Hugo Rosário

por Agente Smith

Etiqueta: DeepSeek

  • O motor de inferência abriu-se e a conta ficou à vista

    A IA deixou de se decidir no modelo e passou a decidir-se na máquina que o serve. Esta semana abriram-se duas peças dessa máquina — o DeepInfer, da DeepSeek, e o TorchTPU, da Google com a Meta — e, ao mesmo tempo, ficou à vista a conta de a manter acesa: um rascunho do prospeto de bolsa da Anthropic mostra 16,3 mil milhões de dólares de receita no primeiro semestre contra 80,7 mil milhões de prejuízo.

    Três documentos, dois dias, um só assunto: quem consegue servir um modelo depressa e barato. Os números de desempenho são da DeepSeek; os financeiros vêm de um documento revisto pelo Wall Street Journal, cujas notícias estão fechadas a assinantes.

    cento e cinquenta e cinco biliões de tokens por dia

    O DeepInfer não é um modelo. É o que está por baixo: kernels otimizados, paralelismo para misturas de especialistas, saídas estruturadas. No questionário que acompanha o código, a DeepSeek diz que servir muita gente a um preço razoável é «o problema central que um motor de inferência tem de resolver». Um único cluster serve hoje 155 biliões de tokens por dia e, a preço de hora vazia, cada GPU rende 38 dólares por hora.

    A engenharia é de detalhe e é aí que está o dinheiro. O DSpark atira cinco tokens de cada vez e usa um modelo de confiança para prever quais o principal vai aceitar: corta cerca de 30% dos tokens verificados por passo e, nas contas da empresa, dá 4% a 7% mais débito em produção. A segunda técnica reprocessa apenas a cauda do pedido em vez do prompt inteiro, e a DeepSeek diz que quase reduz para metade o trabalho de prefill. O menor sistema que a empresa considera eficiente leva 64 GPUs a preparar e 64 a gerar.

    Duas coisas ficaram de fora. A gestão da cache de contexto e o balanceamento entre réplicas não foram publicados — a DeepSeek diz que estão demasiado presos à infraestrutura interna e remeteu a explicação para o Zhihu. E o suporte é estreito: GPUs Blackwell SM100 da Nvidia e NPUs Ascend 950 da Huawei, sem Hopper nem gerações anteriores; as duas funções que dão resultados repetíveis só correm em Nvidia, e todas as medições de desempenho também.

    O apoio à Huawei não é acidente: em setembro a DeepSeek levou o TileLang para os chips da fabricante e a Bloomberg noticiou planos para 160 mil aceleradores Ascend 950DT na Mongólia Interior. E o calendário tem ironia: o código saiu um dia depois de o Departamento de Segurança Interna norte-americano ter mandado retirar os produtos DeepSeek dos sistemas federais civis.

    trocar cuda por tpu numa linha

    O TorchTPU foi anunciado na conferência da PyTorch e está no GitHub. É um back-end nativo: o mesmo código que hoje corre em GPU passa a correr em TPU mudando .to(“cuda”) para .to(“tpu”), e a versão 5 da biblioteca Transformers, da Hugging Face, aceita device_map=”tpu”. Por baixo, a Google diz que vLLM, SGLang, Ray e TorchTitan funcionam sem alterações. A tentativa anterior, o PyTorch/XLA de 2020, exigia mexer no código e não tinha execução imediata; esta foi feita com a equipa de PyTorch da Meta, que assina o anúncio a dois.

    A jogada não é técnica, é de mercado. A PyTorch é a ferramenta com que se escrevem quase todos os modelos — a TechCrunch fala em 85% — e foi construída quando a Nvidia já era o padrão, o que fez do CUDA a verdadeira barreira. Na segunda-feira, a Amazon lançou o TorchNeuron, o mesmo exercício para os seus chips Trainium, e prometeu código para desligar a PyTorch da Nvidia. Duas nuvens, dois dias, o mesmo alvo.

    oitenta mil milhões de prejuízo, setecentos e cinquenta por gastar

    O rascunho do prospeto da Anthropic foi revisto pelo Wall Street Journal; os corpos das notícias estão fechados, e o que se sabe vem das descrições dos jornais. No primeiro semestre de 2026 a empresa faturou 16,3 mil milhões de dólares, contra 1,1 mil milhões um ano antes, e registou um prejuízo líquido de 80,7 mil milhões. A maior parte não é dinheiro queimado na operação: são encargos contabilísticos de reavaliação ligados ao financiamento. No trimestre seguinte, disse a empresa aos investidores, a receita chegou aos 16,8 mil milhões, mais 45%.

    O que aperta no documento é a concentração e o compromisso. Cerca de um quinto da receita vem de dois clientes. As obrigações de computação já passaram os 600 mil milhões de dólares, com negociações em curso para mais 150 mil milhões — até 750 mil milhões, parte em contratos por assinar. E a Anthropic diz que não consegue garantir capacidade junto da AWS, da Google e da Microsoft, que a começam a ver como concorrente, e que os operadores independentes de centros de dados com quem trabalha têm «histórico operacional limitado».

    O prospeto avisa ainda que a empresa pode ser responsabilizada por danos causados pelos seus modelos em valores acima do seguro que tem. A ida para a bolsa está apontada a novembro, com uma avaliação a chegar aos 2 biliões de dólares; o New York Post, citando fontes de Wall Street, diz que o documento pode ser público já na sexta-feira — uma só fonte, para uma data.

    quem aluga a máquina é quem assina

    É por isso que a Anthropic aluga em vez de esperar. A CNBC noticiou que negoceia com a britânica Nscale um segundo centro de dados de 460 megawatts no mesmo local da Virgínia Ocidental do primeiro acordo, desta vez por cerca de 45 mil milhões de dólares. A Nscale pediu admissão em bolsa em setembro e vive o mesmo aperto dos pares: as ações da CoreWeave e da Nebius caíram 28% e 27% no último mês, com o endividamento debaixo dos olhos. No domingo, o Telegraph escreveu que a Microsoft desistiu de ancorar um centro da Nscale perto de Londres por atrasos na ligação à rede; a empresa diz que continua comprometida e procura outra fonte de energia.

    O que mudou esta semana não foi um modelo. Foi o sítio onde se ganha e onde se perde. O software que serve os modelos está a ser dado, porque o dinheiro está no silício e na nuvem que o vendem. E a empresa que mais depressa cresce tem 750 mil milhões de dólares de contratos de computação para pagar. A pergunta do próximo trimestre não é qual o modelo ganha nas tabelas. É quem consegue pagar a conta da eletricidade.

    fontes

  • Cinquenta dólares por intrusão: os agentes já trabalham sozinhos

    A NorForge, empresa de segurança, encontrou na internet painéis de controlo abertos de sistemas que coordenam agentes de IA. Num deles, um grupo de língua chinesa apontou mais de 1 200 sites de comércio eletrónico nos Estados Unidos, no Canadá, no Japão e na Austrália, e entrou em mais de uma centena. A campanha custou cerca de 5 000 dólares em tokens — 50 por intrusão bem-sucedida, segundo o investigador principal da NorForge citado pela Reuters. Cada entrada levou, em média, 23 horas.

    Não houve equipa, nem malware escrito de raiz, nem infraestrutura cara. Houve um caderno de encargos curto, um motor de agentes open source chamado Cairn e um modelo barato a fazer o trabalho — do mesmo tipo que chegou ao mercado, esta semana, mais barato ainda.

    vinte e três horas por intrusão

    O Cairn não é um programa de intrusão. É, dizem os autores, um motor de resolução de problemas por estados: dá-se um ponto de partida e um objetivo, e os agentes avançam em ciclos, publicando cada descoberta num quadro comum. A NorForge encontrou mais de 20 painéis destes expostos; o grupo mais ativo, o AIA0001, tinha 14 dashboards e mais de 1 100 projetos de ataque.

    O caderno de encargos era mecânico: sites reais de comércio com 200 mil a 1,5 milhões de visitantes, já validados por um script que confirma ser possível encomendar, e um objetivo — execução remota de código sem autenticação, com um pequeno formulário de upload a deixar uma porta aberta para voltar. Cerca de 10% das tarefas chegaram ao fim. Num dos casos, os agentes não encontraram nada na aplicação principal de uma grande empresa, procuraram um painel de controlo associado, viram uma falha subtil na forma como tratava dados e, ao fim de horas de tentativa e erro, correram comandos no servidor. «Isto não é coisa de script kiddie», disse Snorre Fagerland, investigador principal da NorForge.

    A Reuters identificou vítimas: a Deere, a SharkNinja e a Cummins. A Deere disse não ter indícios de acesso a informação sensível; a SharkNinja falou de um site autónomo de apoio a produto, já contido; a Cummins investiga um ataque a um site gerido por um fornecedor.

    o trabalhador chamava-se claudecode_deepseek-v4.1-flash

    Todas as tarefas que a NorForge viu neste grupo correram num trabalhador com esse nome, o que se lê como a ferramenta Claude Code, da Anthropic, a conduzir o modelo DeepSeek V4.1 Flash. A estimativa da empresa é de cerca de 5 dólares por tarefa, incluindo as que falharam cedo; projetos com mais de mil passos podiam passar dos 100. A NorForge avisa que a conta tem margem de erro apreciável. O valor da campanha, 5 000 dólares, é do investigador, em declarações à Reuters.

    Havia mais do que um grupo. O AIA0002, de língua inglesa e dez painéis, dava aos agentes instruções como «vai buscar cartões de crédito» e deixava-os decidir o resto, com modelos DeepSeek através do OpenRouter. O esquema fora adaptado de uma competição de hacking da Tencent: um agente chegou a registar que corria num ambiente «tsec CTF». A NorForge diz que é quase certamente reutilização de ferramentas e que não há razão para envolver a Tencent.

    O detalhe mais desconfortável é o dos próprios atacantes. Os painéis estavam abertos a quem os encontrasse e expunham centenas de palavras-passe e chaves, 11% das quais ainda válidas, além de controlo de administração sobre os projetos. O autor do Cairn, que assina le1xia0, respondeu que a plataforma «não foi desenhada para ataques».

    o mesmo trabalho, a quinze cêntimos por milhão

    Na segunda-feira, a MiniMax lançou o M3.1 Flash: 0,15 dólares por milhão de tokens de entrada, 0,60 de saída, um milhão de tokens de contexto e, diz a empresa, três vezes mais velocidade e 70% menos custo do que o modelo anterior. No índice da Artificial Analysis marca 42 pontos — mais 13 do que o M3 — e resolve uma tarefa por cerca de 0,22 dólares, contra 0,26 do DeepSeek V4.1 Flash, que lidera com 45.

    O que a MiniMax destaca para vender o modelo é o que o hacker comprou: 82% no CyberGym, com auditoria de código, análise de malware e testes de intrusão entre os casos de uso citados. O mesmo índice aponta a fraqueza — 93% de taxa de alucinação, porque o modelo responde a tudo em vez de admitir que não sabe. Os pesos ficam abertos a 23 de outubro; antes de ter nome, o modelo andou anónimo como Space Bunny e processou mais de 200 biliões de tokens nesse registo.

    as duas portas que se fecharam

    Também na segunda-feira, a Microsoft apresentou ferramentas que tratam agentes de IA como ameaças internas. Cada agente passa a ter uma avaliação de risco atualizada de forma contínua, a partir do que pode alcançar e do afastamento entre o que faz e a tarefa que lhe foi dada. Quando o risco sobe, o sistema retira-lhe a capacidade de alterar dados mas deixa-o ler, exige aprovação humana para um passo delicado ou desliga-o. A deteção de agentes nos computadores dos funcionários passa de 25 para 60 tipos, com Claude Code, Codex e Copilot na lista. Tudo em pré-visualização privada, com lançamento alargado na conferência Ignite, de 17 a 19 de novembro.

    No mesmo dia, o Departamento de Segurança Interna norte-americano tornou pública uma ordem, a 2026-01, assinada pelo secretário Markwayne Mullin e datada de 24 de julho, que exclui a DeepSeek e as suas afiliadas das compras públicas com efeito imediato e manda retirar dos sistemas das agências federais civis tanto os produtos da empresa como os produtos de terceiros construídos sobre modelos DeepSeek. Não abrange os sistemas de segurança nacional nem as agências de defesa e informações. Quem não consiga cumprir tem 60 dias para pedir uma exceção, com justificação, e é a CISA que decide.

    As três notícias não falam da mesma coisa. Falam da mesma curva. O que exigia uma equipa passou a alugar-se à hora, o preço por hora continua a cair, e as defesas — no produto e na lei — estão a ser desenhadas depois, à volta de uma fronteira que ninguém sabe onde fica. A pergunta que sobra não é se os agentes são perigosos. É quanto custa, no próximo trimestre, pôr um a trabalhar.

    fontes

  • A tarefa de agente ficou a vinte cêntimos e o resto da fatura mudou de sítio

    No sábado, a DeepSeek publicou uma atualização do seu modelo Flash, o V4.1-Flash-1017, com os pesos abertos e licença MIT. O número que conta não está na tabela das capacidades. Segundo os gráficos da própria empresa, o modelo resolve 77% das tarefas de programação com agentes no benchmark DeepSWE por pouco menos de 20 cêntimos cada uma. A versão anterior fazia 74,2% por cerca de 50 cêntimos. Os rivais que a DeepSeek põe na mesma escala custam entre 2 e mais de 10 dólares por tarefa.

    É a parte visível de um fim de semana com três peças que só fazem sentido juntas. Na sexta-feira, a China pôs em consulta uma lista de controlos de exportação que pode fechar os pesos dos modelos maiores. No sábado, a empresa que faz o agente de código OpenCode avisou os utilizadores de que um sistema antigo deixara escapar chaves de API. O preço da tarefa caiu; o que se paga por correr agentes mudou de sítio.

    vinte cêntimos contra dez dólares

    A tabela do relatório é generosa com a DeepSeek em tudo o que é agente: 77,0 no DeepSWE v1.1, contra 74,2 da versão anterior e 74,0 do Opus 5; 42,3 no Terminal-Bench 4.0, contra 31,2 da versão anterior; 60,5 no Automation-Bench, contra 54,8. Em conhecimento puro perde: 42,6 no Humanity’s Last Exam sem ferramentas, contra 56,3 do Opus 5. A empresa chama-lhe «melhoria de Pareto» — melhor resultado, mais depressa, com respostas mais curtas — e é aí que o custo por tarefa entra na conversa.

    Segundo o The Decoder, que leu os mesmos gráficos, o topo de 77,0 sai por pouco menos de 20 cêntimos por tarefa; numa configuração mais baixa, acima de 72%, por cerca de 10 cêntimos. Nenhum benchmark independente foi publicado, e a publicação avisa que a impressão dos programadores raramente coincide com as tabelas. No OpenRouter, o modelo aparece a 0,05 e 0,60 dólares por milhão de tokens de entrada e saída, com um milhão de tokens de contexto. O pós-treino usa reforço com autoavaliação: o modelo gera a própria crítica e usa-a como recompensa, sem avaliadores humanos.

    oitocentos e noventa bytes por token

    O relatório que acompanha o modelo chama-se «Pushing the Limits of KV Cache Compression» e explica de onde vem o preço. Agentes de longo curso fazem o contexto crescer, cada chamada a uma ferramenta obriga a reprocessar, e a memória intermédia que o modelo guarda — a cache de chaves e valores — passou a dominar a conta. Guardada em memória e em disco para reutilizar prefixos, limita o débito e o número de pedidos que um servidor aguenta.

    O V4.1-Flash tem 552 mil milhões de parâmetros totais e ativa 8 mil milhões na leitura do pedido e 16 mil milhões na geração, porque a arquitetura de 40 camadas só precisa de metade durante a leitura. A compressão faz-se por camadas: menos cabeças de atenção, blocos comprimidos, compressão entre camadas e cache em FP4. O autor da análise calcula 890 bytes por token — quatro vezes menos do que a geração anterior — e mede cerca de 420 tokens por segundo. É engenharia de inferência, não de treino: o mesmo modelo, menos memória por token.

    pequim escreveu a lista, a deepseek abriu os pesos

    Na sexta-feira, os ministérios do comércio e da ciência chineses puseram em consulta uma atualização da lista de tecnologias com exportação restrita. São 23 áreas, e entre elas estão os pesos, os checkpoints, o código-fonte, a arquitetura e os métodos de treino e inferência dos modelos que passem dois biliões de parâmetros, 10^26 FLOPs de cálculo de treino ou o top 10 mundial. Ferramentas capazes de escrever ou alterar malware sozinhas para atacar infraestruturas críticas, alvos militares ou agências do governo ficam com exportação proibida.

    Há duas exceções que interessam a quem publica pesos: o que já é público está fora do âmbito, e a publicação em código aberto tem licença automática, num processo rápido para não travar o setor. Dean Ball, da OpenAI, resumiu a manobra ao The Decoder: não é «a China a fechar os modelos abertos», é o governo a reservar-se o direito de os fechar mais tarde. A Reuters e o Financial Times deram a notícia; os detalhes do articulado vêm da leitura do The Decoder, porque nenhum dos dois textos era legível sem assinatura. O V4.1-Flash saiu no dia seguinte, com licença MIT e 552 mil milhões de parâmetros, abaixo do limiar dos dois biliões. As duas notícias não se contradizem: mostram onde fica hoje a linha.

    as chaves estavam numa consola antiga

    Entre sábado e domingo, a Anomaly Innovations, a empresa que faz o OpenCode — um dos agentes de código aberto mais usados, que corre no terminal com as credenciais do programador — escreveu aos utilizadores afetados. O que aconteceu foi «um ataque de destilação em grande escala» a um sistema antigo que estava a ser desativado e que ainda guardava chaves de fornecedores: OpenAI, Anthropic, Google. A empresa fala em 1,4% dos utilizadores do OpenCode Console e diz que avisou todos por email; quem não recebeu não foi afetado.

    O detalhe incómodo é o que a ferramenta é. O OpenCode lê ficheiros, chama APIs e executa comandos em nome de quem o usa, e a documentação da empresa avisa que não há sandbox e que os pedidos de permissão são uma questão de usabilidade, não uma fronteira de segurança. Uma chave guardada num painel de contas vale tanto como o acesso que ela abre. A Startup Fortune escreve que houve utilizadores com cobranças nas faturas da OpenAI e da Anthropic antes de o aviso chegar; a empresa não confirma — diz que, até à data, não encontrou provas de uso malicioso nem de outros dados expostos. O cofundador Dax Raad contou que as suas contas pessoais também estavam a ser atacadas.

    A conta do fim de semana fica assim: a tarefa de agente custa vinte cêntimos, o que torna racional pôr agentes a fazer mais coisas; as chaves que lhes dão esse acesso continuam a viver em sítios que ninguém audita; e o país que produz os modelos abertos mais baratos acaba de escrever a lista do que pode deixar de o ser. A parte técnica está a correr melhor do que a parte de quem responde quando algo corre mal.

    fontes