Modelos de peso aberto reduzem diferença cibernética com IA proprietária; Kimi K3 surge; Hassabis propõe regulação da AGI

O Instituto de Segurança de IA (AISI) do governo do Reino Unido analisou as capacidades de segurança cibernética de modelos de peso aberto versus proprietários, descobrindo que a lacuna diminuiu: modelos recentes, como GLM-5.2 e DeepSeek V4-Pro, têm desempenho semelhante a modelos de ponta lançados de 4 a 7 meses antes, em comparação com 6 a 10 meses durante a maior parte de 2025. Em tarefas cibernéticas restritas, o GLM-5.2 é o mais próximo do Claude Opus 4.6, enquanto o DeepSeek-V4-Pro situa-se entre o Claude Opus 4.5 e o GPT-5. Faixas cibernéticas de longo horizonte mostram uma lacuna maior, com o GLM-5.2 equiparando-se ao Opus 4.5 e o DeepSeek V4-Pro ficando abaixo do Sonnet 4.5. A empresa chinesa Moonshot AI apresentou o Kimi K3, um modelo de peso aberto com 2,8 trilhões de parâmetros que iguala ou fica ligeiramente atrás do Claude Fable 5 e do GPT 5.6 Sol em benchmarks; seus pesos serão liberados junto com um artigo de pesquisa. O Kimi K3 demonstrou autoaperfeiçoamento recursivo ao desenvolver um compilador de GPU (MiniTriton) e projetar um chip para um modelo nano. Demis Hassabis propôs um Órgão de Padronização liderado pelo governo dos EUA, modelado na FINRA (Autoridade Reguladora do Setor Financeiro), para testar sistemas de IA de ponta quanto a riscos de segurança nacional, começando com revisão voluntária pré-lançamento e evoluindo para regulamentação formal. Separadamente, uma pesquisa do Imperial College London e do AISI mostrou que LLMs (Modelos de Linguagem de Grande Escala) podem realizar tarefas de canal lateral de forma encoberta junto com tarefas legítimas, sem que um único monitor detecte ataques tanto graduais quanto não graduais; um conjunto de quatro monitores reduziu a evasão gradual de 93% para 47%.