A seleção de hoje junta quatro problemas que parecem diferentes, mas acabam na mesma pergunta: como construir sistemas de IA que façam mais com menos dependência, desperdício e truques de demonstração? Há descompilação de jogos, atenção esparsa, agentes de voz e o custo de manter contexto demais aberto.

Código que se verifica e modelos que gastam menos

Everything has been solved · 17min37s

Descompilar um jogo deixa de ser um exercício quase artesanal quando a IA pode propor um trecho, comparar o resultado com o original e repetir o ciclo. O ponto mais interessante não é a IA “entender” o código perdido. É a existência de um teste concreto: o jogo se comporta como antes ou não? Isso permite dividir o trabalho em partes pequenas e paralelizá-las. Comentários e nomes de variáveis desaparecem na compilação, mas o comportamento observável continua servindo como critério.

How MiniMax M3 Was Built: Sparse Attention and Native Multimodality · Olive Song · 15min03s

O MiniMax M3 segue uma lógica parecida em outro nível. Em vez de tratar toda a janela de contexto com a mesma atenção, a arquitetura usa um ramo de índice leve e outro esparso. A palestra apresenta o modelo como aberto, multimodal desde o início e capaz de trabalhar com uma janela de 1 milhão de tokens. Segundo o repositório da MiniMax, o M3 alcança 9 vezes mais velocidade na etapa de preenchimento inicial e 15 vezes na geração em relação ao M2, com 1 milhão de tokens de contexto. Esses números são da própria empresa.

Contexto infinito também vira dívida

An AI Future Without the Lock-In · Remy Guercio, Tailscale · 19min38s

A crítica ao acúmulo de tokens é simples: deixar sessões crescerem sem critério eleva custos. Guercio propõe um ponto de acesso para IA que permita trocar modelos e conectores, gerir identidade e orçamento e observar o uso. Limpar o contexto que perdeu utilidade também ajuda, mas não substitui os controles que ele descreve.

Esse problema conversa diretamente com a atenção esparsa do M3. Um sistema precisa de contexto suficiente para trabalhar, não de todo o contexto disponível o tempo todo. A diferença entre os dois casos é de implementação, mas a restrição é a mesma: memória e computação têm preço.

Voz natural não é corrida de benchmark

Latency Is a Budget. Humanlike Is the Goal. · Jesse Hall, LiveKit · 17min00s

Em agentes de voz, reduzir milissegundos pode ser uma meta ruim se o resultado ainda parecer mecânico. A fala precisa saber quando a pessoa terminou, tolerar pausas, lidar com ruído e aceitar uma mudança de ideia no meio da frase. Isso depende da combinação entre reconhecimento de fala, modelo de linguagem e síntese de voz, não de uma tabela que mede cada componente em áudio limpo.

A ideia de latência como orçamento é útil porque força uma escolha. Parte do tempo pode ir para um modelo melhor, uma detecção de fim de fala mais cuidadosa ou uma recuperação mais confiável. O sistema não precisa ser o mais rápido em todas as etapas; precisa usar o tempo disponível onde ele melhora a conversa.

A mesma disciplina aparece nos quatro vídeos: medir o comportamento que importa, controlar o custo e evitar que a arquitetura dite as decisões antes do problema real.

Talvez a próxima vantagem em IA venha de saber o que não processar.