18/04/2025 AI Express | Múltiplos avanços na IA: novos membros do Grok 3 e actualizações do protocolo OpenAI

O mais recente membro da família Grok 3 está agora disponível na nossa API.

O Grok 3 Mini redefine as soluções de inteligência econômicas ao superar os modelos de inferência existentes por um fator de cinco. Esse pequeno modelo se destaca em vários cenários de aplicação do mundo real e é especialmente adequado para tarefas que são sensíveis ao custo, mas exigem um processamento eficiente.

Grok 3Sendo o modelo não racional mais forte do mundo, tem demonstrado capacidades extraordinárias em domínios como o direito, as finanças e os cuidados de saúde. Com a sua poderosa base de conhecimentos e capacidades de processamento de dados, é capaz de lidar com problemas complexos do mundo real e fornecer aos utilizadores um apoio informativo preciso.

Quer se trate de lidar com cláusulas complexas em documentos legais ou de analisar a dinâmica do mercado financeiro, o Grok 3 fornece soluções precisas e eficientes. Além disso, a sua aplicação no campo da medicina também é muito apreciada, ajudando os médicos a aceder rapidamente às últimas pesquisas médicas e a melhorar a precisão do diagnóstico e do tratamento.

Com a família de APIs do Grok 3, esperamos fornecer a um vasto leque de programadores e empresas ferramentas mais poderosas, flexíveis e inteligentes que os ajudem a alcançar um maior sucesso nos seus respectivos campos.

A equipa Meta FAIR anunciou recentemente o lançamento de uma série de novos resultados de investigação, e estes últimos avanços estão a mudar gradualmente a nossa compreensão da perceção e a fazer avançar a inteligência artificial avançada (AMI).

Os projectos desta versão incluem:

1. Codificador meta-conscienteum codificador visual de grande escala que se destaca em tarefas de imagem e vídeo.
2. Modelação linguística meta-percetualUm modelo visual-linguístico totalmente aberto e reprodutível, concebido para lidar com tarefas de reconhecimento visual.
3. Meta Locate 3DUm modelo de ponta a ponta para o posicionamento preciso de objectos num ambiente 3D.
4. Foram lançados os pesos dos modelos para o transformador de variáveis latentes de bytes dinâmicos com 8 mil milhões de parâmetros, uma alternativa aos métodos tradicionais de tokenização que promete redefinir os padrões de eficiência e fiabilidade dos modelos linguísticos.
5. Quadro de raciocínio colaborativoUm quadro para avaliar e melhorar o raciocínio colaborativo em modelos linguísticos.

Estas ferramentas de investigação não só fornecem recursos valiosos para os investigadores, como também proporcionam sistemas de IA mais eficientes e precisos às empresas e aos programadores. Os utilizadores interessados podem descarregar o código, os conjuntos de dados e os documentos relacionados através desta ligação.

A equipa de programadores de IA da Google anunciou que já é possível executar modelos Gemma 3 27B em GPUs de secretária. Com o novo modelo int4 optimizado para o QAT (Quantitative Awareness Training), os requisitos de VRAM foram drasticamente reduzidos, de 54 GB para 14,1 GB, mantendo-se a elevada qualidade dos resultados.

Este avanço permite que as placas gráficas de consumo, como a NVIDIA RTX 3090, executem modelos linguísticos em grande escala, fornecendo mais poder de computação para utilizadores individuais e pequenas empresas. Os utilizadores podem aceder facilmente a estes modelos através de plataformas como Ollama, Hugging Face e LM Studio.

Caraterísticas principais:

• Reduzir significativamente os requisitos de VRAM e melhorar a utilização dos recursos
• Suporta placas gráficas de nível de consumidor, reduzindo o limite de hardware
• Suporte multiplataforma para uma seleção fácil

Este avanço tecnológico não só melhora a acessibilidade dos modelos, como também oferece aos investigadores e programadores mais oportunidades de experimentação e inovação.

A OpenAI anunciou recentemente que irá apoiar o Protocolo de Contexto de Modelo (MCP), iniciado pela Anthropic. Esta norma aberta tem por objetivo ligar modelos de linguagem a ferramentas externas e fontes de dados proprietárias para melhorar a funcionalidade do modelo e os cenários de aplicação.

O protocolo será integrado no SDK de agentes da OpenAI, com planos de expansão para aplicações de ambiente de trabalho ChatGPT e para a API Responses no futuro. Com o MCP, os programadores podem ligar-se facilmente a mais de 6000 ferramentas locais ou remotas plug-and-play, reduzindo drasticamente a necessidade de integrações personalizadas.

Esta iniciativa não só melhora a eficiência do desenvolvimento, como também reduz a barreira técnica, permitindo que mais empresas e indivíduos inovem com modelos linguísticos avançados.

É de salientar que a Anthropic, a OpenAI e outros intervenientes da indústria estão a trabalhar em conjunto para impulsionar esta norma, o que reflecte a tendência da indústria para colaborar na resolução de problemas comuns e evitar a fragmentação da indústria.

O autor do ControlNet, Minjin, voltou a abrir o código fonte de um novo projeto impressionante: Framepack, uma estrutura eficiente de geração de vídeo.

Utilizando o modelo 13B, o Framepack é capaz de gerar 1 minuto de vídeo a 30 fps com 6 GB de memória de vídeo. Numa placa gráfica RTX 4090, gera até 1,5 segundos por fotograma. A tecnologia gera vídeo de forma incremental usando uma estrutura de previsão do próximo quadro, permitindo até um minuto de vídeo de ação contínua, mesmo a partir de uma única imagem.

As principais caraterísticas incluem:

• Baixos requisitos de memória de vídeo: apenas 6 GB de memória de vídeo são necessários para funcionar.
• Elevado desempenho: velocidades de geração de até 1,5 segundos por fotograma em placas gráficas RTX 4090.
• Vasta gama de aplicações: Adequado para uma vasta gama de conteúdos de vídeo, como dança de personagens, ação, mudanças de cena, etc.

O Framepack é particularmente adequado para áreas que requerem efeitos visuais dinâmicos, como a produção cinematográfica e televisiva, o design de animação e a realidade virtual. Atualmente, o projeto fornece um pacote de instalação para Windows com um clique e uma interface de operação visual para que os utilizadores possam começar rapidamente.

ChatGPT introduziu recentemente uma nova funcionalidade de memória chamada "Moonshine" que tem atraído muita atenção.

Esta funcionalidade melhora a coerência e a personalização das conversas através de várias secções novas. Em primeiro lugar, foi adicionada uma nova secção "Contexto de definição de modelos" ao prompt do sistema, que lista as entradas de memória armazenadas, como o nome e a localização do utilizador, entre outras informações básicas.

Segue-se a secção "Preferências de resposta do assistente", que resume os requisitos específicos do utilizador para uma resposta com base no seu histórico de utilização anterior. Por exemplo, os utilizadores preferem respostas concisas e diretas, e não gostam de longas explicações ou pedidos de desculpa.

Existe também uma nova secção "Destaques de tópicos de conversas anteriores", que resume os principais assuntos que os utilizadores discutiram em conversas anteriores. Esta secção abrange não só a área de especialização do utilizador em áreas como a inteligência artificial, a aprendizagem automática e a criatividade assistida por IA, mas também a formação técnica do utilizador em áreas como a administração de sistemas Linux, o desenvolvimento Web e as tecnologias de nuvem.

A secção "Informações úteis do utilizador" contém informações específicas do utilizador, como a localização e a profissão do utilizador. Esta secção de informações ajuda a personalizar ainda mais a conversa e a melhorar a experiência do utilizador.

Por fim, a secção "Recent Conversation Content" (Conteúdo de conversas recentes) regista as conversas mais recentes do utilizador, incluindo carimbos de data/hora, títulos e conteúdo das mensagens. A secção "User Interaction Metadata" é gerada automaticamente a partir do dispositivo e dos padrões de utilização do utilizador, fornecendo estatísticas de utilização detalhadas para ajudar a otimizar a experiência de conversação.

Estas novas funcionalidades proporcionam aos utilizadores uma experiência de diálogo mais personalizada e coerente através da integração de informações multidimensionais, aumentando significativamente a utilidade do ChatGPT e a satisfação dos utilizadores.

O mais recente estudo de caso da Anthropic mostra que a ferramenta de segurança de código Semgrep obtém melhorias significativas no desempenho da segurança ao integrar o modelo Sonnet Claude 3.7 na plataforma Amazon Bedrock.

A solução é capaz de marcar com confiança 201 TP3T de alertas de segurança de código como seguros (921 TP3T e 961 TP3T de acordo com o programador e o investigador, respetivamente) e melhora a deteção de falsos alarmes em 161 TP3T e a marcação de componentes em 171 TP3T em comparação com o GPT-4o. Além disso, a tecnologia suporta correcções avançadas de vulnerabilidades, tais como correção automática de vulnerabilidades e análise de alterações perturbadoras para aplicações mais seguras e eficientes em ambientes de classe empresarial.

As principais caraterísticas incluem:

• Classificação altamente precisa dos alarmes de segurança
• Redução de falsos positivos e maior precisão de rotulagem
• Correção automatizada de vulnerabilidades e análise de alterações

Esta tecnologia não só melhora a segurança do código para as organizações, como também proporciona maior eficiência e fiabilidade em implementações reais.

O último modelo o4 mini da OpenAI foi significativamente melhorado em termos do seu código de conduta e instruções de trabalho internas, marcando a sua evolução de um modelo puramente computacional para um agente inteligente com capacidades autónomas. Esta mudança não é apenas em termos de tecnologia, mas também em termos da sua usabilidade e interatividade globalmente melhoradas.

Comparado com o seu modelo antecessor o3, o4 mini não só é capaz de completar a tarefa através da utilização de uma variedade de ferramentas, como também é capaz de verificar repetidamente a exatidão das respostas durante o processo de execução para garantir a fiabilidade dos resultados e a conclusão bem sucedida da tarefa. Este mecanismo não só melhora a utilidade do modelo, como também reduz consideravelmente a possibilidade de erros. Além disso, o o4 mini mostra maior adaptabilidade e flexibilidade no tratamento de tarefas complexas, tornando-o mais eficiente em cenários de aplicação no mundo real.

Por exemplo, em áreas como o serviço ao cliente, a análise de dados e a geração de conteúdos, a o4 mini permite interações mais inteligentes e humanizadas para melhorar a experiência do utilizador. Como a tecnologia de IA continua a evoluir, estas melhorias no o4 mini tornam-no ainda mais promissor para futuras aplicações.

A Google DeepMind lançou uma nova versão Quantisation Aware Training (QAT) do modelo Gemma 3, que reduz significativamente o tamanho, mantendo o desempenho. A versão do modelo Gemma 3 com 27B parâmetros foi comprimida de 54 GB para 14,1 GB, reduzindo drasticamente os requisitos de armazenamento e de recursos de computação. e de recursos computacionais. Trata-se de um avanço significativo para cenários de aplicação que requerem a implementação de modelos de linguagem em grande escala em dispositivos de ponta ou em ambientes com recursos limitados.

Além disso, o ponto de controlo de código aberto do modelo está agora disponível ao público, permitindo que os programadores o testem e apliquem numa variedade de plataformas, incluindo MLX, llama.cpp e lmstudio. Isto não só melhora a usabilidade do modelo, como também promove mais investigação e melhorias na comunidade.

A técnica QAT permite que o modelo se adapte melhor à perda de precisão devida à quantização quando efetivamente implementado, simulando um ambiente de computação de baixa precisão durante o treino. Esta abordagem de otimização garante que o modelo mantém um elevado desempenho mesmo após a quantificação, abrindo assim a possibilidade de uma vasta gama de aplicações.

Recentemente, um novo produto chamadoFramePackatraiu muita atenção. A ferramenta afirma necessitar apenas deMemória de vídeo de 6 GBPronto a funcionar, reduzindo consideravelmente o limiar de hardware.

A partir do exemplo publicado, oFramePackA capacidade de converter imagens de entrada (Figura 2) em vídeo de movimento de alta qualidade (Figura 1) é impressionante. Os criadores lançaram um instalador tudo-em-um para Windows, o que facilita a utilização direta pelos utilizadores, enquanto os utilizadores de Linux também podem executar a ferramenta a partir da linha de comandos.

FramePackO lançamento proporcionou uma nova opção para os criadores de conteúdos, editores de vídeo e investigadores. No entanto, devido às complexas técnicas de processamento de imagem e de geração de vídeo envolvidas, os criadores recomendam que os utilizadores com alguns conhecimentos básicos de programação experimentem a aplicação, caso contrário poderão encontrar algumas dificuldades técnicas (Figura 3). Para os utilizadores experientes, oFramePackSem dúvida, uma poderosa ferramenta criativa.