E aí, IA? Bom dia.

A edição de hoje junta os temas mais quentes das newsletters que você enviou: um avanço importante em interpretabilidade (o “J-space” do Claude), novas apostas open-source vindas da China, e um salto curioso em world models com uma “partida” de Rocket League gerada por rede neural. Também fechamos com dicas práticas e links úteis do que está bombando em ferramentas e notícias rápidas.

Na edição de hoje:

• Anthropic encontra um “espaço de trabalho” interno no Claude para raciocínio silencioso
• Tencent libera o Hy3 em open-source com foco em eficiência e licença permissiva
• Kyutai e parceiros criam um Rocket League jogável dentro de um world model
• LongCat-2.0: laboratório chinês afirma treinar modelo de 1 trilhão de parâmetros sem Nvidia
• Suposto atraso do rack Kyber da Nvidia empurra a próxima infraestrutura flagship para 2028
• Illinois aprova lei de auditorias de segurança anuais para grandes desenvolvedores de IA

🧠 Anthropic diz ter encontrado o “J-space”, o bloco de raciocínio silencioso do Claude

A Anthropic publicou uma pesquisa descrevendo um pequeno “espaço de trabalho” interno que o Claude ativa quando precisa resolver tarefas mais difíceis. A ideia é que, em vez de depender apenas do texto visível (incluindo chain-of-thought), o modelo mantém conceitos intermediários em sinais internos que funcionam como um rascunho privado, e isso parece se alinhar com teorias de neurociência sobre “global workspace” (um quadro compartilhado que distribui informações para vários processos cognitivos).

O ponto mais convincente do estudo é causal: ao editar esses conceitos internos, os pesquisadores conseguiram alterar a resposta final. Em um teste simples, trocar um padrão interno associado a “aranha” por “formiga” mudou o número de pernas que o Claude devolveu (de 8 para 6), sugerindo que o modelo realmente usa esse espaço como “ponte” entre percepção do enunciado e decisão da resposta, sem expor esses passos ao usuário.

• O “J-space” atua como um bloco limitado de conceitos ativos que orientam o próximo token, mesmo quando esses conceitos não aparecem no texto gerado
• O estudo diferencia esse mecanismo de chain-of-thought: as pistas internas ficam fora da tela, mas influenciam diretamente a conclusão
• Quando a equipe “suprimiu” o J-space, o Claude ainda conseguia conversar e recuperar fatos, porém o desempenho despencou em tarefas multi-etapas, indicando onde o raciocínio pesado acontece

Os autores evitam conclusões sobre consciência, mas o achado reforça por que interpretar mecanismos internos pode virar peça central de segurança e avaliação de modelos. Para ver o estudo completo, saiba mais.

🚀 Tencent open-sourça o Hy3 e aposta em “pequeno por requisição”, forte por eficiência

A Tencent promoveu o Hy3 de preview para um lançamento open-source mais completo, destacando que o modelo usa apenas uma fração dos parâmetros por requisição para entregar bom desempenho com custo menor. A promessa é competir com modelos abertos maiores em tarefas de pesquisa na web e uso de ferramentas, sem exigir o mesmo nível de hardware para inferência.

Além do desempenho, o ponto estratégico é a licença: o Hy3 chega sob Apache 2.0, o que reduz atrito para uso comercial e evita restrições regionais que já travaram a adoção de alguns modelos chineses em mercados como UE e Reino Unido. Em um cenário em que empresas querem alternativas abertas para agent deployment, a combinação “eficiência + licença permissiva” é quase tão importante quanto benchmark.

• O Hy3 executa cada solicitação ativando apenas parte do modelo, o que reduz demanda de compute em produção
• Nos comparativos mencionados, modelos maiores ainda vencem em coding benchmarks específicos, mas o Hy3 tenta se diferenciar em tool use e web research
• A escolha de Apache 2.0 facilita integração em produtos e pipelines corporativos, com menos incerteza jurídica

A leitura do mercado é clara: mesmo sem “quebrar” a fronteira, ganhos de eficiência e abertura podem tornar um modelo a opção preferida para aplicações reais. Para os detalhes do release, saiba mais.

🎮 MIRA roda Rocket League 2v2 dentro de uma rede neural, sem engine por trás

Kyutai e a General Intuition lançaram o MIRA, um world model open-source desenvolvido com a Epic Games capaz de gerar uma partida jogável de Rocket League (2v2) inteiramente “dentro” do modelo. Em vez de um motor de jogo tradicional controlando física e renderização, o sistema aprende a dinâmica do ambiente a partir de dados e passa a simular o mundo diretamente como previsão neural, mantendo os quatro jogadores sincronizados em uma única GPU.

O treinamento descrito usa cerca de 10 mil horas de gameplay de bots jogando entre si, sem dados de jogadores humanos. O resultado ainda tem limitações típicas de world models atuais: a memória do MIRA dura poucos segundos, então, em replays de gol, o modelo pode “inventar” uma jogada plausível que não aconteceu. Mesmo assim, o demo é um marco interessante porque trata o jogo como um proxy para simulação do mundo físico — linha direta para robótica e geração de dados sintéticos.

• O sistema gera o ambiente em tempo real, incluindo elementos visuais como medidores e colisões, sem código explícito de engine
• O demo roda a ~20 FPS em uma GPU Nvidia, com sincronização multiusuário
• Por ter memória curta, replays e sequências longas podem induzir alucinações coerentes, mas factualmente incorretas

A ambição aqui não é “substituir games”, e sim criar simuladores neurais para treinar agentes e robôs com dados escaláveis. Para acessar o post e o demo, saiba mais.

🐉 LongCat-2.0: modelo de 1T parâmetros (coding) teria sido treinado com chips chineses

Um novo movimento vindo da China chamou atenção: a Meituan teria aberto o LongCat-2.0, descrito como um modelo de coding com escala de “trilhão de parâmetros”. O destaque não é apenas o tamanho, mas a alegação de que o treinamento foi feito em cerca de 50 mil chips chineses — e não em GPUs Nvidia — como sinal de que o ecossistema local está tentando reduzir dependência de hardware americano.

Se os detalhes se sustentarem, o LongCat-2.0 vira um indicador importante de maturidade de infraestrutura (software de treinamento distribuído, rede, estabilidade e supply) e de como custos e disponibilidade podem redesenhar a competição. Ainda que benchmarks e validação independente sejam o próximo passo, o anúncio reforça a leitura de que a disputa não é só por modelos, mas por toda a cadeia de compute.

• O projeto se posiciona como open-source e foca em coding, onde modelos grandes tendem a ganhar robustez em tarefas complexas
• A narrativa principal é a viabilidade de treinar em larga escala sem Nvidia, contornando restrições e gargalos de supply
• O impacto prático depende de avaliações externas (qualidade, custo por token, estabilidade e tooling)

Mesmo antes de uma “prova final” via testes independentes, o LongCat-2.0 é um sinal forte de como o mapa global de compute pode estar mudando. Para conferir a publicação original, saiba mais.

🧱 Nvidia: rumor aponta atraso do rack Kyber (Rubin Ultra) e janela iria para 2028

Segundo reportagem citando análises do mercado, o sistema Kyber da Nvidia — um rack que combinaria dezenas de chips Rubin Ultra em uma única “máquina” para treinar modelos de fronteira — teria sido adiado, saindo de uma janela inicialmente esperada para 2027 e indo para 2028. A Nvidia teria negado o atraso, mas a notícia entra numa sequência de ruídos sobre cronogramas, fabricação e complexidade de colocar tanta potência (e consumo) em um gabinete integrado.

Para laboratórios e hyperscalers, esse tipo de atraso não é um detalhe: muda projeções de capacidade disponível, planejamento de data centers e até estratégia de treinamento (mais ciclos com hardware atual vs. saltos maiores). Ao mesmo tempo, o episódio deixa mais espaço para alternativas: otimizações de treinamento, modelos mais eficientes e diversificação de fornecedores.

• O Kyber é descrito como uma infraestrutura de treinamento “tudo-em-um” com alto grau de integração e escala de chips
• Um adiamento de um ano pode afetar roadmaps de frontier labs e compras antecipadas de capacidade
• O caso expõe como gargalos de manufatura e supply chain seguem como variável crítica na corrida de IA

Se confirmado, o atraso reforça a tese de que o limite não é só modelo, mas também cronograma físico de compute. Para a reportagem, saiba mais.

🛡️ Illinois aprova lei exigindo auditorias anuais de segurança para grandes IAs

O estado de Illinois sancionou uma lei que, segundo o anúncio oficial, estabelece uma exigência pioneira nos EUA: grandes desenvolvedores de IA passam a precisar de auditorias anuais de segurança feitas por terceiros, além de obrigações de reporte. O texto aparece como parte de uma tendência maior de transformar “AI safety” em processos verificáveis — menos promessa e mais compliance mensurável.

O debate aqui é prático: auditorias podem padronizar boas práticas (avaliação de riscos, incident response, documentação, governança), mas também podem introduzir custo e burocracia que pesa mais em alguns players do que em outros. Ainda assim, para empresas que já operam com exigências de clientes corporativos, auditoria tende a virar uma moeda de confiança — especialmente quando o produto é um modelo geral que pode ser usado de formas imprevisíveis.

• A lei mira desenvolvedores “grandes”, com foco em segurança, transparência e verificações recorrentes
• Auditorias de terceiros tentam reduzir o gap entre “o modelo diz que é seguro” e “há evidência operacional de controle”
• O movimento pode influenciar outros estados e acelerar padrões de mercado para avaliações e relatórios

A mensagem é que governança de IA está entrando na fase de processos e fiscalização, não só de guidelines voluntários. Para o anúncio oficial, saiba mais.

🧰 Dicas rápidas (ferramentas, links e leituras)

Uma curadoria do que apareceu nas seções de “quick hits”, ferramentas em alta e notas rápidas. Todos os itens abaixo têm link direto para você explorar.

• Hy3 (Tencent): alternativa open-source focada em deployment barato e confiável para agentes
• Nano Banana 2 Lite (Google): modelo de imagem voltado a alto volume e geração rápida
• Seed Audio 1.0 (ByteDance): geração de fala, música e efeitos em um único passe
• ZCode: ambiente agentic para coding, ajustado para GLM-5.2
• xAI rebrand para SpaceXAI: mudança oficial após fusão/reestruturação reportada
• ByteDance e Alibaba removem “AI companions”: ajuste antes de regras de Pequim contra dependência emocional em chatbots
• O “Jensen Jacket” na Sotheby’s: jaqueta autografada do CEO da Nvidia indo a leilão
• Loophole de tokens via imagem: discussão sobre reduzir custo convertendo prompt denso em imagem

Se você quer experimentar algo ainda hoje, comece por uma ferramenta (Hy3/ZCode) e uma leitura curta (loophole de tokens) para calibrar custo e performance. Para a lista completa de ferramentas do Rundown, saiba mais.