Linha do tempo de avanços em IA

O GPN-Star, da UC Berkeley e publicado na Nature, lê o DNA junto com alinhamentos do mesmo trecho em muitas espécies. Ele superou modelos genômicos maiores ao apontar variantes ligadas a características e risco de doenças, treinando em horas ou dias com hardware modesto. As versões treinadas com genomas de primatas foram melhores para características complexas; as de maior profundidade evolutiva, para variantes raras que codificam proteínas.UC Berkeley news →

A Anthropic lançou o Claude Opus 5 com uma janela de contexto de um milhão de tokens e um selector de esforço de cinco níveis, com preços reportados como inalterados face à geração anterior. A cobertura colocou os seus resultados a menos de meio ponto percentual do pico anterior nos benchmarks acompanhados, a cerca de metade do custo por tarefa. Manter o preço estável ao longo de uma geração de capacidades foi por si só notável: durante grande parte dos dois anos anteriores os lançamentos de fronteira chegaram com prêmio, e a mudança sugeria que a pressão concorrencial estava caindo sobre a margem e não sobre as alegações de capacidade.ThursdAI — July 2026 model releases

A Black Forest Labs lançou o FLUX 3, descrito como o primeiro modelo capaz de gerar vídeo com áudio sincronizado até vinte segundos e, além disso, gerar imagens e prever ações de robôs a partir de uma só arquitectura. Integrar a previsão de ações num modelo generativo de média é uma mudança estrutural relevante: trata o próximo movimento de um robô e o próximo fotograma de um vídeo como versões do mesmo problema de previsão, que é precisamente o argumento da abordagem de modelos do mundo que vários laboratórios seguiam.ThursdAI — July 2026 model releases

Depois da Olimpíada Internacional de Matemática em Xangai, a RedNote afirmou que seu modelo dots-note-3.0 resolveu os seis problemas e fez os 42 pontos, e a Huawei informou a mesma nota. Um ano antes, os melhores resultados de IA eram 35 pontos, nível ouro. São alegações das empresas; nenhuma correção oficial da IMO para essas participações foi publicada.SCMP report →

A Moonshot AI lançou o Kimi K3, descrito como um modelo de mistura de especialistas com 2,8 biliões de parâmetros e uma janela de contexto de um milhão de tokens. A cobertura colocou-o em primeiro numa tabela de programação front-end e em terceiro no índice de inteligência da Artificial Analysis à data do lançamento. O K3 foi um de vários lançamentos de 2026 de laboratórios chineses que competiram na fronteira ou muito perto dela em tabelas públicas, um padrão que deslocou o quadro competitivo muito para além de uma corrida entre dois países e um punhado de laboratórios norte-americanos.ThursdAI — July 2026 model releases

Na Science, a equipe do Innovative Genomics Institute usou modelos baseados em estrutura e evolução para projetar cerca de 2.000 variantes de TnpB, um parente compacto das enzimas CRISPR. Quase uma em cada quatro cortou DNA no laboratório, algumas superaram a enzima natural e funcionaram em células de bactérias, plantas e humanos. Um design muito diferente se tornou a primeira nuclease guiada por RNA projetada por IA com estrutura resolvida.Innovative Genomics Institute →

A Thinking Machines lançou o Inkling, descrito como um modelo de 975 mil milhões de parâmetros com 41 mil milhões ativos, treinado com 45 biliões de tokens multimodais e publicado sob licença Apache 2.0. Um modelo com licença permissiva a essa escala encurta a distância entre o que está disponível a um laboratório bem financiado e o que qualquer organização consegue correr no seu próprio hardware, o que importa sobretudo a quem não pode enviar os seus dados para uma API de terceiros.ThursdAI — July 2026 model releases

A OpenAI lançou o GPT-5.6 como três níveis distintos em vez de um único modelo: Sol como topo de gama, Terra como opção econômica e Luna orientada à velocidade. A cobertura referiu que o Sol ultrapassou os 750 tokens por segundo quando servido em hardware da Cerebras, e que o lançamento introduziu um modo Ultra com o esforço máximo de raciocínio. Dividir um lançamento de fronteira em níveis de custo e latência prolongou um padrão visível em todos os grandes laboratórios durante 2026: a decisão do programador deixou de ser qual o melhor modelo e passou a ser que ponto da curva custo-latência cada tarefa justifica.ThursdAI — July 2026 model releases

A xAI lançou o Grok 4.5, descrito como um modelo de mistura de especialistas com 1,5 biliões de parâmetros treinado em parte com rastos reais de agentes vindos de uma ferramenta de programação. A cobertura reportou 83,3% no Terminal-Bench 2.1 usando cerca de um quarto dos tokens de saída de um modelo concorrente. Treinar com registos de agentes a fazer trabalho real, em vez de conjuntos de dados estáticos e curados, tornou-se um tema recorrente nos lançamentos de 2026, e ligou a qualidade do modelo mais diretamente a quem tivesse um produto de agentes amplamente implementado a gerar esses rastos.ThursdAI — July 2026 model releases

A Reuters noticiou que John Jumper, co-criador do AlphaFold e laureado com o Nobel de 2024, vai deixar a Google DeepMind para se juntar à Anthropic. A mudança transfere uma das figuras mais proeminentes da IA para a ciência entre dois laboratórios de fronteira. É um sinal notável na disputa entre os principais laboratórios por atrair os investigadores que impulsionam as aplicações científicas da IA.Reuters →

Médicos usaram um modelo de raciocínio da OpenAI para reexaminar 376 casos de doenças genéticas raras até então por resolver em crianças e obtiveram pistas possíveis para 18 diagnósticos. O modelo percorreu provas genéticas e clínicas emaranhadas que tinham vencido análises anteriores, orientando os especialistas para caminhos concretos a confirmar. Cada pista ainda precisa de validação clínica, mas o exercício mostra modelos de raciocínio a ajudar com becos sem saída no diagnóstico que afetam famílias reais.OpenAI →

A OpenAI relatou que o GPT-5.4, ligado à Maria AI da Molecule.one e a uma plataforma de laboratório automatizada, identificou um aditivo que elevou os rendimentos do acoplamento de Chan-Lam em mais de 80% dos substratos testados. O sistema raciocinou sobre a química, propôs a alteração e validou-a experimentalmente, em vez de apenas sugerir candidatos no papel. É uma das demonstrações mais claras de um modelo de linguagem a impulsionar uma melhoria mensurável numa reacção de laboratório real.OpenAI →

A OpenAI apresentou o LifeSciBench, um teste de referência escrito e revisto por especialistas para o trabalho confuso e real da investigação em ciências da vida. Avalia se os sistemas de IA conseguem interpretar evidência, conciliar resultados contraditórios, conceber experiências e ponderar o risco translacional, em vez de responder a perguntas de exame bem delimitadas. O teste dá ao campo uma forma de medir o progresso no tipo de investigação que realmente faz avançar a biologia.OpenAI →

A OpenAI divulgou um documento público que expõe como pretende assegurar que a AGI beneficie amplamente a humanidade, abrangendo compromissos de segurança, política de acesso, estrutura de governação e a justificação da sua escala. O documento coincidiu com a apresentação confidencial do seu S-1, alinhando a sua trajectória comercial com objetivos de benefício público. É uma declaração de intenções mais do que uma política vinculativa, mas enquadra o argumento público da OpenAI a favor de continuar crescendo rumo a uma possível entrada em bolsa.OpenAI — Built to benefit everyone

A Anthropic publicou um artigo de pesquisa intitulado 'When AI builds itself', revelando que o Claude havia escrito mais de 80% do código incorporado à base de código de produção da Anthropic em maio de 2026. O artigo também pediu a criação de um mecanismo global de pausa de IA.Anthropic — 'When AI builds itself' VentureBeat — Anthropic Claude writes own code Tom's Hardware — Claude 80% code milestone

A NVIDIA lançou o Nemotron 3 Ultra, um modelo de pesos abertos de 550 mil milhões de parâmetros (55 mil milhões ativos) construído sobre uma arquitectura híbrida Mamba-Transformer de mistura de especialistas, com um contexto de um milhão de tokens e treino posterior para agentes de longa duração. Distribuído com pesos, dados de treino e receitas abertos, obteve 48 no Artificial Analysis Intelligence Index — a pontuação mais alta de qualquer modelo de pesos abertos dos EUA no lançamento.

Na Build 2026, a Microsoft lançou o MAI-Thinking-1, o seu primeiro modelo de raciocínio de topo desenvolvido internamente — um sistema esparso de mistura de especialistas com um contexto de 256 mil tokens que, segundo a empresa, igualou o Claude Opus 4.6 da Anthropic no teste de programação SWE-Bench Pro. Encabeçou o lançamento de sete novos modelos MAI abrangendo texto, imagem, voz e transcrição, marcando o avanço mais profundo da Microsoft até agora na construção da sua própria pilha de fronteira.

A NVIDIA e a Microsoft apresentaram o RTX Spark, um superchip unificado que combina uma CPU Grace e uma GPU Blackwell com até 128 GB de memória unificada e cerca de um petaflop de desempenho de IA. A NVIDIA afirmou que pode executar um modelo de 120 mil milhões de parâmetros com um contexto de um milhão de tokens inteiramente no dispositivo, levando a inferência à escala de fronteira para portáteis e computadores compactos sem recorrer à nuvem.

A Microsoft AI lançou o MAI-Image-2.5, uma atualização do seu modelo de imagem interno que entrou na tabela pública Arena em 3.º lugar, com melhor representação de texto e foco em imagens comerciais, de produto e de marca. Foi a melhor exibição da Microsoft até à data com um modelo de imagem próprio em vez de um sistema de parceiro. O resultado assinalou a crescente independência da Microsoft face a modelos de imagem de terceiros e intensificou a competição no topo do campo texto-para-imagem, onde a distância entre os sistemas líderes continuou a estreitar-se.Microsoft AI announcement

A Thinking Machines publicou uma demonstração dos seus Interaction Models, um sistema de IA projetado para conversa de voz natural em tempo real. O modelo pode esperar em silêncio quando deve, interromper com educação quando é necessário, contar elementos visíveis, observar a postura do usuário pela câmara e redirecionar pedidos que considere inseguros.Thinking Machines blog

A Google DeepMind apresentou o AI Pointer, um cursor que interpreta a selecção na tela mais uma instrução falada como uma única intenção. Os usuários podem destacar conteúdo — texto, regiões de imagem, itens de lista — e dizer ao sistema o que fazer com ele, eliminando a necessidade de alternar entre barras laterais de chat e manipulação directa.DeepMind blog

A World Labs lançou uma ferramenta de código aberto que converte uma única fotografia num ambiente 3D navegável, com física, objetos móveis, iluminação e áudio ambiente. O lançamento reduz significativamente a barreira para que entusiastas e programadores independentes produzam cenas 3D jogáveis a partir de fotografia de referência.World Labs

Liam Price, que não é matemático profissional, obteve uma prova do problema de Erdős n.º 1196 com um único prompt, após cerca de 80 minutos de raciocínio do modelo. O especialista em teoria dos números Jared Lichtman, que estuda conjuntos primitivos, elogiou a clareza do argumento. Ficou claro que as listas de problemas em aberto já estavam ao alcance de pessoas de fora da matemática acadêmica.Physics World overview →

A Marinha francesa e a unidade de arqueologia subaquática DRASSM usaram o ROV C 4000 para inspecionar o Camarat 4, um navio mercante do século XVI encontrado a 2,5 km de profundidade no Mediterrâneo. O robô, ligado por cabo, captou cerca de 86 000 imagens a até oito por segundo e recolheu jarras de cerâmica sem perturbar o sítio — entre os objetos mais profundos alguma vez recuperados de um naufrágio em França. O material alimenta um modelo 3D de um tipo de embarcação pouco documentado em textos do século XVI e aponta para uma viragem para a arqueologia subaquática não invasiva. A essa profundidade o ROV opera a quase 150 atmosferas, condições impraticáveis para o equipamento humano convencional.CBS News ↗

Engenheiros de Princeton construíram um robô híbrido macio-rígido que se move sem motor, caixa de velocidades ou linha pneumática, combinando um polímero imprimível — um elastómero de cristal líquido — com eletrônica flexível e dobragem em estilo origami. A demonstração, em forma de grou, bate as asas com corrente elétrica: o aquecimento dirigido do polímero faz o trabalho que normalmente caberia a um atuador. O artigo — Bershadsky, Davidson, Paulino e Zhao, «Digital Actuation Control of Soft Robotic Origami With Self-Folding Liquid Crystal Elastomer Hinges» — foi publicado online na Advanced Functional Materials a 21 de março de 2026. Eliminar o motor reduz o número de peças e os modos de falha, abrindo aplicações em dispositivos médicos, busca e salvamento e robótica de inspeção.Princeton Engineering ↗

Coinbase lançou Agentic Wallets junto com o protocolo de pagamentos x402, dando aos agentes de IA a capacidade de guardar, enviar e receber criptomoedas de forma autônoma, sem necessidade de aprovação humana em cada transação. Pela primeira vez, um agente de IA podia pagar chamadas a APIs, adquirir capacidade de computação ou liquidar faturas como parte de um fluxo de trabalho, criando a camada de infraestrutura financeira de que os agentes autônomos precisam para agir de forma independente em contextos econômicos.

O Robotics & AI Institute, liderado por Marc Raibert (fundador da Boston Dynamics), apresentou o Roadrunner: um robô bípede de 15 kg cujos pés funcionam como rodas e que alterna entre modos de patinagem paralela e em linha, além de caminhar, no mesmo hardware. Uma única política de controlo aprendida gere todos os modos de locomoção, e comportamentos como levantar-se do chão ou equilibrar-se sobre uma roda foram implementados sem treino adicional. O Roadrunner é posicionado para logística e armazéns, onde as rodas poupam energia em piso plano e as pernas resolvem obstáculos. O lançamento prolonga uma tendência de 2026: a locomoção multimodal — rodas mais pernas — substitui os desenhos puramente bípedes na robótica comercial de investigação.RAI Institute ↗

Lightricks lançou LTX 2.3, um modelo de transformador de difusão com 22 mil milhões de parâmetros que gera vídeo e áudio sincronizados numa única passagem. O modelo suporta resoluções até 4K a 50 fotogramas por segundo, o que representa um salto considerável na qualidade de geração de conteúdo em tempo real.

O artigo revisado do Evo 2, do Arc Institute, Stanford e colaboradores, descreve um modelo de 40 bilhões de parâmetros treinado com cerca de 9 trilhões de pares de bases de DNA, capaz de ler até um milhão de bases de uma vez. Ele prevê o efeito de mutações, inclusive no BRCA1, e pode gerar sequências do tamanho de um genoma. Virou a base de boa parte do trabalho de design de DNA do ano.Nature paper →

Depois do teste da Universidade de Sheffield em 2024, descrito como o primeiro motor de foguete desenhado por IA do mundo, a LEAP 71 relatou o ensaio de ignição de dois motores metalox de classe orbital de 20 kN — uma tubeira de sino convencional e um aerospike à escala completa — indo da especificação à primeira chama em menos de três semanas. Os motores foram gerados de forma autônoma pelo Noyron, o modelo computacional de engenharia da empresa, e impressos em 3D em cobre. A LEAP 71 referiu que os motores testados correspondem a cerca de um décimo do impulso que pretende ensaiar em 2026, com validação de fabrico já em curso para desenhos de 200 kN e 2.000 kN.Sheffield ↗

Boston Dynamics apresentou um robô humanoide Atlas redesenhado, impulsionado por Neural Large Behavior Models do Toyota Research Institute. O robô executou sequências complexas de múltiplas tarefas com autocorreção, aprendendo políticas de controlo sem rotinas programadas manualmente. Boston Dynamics tem mais de 500 robôs implementados com receitas superiores a 130 milhões de dólares.

DeepMind lançou AlphaFold 3, expandindo a previsão de estruturas de proteínas para as interações proteína-ADN, proteína-ARN e proteína-ligando. O modelo obteve uma melhoria de 50% na precisão em relação ao AlphaFold 2 e contribuiu para o entendimento estrutural que está na base do Prêmio Nobel de Química de 2024.

Google apresentou Gemini 1.5 Pro, um modelo capaz de processar uma janela de contexto de até 1 milhão de tokens. Isto permite-lhe trabalhar com livros inteiros, longas transcrições de vídeo e grandes repositórios de código num único prompt.

DeepMind lançou GraphCast, um modelo de rede neuronal de grafos que prevê o tempo a nível global com uma resolução de 0,25 graus em menos de 1 minuto. O modelo superou o Centro Europeu de Previsões Meteorológicas de Médio Prazo (ECMWF) em 90% das variáveis meteorológicas avaliadas, produzindo previsões que os sistemas tradicionais demoram 10 minutos a calcular.

O Technology Innovation Institute (TII) lançou Falcon 180B, um modelo de linguagem de código aberto com 180 mil milhões de parâmetros, treinado com 3,5 biliões de tokens. No momento do lançamento era o maior modelo de linguagem de acesso livre disponível, superando Llama 2 em vários indicadores de desempenho, incluindo MMLU, LAMBADA e HellaSwag.

A iniciativa colaborativa BigScience lançou BLOOM, um modelo de linguagem de código aberto com 176 mil milhões de parâmetros treinado em 46 línguas naturais e 13 linguagens de programação. No momento do lançamento era o maior modelo de linguagem de acesso livre existente.

AlphaFold 2 da DeepMind resolveu o problema do enrolamento de proteínas, prevendo estruturas proteicas tridimensionais com uma precisão próxima da experimental na competição CASP14. O avanço combinou mecanismos de atenção com conhecimentos de biologia evolutiva. O feito contribuiu para o Prêmio Nobel de Química de 2024, atribuído a David Baker, Demis Hassabis e John Jumper.

Investigadores da Google publicaram «Attention Is All You Need», introduzindo a arquitetura Transformer construída inteiramente sobre mecanismos de atenção. Este artigo tornou-se um dos mais citados em aprendizagem automática e mudou fundamentalmente o design das redes neuronais.

Ian Goodfellow e colaboradores introduziram as redes generativas adversariais, um enquadramento em que duas redes neuronais competem: uma gera dados e a outra distingue o real do falso. Isto desencadeou uma revolução na modelação generativa e na aprendizagem não supervisionada.