ele listou as 6 mudanças mais importantes do maior evento de pesquisa em IA deste ano, NeurIPS 2025. isso nos diz muito sobre para onde a IA está indo em 2026: 1. o mecanismo de atenção está recebendo uma atualização considerável. está se tornando mais seletivo usando técnicas como gating, esparsidade e melhor manuseio de longos contextos. em talvez 6 meses você verá modelos que são mais baratos, mais inteligentes e mais eficientes. 2. os modelos de fronteira estão convergindo. já sabíamos um pouco disso, mas novamente, os melhores modelos estão soando mais semelhantes. sua escolha de modelo de fronteira importa menos do que antes, mas também qualquer viés ou ponto cego é amplificado em todos os lugares ao mesmo tempo. 3. o RL finalmente está escalando para robótica. esteve estagnado por anos. a abordagem de "apenas continue escalando" que funcionou para LLMs agora está funcionando para agentes. 2026 será o ano de grandes progressos em sistemas agentes. 4. os modelos de difusão não estão apenas memorizando dados de treinamento. um importante artigo teórico mostrou que o treinamento de difusão tem na verdade duas fases: uma fase inicial onde os modelos aprendem a gerar amostras de alta qualidade, e uma fase posterior onde começam a memorizar coisas específicas. mais dados de treinamento empurra a fase de memorização e lhe dá uma janela maior antes do overfitting. 5. o sistema de artigos acadêmicos está COZIDO (sério). com 20000 submissões, o NeurIPS está se afogando em artigos. eles estão até experimentando com IA para revisar artigos gerados por IA. isso significa que você não pode mais confiar realmente no prestígio de conferências e publicações. você deve confiar em quem escreveu o artigo e seu histórico. 6. grandes laboratórios estão apostando tudo em raciocínio, eficiência e integração. a corrida de fronteira não é mais apenas sobre o tamanho do modelo. grandes laboratórios estão agora trabalhando em: (1) raciocínio como uma métrica mensurável, pensamento passo a passo, chamadas de ferramentas, uso de busca (2) eficiência, executando modelos fortes em telefones e dispositivos de borda com baixa latência (3) integração de fluxo de trabalho, conectando modelos a ferramentas e protocolos como MCP. eu realmente sugiro que você assista a esta análise de 10 minutos se a pesquisa em IA lhe preocupa.