Publicado em 05/11 às 03h14 de Brasília. Checkpoint do fim do pré-treino, sem mid-training nem pós-treino, para quem quer treinar por conta própria. 280B de parâmetros e 14B ativos, 43 camadas, 512 especialistas (top-10) mais 1 compartilhado, treinado do zero em 33,5T de tokens com Muon e FP8; contexto de treino de 128K e suporte a 1M em fine-tuning e inferência. Só 1 camada em 7 vê o contexto inteiro token a token (MLA com atenção esparsa); as demais comprimem cada 128 tokens numa entrada. A Baidu compara com DeepSeek-V4-Flash-Base, Hy3-preview-Base e MiMo-V2.5-Base no mesmo harness. Licença própria (License Agreement v1). Pesos em huggingface.co/baidu/ERNIE-5.5-Flash-Base.
Em 05/11, o OpenSSH 10.6p2 saiu com um contorno para uma vulnerabilidade crítica que só afeta Linux com musl sem PAM para senha (não afeta glibc nem outros sistemas). O time soube do problema na véspera e publicou o mais rápido possível porque, nas palavras de Damien Miller, tem visto 'vários casos de redescoberta rápida de bugs por agentes de IA, às vezes em horas', e passou a considerar embargos longos uma prática perigosa que beneficia sobretudo atacantes. Relato de Özgün Kültekin (Wakefield); o Alpine publicou a atualização no mesmo dia.
Estudo econométrico sobre o universo de vulnerabilidades divulgadas: as grandes empresas americanas com acesso antecipado ao Claude Mythos Preview pelo Project Glasswing mais que dobraram as divulgações em relação a empresas chinesas e russas sem acesso, com cerca de 150% mais falhas de alto impacto, e corrigiram no mesmo prazo de antes. Pesquisadores externos de bug bounty passaram a reportar cerca de metade das falhas no código dessas empresas e mais no de outras. A fração explorada até um mês depois da divulgação caiu cerca de dois terços, sem aumento no número explorado. O autor conclui que o acesso restrito cria assimetria de segurança entre empresas de países diferentes. Anúncio do arXiv de 05/11.
Pesquisa · arxiv · anthropic, mythos, glasswing, ciberseguranca, vulnerabilidades, economia
Benchmark que a Replit usa para escolher os modelos da plataforma: 17 produtos web completos, modelados em softwares conhecidos, crescem por 241 pedidos de funcionalidade e só são julgados no fim, por um agente de navegador que roda 544 planos de teste; o build passa só se todos passarem. Entre nove modelos, os três melhores passam até 98% dos planos, mas entregam um produto funcionando em no máximo 65% dos builds, e nenhum modelo de pesos abertos entrega um. Em três versões de uma mesma família, o pass@1 subiu de 3% para 53% e o custo por build caiu mais da metade. Oito produtos saem públicos com harness e avaliador; nove ficam guardados. Anúncio do arXiv de 05/11.
O Automated Uplift aplicou pipelines híbridos (o máximo determinístico, o LLM confinado a transformações de arquivo com contexto pré-calculado e telemetria de produção) em duas campanhas: empacotamento Python (~1.900 repositórios) e build C++ (~6.700). Saíram 2.333 pull requests e 729 migrações concluídas. O gargalo não foi gerar a mudança, mas o custo, para os times donos, de revisar, testar e implantar; caiu quando a mudança podia ser verificada no próprio pipeline antes do PR (compilação e testes em C++) e quando a população de repositórios era uniforme. Anúncio do arXiv de 05/11.
Pesquisa · arxiv · bloomberg, migracao-de-codigo, llm, engenharia, industria
56 tarefas feitas por 42 físicos a partir da própria pesquisa, em nove áreas teóricas, computacionais e experimentais. O agente revisa a literatura, planeja, executa e escreve o manuscrito; verificadores determinísticos e rubricas de especialistas julgam se a pesquisa está certa e é publicável. Entre 22 modelos em 26 configurações, nenhuma passa de 46 das 168 execuções. A leitura manual das trajetórias aponta raciocínio pouco rigoroso e falta de intuição de especialista, e não falta de conhecimento de física ou erro de execução. Anúncio do arXiv de 05/11.
Dois benchmarks irmãos sobre agentes melhorando a infraestrutura de que dependem. No ServerBench, o agente projeta um sistema de serving completo e é medido em valor de tokens por dólar de GPU: o Claude Sonnet 5.5 chegou a 2,97 sobre o Gemma E4B, 4,87 vezes a referência do vLLM; 22 de 33 execuções deram sistemas verificados e 13 superaram a melhor linha de base. No CompressionBench o agente recebe checkpoint, limite de armazenamento e prazo: 29 de 36 submissões passaram na verificação, e o melhor desenho por tarefa ficou 3,4% acima do BF16 em perplexidade, com 77,33% de acurácia contra 79,56%. Anúncio do arXiv de 05/11.
Pesquisa · arxiv · benchmark, agentes-de-codigo, inferencia, compressao, rsi, claude
O A.S.E 2.0 monta o CASE-Bench: 145 tarefas de repositório tiradas de CVEs reais em 51 projetos, cada uma com testes funcionais e exploit validado nas duas direções. Comparando 13 métodos de montagem de contexto com seis LLMs: contexto pensado para funcionalidade sobe a taxa funcional em até 8,2 pontos, mas a segura em no máximo 3,7; tirar do contexto a salvaguarda do projeto (uma checagem de autorização, por exemplo) derruba a taxa segura em até 8,1 pontos; e inserir um único exemplo inseguro aumenta em 6,3 pontos o código correto mas explorável. Anúncio do arXiv de 05/11.
Em 05/11, dois dias depois da eleição em que eleitores americanos apoiaram limites a data centers, a OpenAI publicou o National Community Compact e um Compute Campus Policy Blueprint. Para cada campus próprio: compacto local, ponto de contato e relatório anual; pagar o custo total da eletricidade e da infraestrutura, com garantia financeira antes do grande gasto; plano de água, resfriamento de circuito fechado ou baixo consumo, publicação do uso de água e eletricidade por site e de estudos de ruído; nenhum acordo de confidencialidade com autoridades públicas, salvo segurança e segredo comercial; vagas e contratações publicadas. O blueprint pede que reguladores estaduais exijam que grandes consumidores cubram o custo que acrescentam à rede, e cita o acordo com a Georgia Power que permite cortar até 1.000 MW em pico. A Bloomberg leu a mudança como resposta à reação das urnas.
Comunidade · rss · openai, data-centers, politica, energia, eleicoes-eua
Em entrevista publicada em 05/11 (04h35 de Brasília), Greg Brockman, presidente da OpenAI, disse que o primeiro semestre de 2026 foi 'bem difícil' e que as ferramentas de código com agentes, o GPT-5.6 Sol e o ChatGPT Work produziram uma 'inflexão de receita' no terceiro trimestre. Matéria fechada; resumo do Techmeme.
Comunidade · techmeme · openai, receita, codex, brockman, mercado
Desdobramentos da noite: ações de data centers caíram com a expectativa de expansão mais lenta depois da vitória democrata (Hut 8 −23%, IREN −11%, Core Scientific −10%, Applied Digital −7%; Reuters, 04/11 20h30 de Brasília). A Microsoft recusou a opção de mais que dobrar o contrato de data center com a Nscale no Texas, golpe nos planos de IPO de US$ 35 bilhões da empresa (FT, 05/11 02h45). E o Leading the Future, maior rede de super PACs pró-IA, terminou a eleição com mais de US$ 20 milhões em caixa, de cerca de US$ 100 milhões; as apostas arriscadas não vingaram (Wired, 05/11 03h45). Contagem de derrotas dos PACs já na base.
Comunidade · techmeme · data-centers, eleicoes-eua, mercado, super-pacs, nscale
A Nikkei Asia (05/11, 03h10 de Brasília) relata que as restrições chinesas à exportação de metais críticos afetaram o fornecimento de microbrocas de carboneto de tungstênio usadas em placas de circuito e substratos de chips. A Tom's Hardware (04/11) diz que a demanda de IA criou falta de PCB para fabricantes de PC, com carteiras cheias até 2030 e custos até 12 vezes maiores E a YMTC, fabricante chinesa de memória NAND, suspendeu o IPO de cerca de US$ 4,9 bilhões em Xangai (Reuters).
Comunidade · techmeme · cadeia-de-suprimentos, china, pcb, hardware, chips