Moonshot AI apresenta solução para desenvolvimento de jogos com agentes K3.1 em Unity, Unreal e Blender

O Doubao Work, um aplicativo agente de inteligência artificial da ByteDance, anunciou em 29 de outubro a expansão de suas funcionalidades, fornecendo acesso a modelos de terceiros para clientes empresariais. O primeiro grupo de modelos integrados inclui Kimi K3.1 Pro da Moonshot AI, GLM-5.3 da Zhipu e DeepSeek-V4.1-Flash. Esses modelos agora aparecem na lista de modelos do aplicativo ao lado dos próprios modelos Doubao da ByteDance.

Esta atualização se aplica aos planos de equipe e empresa e é ativada por padrão. As empresas não precisam adquirir permissões separadas de cada desenvolvedor de modelo ou enviar pedidos separados. O consumo de recursos é deduzido dos créditos de IA que a organização já possui no Doubao Work.

Gerenciamento de Acesso a Modelos

Os administradores ganham a capacidade de controlar quais usuários podem usar determinado modelo. Eles podem conceder acesso a membros individuais, departamentos, grupos ou à empresa inteira. Além disso, os administradores podem ativar todos os modelos de um provedor simultaneamente ou configurar o uso de um modelo específico.

Este passo muda o posicionamento do Doubao Work. Anteriormente, o aplicativo servia principalmente como uma demonstração dos modelos Doubao da ByteDance dentro de um agente capaz de operar com arquivos, navegadores e aplicativos de desktop. Ao permitir que as empresas direcionem tarefas a modelos chineses concorrentes, o produto principal torna-se o próprio agente, e não o modelo subjacente. Isso também permite que as equipes escolham o modelo dependendo do tipo de tarefa, por exemplo, usar um modelo focado em codificação para trabalhos de engenharia e outro modelo para trabalhar com documentos longos.

Este movimento está alinhado com uma tendência mais ampla entre produtos de agentes de desktop chineses. Nesta semana, a Xiaomi adicionou os modelos DeepSeek, GLM, Kimi e Qwen ao seu MiMo Desktop, e vários outros ferramentas-agentes deram passos semelhantes. Para compradores de nível corporativo, uma conta unificada e um sistema de permissões unificado para vários desenvolvedores de modelos simplificam significativamente o processo de compra, que anteriormente exigia a comparação de soluções de diferentes fabricantes.

O Doubao Work continua a expandir seu conjunto de recursos. Nas últimas semanas, foram adicionadas funcionalidades para salvar ações de computador gravadas como habilidades reutilizáveis, importar histórico de chat, habilidades e memória de outras ferramentas de IA com um clique, bem como um campo infinito para criatividade. O aplicativo também suporta agentes paralelos e controle local da interface gráfica no Mac.

A ByteDance não especificou quais outros modelos de terceiros seguirão após o primeiro lote, descrevendo a composição atual como o primeiro grupo de modelos que se juntaram à plataforma.

O estúdio Hoorakhsh Studios iniciou a produção da série animada 'Shahnameh', que é supervisionada e criada por Ashkan Raggozar. Métodos de animação 2D e inteligência artificial são utilizados na criação da série.

Após o lançamento do longa-metragem de animação 'A Última Ficção' e a escrita de sete romances gráficos baseados nos enredos de 'Shahnameh', Ashkan Raggozar voltou-se novamente para este épico de Ferdowsi, informou a agência ILNA.

Planeja-se que a série adapte todas as histórias de 'Shahnameh' de Ferdowsi do início ao fim, e seu lançamento e transmissão ocorrerão simultaneamente ao longo de aproximadamente dez anos.

A série animada 'Shahnameh' será produzida em persa e inglês, considerando os interesses das plataformas de streaming internacionais. Cada temporada terá de 8 a 12 episódios, e a duração de cada episódio é estimada em 15 a 20 minutos.

A primeira temporada, intitulada 'O Primeiro Rei', narra o reinado de Kayumars, uma figura lendária da história mitológica iraniana mencionada tanto no Avesta quanto em 'Shahnameh'. 'Shahnameh' é a primeira série animada independente de grande porte do estúdio Hoorakhsh Studio. O portfólio do estúdio inclui dois longas-metragens de animação, mais de 11 animações curtas, mais de 10 clipes musicais, a publicação de 11 romances gráficos e o desenvolvimento de cinco videogames.

'Shahnameh' (Livro dos Reis) é um vasto poema épico escrito pelo poeta persa Ferdowsi aproximadamente entre 977 e 1010 d.C. É o épico nacional do Grande Império Iraniano. Composto por cerca de 50.000 distiques (dísticos), 'Shahnameh' está entre as obras épicas mais longas do mundo e é o épico mais longo criado por um único autor. Descreve predominantemente o passado mítico, mas parcialmente histórico, do Irã, desde a criação do mundo até a conquista muçulmana no século VII.

Este épico nacional é celebrado no Irã, Afeganistão, Azerbaijão, Tajiquistão, bem como em regiões influenciadas pela cultura persa, como Armênia, Daguestão, Geórgia, Turquia, Turcomenistão e Uzbequistão. Ferdowsi dedicou 33 anos para completar 'Shahnameh' em sua totalidade. A obra tem um enorme significado para a cultura e língua persa, sendo considerada uma obra-prima literária e um trabalho definidor da identidade cultural étnico-nacional do Irã. Ferdowsi (940–1025) é reverenciado como uma das figuras mais influentes da literatura persa e um dos maiores nomes na história da literatura.

A Infinigence AI, em colaboração com a Three-Body Universe, desenvolvedora da franquia de Liu Cixin 'Três Corpos', apresentou um agente de personagem no evento 'Dia Três Corpos' em Pequim, em 25 de outubro de 2026. O nome chinês deste agente corresponde ao conceito de Sophon dos romances e ele atua como administrador de mini-universos dos livros.

A apresentação foi realizada pelo CEO da Infinigence, Xia Lixue, e pelo CEO da Three-Body Universe, Zhao Jilong, de acordo com relatórios da QbitAI e Zhidx. Segundo o artigo da QbitAI, as informações foram fornecidas pela própria Infinigence.

Um aspecto interessante é o processo de criação e manutenção desse agente. Ele funciona na plataforma AgentWorks da Infinigence. O material de origem é carregado em bases de conhecimento agrupadas, que são automaticamente processadas, divididas em partes (chunked) e convertidas em embeddings. A personalidade do personagem é definida por meio de solicitações estruturadas multinível, e não por uma única instrução longa.

Um módulo de memória chamado Infini Memory permite que o agente retenha fatos entre sessões, prevenindo memórias contraditórias ou fragmentadas. As respostas passam por um ciclo envolvendo vários agentes: primeiro, uma resposta é gerada, depois ela é avaliada, e apenas as partes malsucedidas são refinadas. A geração de personalidade e a busca de conhecimento são executadas em paralelo para economizar tempo, e um agente revisor separado verifica cada resposta quanto a desvios do caráter e inconsistências com o cenário dos romances.

Para testes, a Infinigence criou um sistema de avaliação baseado em rastreamento, que compara automaticamente os resultados com o texto original, enquanto a equipe de conteúdo da Three-Body Universe verifica manualmente os dados obtidos.

Conquistas da infraestrutura da Infinigence em serviços

Na área de serviços, a infraestrutura da Infinigence desempenha um papel fundamental. Normalmente, a saída de grandes modelos é dividida em uma fase de pré-processamento (prefill), que lê a solicitação, e uma fase de decodificação (decode), que forma a resposta. A arquitetura heterogênea intercluster proprietária da Infinigence, chamada PDD, vai além, dividindo essa cadeia de duas etapas em uma estrutura desagregada de três etapas, que eles marcam como P-RLD-MD, distribuída por clusters separados.

Como o tráfego de agentes frequentemente reutiliza os mesmos prefixos de solicitação, o lado da decodificação aplica o cache de prefixos RadixCache. Isso garante que o contexto geral, como a personalidade, não seja transmitido nem recalculado a cada chamada. A empresa afirma que isso reduz o volume de dados KV transferidos entre clusters em dez vezes, permitindo o uso de Ethernet comum, diminuindo o tempo até o primeiro token em 51,5% e reduzindo o custo por token em 37,5%.

Para um personagem de chat com personalidade fixa e longa e um grande número de usuários constantes, a economia nos prefixos comuns constitui a maior parte dos custos.