20 de junho de 2026

Andrew Ng acusa Anthropic de usar segurança como arma

9 notícias

⚠️Andrew Ng: Anthropic usou 'segurança' para frear rivais e acendeu crise global

Andrew Ng, um dos nomes mais respeitados da inteligência artificial, publicou um texto duro contra a Anthropic e o governo dos Estados Unidos. Segundo ele, as duas últimas semanas foram um ponto de virada. A Anthropic lançou o Claude Fable 5, versão de seu modelo Mythos, com restrições que iam além da segurança: proibiu desenvolvedores de usar o modelo para construir tecnologia de IA concorrente. Pior, inicialmente degradou a qualidade das respostas de forma silenciosa para quem foi detectado como pesquisador de IA, sem avisar ninguém. Depois de muita reclamação, a empresa voltou atrás na parte silenciosa, mas manteve o bloqueio. --- Logo em seguida, o governo americano usou seus poderes de controle de exportação para restringir o acesso ao Fable 5, exigindo licença para qualquer estrangeiro usar o modelo. Isso levou a Anthropic a desligar o acesso mundial ao Fable. Andrew Ng aponta que Sam Altman, da OpenAI, resumiu bem a ironia: 'É um marketing incrível dizer que construiu uma bomba, que vai jogá-la na sua cabeça, e depois vender o abrigo por 100 milhões de dólares'. Ng deixa claro que não acha que a Anthropic criou nenhuma bomba e que os controles de exportação são despropositados. --- O efeito colateral, segundo Ng, é que governos do mundo inteiro agora perceberam que os EUA podem cortar seu acesso a modelos de IA da noite para o dia. Isso deve acelerar investimentos em alternativas de código aberto e em soberania digital. Ng compara a situação com o que aconteceu com semicondutores na China: quando os EUA tentaram limitar o acesso, o esforço chinês só ganhou mais força. A conclusão dele é que todos agora enxergam a fragilidade de depender de um único fornecedor, e isso pode, no final, empurrar o setor para um ecossistema mais aberto.

@emollick

📉Estudo com alunos na China confirma: IA no dever de casa derruba notas

Um estudo de larga escala feito na China encontrou o que muitos professores já desconfiavam: quando alunos usam IA para fazer dever de casa e o tempo de estudo cai, as notas nas provas caem junto. Não é que a IA seja inútil para aprender. O problema está em como ela é usada. Quando substitui o esforço mental do aluno, em vez de apoiá-lo, o resultado é negativo. --- Ethan Mollick, professor da Wharton e uma das vozes mais ativas sobre IA na educação, resumiu o padrão que aparece em vários estudos: tutoria com IA dentro da sala de aula funciona bem, mas usar IA como atalho para o dever de casa faz mal. É a diferença entre ter um professor particular e ter alguém fazendo o exercício por você. A ferramenta é a mesma, o que muda é a intenção.

@rahulgs

🤖Fintech Ramp já gera mais de 75% do seu código com agente de IA

A Ramp, fintech americana de gestão de despesas corporativas, revelou que mais de 75% do código produzido na empresa agora vem de um agente de IA interno chamado Inspect. Não é um experimento: é o dia a dia. Rahul, líder técnico do projeto, detalhou o que foi preciso para chegar nesse ponto. A lista inclui preparação minuciosa dos repositórios (a 'base de código' da empresa), remoção de ferramentas desnecessárias, testes automáticos paralelos e obsessão com velocidade, perseguindo cada milissegundo de atraso. --- Um detalhe interessante é a regra de ouro que eles seguem: as instruções para a IA devem ser descritivas ('corrija isso', 'implemente essa funcionalidade'), nunca prescritivas ('use tal ferramenta específica'). Outro ponto revelador: por enquanto, os 75% se referem principalmente a alterações menores e menos complexas. Para funcionalidades grandes, alguns engenheiros já usam o agente, mas a equipe reconhece que ainda há uma lacuna a fechar. Mesmo assim, o caso da Ramp é um dos exemplos mais concretos de adoção massiva de IA na produção de software.

@TheAhmadOsman

🚇Modelo de IA minúsculo supera gigantes ao ser treinado só para o metrô de Paris

Um modelo de IA com apenas 600 milhões de parâmetros (a medida de complexidade de um modelo) superou modelos com 397 bilhões de parâmetros e até o Claude Sonnet 4.5 da Anthropic em uma tarefa específica: operar o metrô de Paris. O projeto foi desenvolvido pela SYNTH, que treinou o modelo exclusivamente com dados da infraestrutura de transporte parisiense. --- A lição é simples e poderosa: nem sempre você precisa do modelo mais caro e mais inteligente do mercado. Quando o problema é bem definido e os dados são bons, um modelo especializado e muito menor pode ser mais preciso, mais barato e mais rápido. É como contratar um eletricista experiente em vez de chamar um engenheiro generalista para trocar uma tomada. Ahmad Osman, pesquisador de IA, resumiu: 'O futuro pertence a quem faz as apostas certas'.

@LuizaJarovsky

⚖️Mapa mostra quem está processando quem no mundo da IA

Luiza Jarovsky, especialista em privacidade e IA, compartilhou um mapa visual criado pelo pesquisador Matt Candelish que mostra o emaranhado de processos judiciais no setor de inteligência artificial. A visualização revela uma rede densa de ações envolvendo grandes empresas de tecnologia, editoras, artistas, gravadoras e agências de notícias. --- O cenário reforça que a briga pelo direito autoral na era da IA generativa está longe de terminar. Empresas como OpenAI, Stability AI, Meta e Google aparecem como alvos recorrentes, enquanto grupos de artistas, escritores e veículos de mídia tentam definir nos tribunais o que é uso justo de dados para treinar modelos. Ainda não há consenso legal, e o resultado desses casos vai definir as regras do jogo para a próxima década.

@emollick

💡Ethan Mollick: empresas erram ao economizar usando IA mais burra

Ethan Mollick fez uma provocação que merece atenção de qualquer empresa usando IA: muitas companhias escolhem modelos mais fracos (e baratos) porque eles parecem bater as metas, mas podem estar deixando resultados muito melhores na mesa. A tentação de cortar custos com um modelo de IA mais barato é real, mas Mollick argumenta que a diferença de qualidade entre um modelo mediano e um de ponta pode ser maior do que os indicadores tradicionais conseguem captar. --- O conselho dele é prático: mesmo que a empresa já tenha escolhido um modelo mais barato, vale montar uma estrutura flexível que permita testar modelos mais inteligentes de tempos em tempos. Só assim dá para saber se a economia está, na verdade, custando oportunidades. É o tipo de armadilha clássica: otimizar pelo preço quando o verdadeiro diferencial é a qualidade.

@gdb

📊OpenAI lança painel de controle de gastos com Codex para empresas

Greg Brockman, cofundador da OpenAI, anunciou novos controles de gastos e análise de uso de créditos para clientes empresariais. O painel permite que administradores definam limites de consumo do Codex (o agente de programação da OpenAI) por organização, por grupo ou por usuário individual. Funcionários também podem ver quanto estão consumindo e pedir mais créditos quando necessário. --- Parece detalhe administrativo, mas é um sinal de maturidade: quando ferramentas de IA começam a ter controles de orçamento sofisticados, é porque as empresas estão gastando sério com elas. Não se cria painel de controle de despesas para algo que ninguém usa. O recurso está disponível no console global de administração da OpenAI.

@charles_irl

⚡Nova técnica faz modelo Qwen rodar a mais de 1.000 tokens por segundo

Charles, pesquisador do Z Lab, anunciou uma técnica chamada DFlash que consegue fazer o modelo Qwen 3.5 (com 122 bilhões de parâmetros ativos) gerar mais de 1.000 tokens por segundo rodando em uma única placa de vídeo B200 da Nvidia. Para contextualizar: um token é a unidade básica de texto que a IA processa, e 1.000 por segundo significa respostas praticamente instantâneas, mesmo para textos longos. --- A técnica se chama decodificação especulativa. Em termos simples: um modelo pequeno e rápido gera rascunhos de resposta, e o modelo grande só precisa verificar e corrigir, em vez de escrever tudo do zero. É como ter um assistente que faz o primeiro esboço e o chefe só revisa. O resultado é velocidade muito maior sem perda significativa de qualidade. A equipe liberou seis 'especuladores' otimizados para diferentes versões do Qwen 3.x.

@bcherny

🏛️Pesquisador usa Claude Code para tentar decifrar escrita de 3.500 anos

Boris Cherny, engenheiro de software, compartilhou um projeto fascinante: alguém usou o Claude Code, ferramenta de programação da Anthropic, para tentar decifrar o Linear A, um sistema de escrita de 3.500 anos da civilização minoica, na ilha de Creta. O Linear A é um dos grandes mistérios da arqueologia: diferente do Linear B (que foi decifrado nos anos 1950), ninguém conseguiu traduzir o Linear A até hoje. --- A ideia de usar uma IA de programação para atacar um problema de linguística antiga é, no mínimo, criativa. O próprio Cherny faz a ressalva necessária: 'Tomara que resista à revisão por pares'. É um lembrete de que ferramentas de IA estão sendo testadas em fronteiras que seus criadores nunca imaginaram. Se vai funcionar de verdade, só o tempo e os especialistas dirão.

Receba no seu email

Todo dia, grátis pra sempre.

Assinar newsletter