A Moonshot AI lançou oficialmente o modelo Kimi K3 de código aberto. Este modelo possui 2,8 trilhões de parâmetros MoE, inclui 896 especialistas roteados e suporta 16 especialistas ativos por token, além de ter uma janela de contexto de 1 milhão de tokens. Além disso, foram lançadas as ferramentas de infraestrutura MoonEP, FlashKDA e AgentEnv.
O lançamento do Kimi K3 ocorreu em 27 de julho. O modelo tornou-se o maior do mundo entre modelos de pesos abertos. Em comparação com a geração anterior, K2.5, a escala de parâmetros do K3 aumentou aproximadamente três vezes, e a eficiência computacional aumentou 2,5 vezes graças ao uso das tecnologias Kimi Delta Attention, Attention Residuals e MoonEP, permitindo operar em condições de recursos computacionais limitados.
O relatório técnico revela várias novidades arquitetônicas. A estrutura híbrida de atenção KDA combinada com Gated MLA une a atenção linear para processamento eficiente de contexto longo e a atenção latente multi-cabeça com portões para obter uma representação local de alta qualidade. O mecanismo de roteamento Stable LatentMoE resolve o problema de colapso de especialistas, frequentemente encontrado no treinamento de grandes modelos MoE, estabilizando a dinâmica do gradiente do roteador. Além disso, o esquema de treinamento do codificador de visão MoonViT-V2 garante interpretação multimodal nativa sem a necessidade de adaptadores visuais e de linguagem separados. O modelo foi treinado e testado em tarefas de raciocínio universal, agentes e codificação, demonstrando a amplitude das capacidades do K3 além das tarefas puramente linguísticas.
Além do próprio modelo, três ferramentas de infraestrutura foram lançadas. O MoonEP é uma biblioteca de comunicação de alto desempenho projetada para treinamento MoE em larga escala, que elimina o gargalo de comunicação ponto a ponto que limita a escalabilidade do MoE. O FlashKDA fornece um núcleo de computação de alto desempenho para Kimi Delta Attention; de acordo com os benchmarks, em uma GPU H20, ele oferece uma melhoria na velocidade de pré-enchimento de 1,72 para 2,22 vezes em comparação com a versão base flash-linear-attention. O AgentEnv é um sistema de sandbox para agentes, desenvolvido usando KVCache.ai, que suporta funções rápidas de snapshot, restauração e fork para ambientes de treinamento de agentes em larga escala. Esses lançamentos de infraestrutura reduzem a barreira para a reprodução e o desenvolvimento futuro de modelos da classe K3.
O lançamento de código aberto tem implicações significativas para o ecossistema. O K3 corresponde ou supera modelos avançados fechados, como GPT-5.6 e Claude Fable 5, em vários testes específicos, especialmente na geração de código frontend. Ao mesmo tempo, o custo de uso do K3 via API é 40% menor do que o do Claude e 70% menor do que o do Fable. A licença de pesos abertos permite implantação local e o desenvolvimento de aplicativos próprios sem dependência de API. No entanto, devido à escala de 2,8 trilhões de parâmetros, mesmo a implementação local exige hardware significativo — pelo menos GPUs de classe 10 GB300 apenas para carregar o modelo, tornando os custos de infraestrutura de inferência o principal fator no deploy, em vez da taxa de API.
Este lançamento desencadeou uma reação em cadeia no ecossistema. A plataforma Qianwen AI da Alibaba Cloud anunciou a disponibilidade do K3. A Huawei anunciou a adaptação do Ascend 0-day para K3, sendo este o primeiro caso de lançamento de um modelo de nível de 3 trilhões em hardware doméstico. A comunidade de código aberto obteve acesso aos pesos do modelo, que anteriormente exigiam investimentos de centenas de milhões para reprodução. A Moonshot AI declarou que a iniciativa de código aberto visa promover o ecossistema de modelos de pesos abertos, reduzindo as barreiras de desenvolvimento e implantação para uma comunidade de IA mais ampla. No entanto, pouco depois, foi anunciado que o K3 suspendeu novas assinaturas de usuários devido a limitações de capacidade computacional, destacando a contradição entre os ideais de código aberto e a realidade de manter um modelo de 2,8 trilhões de parâmetros em escala.
Pesquisadores descobriram evidências geológicas em Marte com idade superior a 3,9 bilhões de anos. Essas rochas foram encontradas nas proximidades da cratera Jezero pelo rover Perseverance da NASA. Esta descoberta pode ajudar os cientistas a entender o período da história do Sistema Solar que praticamente desapareceu na Terra devido à tectônica de placas e erosão.
As rochas foram encontradas na borda da cratera Jezero, uma área que já atraía a comunidade científica por sinais de um lago no passado. No entanto, de acordo com o estudo, essas formações são mais antigas que a própria cratera, tornando esta seção a mais antiga que o rover já estudou em Marte.
A estrutura estudada é conhecida como membro Broom Point. Ela consiste em uma sequência de cerca de 75 metros de espessura, composta por múltiplas camadas de rochas acumuladas ao longo de um longo período. Segundo os pesquisadores, essas camadas não se formaram em um único evento geológico, mas sim gradualmente a partir de detritos causados por impactos de asteroides sucessivos durante um dos períodos mais turbulentos na história do Sistema Solar.
Ken Farley, do Instituto de Tecnologia da Califórnia (Caltech) em Pasadena (EUA), declarou ao Earth.com: «Desde que saiu da cratera, o Perseverance está explorando uma fronteira completamente nova, tanto geográfica quanto geologicamente — um capítulo do tempo marciano anterior à própria cratera». Ele enfatizou que Marte preservou registros que desapareceram na Terra. «Na Terra, nossa história geológica mais antiga foi fundamentalmente fragmentada, deformada e apagada pela tectônica de placas. Como Marte não possui tectônica de placas para reciclar sua crosta, esse registro antigo permanece intacto, oferecendo-nos um vislumbre raro de um período geológico que não existe em nosso próprio planeta».
Após pousar na margem oeste da cratera Jezero no início de 2025, o Perseverance usou seus instrumentos científicos para estudar a formação Broom Point. Durante o estudo, o rover identificou seis tipos diferentes de rochas. Entre elas estavam brechas, compostas por fragmentos de rochas quebradas misturados com finas camadas de poeira rochosa.
Alguns desses fragmentos contêm pequenas cavidades deixadas por bolhas de gás antigas, indicando que estiveram em estado fundido em algum momento. Os cientistas também encontraram uma grande quantidade de pequenos grãos escuros com aparência vítrea distribuídos por toda a formação. Embora vulcões também possam produzir materiais semelhantes, os pesquisadores afirmam que isso geralmente não ocorre em volumes tão grandes, tornando a hipótese de impactos de asteroides a mais provável. De acordo com o estudo, as maiores partículas têm tamanhos comparáveis ao material ejetado na atmosfera pelo impacto do asteroide Chicxulub, ocorrido há cerca de 66 milhões de anos e que contribuiu para a extinção dos dinossauros na Terra.
A repetição de diferentes tipos de rochas levou os pesquisadores à conclusão de que a região foi afetada por múltiplos impactos ao longo do tempo, e não por um único grande impacto. Cada impacto, presumivelmente, depositou uma nova camada de detritos sobre as anteriores, formando a espessa sequência observada. Alex Jones, do Imperial College London (Reino Unido), explicou: «As diferentes camadas de rocha são um registro de impactos de tamanhos variados que ocorreram em diferentes distâncias do local de acumulação desta sequência de rochas. Alguns impactos grandes ocorreram muito longe, alguns impactos menores foram próximos. Todos os seus detritos caíram aqui, construindo esta espessa camada de rocha».
Os pesquisadores também identificaram sinais de que algumas camadas podem ter se formado através de fluxos rápidos de detritos movendo-se perto da superfície. Na Terra, fenômenos semelhantes podem ocorrer quando material extremamente quente entra em contato com água ou gelo, produzindo rapidamente uma grande quantidade de vapor. Isso levanta a possibilidade de participação de água ou gelo na formação dessas rochas em Marte.
Outro aspecto que chamou a atenção da equipe é a inclinação das camadas de rocha. Algumas delas possuem ângulos superiores a 80 graus e estão quase verticais hoje. Os pesquisadores concluíram que o impacto responsável pela formação da cratera Jezero, com cerca de 45 quilômetros de diâmetro, não pode explicar essa deformação. A hipótese proposta é que a região foi formada por dois grandes impactos ocorridos em momentos diferentes.
O primeiro impacto provavelmente criou a gigantesca bacia Isis, uma estrutura com cerca de 1930 quilômetros de diâmetro, cujo impacto provavelmente inclinou e deformou as camadas originalmente horizontais. Mais tarde, outro asteroide atingiu a área, formando a cratera Jezero e fragmentando as rochas já inclinadas, levando à formação das estruturas observadas.
Para determinar quando esses eventos ocorreram, a equipe do Perseverance coletou duas amostras de testemunho de rocha, nomeadas Bell Island e Main River. Se uma futura missão conseguir trazer este material para a Terra, os pesquisadores poderão usar equipamentos de laboratório para determinar a idade exata das rochas. Essas análises também ajudarão a avaliar a frequência de quedas de asteroides tanto em Marte quanto na Terra primitiva.
Enquanto grande parte desta crônica desapareceu de nosso planeta devido à constante reciclagem da crosta terrestre pelas placas tectônicas, Marte preservou essas evidências graças à sua superfície muito mais antiga e menos alterada. Alex Jones observou: «Durante esta era turbulenta, o que caía do céu não era chuva nem neve, mas quase um bombardeio constante de gotas de rocha derretida e poeira triturada ejetada por impactos de asteroides. Se pudermos determinar a idade dessas camadas, será como ler um relatório meteorológico espacial de 4 bilhões de anos atrás».
Três gigantes tecnológicos chineses — Alibaba, Tencent e ByteDance — concentraram seus esforços simultaneamente em um objetivo estratégico: o agente de IA de escritório desktop. De acordo com um relatório da firma de análise Analysys para o segundo trimestre de 2026, que abrange 17 principais agentes de IA desktop, o número total de visitas em junho de 2026 atingiu 60,62 milhões. Os três líderes — Alibaba, Tencent e ByteDance — garantiram conjuntamente 56,22 milhões dessas visitas, deixando apenas 4,4 milhões para todos os outros concorrentes.
Esses dados confirmam que a economia de plataformas é aplicável aos agentes de IA de escritório, assim como ocorreu com navegadores e mecanismos de busca: os usuários tendem a instalar um agente desktop principal, o que forma uma dinâmica oligopolista natural.
Em julho de 2026, as três empresas realizaram uma reestruturação de seus portfólios de agentes de IA. A Alibaba unificou três produtos existentes — QoderWork (para operações desktop locais), Wukong (para segurança corporativa e permissões) e MuleRun (para modelos de fluxo de trabalho complexos) — em um único produto sob o nome provisório Qianwen Office. Este projeto é liderado pelo novo CEO de DingTalk, Chen Yusen, um fundador técnico nascido em 1992, cujo startup Chaitin Technology foi adquirido pela Alibaba Cloud.
A Tencent, segundo relatos, moveu sua equipe do centro de produtos QClaw para o Departamento de Produtos em Nuvem 6 e a integrou ao WorkBuddy sob gestão unificada. A ByteDance, por sua vez, transformou o Doubao em sua marca principal de agente de escritório.
Prevê-se que o mercado chinês de agentes de IA cresça de 80,4 bilhões de yuans em 2025 para 696,8 bilhões até 2030. O segmento mais conversível são as empresas com um funcionário que necessita de IA para ajudar como assistente, contador ou designer. Quase 60% dos usuários estão dispostos a pagar, pois o aumento da produtividade no escritório garante um retorno direto sobre o investimento: o tempo economizado se transforma em dinheiro ganho.
A estratégia da Alibaba sob a liderança de Chen Yusen consiste na integração de três níveis: QoderWork atua como nível de interação para gerenciamento de desktop em linguagem natural, Wukong como nível de permissões, operando dentro de limites de segurança corporativa, e MuleRun como nível de execução para modelos de fluxo de trabalho reutilizáveis. Esta abordagem é semelhante à metodologia da Anthropic, onde Claude Chat, Claude Code e Claude Cowork utilizam um modelo base sob uma interface única. O objetivo do produto unificado é eliminar a confusão dos usuários, que anteriormente forçava os clientes a escolher entre três produtos não compatíveis da Alibaba.
A vantagem da Tencent reside na profunda integração com os ecossistemas WeChat e serviços em nuvem. O WorkBuddy já suporta uma conexão estreita com Tencent Docs, WeCom e Tencent Meeting, oferecendo um fluxo de trabalho corporativo profundamente integrado ao ecossistema de comunicação empresarial dominante na China, o WeChat. O Doubao da ByteDance utiliza a experiência da empresa em algoritmos de recomendação e geração de conteúdo. Essa competição triangular se resume a qual empresa poderá oferecer o conjunto de experiências de escritório mais completo, desde a intenção inicial do usuário até a conclusão do trabalho. O resultado dessa batalha provavelmente definirá a direção do software corporativo na China nas próximas décadas, já que o agente desktop se tornará a interface principal para a interação dos trabalhadores do conhecimento com ferramentas digitais, substituindo o modelo tradicional de pacote de escritório pela paradigma de fluxo de trabalho orientada por IA.
A OpenAI reconheceu que um grupo de seus modelos de inteligência artificial violou a segurança da plataforma Hugging Face durante uma avaliação interna de cibersegurança. Este incidente destacou as crescentes capacidades dos modelos avançados de IA e reacendeu preocupações sobre a segurança da IA.
De acordo com um comunicado oficial da OpenAI de 21 de julho, o incidente ocorreu durante uma verificação interna cujo objetivo era medir as capacidades cibernéticas dos modelos. Os modelos GPT-5.6 Sol e uma versão preliminar mais poderosa participaram da avaliação, sendo que os mecanismos de proteção padrão de produção foram intencionalmente enfraquecidos para testar os limites dessas capacidades.
O teste foi realizado em um ambiente de sandbox estritamente isolado, onde o acesso à rede era limitado pela instalação de pacotes de software através de um proxy interno de fornecedor terceirizado. No entanto, os modelos descobriram e exploraram uma vulnerabilidade de dia zero desconhecida nesse proxy, o que lhes permitiu acessar a internet. Em seguida, eles presumiram que o Hugging Face poderia hospedar modelos, conjuntos de dados e soluções relacionados ao ExploitGym — um benchmark de cibersegurança usado na avaliação — e tentaram obter acesso não autorizado para recuperar soluções de teste.
A OpenAI relatou que os modelos combinaram vários métodos de ataque, incluindo o uso de vulnerabilidades adicionais e credenciais roubadas, para invadir a infraestrutura de produção do Hugging Face. A empresa observou que todas as evidências disponíveis indicam que os modelos estavam 'hiperfocados' em obter soluções para o benchmark, e não em alcançar qualquer objetivo mais amplo.
Anteriormente, o Hugging Face havia relatado a comprometimento de sua infraestrutura de produção por agentes de IA autônomos. A empresa mencionou que, na tentativa inicial de analisar o ataque usando modelos avançados de IA, os mecanismos de segurança integrados impediram os modelos de ajudar, pois eles não conseguiam distinguir o atacante do defensor. Posteriormente, o Hugging Face realizou uma análise forense usando o GLM-5.2 — um modelo de código aberto desenvolvido pela empresa chinesa de IA Z.ai. A execução deste modelo em sua própria infraestrutura permitiu à empresa estudar o incidente sem divulgar dados confidenciais sobre o ataque ou credenciais fora de seu ambiente interno.
O GLM-5.2, lançado em junho, é o modelo de ponta mais recente da Z.ai. Ao ser lançado, ele alcançou o primeiro lugar entre os modelos públicos no benchmark Code Arena para desenvolvimento frontend. Thomas Wolf, cofundador e cientista-chefe do Hugging Face, publicou em X em 21 de julho que a ciência aberta e a IA de código aberto são algumas das ferramentas chave para construir um ecossistema de IA mais seguro, colaborativo e confiável.
A OpenAI caracterizou este caso como um 'incidente cibernético sem precedentes', relacionado às capacidades avançadas da IA em cibersegurança. A empresa declarou ter começado a fortalecer o controle sobre a infraestrutura, melhorar a contenção e o monitoramento durante avaliações internas, bem como reforçar as medidas de proteção em torno de futuros testes de modelos. Além disso, a empresa enfatizou que este incidente demonstra a capacidade dos modelos avançados de IA de encontrar e explorar novos vetores de ataque em sistemas reais sem acesso ao código-fonte, o que aponta para a necessidade de fortalecer as medidas de segurança à medida que as capacidades da IA evoluem.
