Atualização — EUA e Europa debatem lista de "parceiros confiáveis" para acesso a modelos de IA

Depois de bloquear o Claude Fable 5 e o Mythos 5 para usuários fora dos EUA, o governo americano abriu negociações com a Europa para criar um regime de "parceiros confiáveis" — um esquema que permitiria a aliados testarem e usarem modelos de IA de ponta ainda restritos. A proposta envolve verificação de identidade e controle de acesso, mas os detalhes ainda estão sendo negociados entre Washington e Bruxelas, segundo o Financial Times.

O contexto importa: a Casa Branca tem controlado o acesso ao Anthropic de forma opaca, sem critérios claros, o que gerou incerteza para empresas de todo o mundo — inclusive brasileiras que dependiam do Claude para fluxos de trabalho sensíveis. Um regime formal de parceiros confiáveis seria melhor do que o caos atual, mas também institucionalizaria uma hierarquia geopolítica de acesso à IA.

GLM-5.2 assume a liderança entre modelos open weights — e é chinês

O GLM-5.2, desenvolvido pelo laboratório chinês Zhipu AI, assumiu a primeira posição no índice de inteligência da Artificial Analysis, superando todos os modelos open weights disponíveis — incluindo Meta e Mistral. A avaliação mede raciocínio, codificação e tarefas gerais, e o GLM-5.2 ficou à frente em todas as categorias principais.

O modelo está disponível via API e pode ser rodado localmente por equipes com infraestrutura adequada. Para quem usa open weights em produção — por custo, privacidade ou personalização — isso é uma atualização de benchmark imediata: o melhor modelo open weights disponível hoje é chinês.

Pramaana Labs: US$ 27M para garantir que a IA não erre onde errar tem preço

A Pramaana Labs fechou uma rodada seed de US$ 27 milhões liderada pela Khosla Ventures para resolver um dos maiores problemas de IA em produção: alucinações em contextos onde o erro tem consequência real. A abordagem é "verificação formal" — técnicas de matemática formal, usadas em hardware crítico de aviação e semicondutores, agora aplicadas para garantir que saídas de LLMs sejam verificáveis e auditáveis.

O foco inicial são três verticais: jurídico, descoberta de medicamentos e preparação fiscal. Todos os três são setores onde um erro gerado por IA pode custar um cliente, uma aprovação regulatória ou uma autuação da Receita. A verificação formal não elimina o erro — ela fornece uma trilha auditável que indica quando o modelo tem ou não tem certeza sobre uma saída.

Leia a edição completa no limiar.ai

Acesse o arquivo, compartilhe com a equipe e continue acompanhando a curadoria da Limiar.