6 novidades de IA e o IPO histórico que pode testar o mercado

A abertura de capital milionária da Anthropic

A empresa Anthropic protocolou documentos para sua oferta pública inicial de ações (IPO, sigla em inglês para Initial Public Offering), processo em que uma empresa vende frações dela ao público na bolsa de valores. O documento, conhecido nos Estados Unidos como formulário S-1, mostra os números reais de faturamento e perdas da companhia antes da listagem em bolsa.

Segundo os dados do documento, em 2025 a empresa gerou quase quatro bilhões e meio de dólares em receita. No entanto, no mesmo período, acumulou um prejuízo líquido bilionário em meio a altos custos com infraestrutura, servidores e acordos de financiamento.

A análise dos documentos revelou dados curiosos sobre a distribuição de ações para os funcionários. Cerca de cinco mil e trezentos colaboradores possuem planos de opções de ações e unidades de ações restritas (RSUs, direitos a receber ações no futuro), o que coloca o valor médio por funcionário em dezenas de milhões de dólares caso a avaliação de mercado atinja a meta projetada.

O novo modelo GPT-6.1 Terra da OpenAI

A OpenAI lançou o modelo GPT-6.1 Terra, posicionado em sua linha de agentes focados em uso de computadores em escala. A empresa organiza seus modelos em categorias, sendo os modelos chamados de Astra no topo da linha, seguidos por Sol, Terra e Luna.

Em testes de raciocínio visual e inteligência geral, o Terra apresentou desempenho competitivo com custos reduzidos por tarefa em comparação com modelos mais potentes da mesma família. Para donos de pequenos negócios que utilizam automações, entender a relação entre custo e capacidade de processamento ajuda a escolher a ferramenta certa sem desperdício de dinheiro.

A plataforma Artificial Analysis, que mede o desempenho de modelos de linguagem de inteligência artificial, colocou o modelo Terra como uma opção interessante para tarefas que exigem velocidade e eficiência operacional em tarefas repetitivas.

Gemini 4 Carbon e Kimi K3.1 Pro

A Google anunciou avanços na segurança cibernética e no raciocínio de longo prazo com o modelo Gemini 4 Carbon. Embora ainda restrito a testes de segurança e pesquisadores parceiros, o modelo lidera rankings em testes específicos de engenharia de software e detecção de vulnerabilidades.

Por sua vez, o laboratório Moonshot AI apresentou o Kimi K3.1 Pro, um modelo de código aberto (open weights) com janela de contexto de um milhão de tokens e arquitetura de mistura de especialistas (MoE, Mixture of Experts). Esse formato permite que o sistema ative apenas partes da rede neural necessárias para cada tarefa, economizando poder computacional.

A evolução de modelos de código aberto permite que empresas de menor porte baixem e adaptem softwares de inteligência artificial para rodar localmente, garantindo mais privacidade e controle sobre os dados de seus clientes.

Simulação de mundos com o Genie 4

A divisão Google DeepMind apresentou o Genie 4, uma nova versão de sua ferramenta de simulação de mundos interativos. A tecnologia permite que o usuário digite a descrição de um ambiente e de um personagem para navegar pelo cenário em tempo real.

Comparado às versões anteriores, o Genie 4 adicionou suporte a efeitos sonoros gerados diretamente pela simulação e maior realismo físico nos movimentos. Cineastas e designers de jogos podem usar ferramentas assim para testar ideias visuais rapidamente antes de iniciar produções complexas.

Apesar dos avanços, a demonstração mostrou limitações na coerência de longo prazo ao girar a câmera em trezentos e sessenta graus, indicando que a tecnologia ainda está em fase de testes experimentais.

A refutação da Hipótese do Tempo Exponencial

A OpenAI divulgou um estudo interno indicando que um de seus modelos conseguiu refutar a Hipótese do Tempo Exponencial, uma suposição matemática e de ciência da computação com vinte e cinco anos de idade sobre a complexidade de problemas booleanos.

A verificação da demonstração foi feita utilizando a linguagem Lean, um sistema formal de verificação de teoremas que funciona como um corretor ortográfico para matemática avançada. Enquanto humanos podem cometer erros em cálculos longos de dezenas de passos, sistemas formais garantem que cada etapa lógica esteja correta.

Especialistas apontam que resolver problemas teóricos complexos representa o próximo passo para que a inteligência artificial deixe de apenas repetir o que humanos já sabem e passe a gerar conhecimento inédito.