Pular para o conteúdo principal

IA — notícias de 2026-09-14

· 7 min para ler

Fontes​

llama.cpp — 8 releases em 2026-09-14 (v0.4.1, b10951 a b10970)​

GitHub · ggml-org/llama.cpp · 2026-09-14 Oito tags publicadas dentro da janela D (03:00 UTC 2026-09-14 a 03:00 UTC 2026-09-15): b10951 (04:05:10Z), b10952 (08:26:46Z), b10955 (10:42:51Z), b10956 (13:57:29Z), b10964 (15:28:07Z), b10969 (19:50:18Z), b10970 (20:53:17Z) e v0.4.1 (18:27:29Z). O destaque v0.4.1 adiciona suporte a Maple 20B-A1B ternary MoE, Tencent Hy 4 e Spark2.5, corrige KV cache MTP para DeepSeek2/GLM-MoE e atualiza ggml para v0.24.0 com logging JSONL. As demais tags focam builds Ubuntu-CUDA e correções de kernels para inference local via GGUF. Verificação via API GitHub confirma ausência de releases de vLLM (último v0.29.0 em 2026-09-09) e lm-evaluation-harness (v0.4.13 em 2026-08-31) em D. Abrir fonte

Understanding W8A8 INT8 LLM quantization: Accuracy and performance results — Parte 2 no Red Hat Developer​

Red Hat Developer · Sana Fayyaz · 2026-09-14 Publicado em 2026-09-14T13:01:43+0000, é a parte 2 da série sobre quantização W8A8, com benchmarking de velocidade e acurácia sobre Llama 3.1 8B comprimido de 14,9 GB para 8,0 GB com SmoothQuant e GPTQ. O artigo detalha half the size, better performance, same accuracy com INT8 para pesos e ativações, complementando a parte 1 de 2026-09-07. Vincula-se aos modelos RedHatAI/Meta-Llama-3.1-8B-quantized.w8a8 e phi-4-quantized.w8a8 no Hugging Face com suporte documentado em Red Hat AI Inference. Relevante para deployment vLLM/LLM-compressor com W8A8. Abrir fonte

IFM/K2-Horizon família — 0.9B, 3.7B e 32B em 2026-09-14​

Hugging Face · IFM · 2026-09-14 Três variantes dense/release da família K2-Horizon publicadas dentro de D: K2-Horizon-0.9B (2026-09-14T21:19:55Z, 17.475 downloads, 73 likes), K2-Horizon-3.7B (2026-09-15T01:20:28Z, 6.130 downloads, 46 likes) e K2-Horizon-32B (2026-09-14T21:31:26Z, 2.501 downloads, 35 likes). Todos em text-generation/transformers/safetensors com tags reasoning e open-weights, estendendo o MoE 375B-A23B da véspera para denso escalonável. A adoção rápida do 0.9B indica demanda por SLM de reasoning para agentes e avaliação de eficiência. Abrir fonte

RedHatAI/GLM-5.3-MXFP4 — GLM-5.3 quantizado MXFP4 para vLLM​

Hugging Face · RedHatAI · 2026-09-14 Publicado em 2026-09-15T01:06:21Z com 1.628 downloads e 2 likes, converte zai-org/GLM-5.3 para MXFP4/FP4 com llm-compressor e tag vllm explícita. As tags glm_moe_dsa, mxfp4 e fp4 sinalizam serving de MoE com micro-scaling FP4 para alta vazão. Conecta diretamente à série W8A8 do dia e amplia o portfólio de quantização Red Hat para inference em produção. Abrir fonte

OrionLLM/OxCoder-9B — fine-tune de Qwen3.5-9B para coding agentic​

Hugging Face · OrionLLM · 2026-09-14 Publicado em 2026-09-14T19:38:51Z com 2.172 downloads e 56 likes, deriva de Qwen/Qwen3.5-9B com pipeline text-generation e tags qwen3_5/conversational. Foca coding e tool-use sobre base Qwen3.5, complementado no mesmo dia por variantes GGUF MERNIK e REAP abliterated. Relevante para orquestração de agentes e fine-tuning de instrução para workflows de engenharia. Abrir fonte

Asilarkness/DiffuRefill-1B — diffusion language model 1B com parallel decoding​

Hugging Face · Asilarkness · 2026-09-14 Publicado em 2026-09-15T02:35:09Z com 6.349 downloads, apresenta DiffuRefill 1B com arquitetura diffusion-language-model/masked-diffusion e parallel-decoding, treinado sobre Ultra-FineWeb-L3 sob Apache-2.0. As tags diffurefill e diffusion-language-model indicam alternativa a autoregressivo puro com foco em arquitetura e inference paralela. É o maior download não-K2 em D e sinaliza interesse em modelos de linguagem por difusão. Abrir fonte

sz14/cRia-LM-75M — Recursive Transformer 75M para small models​

Hugging Face · sz14 · 2026-09-14 Atualizado em 2026-09-14T22:15:39Z com 6.251 downloads e 8 likes, entrega RRT de 75M com tags recursive-transformer, small-language-model e knowledge-distillation em transformers/safetensors. A arquitetura recursiva visa eficiência de parâmetros como alternativa a decoder-only padrão, já listada entre os maiores downloads de SLM em D. Relevante para treino eficiente e interpretabilidade de modelos pequenos. Abrir fonte

mlboydaisuke/LFM2.5-8B-A1B-CoreAI — LiquidAI LFM2.5 MoE para on-device​

Hugging Face · mlboydaisuke · 2026-09-14 Publicado em 2026-09-14T18:37:21Z com 1.350 downloads (família inclui 1.2B, 2.6B, 30B e outros no mesmo horário), converte LiquidAI/LFM2.5-8B-A1B para CoreAI com tags lfm2_moe, coreml, apple e moe. Foca inference on-device via Metal com arquitetura MoE eficiente, parte de lote de 8 conversões CoreAI simultâneas (Gemma 4 12B/31B/E2B/E4B, Qwen3.6 27B/35B-A3B, GLM-4.7 Flash). Demonstra pipeline de porting para Apple Silicon além de vLLM/llama.cpp. Abrir fonte

mlx-community/Hy3-OptiQ-2bit — Tencent Hy3 quantizado 2-bit para Apple Silicon​

Hugging Face · mlx-community · 2026-09-14 Publicado em 2026-09-15T01:14:13Z com 699 downloads e 6 likes, quantiza tencent/Hy3 para MLX com OptiQ 2-bit mixed-precision e tags moe/quantized. Complementa outras conversões OptiQ do dia e estende a estratégia de quantização extrema para MoE híbrido. Relevante para serving local sem CUDA com footprint reduzido. Abrir fonte

BioTorch/UI_Llama_3_2_1B — Llama 3.2 1B fine-tune de personalidade​

Hugging Face · BioTorch · 2026-09-14 Publicado em 2026-09-14T20:02:52Z com 2.278 downloads, deriva de meta-llama/Llama-3.2-1B em text-generation com tags chatbot/personality. Explora fine-tuning leve para adaptação comportamental em SLM de 1B, útil para avaliação de harness de personalidade e skills de agente em modelos pequenos. Abrir fonte

37 LLM Statistics for 2026 — BenchLM atualizado em 2026-09-14​

BenchLM · 2026-09-14 Página de estatísticas citáveis atualizada em 2026-09-14 com dateModified 2026-09-14, consolida 37 estatísticas sobre pricing, releases, context windows, benchmarks, open source e hardware local a partir do dataset ao vivo do BenchLM. Inclui datasets dedicados a model releases, LLM pricing e context windows com metodologia publicada. Relevante como harness de avaliação e fonte de comparação entre modelos para lm-eval. Abrir fonte

Nota de cobertura: buscas focadas em harness/skills/modelos LLM foram executadas em 10 idiomas (pt, en, it, es, fr, de, ru, zh, ko, ja) via web_search nativo em consultas como lm-eval-harness, vLLM, llama.cpp, quantização, fine-tuning e inference; variações em italiano, espanhol, francês, alemão, russo, chinês, coreano e japonês não retornaram itens novos qualificados dentro de D além dos já capturados em inglês/português. Verificação via API GitHub confirmou 8 releases llama.cpp em D, vLLM sem release em D (último v0.29.0 em 2026-09-09) e lm-evaluation-harness sem release em D (v0.4.13 em 2026-08-31). API Hugging Face retornou 327 modelos text-generation com lastModified em D (varredura paginada 0–800, filtro text-generation); após deduplicação e filtro de ruído (test-save-tiny, fpadovani 100MB toys), 10 representativos foram preservados por downloads, arquitetura e técnica de quantização relevante a inference. HF daily papers e arXiv recent (cs.CL/cs.LG/cs.AI em 2026-09-14) foram verificados: papers listados em recent tinham submitted dates 10–11 Sep, sem publicação em D dentro do escopo harness/quantização/inference que justificasse inclusão.

Etiquetas: