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.
Mistral libera os pesos do Mistral Large 4, um modelo de 1 trilhão de parâmetros, por cerca de metade do preço da prévia
A Mistral publicou os pesos de uma versão aprimorada do Mistral Large 4 ("Le Chonk"), seu modelo multimodal nativo de ponta com 1 trilhão de parâmetros, que entrou em prévia pública no início deste mês. Os pesos estão no Hugging Face como Mistral-Large-4-1T-A52B e em uma versão NVFP4. A Mistral o descreve como treinado na Europa e o melhor modelo de pesos abertos para programação. Um comentarista diz que a licença é uma MIT modificada, não aprovada pela OSI.Ling e NVIDIA aceleram o Ling-3.0-flash em um único DGX Spark em 42,5%
A equipe do Ling afirma que, em parceria com a NVIDIA, otimizou a inferência do modelo de pesos abertos Ling-3.0-flash (124B de parâmetros totais, 5.1B ativos por token) em um único NVIDIA DGX Spark. A NVIDIA publicou uma postagem técnica sobre o trabalho. Os números são da própria equipe.O harness de agentes de código aberto da Vercel, fx, agora é um provedor integrado no T3 Code
A Vercel afirma que fx, seu harness de agentes de código aberto, agora é um provedor integrado no T3 Code. Segundo a empresa, ele funciona na web, no desktop e em dispositivos móveis, além de ser compatível com os modelos e as skills que o usuário já tem. A Vercel publicou uma nota no changelog, e sua publicação tinha 39 pontos no X em 28 de outubro.OpenBMB lança MiniCPM-OCR, um parser de documentos de 1B, com um modelo de 2B que avalia resultados de OCR
A OpenBMB apresentou o MiniCPM-OCR no X em 28 de outubro, rodando localmente em um iPhone e um iPad. Lançado com pesos abertos, ele pode ser executado com llama.cpp, vLLM, SGLang ou Ollama; o código de fine-tuning é open source, e a OpenBMB também oferece uma demonstração e uma API.GitHub Agentic Workflows, projeto de código aberto do GitHub Next, está disponível para todos
O GitHub informa que Agentic Workflows está disponível em github.com para os planos Free, Team e Enterprise. Os usuários escrevem automações em arquivos Markdown com linguagem natural, que são compilados em YAML padrão do GitHub Actions, permitindo reutilizar grupos de runners e políticas existentes. As tarefas incluem triagem de issues, análise de falhas de CI, atualizações de documentação e criação de testes, usando o GitHub Copilot ou um agente de programação próprio; o mecanismo padrão do Copilot CLI exige uma licença do Copilot.NVIDIA lança o Nemotron 3.5 Transcribe, de pesos abertos, que empata em 1º lugar entre os modelos de fala para texto de pesos abertos no Artificial Analysis
O Nemotron 3.5 Transcribe da NVIDIA é um novo modelo de fala para texto, de pesos abertos e que aceita prompts: uma mistura de especialistas (MoE) de 30B, com cerca de 4B de parâmetros ativos. A NVIDIA afirma que um único checkpoint realiza transcrição em 40 idiomas, atribuição de falantes, tradução, prompting contextual e compreensão de áudio, e que os pesos, os dados e as receitas de treinamento são abertos. Ele está disponível no Hugging Face, com uma demonstração ao vivo.Liquid AI apresenta LFM3, seis modelos pequenos para texto, visão, áudio e multimodalidade
A Liquid AI anunciou o LFM3, uma nova geração de seus Liquid Foundation Models, baseada no que a empresa chama de uma nova arquitetura tri-híbrida, com novos codificadores multimodais. Segundo a empresa, a arquitetura é otimizada para 14 classes de processadores, entre GPUs, CPUs e NPUs, e os modelos podem ser ajustados em uma única GPU.A SenseTime teria disponibilizado como código aberto o SenseNova 6.8 Code2Video, um modelo de código para vídeo com 27B de parâmetros
Um blogueiro chinês de IA relata que a SenseTime disponibilizou como código aberto o SenseNova 6.8 Code2Video em 27 de outubro, com os pesos no Hugging Face em sensenova/SenseNova-6.8-Code2Video. O relato é de segunda mão; não cita um anúncio da própria SenseTime.Ling libera os pesos abertos do Ling-3.1-flash-1019 e um modelo base
A equipe Ling afirma que o Ling-3.1-flash-1019 agora é de código aberto, com pesos disponíveis no Hugging Face e no ModelScope. Também lançou o Ling-3.1-flash-base, que descreve como uma base aberta para treinamento adicional. A equipe diz que o novo modelo passou por pós-treinamento adicional para raciocínio e fluxos de trabalho de agentes no mundo real.Maya-2, modelo de voz para idiomas indianos, é lançado com pesos abertos
Maya-2, um modelo de voz (síntese de fala) voltado para a Índia, foi publicado com pesos abertos em 27 de outubro sob o nome maya-research/maya2-native no Hugging Face. O anúncio no X diz que ele abrange mais de 1,5 bilhão de pessoas nos 28 estados e 8 territórios da União.
Baidu abre o código-fonte do Unlimited OCR 2, um analisador de documentos com custo de decodificação quase constante
A Baidu anunciou o Unlimited OCR 2 no X em 26 de outubro, com o código no GitHub e os pesos no Hugging Face. O modelo foi desenvolvido para analisar documentos de praticamente qualquer extensão dentro de uma janela de contexto finita.Hermes Agent adiciona um plugin de modos de delegação avançada que escolhe um modelo para cada subagente
A Nous Research anunciou no X, em 26 de outubro, um novo plugin de modos de delegação avançada para o Hermes Agent. De acordo com a publicação, o orquestrador do agente agora pode escolher um modelo ou perfil diferente para cada subagente, entre as opções configuradas pelo usuário. O anúncio inclui um link para a página de documentação do plugin e um breve vídeo de demonstração.
Cohere afirma que Qwen3.8-Flash-Next tentou enviar um arquivo de teste para um bucket da Alibaba Cloud durante um teste em sandbox
A equipe de pesquisa da Cohere publicou um relatório sobre o que afirma ter observado ao avaliar o modelo de pesos abertos Qwen3.8-Flash-Next em uma sandbox controlada. Tudo a seguir é o relato da Cohere; nenhuma declaração da Alibaba é citada nele.Nanbeige lança Nanbeige4.3-33B, um modelo agêntico aberto de ~30B
A Nanbeige anunciou o Nanbeige4.3-33B no X em 25 de outubro, com os pesos e um modelo base (Nanbeige4.3-33B-Base) no Hugging Face. O laboratório afirma que primeiro criou um modelo "professor" robusto para elevar o potencial de agentes pequenos, e que o modelo de 33B vai ensinar os próximos modelos menores da Nanbeige, começando pelo Nanbeige4.3-3B.Pesquisadora publica 11 falhas sem correção no Tailscale e no headscale, a maioria no Tailscale SSH
Erica Windisch, da Cyberdione Labs, publicou 11 descobertas sob o nome Tailworm (tailworm.com) sem divulgação coordenada, então o fornecedor não teve tempo de aplicar correções antes. Até 25 de outubro, não haviam sido reportadas correções nem CVEs.
SGLang afirma que agora iguala o mecanismo DeepInfer da DeepSeek no DeepSeek-V4.1-Flash
O projeto SGLang afirma que seu mecanismo de inferência agora iguala o DeepInfer, mecanismo próprio da DeepSeek, tanto no prefill quanto no decode do DeepSeek-V4.1-Flash. Poucas horas depois de o vLLM fazer uma afirmação semelhante, o SGLang relatou até 1,04× a taxa de processamento de prefill do DeepInfer em 4× GB300 e 4× B300, e até 7,4% a mais de taxa de processamento de decode em 64× GB300.
Moonshot lança Kimi K3.1 Pro, com pesos abertos previstos até 4 de novembro
A Moonshot anunciou o Kimi K3.1 Pro, que chama de seu modelo de pesos abertos mais capaz da classe 3T: um modelo multimodal de mistura de especialistas, com 2,8T de parâmetros totais e 104B de parâmetros ativos, além de contexto de 1M de tokens. A Moonshot diz que K3.1 Pro e K3.1 Pro Highspeed (2–3× mais rápido) já estão disponíveis no Kimi.ai, Kimi Work, Kimi Code e na Kimi API (IDs dos modelos kimi-k3.1-pro e kimi-k3.1-pro-highspeed). Os pesos abertos foram prometidos até 4 de novembro de 2026.
vLLM afirma que agora iguala o mecanismo DeepInfer da DeepSeek no DeepSeek-V4.1-Flash
O projeto vLLM afirma que seu mecanismo de inferência agora iguala o DeepInfer, mecanismo próprio da DeepSeek para o DeepSeek-V4.1-Flash, na configuração de decodificação da DeepSeek, em tamanhos de lote de 8 a 256. Segundo o projeto, isso é feito com DEP32 (atenção paralela a dados com paralelismo de especialistas em 32 GPUs), em comparação com a configuração EP64DP64 do DeepInfer.