In partnership with
Bom dia. Bem-vindo novamente à InferêncIA News.
Quando uma empresa avalia IA, é comum comparar a qualidade da resposta e o preço do plano. Isso ajuda, mas não explica toda a conta de um trabalho longo: há tentativas que não funcionam, verificações, contexto repetido e infraestrutura para manter o processo rodando. Uma tarefa pode ficar mais barata sem produzir o melhor resultado possível e o melhor resultado pode não justificar o custo adicional.
Um experimento da IBM coloca números nessa escolha, num problema de projeto de hardware. A comparação é interessante justamente porque não oferece um vencedor para todas as situações. Também há pesquisa brasileira sobre como operar modelos em clusters, novos acessos ao Gemini e uma proposta de detecção de golpes no próprio aparelho. O ponto em comum é entender as condições de uso, não apenas a capacidade anunciada.
🤝 Conteúdo dos nossos parceiros
Blu Dot surpasses 2,000% ROAS with self-serve CTV ads
Home furniture brand Blu Dot blew up on CTV with help from Roku Ads Manager. Here’s how:
After a test campaign reached 211,000 households and achieved 1,010% ROAS, the brand went all in to promote its annual sales event. It removed age and income constraints to expand reach and shifted budget to custom audiences and retargeting, where intent was strongest.
The results speak for themselves. As Blu Dot increased their investment by 10x, ROAS jumped to 2,308% and more page-view conversions surpassed 50,000.
“For CTV campaigns, Roku has been a top performer,” said Claire Folkestad, Paid Media Strategist, Blu Dot. “Comping to our other platforms, we have seen really strong ROAS… and highly efficient CPMs, lower than any other CTV partner we've worked with.”
Using Roku Ads Manager, the campaign moved from a pilot to a permanent performance engine for the brand.
IBM compara agentes no projeto de hardware: cerca de US$26 ou US$299 em inferência
A IBM Research divulgou um experimento com agentes que propõem, alteram e verificam implementações de um decodificador usado na correção de erros quânticos. Um coordenador distribuía hipóteses entre quatro agentes de trabalho, com resultados de verificação e síntese de hardware orientando as próximas tentativas.
Três configurações receberam o mesmo orçamento de 100 hipóteses: modelos proprietários em todas as funções, modelos de pesos abertos em todas as funções e uma combinação dos dois. A configuração aberta operou em infraestrutura local, com o llm-d para distribuir o processamento das solicitações.
No documento técnico, a estimativa de inferência ficou perto de US$26 para a configuração aberta, ante US$299 para a proprietária. A primeira encontrou uma redução de latência estimada de aproximadamente 52 vezes em relação à implementação inicial; a segunda chegou a cerca de 204 vezes. Portanto, a economia não veio com o mesmo desempenho.
É importante entender o que foi medido. Os ganhos referem-se a estimativas da síntese de hardware, não a um chip fabricado e testado em produto comercial. Os valores também não incluem o custo completo de engenharia, síntese e validação. Cada configuração teve uma execução de busca; isso não estabelece uma classificação universal dos modelos.
O resultado ajuda a formular uma pergunta mais útil para a adoção: qual melhoria é suficiente para o projeto, e quanto custa obtê-la? Se uma implementação mais compacta já atende ao requisito, gastar mais para reduzir ainda mais a latência pode não ser a prioridade. Em outra aplicação, essa redução adicional pode ser decisiva. O critério precisa vir do trabalho, não de uma preferência abstrata por modelos abertos ou proprietários.
🗣️ Pitaco: A versão mais cara foi melhor no desempenho, e a mais barata encontrou uma melhoria relevante. Dá para conviver com as duas informações sem transformar o teste em torcida. A parte menos divertida, claro, é definir o que seria “bom o suficiente” antes de olhar a conta.
🤝 Conteúdo dos nossos parceiros
Turn your expertise into working software
Describe what you want to build
Get real software, not a prototype
Lovable handles payments, logins, databases
Change any detail yourself, any time
Put it in front of customers this week
Discount of $5 applies to first month of any paid plan. You need to sign up via this webpage in order to claim the discount. The discount applies to new and returning users without an active paid plan. Terms apply.
USP oferece duas bolsas para pesquisar modelos de linguagem no cluster Jairu
O Centro de Inteligência Artificial e Aprendizado de Máquina da USP está selecionando dois pesquisadores de pós-doutorado para trabalhar com grandes modelos de linguagem e processamento paralelo. A oportunidade foi divulgada pela Agência FAPESP em 14 de outubro, mas as inscrições começaram no dia 6 e terminam em 19 de outubro.
O edital oficial prevê bolsas de R$12.570 brutos mensais, por 12 meses. O trabalho será presencial, em dedicação integral, nas instalações da USP no Butantã. A seleção tem requisitos de formação, programação e trajetória de pesquisa; não é uma oferta aberta a qualquer usuário de ferramentas de IA.
As atividades incluem estudo de pré-treinamento continuado de modelos abertos, gerenciamento de clusters e metodologias de avaliação. Os experimentos usarão o Jairu, na Cidade Universitária, para investigar a organização da computação e a eficiência do processamento distribuído.
É um investimento delimitado em capacidade de pesquisa, não um anúncio de resultados já obtidos. Ainda assim, o recorte merece atenção: ter acesso a modelos é diferente de saber operá-los de maneira eficiente e avaliá-los no contexto universitário. A vaga indica trabalho nesse segundo problema, que costuma aparecer menos nas apresentações de novos produtos.
Gemini 4 Argon amplia o acesso, com preço introdutório na API
O Google anunciou a disponibilidade do Gemini 4 Argon para desenvolvedores e empresas via API, e para assinantes Pro e Ultra no aplicativo Gemini e no Modo IA da busca. O acesso no Antigravity foi anunciado para assinantes Ultra.
Na API, o preço introdutório divulgado é de US$2 por milhão de tokens de entrada e US$10 por milhão de saída. Essa condição termina em 30 de novembro; depois, os valores anunciados passam a US$4 e US$20, respectivamente. Não são preços de assinatura nem uma promessa de acesso gratuito para qualquer conta.
O fornecedor relata ganhos em tarefas longas e complexas. Eles precisam ser avaliados no uso concreto; desempenho em benchmarks e resultados internos não garantem o mesmo benefício em todos os projetos.
DeepMind e Singapura desenvolvem detecção de golpes no próprio aparelho
O Google DeepMind detalhou um modelo Gemma ajustado com conversas locais de golpes, em parceria com a GovTech de Singapura. A proposta é reconhecer padrões de manipulação e emitir alertas no dispositivo, sem depender da leitura das conversas em um servidor remoto.
A integração em aplicativos será gradual e prevê consentimento do usuário. Isso não significa que o recurso já esteja disponível em todos os celulares, nem que tenha sido lançado no Brasil.
A relevância está na combinação de contexto local e processamento no aparelho. Ainda será necessário acompanhar o desempenho em uso real, inclusive os falsos alertas e os golpes que o sistema não identifica. A descrição técnica é dos responsáveis pelo projeto, não uma auditoria independente.
O que faz: compara respostas de modelos e prompts, organiza avaliações de aplicações e permite testes adversariais para procurar falhas de segurança. É uma indicação de ferramenta existente, não um lançamento desta semana.
Para quem serve: desenvolvedores e equipes que precisam avaliar aplicações com IA com casos e critérios próprios, em vez de depender de uma demonstração bem-sucedida.
Ressalva: a execução local não significa que os dados nunca saiam da máquina: chamadas aos fornecedores e recursos hospedados dependem da configuração. A versão de código aberto não torna gratuitas as APIs utilizadas. Nenhum teste foi executado por nós nesta curadoria.
O que faz: prepara materiais e planejamento de comunicação, acompanha temas e ajuda a localizar jornalistas e oportunidades de divulgação. A plataforma informa que emails, propostas e posts dependem de aprovação antes do envio.
Para quem serve: profissionais de comunicação, marketing e fundadores que precisam organizar campanhas e contatos com a imprensa.
Ressalva: o site oferece acesso antecipado; não foi possível confirmar uma tabela pública de preços ou um plano gratuito. É uma indicação, não acesso garantido nem avaliação própria. Contatos, afirmações sobre a empresa e pertinência das mensagens continuam exigindo revisão humana; aumentar o volume não resolve uma abordagem inadequada.
🤝 Conteúdo dos nossos parceiros
SOC 2 Ready in 14 days. Three sessions from you.
Enterprise buyers will not put your product near their customer data without a SOC 2 report. Sprinto gets you audit ready in 14 days, across three working sessions. AI agents do the collecting, you approve. Your auditor signs off.
Anthropic abre escritório em Singapura e assina acordo de cooperação, anunciado em 14 de outubro, com áreas previstas de avaliação, segurança e adoção responsável; os compromissos não equivalem a resultados já demonstrados.
Meta anuncia controles por texto para recomendações no Facebook, permitindo expressar interesses para Feed e Reels durante a distribuição do recurso, sem confirmação de disponibilidade em todas as contas brasileiras.
American Express publica proposta para preservar a autorização em compras feitas por agentes, com registro da intenção antes da transação; é um framework da empresa, não garantia de que compras indevidas foram eliminadas.
Estudo testa comunicação entre pacientes e monitoramento de epilepsia, em um protótipo hospitalar com 13 participantes; o trabalho não demonstra tratamento autônomo nem substitui acompanhamento clínico.
RAND analisa exercícios sobre crises de confiança ligadas à IA, em relatório publicado em 13 de outubro sobre cenários simulados; as conclusões não são relatos de ataques ocorridos nem previsões de quando uma AGI existirá.
Comparações de IA ficam mais úteis quando deixam claro o que não estão tentando provar. No estudo da IBM, havia um problema delimitado, um orçamento de hipóteses e critérios de validação. Isso permite discutir uma troca entre custo e desempenho sem fingir que a conclusão vale para qualquer empresa ou tarefa.
Para uma equipe que está começando, talvez não seja necessário reproduzir um experimento de hardware. Mas é possível definir uma tarefa recorrente, exemplos que representem seu uso e um limite aceitável de erros e esforço de revisão. Assim, a escolha deixa de depender apenas da resposta mais impressionante.
Na sua rotina, qual tarefa já tem critérios claros o bastante para comparar duas opções de IA sem depender só da impressão de quem testou?
Nos vemos amanhã…
Filipe, o único humano nesta empresa.
