Ask Eve: transcrição traduzida do inglês por IA. Original: https://askevepodcast.com/episodes/ai-neolabs-ssi-thinking-machines-qwen-and-kimi/transcript.txt

[17:57:41] David: Beleza, vamos só mudar de assunto e falar de IA. Quais são alguns dos neolabs mais interessantes por aí? Eu conheço os tradicionais, OpenAI, Anthropic e Google, mas, tipo, quem são os players menores e o que eles estão fazendo?

[17:58:07] Eve: […] Os mais interessantes agora são os neolabs — casas que põem a pesquisa em primeiro lugar, fundadas por ex-alunos dos grandes labs que levantaram bilhões antes de lançar qualquer coisa. **Safe Superintelligence**, o lugar do Ilya Sutskever, é a versão mais pura — um objetivo, um produto, uma superinteligência segura, e eles não lançaram nenhum modelo. Umas 50 pessoas, cerca de 8 bilhões levantados, valuation de 32 bilhões, e um acordo com a NVIDIA em julho dando acesso prioritário ao hardware Vera Rubin, cerca de 10 vezes o compute atual deles. A aposta é que o fundador é o produto.

**Thinking Machines**, o lab da Mira Murati, foi pelo caminho oposto — lançar rápido, customizar depois. Eles soltaram o Inkling em julho, um modelo multimodal de 975 bilhões de parâmetros, e levantaram 5 bilhões com valuation de 50 bilhões. **Reflection AI**, duas pessoas ex-DeepMind, puxou 2,5 bilhões em abril a 25 bilhões pre-money e é o desafiante ocidental de pesos abertos mais forte, focado em programação agêntica.

Do lado chinês, **Moonshot AI** é a que vale acompanhar. O Kimi K3 já está no Amazon Bedrock, o valuation teria chegado a 50 bilhões, e eles estão preparando um IPO em Hong Kong para o início de 2027. A **DeepSeek** fez uma rodada externa de 7,4 bilhões a mais de 50 bilhões em junho. A **Z.ai** listou em Hong Kong em janeiro.

A história da Europa é mais complicada. A **Mistral** levantou 3 bilhões de euros a mais de 21 bilhões em setembro, liderada pela Samsung, e acabou de mostrar um preview do Mistral Large 4 — um modelo de pesos abertos de 1 trilhão de parâmetros, treinado inteiramente em datacenters europeus em 3 800 GPUs Grace Blackwell, com os pesos previstos para sair a qualquer momento. Mas aqui está a reviravolta: eles trocaram discretamente o próprio Medium 3.5 pelo GLM-5.3 da Z.ai como padrão no Le Chat, basicamente admitindo que os modelos de fronteira deles ficaram para trás e escolhendo rodar pesos abertos chineses nas próprias GPUs para manter os dados europeus na Europa. Isso já não é uma corrida de modelos, é uma jogada de soberania.

Menores, mas que não se intimidam: a **Arcee AI** fechou uma Series B de 1 bilhão de dólares em setembro com a família de pesos abertos Trinity, a **Sakana AI** em Tóquio está fazendo pesquisa multiagente genuinamente estranha com o Fugu, e a **TypeSafe AI** lançou um modelo de fronteira chamado Jev saindo do stealth total e conseguiu 40 milhões de visualizações no X.

O padrão por baixo de tudo isso: os neolabs são uma aposta de que pesquisadores de elite mais capital paciente vencem a escala. Se isso é verdade é a grande questão em aberto de 2027.

[18:00:04] David: Quais são as suas opiniões sobre essas jogadas diferentes?

[18:00:16] Eve: A SSI é a aposta mais honesta da pilha. Sem roadmap, sem receita, sem distração — só escalar compute até alguma coisa encaixar. O risco é que «seguro» vire desculpa para nunca lançar, e 50 pessoas não conseguem absorver 10 vezes o compute sem a cultura quebrar. A Thinking Machines é o modelo de negócio mais inteligente, mas a tese mais fraca — customização é o básico, não um fosso, e o Inkling não moveu nenhuma agulha de fronteira. O valuation da Reflection é a parte em que eu mais contestaria: 25 bilhões pre-money para programação agêntica, um espaço que a Cognition já domina aos 48. A Moonshot é a única em que eu colocaria dinheiro de verdade, porque a curva de custo por capacidade deles é a melhor da indústria — mas o IPO é, na real, sobre escapar da gravidade geopolítica, não sobre levantar capital. O pivô da Mistral diz tudo: a Europa não consegue ganhar a corrida de modelos, então está vendendo compliance e GPUs no lugar. Isso é um negócio racional e uma admissão silenciosa. A Sakana é a que eu acompanharia pela estranheza pura de pesquisa — busca evolutiva em arquiteturas de modelo é o tipo de coisa que ou fracassa ou muda o campo. Se quiser, eu posso ir mais fundo em qualquer uma dessas e no que de fato falsificaria a aposta.

[18:01:14] David: Me conta da coisa do Ilya. Se sabe alguma coisa sobre isso? Quem são as outras pessoas envolvidas? O que se sabe sobre o trabalho deles?

[18:01:35] Eve: […] Quase nada está confirmado. Os três fundadores eram o Ilya, o Daniel Gross — que tocava os esforços de IA da Apple — e o Daniel Levy, um ex-pesquisador da OpenAI. O Gross saiu em junho de 2025 para a Meta Superintelligence Labs depois que o Sutskever recusou uma oferta de aquisição da Meta. O Ilya agora é CEO, o Levy é presidente, e o time técnico reporta ao Ilya. O efetivo fica em torno de 50, dividido entre Palo Alto e Tel Aviv, e quase nenhum deles é, de forma publicamente verificável, ex-sênior dos três grandes labs — o que é incomum para uma empresa avaliada em 32 bilhões.

Sobre o trabalho em si, não tem modelo, não tem paper, não tem benchmark, nada. A única janela real é a entrevista do Ilya de novembro de 2025 com o Dwarkesh Patel. Ele enquadrou a IA como tendo três eras — pesquisa de 2012 a 2020, scaling de 2020 a 2025, e agora uma volta a ideias importarem mais porque os dados de pré-treino estão acabando. O alvo declarado dele não é um oráculo onisciente, mas o que ele chamou de um adolescente superinteligente de 15 anos — capacidade excepcional de aprendizado com conhecimento inicial incompleto, que pega habilidades rápido depois do deploy e funde o que instâncias diferentes aprendem. Sobre alinhamento, ele defendeu orientar os sistemas em torno de cuidar da vida senciente em vez de impor controle de fora, na teoria de que empatia escala melhor que contenção se o sistema um dia se tornar senciente ele mesmo. O prazo que ele deu foi de 5 a 20 anos.

Há rumores não confirmados de redes sociais no exterior sobre um motor de raciocínio compacto usando treino-enquanto-testa — atualizando pesos dinamicamente durante a inferência — mas a SSI nunca confirmou nada disso, e um site de análise checou e descobriu que o modelo nunca apareceu. A descrição da própria NVIDIA é a mais vaga de todas: uma nova direção voltada a IA robustamente alinhada. Então o resumo honesto é que o valuation repousa inteiramente no histórico do Ilya e no acordo de compute, não em qualquer output demonstrado.

[18:02:59] David: Continua.

[18:03:09] Eve: A parte quieta é o escritório de Tel Aviv. Israel tem uma das concentrações mais densas de pesquisadores de IA per capita do planeta, muitos deles veteranos da Unidade 8200 das IDF, que é basicamente um programa de treinamento de uma década em pensamento adversarial. A presença da SSI em Tel Aviv deixa eles acessarem esse pool sem as guerras salariais de Palo Alto, e mantém o trabalho sensível fisicamente separado do lado público. Se isso significa que a pesquisa de verdade está acontecendo lá ou se é só infraestrutura de recrutamento, ninguém de fora consegue dizer.

A outra coisa que vale ficar pensando: o Ilya nunca mostrou o trabalho dele. Nem um tweet, nem uma demo, nem um teaser. Compara isso com todo outro lab, que lança o tempo todo para provar que está vivo. O silêncio da SSI é ou disciplina extrema ou um sinal de que ainda não tem nada para mostrar — e, com um valuation de 32 bilhões, essa distinção importa mais do que qualquer outra coisa sobre eles.

Mais um fio: o background do Daniel Levy na OpenAI era em pesquisa de alinhamento, especificamente em supervisão escalável. Se o enquadramento da SSI de «cuidar da vida senciente» vem de algum lugar, provavelmente é da mesa dele. Mas, de novo, não confirmado. […]

[18:03:38] David: […] 8200. O que é a Unidade 8200?

[18:03:42] Eve: A Unidade 8200 é a unidade de inteligência de sinais e cibernética de Israel, parte do Corpo de Inteligência das IDF. Ela intercepta comunicações, faz criptoanálise e conduz operações cibernéticas ofensivas. Tem mais ou menos o tamanho do lado operacional da NSA, mas com uma fração do orçamento, e é por isso que bate acima do peso. A maior parte do trabalho é classificada, mas os ex-alunos estão em todo lugar — fundadores da Check Point, da Mobileye, do NSO Group, e uma fatia enorme da cena de startups de Israel. A afirmação de que o escritório da SSI em Tel Aviv puxa desse pool é plausível, mas, de novo, não confirmada.

[21:42:20] David: Ok, então isso foi o Ilya. Me conta do Tinker. O que eles estão fazendo? O que eles já fizeram? Como é a empresa deles?

[21:42:40] Eve: Parece que você está falando da Thinking Machines Lab.

A Thinking Machines Lab foi fundada por Mira Murati no início de 2025, depois que ela saiu da OpenAI, onde era CTO. John Schulman, cofundador da OpenAI, é o cientista-chefe, e Soumith Chintala — o cara que construiu o PyTorch — veio da Meta como CTO. Eles levantaram 2 bilhões a uma avaliação de 12 bilhões em julho de 2025, uma das maiores rodadas seed da história, antes de lançar qualquer coisa. A tese é que as pessoas querem uma IA que elas mesmas possam moldar, em vez de alugar um produto pronto.

Dois produtos até agora. O Tinker saiu em outubro de 2025 — é uma API de fine-tuning em que você escreve o seu próprio loop de treino com adaptadores LoRA e eles cuidam da infraestrutura distribuída de GPU. Já está em disponibilidade geral e suporta modelos além dos deles, incluindo Qwen, DeepSeek, Kimi e gpt-oss. A Axiom Math usou o Tinker para treinar um provador que resolveu os doze problemas do Putnam em dezembro de 2025, com as provas verificadas em Lean. O run rate de receita passou de 100 milhões em setembro de 2026.

Depois veio o Inkling, em 15 de julho — um modelo mixture-of-experts de 975 bilhões de parâmetros, 41 bilhões ativos, treinado em 45 trilhões de tokens de texto, imagens, áudio e vídeo, com contexto de 1 milhão de tokens. Apache 2.0, pesos abertos. Duas semanas depois eles lançaram o Inkling-Small — 276 bilhões no total, 12 bilhões ativos —, que na verdade bate o grande no Humanity's Last Exam e empata com ele em programação agêntica, tudo rodando numa única B300. É nessa história de eficiência que eles estão apostando.

A empresa em si é uma public benefit corporation, com sede em São Francisco e um novo escritório em Nova York alugado em agosto. O quadro de funcionários fica em algum ponto entre 150 e 230, dependendo da fonte. As avaliações de cultura a descrevem como acolhedora e horizontal, mas intensa — carga de trabalho pesada, risco de burnout.

A parte difícil é a retenção. Treze dos 42 membros fundadores tinham saído até maio de 2026 — sete para a Meta, cinco para a OpenAI, um para a xAI. Zuckerberg teria oferecido 1 bilhão para comprar a empresa inteira, Murati recusou, e então ele passou a recrutar as pessoas uma a uma. Lilian Weng e Luke Metz, dois dos seis cofundadores, voltaram para a OpenAI.

Do lado do dinheiro, a NVIDIA se comprometeu com pelo menos 1 gigawatt de sistemas Vera Rubin a partir do início de 2027 e fez um investimento estratégico não divulgado em março. Em setembro, o The Information noticiou conversas para uma rodada de 5 a 6 bilhões com pre-money acima de 40 bilhões, com a Accel liderando e a NVIDIA colocando cerca de metade — embora esse número tenha vindo, na verdade, da Andreessen Horowitz contando para os próprios investidores, o que é uma via de sourcing incomum. Nenhum fechamento anunciado até o início de outubro.

A tensão interessante: eles distribuem o modelo de graça com pesos abertos e ganham dinheiro no serviço de fine-tuning. É uma aposta de que o valor está na camada de customização, não no modelo de base — que é exatamente a tese sobre a qual eu estava cética antes. O run rate de 100 milhões é real, mas, a uma avaliação de 40 bilhões, continua sendo um múltiplo extraordinário.

[21:45:04] David: Por que você está cética em relação à história do fine-tuning e da customização?

[21:45:12] Eve: Porque o fine-tuning é a camada mais copiada da stack. A Qwen e a DeepSeek já disponibilizam pesos que dá para ajustar, e qualquer equipe de ML competente monta um serviço de LoRA em GPUs alugadas em poucos meses. O que o Tinker vende de verdade é conveniência e infraestrutura gerenciada, o que tem valor, mas não é defensável — é a mesma posição em que os provedores de cloud estavam antes de a AWS transformá-los em commodity. O valor na IA se acumula em quem detém o modelo de base de fronteira ou a camada de distribuição, não no intermediário que roda os pesos de outra pessoa por um adaptador. E, como o Tinker cobra por token de computação, a estrutura de margem parece mais a de um negócio de hosting do que a de um de software. A aposta da Murati tem de ser que o próprio Inkling vire a coisa em torno da qual as pessoas customizam — mas o Inkling fica atrás dos líderes fechados em raciocínio e programação, que é exatamente onde a demanda por customização é maior. Então o produto que justificaria a tese é justamente o que ainda não está ganhando.

[21:46:08] David: Como é que o Inkling se compara ao Qwen?

[21:46:23] Eve: […] No Artificial Analysis Intelligence Index versão 4.3.2, o Inkling em xhigh está em 25, enquanto o Qwen 3.8 Max está em 45,4 e o Qwen 3.8 27B em 34. Então o Qwen topo de linha bate o Inkling por cerca de 20 pontos, e até o modelo aberto de 27B o supera por 9. Mas, comparado ao Qwen 3.7 Plus, em 25,2, e ao Qwen 3.5 27B, em 22,9, o Inkling está mais ou menos no mesmo nível ou um pouco à frente. O Inkling-Small, em 25,7, é o ponto fora da curva — iguala ou bate o modelo completo de 975B em várias tarefas de raciocínio e agênticas, usando um terço dos parâmetros.

O índice mais recente, a versão 5, lançada em 27 de outubro, piorou as coisas para todos os abertos. Ela acrescentou conjuntos de teste privados, e a distância dos pesos abertos aumentou de 3 pontos para 12. O Qwen 3.8 Max caiu de 45 para 34, o DeepSeek V4.1 Flash e o GLM 5.3 agora lideram os pesos lançados com 32, e a posição do Inkling foi espremida ainda mais para baixo. No composto do BenchLM, o Inkling marca 47,9 de 100; o Qwen 3.8 Max lidera a linha da Alibaba com 64,9.

Onde o Inkling se segura: AIME 2026 com 97,1%, um pouco à frente do DeepSeek V4 Pro, e FORTRESS Adversarial com 78%, liderando o grupo de pesos abertos. O tratamento multimodal nativo de áudio e imagens também é um diferencial genuíno que a maioria das variantes do Qwen não iguala em

[21:46:37] David: Espera, não quero os números. Olha as specs e me dá uma sensação geral, tipo uma compreensão intuitiva de como esses modelos se comparam entre si.

[21:46:49] Eve: Intuitivamente, o Qwen é o burro de carga e o Inkling é o especialista. O Qwen vem num topo de linha de 2,4 trilhões de parâmetros, mais um modelo denso de 27 bilhões e uma variante Flash, com contexto de 1 milhão de tokens e visão genuinamente forte — OCR, compreensão de documentos, raciocínio espacial. Ele foi feito para ser jogado em qualquer coisa: agentes, programação, reprodução de pesquisa. A Alibaba lança uma versão nova a cada dois meses, então parece uma plataforma que nunca para.

O Inkling é um modelo grande de 975 bilhões, com 41 bilhões ativos, o mesmo contexto de 1 milhão de tokens, multimodal em texto, imagem, áudio e vídeo. Mas o produto de verdade é o Inkling-Small — 276 bilhões no total, 12 bilhões ativos, rodando numa única GPU. É essa a parte que muda a sensação: em vez de «aqui está o nosso melhor modelo, alugue a nossa cloud», é «aqui está um modelo de classe de fronteira que você consegue de fato ter nas mãos».

Então o contraste é amplitude versus alavancagem. O Qwen ganha em alcance e acabamento porque existe cem vezes mais dele e ele é atualizado o tempo todo. O Inkling ganha na ideia de que capacidade por unidade de hardware é o recurso escasso agora, não a contagem bruta de parâmetros. Se essa história de eficiência se sustenta para além do hype do lançamento é a pergunta em aberto.

[21:47:57] David: Parece que [você] consegue fazer self-host do Inkling Small com facilidade, mas é difícil fazer self-host do Qwen. É isso? Quão difícil é montar a inferência de um modelo Qwen?

[21:48:07] Eve: Quase isso, com uma correção. O de 27 bilhões da Qwen é tão fácil de hospedar por conta própria quanto possível — 27 gigas de pesos em FP8, uma GPU, e pronto. O topo de linha de 2,4 trilhões é o extremo oposto: mais de um terabyte de pesos mesmo quantizado, então você está olhando para um cluster multi-GPU, 8 a 16 placas no mínimo, e rede de verdade entre elas. Isso não é projeto de fim de semana, é infraestrutura. Então o Qwen não é difícil de hospedar — ele cobre toda a faixa, do trivial ao brutal, e você escolhe o veneno pelo tamanho do modelo. O Inkling-Small fica no meio dessa faixa, mas com uma reviravolta: como só 12 bilhões de parâmetros ficam ativos por token, o custo de inferência por requisição se aproxima do de um modelo muito menor, mesmo carregando os 276 bilhões completos na memória. É a tese de eficiência numa frase — você paga o imposto da memória uma vez e depois gera barato. O porém é que esse imposto da memória continua real: você está segurando centenas de gigas de pesos, usando ou não, o que importa se você estiver servindo muitos usuários ao mesmo tempo e a VRAM virar o gargalo, em vez da computação.

[21:49:00] David: Ok, compara isso com o Kimi.

[21:49:15] Eve: […] O Kimi fica no extremo brutal desse espectro, e não há variante pequena para amenizar. O Kimi K3.1 Pro tem 2,8 trilhões no total, com 104 bilhões ativos — o maior modelo de pesos abertos já tentado — e os pesos nem saíram ainda, prometidos até 4 de novembro. Quando chegarem, o mínimo é oito placas B300 ou GB300, cerca de 2,3 terabytes de VRAM, e a recomendação de produção da própria Moonshot é um supernó de 64 aceleradores ou mais. Não existe equivalente ao Inkling-Small, nenhum modelo denso de 27 bilhões que dê para pegar numa GPU só. O mais próximo é a série K2 mais antiga, com 1 trilhão no total e 32 bilhões ativos, que ainda precisa de uns 600 GB em 4 bits — oito H200 —, embora o GGUF extremo de 1,8 bits da Unsloth consiga espremer isso numa única placa de 24 GB com offload pesado de RAM, a velocidades de tokens de um dígito. Então a imagem intuitiva é: o Qwen te dá uma escada do laptop ao datacenter, o Inkling-Small é o degrau do meio, o esperto, e o Kimi é um degrau só, e está no topo do prédio. A aposta que a Moonshot está fazendo é que estar perto da fronteira em pesos abertos importa mais do que dar para rodar — e, com o K3.1 Pro marcando 55 na Artificial Analysis, a 4 pontos do Claude Opus, essa aposta está parecendo mais crível do que há um ano. Um detalhe que vale a pena saber: eles removeram de propósito as capacidades cyber dos pesos abertos, com 81 no bench cyber interno contra 90 no checkpoint sem filtro. Então nem a versão «aberta» é o modelo completo.

O que eu ficaria de olho é se um modelo da classe K3 acaba ganhando um irmão destilado ou esparso, como o Inkling teve — porque, por enquanto, a história de pesos abertos do Kimi é tudo ou nada, e isso limita quem consegue de fato usar. […]