em multimodalidade (texto, imagens e vídeos). O modelo consegue analisar até 1 milhão de tokens por vez e usa arquitetura mixture-of-experts, ativando apenas parte do sistema por tarefa — com uso simultâneo de 95 bilhões de parâmetros. Já a DeepSeek chamou atenção com o V4-Flash, destacado como o mais barato para operar em testes, com custo de US$ 0,14 por milhão de tokens de entrada e US$ 0,28 por milhão de tokens de saída.
A disputa deixa de ser só “quem tem o modelo maior” e passa a mirar eficiência e acessibilidade para empresas e desenvolvedores. Na prática, a tendência é acelerar adoção de IA em fluxos corporativos, inclusive com modelos de pesos abertos que permitem baixar e adaptar os parâmetros, enquanto concorrentes ocidentais seguem mais focados em soluções fechadas.
#inteligenciaartificial · #LLM · #modelosabertos · #inferencia · #mixtureofexperts · #DeepSeek · #Alibaba