Verificado: o que mudaquando um terceiro mede
Em 13 de outubro, o Gemini 4 Argon saiu em disponibilidade geral e, no mesmo dia, o ARC Prize publicou a verificação independente: 97,5% no ARC-AGI-3 com o harness desenhado com o Google, 49,8% com o harness padrão, este com rodadas que não terminaram.[1,4] Em 19 de outubro, a Vals AI publicou a sua medição do Terminal-Bench 4.0, com o Opus 5.5 à frente do Sonnet 5.5 — ao contrário do que diz a Anthropic e do que mostra a Artificial Analysis.[6,7] No meio da semana, a ANPD publicou o terceiro relatório do sandbox de IA, com os primeiros testes de verdade.[17]
A tese desta edição, a sétima e a última que fecha o atraso desde setembro: a verificação por terceiros, que o boletim cobrou desde o primeiro número, está chegando — e o que ela entrega não é um veredito, é a geografia da dúvida. Ela mostra que o harness pesa tanto quanto o modelo, que o mesmo modelo varia nove pontos conforme quem mede, e que uma IA médica com boa nota em benchmark ainda inventa referências. Quem decide compra continua precisando da avaliação própria; agora, pelo menos, sabe onde olhar.
Os movimentos: o Argon verificado com duas réguas; quatro fontes para o mesmo par de modelos; o apelido da DeepSeek que trocou de modelo de novo, desta vez para melhor; a semana em que a prévia virou produção; e o sandbox que achou o que o benchmark não acha. Se só der tempo para um: o quinto.
Os cinco movimentos
- IFronteira
Verificado, com duas réguas
O Gemini 4 Argon ficou disponível para todos e passou pela verificação independente do ARC Prize no mesmo dia: 97,5% no ARC-AGI-3 com o harness desenhado para ele, 49,8% com o padrão — este com rodadas incompletas. Um terceiro mediu, e a pergunta continua sendo com quê.
- IIAgentes e código
Quem é melhor no terminal depende de quem mede
A Vals AI publicou a sua medição do Terminal-Bench 4.0, e agora há quatro números para o Opus 5.5 e o Sonnet 5.5. Em dois, o Opus vence; em dois, o Sonnet. O Opus varia 5,6 pontos entre as fontes; o Sonnet, 8,8.
- IIIPesos abertos
O mesmo nome, seis pontos a mais
A DeepSeek trocou de novo o modelo por trás do `deepseek-flash`: o V4.1-Flash-1017 marca 45 no índice, contra 39 do que atendia o mesmo nome em setembro, pelo mesmo preço. Junto veio uma cobrança nova — por busca —, que pesa mais justamente para quem usa bem o cache.
- IVOperação
A semana em que a prévia virou produção
O modo rápido do Opus 5.5 saiu da prévia, o Grok Voice 3.0 chegou à API cobrando por minuto e a OpenAI passou a guardar cache por doze horas. Nenhum desses anúncios muda o que um modelo sabe; todos mudam o que custa operar um.
- VBrasil
O sandbox achou o que o benchmark não acha
No terceiro relatório do sandbox de IA da ANPD, os testes numa plataforma médica encontraram alucinações, referências que não existem e links quebrados — e a agência rebaixou a maturidade do sistema de checagem de fontes. É o tipo de verificação que nenhum placar faz. O PL 2338 completou sete semanas parado.
Receba o próximo Cinco
Terça, 7h, no seu e-mail. Cinco itens, com fonte. Sem newsletter diária, sem promoção, e o descadastro é um clique.
O que estamos construindo
- No arEdição semanal
Cinco
Um ensaio por semana sobre o mercado de IA, em cinco movimentos — com gráficos, código executado e fontes numeradas. Toda terça às 7h.
- No arServiço para empresas
Briefings sob medida
Uma pergunta da sua empresa sobre IA, respondida em dez páginas com fonte e uma hora de conversa — a partir do que o Acervo já leu.
- Em construçãoProduto · assistente de IA
Spectrolite
Uma assistente de IA com personalidade — uma chefe de gabinete — que cuida do e-mail, da agenda e dos compromissos, pessoais e do trabalho, e pede antes de agir.
- PrevistoPublicação semestral
Radar GenAI BR
O que adotar, testar, observar e evitar em IA, a cada seis meses, com uma página por item e o que mudou desde a última edição.
- PrevistoRelatório anual
State of AI Brasil
Pesquisa anual com profissionais de IA no Brasil: o que usam, quanto ganham, o que muda — aberta, com dados publicados.
- PrevistoPerfis e leitura
Sala
Um perfil por leitor: o que você guardou, os temas que segue, as trilhas que fez — privado por padrão, público se quiser.
- ConceitoÍndice mensal
Índice de Custo de Inferência
Quanto custa, em reais, rodar IA de verdade: uma cesta fixa de tarefas, reprecificada todo mês em modelos abertos e fechados, servidos aqui e fora.
- ConceitoBase viva
Mapa da IA no Brasil
Quem faz IA no país — laboratórios, empresas, programas públicos, datacenters, leis — cada entrada com fonte e data, num mapa que se atualiza com o Cinco.
- E o catálogo inteiroTodos os projetos→
O que mudou desde a última edição
- A Tencent abriu um MoE de 770B sob Apache 2.0 — e ele bate o Kimi K3 em código com um quarto dos parâmetros
- GLM-5.3-Flash: um modelo MIT de 320B servido inteiramente em chips chineses, a US$ 0,15 por milhão de tokens
- Em software científico de verdade, o melhor agente de código resolve menos da metade dos bugs
- GPT-6 Astra: mesmo preço, novo teto nos benchmarks — e um system card que diz que ficou mais difícil monitorar o raciocínio
- O governo publicou a licitação de R$ 959 milhões do supercomputador de IA do Rio Grande do Norte — propostas até 8 de outubro
- ReAct: intercalar raciocínio e ação foi o que fez os primeiros agentes de linguagem funcionarem
Acervo por tema
Acervo→- Modelos abertos
Pesos abertos, licenças, relatórios técnicos e o que dá para rodar por conta própria.
- Agentes
Sistemas que planejam, usam ferramentas e agem — e como saber quando funcionam.
- Avaliação
Benchmarks, contaminação, leaderboards e a distância entre a nota e o uso real.
- Interpretabilidade
O que acontece dentro do modelo: features, circuitos, fidelidade da cadeia de pensamento.
- Infra e custo
Inferência, GPUs, preço por token, e o que muda quando o custo cai dez vezes.
- Multimodal
Imagem, áudio, vídeo e texto no mesmo modelo — e o que isso custa.
- Regulação e Brasil
PL 2338, ANPD, PBIA, mercado de trabalho e o que acontece com IA daqui.
- Produto
Lançamentos, preços, APIs e decisões de produto que mudam o que dá para construir.
Hoje, uma pessoa: João Campista, em São Paulo. Leio umas duzentas coisas por semana e escolho cinco. A triagem é assistida por IA; a leitura, o julgamento e o texto são meus.