A Alibaba aumentou o limite de instrução de cerca de 1.000 para 4.500 tokens. O modelo recebe texto, hierarquia, fórmulas, interfaces e vários blocos dentro do mesmo pedido, com foco em imagens que funcionam como slides, diagramas, páginas e infográficos.
FLUX 3 finalmente lança modelo de vídeo
Quando apresentou o FLUX.1, em agosto de 2024, a Black Forest Labs disse que aquele modelo de imagem seria a base para uma futura família de vídeo. O FLUX 3 entrega essa promessa dois anos depois.
O modelo foi treinado desde o início com imagem, vídeo e áudio na mesma arquitetura. Gera vídeos de até 20 segundos com áudio nativo, diálogo em vários idiomas, referências visuais, continuação de clipes e transições entre keyframes. Sequências maiores podem ser montadas pelo encadeamento de vários clipes.
A mesma base também virou o FLUX-mimic, modelo de vídeo e ação criado com a mimic robotics. A Audi já testa o sistema em tarefas de manipulação de peças, cabos e materiais flexíveis. Para a BFL, aprender movimento, peso, contato e causa para gerar vídeo também produz representações úteis para controlar robôs.
Por enquanto, vídeo e ação estão em acesso antecipado. Imagem chega nas próximas semanas, e uma versão multimodal com pesos abertos está prometida para mais adiante no ano.
Buzz coloca time, IA e código no mesmo app
A Block lançou o Buzz, um workspace gratuito e open source com canais, threads, mensagens, voz, arquivos, repositórios e automações.
Claude Code, Codex e outros agentes compatíveis com o Agent Client Protocol podem trabalhar nos canais. Um agente mais forte também pode distribuir tarefas entre agentes menores, que pesquisam, constroem, testam e revisam em paralelo enquanto o time acompanha o trabalho.
Cada pessoa e agente recebe uma identidade criptográfica própria. Mensagens, autorizações, commits e aprovações ficam assinados. Trocar o modelo ou o harness não apaga histórico, permissões ou autoria.
O Buzz pode ser hospedado pela própria empresa e mantém memória, controle de custos e credenciais separados por agente. A integração com Git ainda está no início, mas a Block já publicou o código e as especificações do protocolo sob licença Apache 2.0.
Kimi K3 põe um modelo aberto entre os líderes
A Moonshot lançou o Kimi K3 com 2,8 trilhões de parâmetros, visão nativa e contexto de 1 milhão de tokens.
O modelo usa uma arquitetura MoE que ativa 16 de 896 especialistas. Foi treinado para coding de longa duração, grandes repositórios, terminal e tarefas que misturam código com imagens, screenshots e vídeo.
K3 chegou ao primeiro lugar do Frontend Code Arena, acima de Fable 5 e GPT-5.6 Sol. Nos próprios testes da Moonshot, ainda fica atrás desses dois modelos no resultado geral, mas supera Opus 4.8 e outros concorrentes em diferentes tarefas de código e agentes.
A API custa US$ 3 por milhão de tokens de entrada sem cache e US$ 15 na saída. Os pesos completos estão prometidos para 27 de julho, mas a Moonshot recomenda infraestrutura com 64 aceleradores ou mais para servir o modelo. Aberto, neste caso, não significa leve.
Google lança três modelos Flash
O Google lançou Gemini 3.6 Flash, 3.5 Flash-Lite e 3.5 Flash Cyber.
O 3.6 Flash é o modelo principal. Usa 17% menos tokens de saída que o 3.5 Flash, faz menos chamadas de ferramenta, melhora em código e computer use e custa US$ 1,50 por milhão de tokens de entrada e US$ 7,50 na saída.
O Flash-Lite foi feito para volume. Roda a cerca de 350 tokens por segundo, custa US$ 0,30 na entrada e US$ 2,50 na saída e mira busca agêntica, processamento de documentos e subagentes executando tarefas menores.
O Flash Cyber é uma versão especializada em encontrar, validar e corrigir vulnerabilidades. Vários agentes analisam o código e consolidam um único relatório. Pelo risco de uso ofensivo, ficará restrito a governos e parceiros aprovados.
Em vez de colocar todos os trabalhos no modelo mais forte, o Google separou capacidade, volume e segurança em modelos diferentes.