Parabéns à @MistralAI pelo êxito do lançamento do novo modelo multimodal Mistral Medium 3!
Este novo modelo destaca-se numa série de testes de referência rigorosos, com um desempenho comparável ao dos melhores modelos proprietários actuais, como o GPT-4o, o Claude Sonnet e o Llama-4. Além disso, o Mistral Medium 3 possui capacidades de processamento visual, o que o torna uma verdadeira solução de IA multimodal.
Eis as principais caraterísticas do Mistral Medium 3:
- Proporcionando os mais recentes níveis de desempenho a um custo 8 vezes inferior.
- Demonstrar um elevado desempenho na programação e nas chamadas de função.
- Suporta funcionalidades de classe empresarial, incluindo implementações híbridas ou implementações em VPCs, e permite uma integração perfeita em ferramentas e sistemas empresariais existentes.
O Mistral Medium 3 é certamente uma escolha ideal para organizações que procuram uma solução de IA de elevado desempenho, baixo custo e fácil de implementar.
Agora vamos testar o seu desempenho real com as dicas mais desafiantes! Visite a ligação para mais pormenores.
---
Em 6 de maio de 2025, a Tech in Asia realizou uma entrevista com Mark Chen, Diretor de Investigação da OpenAI.
Sam Altman chama a Mark um "profundo conhecimento tecnológico", o que não é invulgar entre os fundadores, e Mark diz que quando se trata de IA de uso geral (AGI), utilizam uma definição ampla que não se limita ao ChatGPT, mas inclui também outras tecnologias e aplicações.
Como Diretor de Investigação, uma das principais responsabilidades de Mark é a atribuição de recursos informáticos para equilibrar o lançamento de produtos a curto prazo com projectos de investigação a longo prazo que podem impulsionar o desenvolvimento de produtos da próxima geração. Este ano, a empresa irá aumentar os seus esforços na IA baseada em agentes autónomos.
Mark mencionou que o seu modelo o4-mini pode atingir ou mesmo exceder o desempenho do Gemini 2.5, mas a um custo muito inferior. Além disso, o modelo de inferência da OpenAI utiliza muito menos dados durante o treino do que o modelo pré-treinado, mas impõe mais poder computacional durante a fase de teste.
Estes avanços mostram que a OpenAI está a alargar os limites da sua tecnologia e a trabalhar no sentido de sistemas de IA mais eficientes e poderosos.
---
Atualmente, parece faltar uma componente importante no paradigma de aprendizagem da modelação de grandes línguas (LLM). Enquanto o pré-treino é o principal responsável pela acumulação de conhecimentos e a afinação (supervisionada ou por reforço) se centra na formação de comportamentos habituais, estes processos são conseguidos através da afinação de parâmetros.
No entanto, a forma como os seres humanos aprendem é mais parecida com uma mudança nas pistas do sistema. Quando confrontadas com um problema, as pessoas resumem a sua experiência e recordam a solução de uma forma explícita, para que possam responder rapidamente da próxima vez que se depararem com um problema semelhante. Este mecanismo é semelhante ao de tomar notas, a função "memória", mas em vez de armazenar factos aleatórios sobre indivíduos, armazena estratégias e conhecimentos genéricos de resolução de problemas.
Dicas de sistema para aprenderPode ser visto como um novo paradigma de aprendizagem que está mais próximo da forma como os humanos aprendem e é mais eficiente em termos de dados. Por exemplo, as pistas do sistema do Claude consistem atualmente em cerca de 17 000 palavras e especificam não só as preferências básicas de estilo comportamental, mas também um grande número de estratégias de resolução de problemas. Este conhecimento não deve ser incorporado diretamente nos pesos através da aprendizagem por reforço, mas sim através da aprendizagem das pistas do sistema.
A aprendizagem de dicas do sistema é semelhante a uma configuração de aprendizagem por reforço, mas com um algoritmo de aprendizagem diferente (edição vs. descida de gradiente). Este novo paradigma permitiria aos LLMs escrever as suas próprias diretrizes de resolução de problemas, transformando assim gradualmente o texto explícito do sistema em pesos habituais. Se for bem sucedido, este poderá ser um método de aprendizagem poderoso e eficiente.
---
Recentemente, um estagiário da YC Ventures utilizou o GPT-4.1 para extrair com êxito os ficheiros SEC do sítio Web e os dados de ganhos de todas as empresas da Fortune 100 em apenas dois dias, tendo-lhe sido oferecido um contrato de retorno como resultado.
O estagiário completou a tarefa de forma eficiente, seguindo os passos abaixo:
- Pesquisa na página de relações com investidores de cada empresa
- Extrair relatórios 10-K, 10-Q, slides de ganhos e actas de reuniões destas páginas
- Actualizações diárias sincronizadas de dados via API
Este processo demonstra o enorme potencial da tecnologia de IA para o processamento de dados. **Tradicionalmente, este tipo de tarefa exigia uma equipa e um processo de tratamento de dados personalizado, ao passo que agora pode ser realizado por apenas um estagiário em 48 horas**. Isto não só melhora a eficiência, como também reduz significativamente os custos.
As normas mudaram.À medida que a tecnologia de processamento de linguagem natural continua a avançar, as empresas podem aceder e analisar dados financeiros de forma mais eficiente para tomar decisões comerciais mais precisas.
Este caso prova mais uma vez a perspetiva de uma ampla aplicação da tecnologia de IA no sector financeiro, proporcionando novas ideias para futuras formas de trabalho.
---
O projeto de código aberto Awesome-Large-Multimodal-Reasoning-Models no GitHub fornece um panorama completo do desenvolvimento de modelos de raciocínio multimodal.
Os investigadores do Instituto de Tecnologia de Harbin (Shenzhen), depois de reverem e analisarem mais de 550 documentos, elaboraram um roteiro de desenvolvimento em quatro fases, desde os módulos básicos até ao raciocínio avançado, que demonstra claramente a evolução completa dos modelos de raciocínio multimodal, desde o raciocínio orientado para a perceção até ao raciocínio centrado na linguagem e ao raciocínio nativo. Esta informação está resumida de forma bastante completa e pode ajudar-nos a compreender o percurso de desenvolvimento de todos os macromodelos de IA.
Conteúdo principal:
- Desenvolvimento em quatro fases de uma abordagem sistemática dos modelos de raciocínio multimodal (Raciocínio curto centrado na linguagem, centrado na perceção, raciocínio longo centrado na linguagem, raciocínio multimodal nativo);
- Uma coleção abrangente de conjuntos de dados e padrões de referência relevantes que cobrem as quatro categorias principais de compreensão, geração, raciocínio e planeamento multimodais;
- Analisar o desempenho experimental e os limites de capacidade dos modelos de fronteira, como o OpenAI-o3 e o4-mini;
- Explorar o desenvolvimento futuro e as perspectivas tecnológicas dos modelos de raciocínio multimodais nativos (N-LMRM);
- Apresenta uma comparação exaustiva dos modelos de tabelas, incluindo trabalhos representativos em diferentes fases e respectivas caraterísticas;
- Ilustrado com diagramas intuitivos que nos ajudam a compreender melhor as relações evolutivas dos vários tipos de modelos.
Este projeto não só constitui um valioso recurso de referência para investigadores e programadores, como também fornece apoio teórico para técnicas de raciocínio multimodal em aplicações práticas. Tanto o meio académico como a indústria podem beneficiar muito com ele.
---
Hoje, apresentamos-lhe o docext, uma poderosa ferramenta de localização de código aberto que pode extrair com precisão informações estruturadas de todos os tipos de documentos sem depender do reconhecimento ótico de caracteres (OCR).
A docext utiliza a avançada Modelação de Linguagem Visual (VLM) para identificar e extrair dados de campo e informações de formulários de documentos, não só melhorando a precisão, mas também garantindo a segurança dos dados e a proteção da privacidade. As suas principais caraterísticas incluem:
- Extração flexível de campos personalizados e suporte para a utilização de modelos pré-construídos;
- Extrair de forma inteligente dados de tabelas de documentos, mantendo a estrutura original;
- Fornecer índices de confiança para todas as informações extraídas;
- Totalmente implementado localmente com suporte para Linux e MacOS;
- Tratar documentos de várias páginas sem paginação;
- Fornece uma API REST para facilitar a integração com as aplicações existentes.
Além disso, a docext tem modelos incorporados para tipos de documentos comuns, o que a torna particularmente adequada para cenários de aplicação em que informações sensíveis, como facturas e passaportes, têm de ser tratadas em grandes quantidades. Quer se trate de gestão de dados dentro de uma organização ou das necessidades dos sectores financeiro e jurídico, a docext fornece uma solução eficiente e segura.
Endereço do projeto no GitHub:https://t.co/J1HzvsZTHj
---
Jim Fan disse que a NVIDIA treinou com êxito robôs humanóides para andarem e se moverem como os humanos. Esta descoberta permite a migração a zero de ambientes simulados para o mundo real.
Ao utilizar um modelo com apenas 1,5 milhões de parâmetros, em vez de um modelo grande com milhares de milhões de parâmetros, a NVIDIA demonstrou a capacidade de captar o processamento subconsciente do corpo humano. Esta modelação eficiente permite que os robôs dominem capacidades motoras complexas num curto período de tempo.
é o seguinte.Esta técnica comprime um processo de aprendizagem de 10 anos em apenas 2 horas de formação em simulação. Isto não só reduz significativamente o tempo de formação, como também reduz a necessidade de recursos computacionais.
No futuro, espera-se que este método eficiente e económico de formação de robôs seja utilizado numa série de domínios, incluindo serviços ao domicílio, cuidados médicos e automação industrial.
Esta inovação da NVIDIA assinala um novo marco na robótica.
---
O DeerFlow é uma estrutura de código aberto concebida para efetuar investigação profunda sistemática através da coordenação de agentes LangGraph. O quadro permite uma análise exaustiva da literatura, a síntese de dados e a descoberta de conhecimentos estruturados.
O ponto forte da DeerFlow é o seu elevado grau de flexibilidade e escalabilidade para várias áreas de investigação. Por exemplo, na investigação biomédica, os investigadores podem utilizar a DeerFlow para efetuar revisões bibliográficas em grande escala, extrair rapidamente informações importantes e gerar relatórios exaustivos. Além disso, a DeerFlow suporta a integração de dados de várias fontes, tornando a investigação interdisciplinar mais eficiente.
Caraterísticas principais::
- Análise exaustiva da literatura
- Síntese e integração de dados
- Descoberta de conhecimentos estruturados
O DeerFlow é atualmente de código aberto no GitHub, e os programadores e investigadores são convidados a contribuir.
Endereço do repositório GitHub: https://github.com/DeerFlow/deerflow
---
Partilhe um tutorial para aprender IA Agêntica a partir do zero utilizando o padrão de design DACA: Learn Agentic AI.
Usando o OpenAI Agents SDK como uma estrutura fundamental e a pilha de tecnologia distribuída Dapr, este tutorial ensina o desenvolvimento de IA do tipo corpo inteligente de pilha completa, do básico ao avançado, em um curso de três níveis, incluindo implantações em contêineres e extensões do Kubernetes.
impulso::
- Explicação e prática completas do padrão de design DACA (Dapr Agentic Cloud Ascent);
- Aprenda de raiz o SDK OpenAI Agents para desenvolver aplicações de IA para corpos inteligentes;
- Arquitetura e detalhes de implementação de um sistema de corpo inteligente distribuído baseado em Dapr;
- Um programa em três fases que vai da teoria de base à implantação à escala planetária;
- Orquestração de contentores Kubernetes com processo de desenvolvimento de IA de inteligências nativas da nuvem;
- Contém implementações do Protocolo de Contexto de Modelo (MCP) e do Protocolo de Comunicação Interinteligente (A2A).
O projeto fornece tutoriais completos em vídeo e guias práticos, enquanto os exemplos de código abordados no curso são todos de código aberto, fornecendo ficheiros .ipynb que podem ser executados diretamente.
**Informações sobre os antecedentes**:
O padrão de conceção DACA é uma abordagem inovadora que visa simplificar o processo de desenvolvimento da IA de corpos inteligentes através da combinação do Dapr e do OpenAI Agents SDK. Este padrão não só melhora a eficiência do desenvolvimento, como também aumenta a escalabilidade e a fiabilidade do sistema. Com o desenvolvimento da computação em nuvem e das tecnologias distribuídas, o modelo DACA fornece aos programadores novas ferramentas e métodos para criar e implementar rapidamente aplicações de IA de elevado desempenho em sistemas corporais complexos e multi-inteligentes.
**Cenários de aplicação**:
Este tutorial destina-se a programadores, investigadores e entusiastas interessados em tecnologia de IA que pretendam obter uma compreensão mais profunda do desenvolvimento de IA para corpos inteligentes. Através deste tutorial, os leitores adquirirão a capacidade de construir sistemas complexos de corpos inteligentes a partir do zero e serão capazes de aplicar essas habilidades em projetos do mundo real.
---
A recém-lançada versão 2.5 Pro do Gemini, com as suas caraterísticas inovadoras e poderosa interatividade, transforma com sucesso vídeos comuns do YouTube numa aplicação de aprendizagem interactiva abrangente. Esta ferramenta melhora consideravelmente a experiência de aprendizagem ao incorporar tecnologia de inteligência artificial que reconhece automaticamente o conteúdo do vídeo e gera perguntas e notas interactivas relevantes.
Os utilizadores podem participar em perguntas e respostas em tempo real, tomar notas e obter feedback instantâneo enquanto vêem os vídeos. Além disso, o Gemini 2.5 Pro suporta legendas em vários idiomas e percursos de aprendizagem personalizados, tornando o processo de aprendizagem mais personalizado e eficiente.
As principais caraterísticas incluem:
- Reconhecimento automático de conteúdos de vídeo para gerar perguntas interactivas
- Perguntas e respostas em tempo real e feedback instantâneo
- Suporte para legendas em várias línguas
- Percursos de aprendizagem personalizados
Quer seja um estudante ou um profissional, o Gemini 2.5 Pro permite-lhe utilizar mais eficazmente o YouTube como um rico repositório de recursos para melhorar os seus conhecimentos e competências.
