AI TrackerCódigo aberto: as notícias,
para devs.
As últimas notícias de código aberto de todos os provedores de IA: lançamentos, mudanças de preço e descontinuações, resumidos com o que significam para você.
Asahi Linux migra todo o seu código para a GPL, citando a apropriação indevida de código com ajuda de IA
O Asahi Linux, projeto que leva o Linux aos Macs com Apple Silicon, anunciou em um relatório de progresso que está migrando todos os seus repositórios da licença MIT para a GNU General Public License versão 2 ou posterior, de modo que seu código fique apenas sob licenças copyleft. O projeto anunciou a mudança poucos dias antes de 9 de novembro.
Nous Research lança Arete-27B, Qwen3.8-27B pós-treinado para reduzir a taxa de « alinhamento com a linha do partido » de 22% para 1%
A Nous Research anunciou o Arete-27B no X em 6 de novembro. Trata-se de um Qwen3.8-27B pós-treinado, nas palavras do laboratório, « para reforçar os valores ocidentais ». A Nous argumenta que os modelos abertos mais fortes são chineses e vêm com comportamentos alinhados ao Estado incorporados em seus pesos.Harness Leaderboard compara nove harnesses de agentes de programação em modelos abertos; um agente que usa apenas bash fica em primeiro lugar
Joel Niklaus lançou o Harness Leaderboard, que compara nove harnesses de agentes de programação executados em modelos abertos. Em cada comparação, apenas o harness muda: o modelo, o provedor e o esforço de raciocínio permanecem iguais, e cada tarefa recebe três tentativas. Niklaus diz que executou 28.849 testes, com US$ 4.746 em inferência, usando GLM-5.3-Flash, DeepSeek-V4.1-Flash e Flint no Terminal-Bench 2.1 e no DeepSWE. A publicação tinha 625 pontos no X em 6 de novembro.Village: modelos de pesos abertos são a melhor opção em apenas 3% dos orçamentos, ante 41% em junho
A Village, que publica o LLM Atlas, informa que os modelos fechados agora ocupam quase todos os pontos da fronteira de custo-benefício. Segundo suas estimativas, um modelo de pesos abertos é o mais forte em 3% dos orçamentos, quase todos na faixa mais barata (Gemma 4 E4B, do Google, e MiMo-V2.6-Flash, da Xiaomi). Em junho, essa fatia era de 41%, quando o DeepSeek V4 Flash, sozinho, liderava em quase um terço dos orçamentos. A Village diz que a fatia atual é a menor que já mediu; no fim de cada trimestre desde 2024, ela foi de pelo menos 6%.
Artificial Analysis classifica o FLUX 3 Image Klein em 2º lugar entre os modelos de geração de imagens a partir de texto com pesos abertos
Segundo a Artificial Analysis, o FLUX 3 Image Klein, da Black Forest Labs, é um modelo de imagens com pesos abertos e 5,6 bilhões de parâmetros, lançado em 15 de outubro. Ele ocupa o 2º lugar no ranking AA-Image-T2I v2.1 da empresa, praticamente empatado com o Qwen-Image-2.1, que está em 1º. No AA-Image-Editing v2.1, ocupa o 3º lugar entre os modelos com pesos abertos. Os rankings são da própria Artificial Analysis.Moonshot releases the open weights of Kimi K3.1 Pro
Moonshot posted on X that it is releasing the model weights of Kimi K3.1 Pro, on Hugging Face as moonshotai/Kimi-K3.1-Pro, and said "we'll keep advancing open intelligence." It had promised the weights by November 4 when it launched the model on October 23.Hermes Agent v0.23.0 adiciona uma versão para desktop no navegador, /rewind, chats em grupo e limites de gastos
A Nous Research lançou o Hermes Agent v0.23.0, que chama de Hearth Release. Veja os destaques, segundo a empresa:Artificial Analysis dá nota 20 ao modelo de pesos abertos Nanbeige4.3-33B em seu Intelligence Index, empatado com o Qwen3.8 27B
A Artificial Analysis afirma que o Nanbeige4.3-33B, modelo de pesos abertos da Nanbeige (a equipe de modelos de base da plataforma chinesa de recrutamento BOSS Zhipin), obteve nota 20 em seu Intelligence Index v5, a mesma do Qwen3.8 27B (xhigh). Ambos são modelos densos, com 33B e 27B de parâmetros totais. Segundo a Artificial Analysis, o modelo da Nanbeige se sai melhor no uso de terminal, mas tem conhecimento mais fraco, e estabelece um novo ponto ótimo de Pareto para o Intelligence Index em relação ao total de parâmetros.Baidu disponibiliza ERNIE-5.5-Flash-Base, um MoE esparso com 280B de parâmetros
A Baidu publicou o ERNIE-5.5-Flash-Base no Hugging Face. O cartão do modelo descreve o ERNIE 5.5 Flash como um modelo de linguagem eficiente de mistura esparsa de especialistas, com 280B de parâmetros totais e 14B ativos, pré-treinado do zero com 33,5T tokens e contexto de treinamento de 128K. O ajuste fino e a inferência oferecem suporte a contextos de até 1M tokens.Ricursive AI lança o Ripple-65B Preview, um modelo de pesos abertos, denso e de 65B parâmetros, para programação agêntica
A Ricursive AI lançou o Ripple-65B Preview em 4 de novembro, um modelo de linguagem denso com 65 bilhões de parâmetros que, segundo a empresa, foi pré-treinado do zero. A empresa afirma que ele estabelece um novo estado da arte para modelos de pesos abertos dos EUA em tarefas de programação agêntica, superando modelos muito maiores que cita: Muse Spark Open-816B, Beam-501B, Inkling-975B e Nemotron 3 Ultra-550B. Essas são afirmações da própria empresa.Nous Research reúne plugins, conectores e habilidades do Hermes Agent em um só marketplace
A Nous Research anunciou no X, em 4 de novembro, que os plugins, conectores e habilidades do Hermes Agent agora estão reunidos em um único Hermes Marketplace, onde os usuários podem navegar e adicionar extensões com poucos cliques. O marketplace está em hermes-agent.nousresearch.com/marketplace.Cloudflare disponibiliza como código aberto uma skill de auditoria de segurança para agentes de programação
A conta de desenvolvedores da Cloudflare lançou cloudflare/security-audit-skill, uma skill de código aberto que transforma um agente de programação em uma equipe de auditores de segurança. A Cloudflare afirma que a skill serviu de base para seu próprio sistema de descoberta de vulnerabilidades.Perplexity lança pplx-embed-v2-context, modelos de embeddings multimodais de visão e linguagem com pesos abertos, de 9B e 0,6B
A Perplexity lançou pplx-embed-v2-context, dois modelos de embeddings multimodais de visão e linguagem com pesos abertos (9B e 0,6B), no Hugging Face, junto com um artigo escrito em parceria com a turbopuffer. Ambos retornam um vetor int8 por documento, ou um por trecho que considera o documento inteiro, e também podem ser executados em modo não contextual, com um embedding por documento e sem divisão em trechos.
OpenCode é reconstruído para rodar nas ferramentas de desenvolvedor do navegador
Em 2 de novembro, Adam (adamdotdev) disse no X que reconstruiu o OpenCode para rodar no console das ferramentas de desenvolvedor de um navegador, usando instruções console.log para sua interface. Ele foi desenvolvido com base em um framework que ele indica em textjs.org, e Adam convida desenvolvedores e seus agentes a criar outros apps para console com ele. Uma nota junto à publicação diz que uma extensão para VS Code está em desenvolvimento e que uma extensão para as ferramentas de desenvolvedor do Chrome ainda está por vir.
Anthropic lança o FlashProve, um protótipo de código aberto para comprovar qual modelo produziu uma resposta
A Anthropic publicou uma pesquisa sobre inferência comprovável: uma prova criptográfica (um zkSNARK) de que uma resposta veio de um conjunto específico e comprometido de pesos do modelo, verificável por um usuário que não tem acesso a esses pesos. A publicação diz que isso poderia ajudar a detectar quando um serviço de roteamento troca um modelo sem avisar ou quando um invasor o adultera, além de oferecer a avaliadores e órgãos reguladores uma forma de verificar o que está sendo disponibilizado.
Se lança Hydrogen-1.0, um modelo científico de pesos abertos pós-treinado a partir do GLM-5.3
Chenru Duan anuncia o Hydrogen-1.0, que a equipe descreve como seu primeiro modelo de pesos abertos para pesquisa científica. Ele é o GLM-5.3 (da Z.ai), pós-treinado com dados científicos internos da equipe, registros de laboratório e trajetórias de descobertas.
MiniMax lista quantizações da comunidade para executar o M3.1 Flash localmente
A MiniMax publicou uma seleção de versões quantizadas do M3.1 Flash, modelo de pesos abertos com 428B de parâmetros, criadas pela comunidade para quem quer executá-lo no próprio hardware. Segundo a MiniMax, pesos com menos bits reduzem a memória necessária para carregar o modelo e os dados de pesos transferidos durante a decodificação. Para que isso seja útil, são necessários calibração cuidadosa, kernels eficientes de baixa precisão e distribuição dos especialistas entre a GPU e a RAM do sistema.