E aí curioso, seja bem vindo novamente a NoFinn, a sua newsletter diária sobre IA.

E aqui está a sua dose de hoje 👇

🏃TLDR⌚

Além disso, olha o que você verá hoje:

Bora lá?

🛠 Caixa de Ferramentas 🛠

Aqui estão algumas das ferramentas que separei hoje pra você:

Brasil em Destaque: O futuro da IA no Brasil depende menos de chips e mais do governo e das estratégias empresariais

Enquanto o mundo corre para estruturar modelos, chips e ecossistemas em torno da inteligência artificial, o Brasil ainda vive uma espécie de “duplo descompasso”: tecnológico e estratégico. De um lado, empresas e governo admitem a urgência do tema. De outro, os dados mostram que quase nenhuma grande organização no país tem uma estratégia clara de IA. Segundo um estudo da Accenture com a Abrasca, 96% das empresas de capital aberto no Brasil não sabem se possuem uma estratégia de IA ou sequer a iniciaram. Sem governança, os investimentos acabam pulverizados, mal direcionados, e frequentemente lavados com “AI washing”, quando a adoção de IA é mais marketing do que resultado.

Esse vácuo não é apenas técnico, é estrutural e humano. Como mostra análise do portal Startupi, a questão mais urgente não é ensinar “engenharia de prompt” para todo mundo, mas desenvolver habilidades humanas complementares à IA: pensamento crítico, capacidade de colaborar, avaliar respostas, entender limites e vieses. A chamada “prontidão para IA” vai muito além de saber usar o ChatGPT: trata-se de formar uma nova geração capaz de trabalhar com, contra e apesar da IA, de maneira ética, adaptável e estratégica.

Em resposta, o governo federal lançou o PBIA – Plano IA para o Bem de Todos, com investimento previsto de R$ 23 bilhões. O plano prevê desde um supercomputador nacional movido a energia renovável até a criação de modelos de linguagem brasileiros, infraestrutura de dados públicos, formação de mão de obra e centros de inovação. Com ações distribuídas por cinco eixos, o PBIA busca alinhar soberania tecnológica, inclusão e ética, posicionando o Brasil como uma potência de IA com identidade nacional. Mas o sucesso depende de continuidade política, articulação interministerial e execução orçamentária, fatores historicamente frágeis no país.

DeepMind apresenta o AlphaEvolve, uma IA que resolve problemas e corrige a si mesma

A DeepMind apresentou o AlphaEvolve, um sistema de IA voltado para resolver problemas matemáticos e científicos com respostas que podem ser avaliadas automaticamente. A ideia é simples (e ambiciosa): permitir que a IA resolva problemas que envolvem algoritmos, otimizações e fórmulas, avaliando suas próprias respostas em tempo real, sem depender de humanos para verificar se algo faz sentido. O sistema utiliza os modelos Gemini e opera com um mecanismo iterativo: ele gera hipóteses, critica a si mesmo e pontua as melhores soluções, uma espécie de debate algorítmico interno.

Em testes com 50 problemas avançados de matemática (como geometria e combinatória), o AlphaEvolve redescobriu as melhores respostas conhecidas em 75% dos casos e propôs soluções melhores em 20%. Mas sua utilidade vai além do teórico: ele já está sendo usado para otimizar a infraestrutura interna do Google. Em um experimento, o sistema sugeriu um algoritmo que recupera 0,7% da capacidade computacional global dos data centers da empresa, o que representa uma economia milionária. Também acelerou o tempo de treino dos modelos Gemini em 1%. Pode parecer pouco, mas quando se opera em escala planetária, cada ponto percentual vira ouro.

Ainda assim, o AlphaEvolve tem limitações bem claras. Ele só funciona com problemas que podem ser quantificados, avaliados por fórmula e descritos como algoritmos. Isso significa que não serve para perguntas subjetivas, tarefas ambíguas ou aplicações abertas. Também não é um gerador criativo ou modelo de linguagem geral, é uma máquina de raciocínio matemático com foco em eficiência computacional. Em outras palavras, não é um ChatGPT, é um especialista em resolver problemas onde o que importa é chegar no número certo.

A DeepMind, no entanto, não está prometendo milagres. O próprio artigo destaca que AlphaEvolve não está fazendo descobertas inéditas, muitas de suas “melhorias” já haviam sido detectadas por outras ferramentas antes. Mas sua principal promessa é a mesma de outras IAs especializadas: ganhar tempo, liberar especialistas humanos para focar em decisões mais estratégicas e transformar raciocínio técnico em um bem escalável. No horizonte, essa tecnologia pode ser a base de ferramentas de design de chips, otimizadores de código e assistentes científicos para problemas complexos, sempre com uma régua de avaliação embutida.

Ranking de poder da IA é revertido: OpenAI e Google sobem enquanto a Anthropic cai

Uma mudança clara aconteceu no pódio da IA: OpenAI e Google ganharam participação, enquanto a Anthropic perdeu tração em várias categorias. O GPT-4o da OpenAI segue dominando a geração de texto com 35,8% de uso, e a nova linha GPT-4.1 já capturou 9,4% logo após o lançamento. Em contrapartida, os modelos Claude da Anthropic perderam 10% de share, com destaque para o declínio do Claude 3.5 Sonnet.

A disputa mais acirrada está nos modelos voltados a raciocínio complexo, que saltaram de 2% para 10% de uso geral. Nessa arena, Gemini 2.5 Pro da Google agora lidera com 31% de uso, superando os modelos Claude otimizados para reasoning. A OpenAI também reagiu rápido, lançando uma avalanche de variantes como o3, o4-mini e o1-pro e os usuários migraram rapidamente para as versões mais recentes. Já DeepSeek, que chegou a ter 7% de uso, caiu para 3% com a chegada dos concorrentes.

Na geração de imagem, o Imagen 3 da Google cresceu de 10% para 30%, encostando nos líderes da Black Forest Labs (FLUX). Já o GPT-Image-1 da OpenAI chegou a 17% em duas semanas. No vídeo, a chinesa Kling virou o jogo: atingiu 30% de uso em três semanas, derrubando a liderança da Runway. No áudio, ElevenLabs ainda reina com 80% do mercado, mas rivais como Unreal Speech e Cartesia começam a se destacar com vozes mais expressivas e localizadas.

A principal mensagem do relatório: modelos generalistas estão virando commodity, e o valor agora está nos modelos que resolvem problemas difíceis, com raciocínio, precisão e flexibilidade multimodal. Em um mercado onde o “melhor modelo do mês” pode ser ultrapassado no próximo, as empresas que se adaptarem com velocidade, avaliação técnica e agilidade de troca vão sair na frente.

OpenAI pode construir data centers nos Emirados Árabes Unidos

Os Emirados não são novatos no radar da empresa: desde 2023, a OpenAI tem parceria com a G42, companhia de IA de Abu Dhabi que recebeu US$ 1,5 bilhão da Microsoft que também é a principal investidora da OpenAI. Mais recentemente, o grupo MGX, ligado à família real dos Emirados, participou da rodada de captação da OpenAI e manifestou intenção de financiar o projeto Stargate, que prevê a criação de super data centers dedicados à próxima geração de modelos de IA.

A iniciativa também se conecta com o programa recém-lançado pela empresa, o OpenAI for Countries, que promete fornecer infraestrutura local para que países desenvolvam ecossistemas nacionais de IA sob a bandeira da “IA democrática”. Nos bastidores, o movimento também busca reduzir a dependência de nuvens americanas (como a Azure da Microsoft) e garantir redundância geopolítica e energética para lidar com escalada de custos, export controls e gargalos logísticos no Ocidente.

🇧🇷 Novidade do setor para o Brasil 🇧🇷

Mais notícias ao redor do mercado de IAs

Como a computação neuromórfica potencializa as decisões de IA em tempo real

A computação neuromórfica está emergindo como uma das apostas mais promissoras para o futuro da IA em ambientes dinâmicos e com restrições energéticas, como carros autônomos, robótica industrial e cibersegurança em borda. Ao imitar a arquitetura neural do cérebro humano, esses sistemas são capazes de processar informações de forma contínua, rápida e altamente eficiente, reduzindo drasticamente o consumo energético em comparação com GPUs tradicionais. Ao contrário da IA convencional, que depende de força bruta computacional, os chips neuromórficos trabalham com redes neurais pulsadas, permitindo aprendizado adaptativo e decisões em tempo real com baixo custo computacional.

Existem aplicações concretas já em uso como robôs de fábrica que aprendem com seus próprios movimentos, carros autônomos que reagem a obstáculos em frações de segundo e sistemas de segurança que detectam ameaças com mais agilidade e inteligência. Mas o avanço tem seu preço: escalar esses sistemas requer investimentos pesados em hardware, talento altamente especializado e novos modelos de governança ética. Exemplos como o chip Hala Point, da Intel, com 1,15 bilhão de neurônios simulados, mostram que o potencial existe, mas também escancaram o desafio de levar isso ao mercado em escala comercial.

Para viabilizar essa nova era, existe algumas estratégias que podem ser tomadas, iniciando por casos de uso com retorno rápido (como veículos autônomos), estabelecer estruturas robustas de compliance, investir em requalificação de equipes e formar alianças com instituições de pesquisa e fornecedores de chips. Também sugere alinhar neuromorphic computing com estratégias de IA e computação quântica, criando uma base híbrida que sustente a inovação futura.

Conteúdos extras para você

Isso é tudo por hoje!

Não perca nada!

Para mais notícias sobre IA, fique atento na sua caixa de entrada todos os dias!

Caso tenha interesse, tenho outros conteúdos já publicados. Dê uma olhada.