Saiu o relatório anual de IA de Stanford. Não precisa ler 400 páginas, aqui estão os fatos mais importantes 👇

💻 Muitos benchmarks de programação foram superados
A métrica SWE-bench Verified, que avalia a capacidade de resolver issues reais no GitHub, saltou de 60% para quase 100% em apenas um ano. Testes que levariam anos para serem resolvidos saturam em meses. No Terminal-Bench (trabalho do agente em um console real: da compilação à inicialização de servidores), a precisão subiu de 20% para 77,3%.

🗑 A internet está morta, a síntese não salva
Desde janeiro de 2025, >50% do novo conteúdo na internet é gerado por IA. No entanto, treinar LLMs apenas com dados sintéticos ainda não funciona — a qualidade não melhora. Toda a mágica agora está na abordagem centrada em dados. O modelo OLMo 3.1 Think 32B apresenta resultados no nível do Grok 4, com 90 vezes menos parâmetros. O segredo: poda rigorosa, desduplicação e curadoria do conjunto de treinamento, e não aumento indiscriminado de pesos.

⚔️ Fim do monopólio americano e era do sigilo
A lacuna tecnológica entre EUA e China praticamente desapareceu. Os modelos chineses estão quase no mesmo nível dos carros-chefe americanos. A diferença entre os 4 principais modelos é microscópica.
Além disso, a indústria tornou-se absolutamente opaca. Para os sistemas mais poderosos, não são mais divulgados nem a arquitetura, nem os scripts de treinamento, nem os tamanhos dos conjuntos de dados.

🤡 Fronteira Irregular (Jagged Frontier)
As redes neurais ganham ouro na Olimpíada Internacional de Matemática (Gemini Deep Think marcou 35 pontos), mas não conseguem dizer as horas em relógios analógicos (erram em 49,9% dos casos, erro mediano de uma a três horas). No OSWorld (gerenciamento de aplicativos de desktop), os agentes falham em uma a cada três tarefas. A capacidade de resolver matemática complexa não significa ter senso comum.

📉 O mercado para juniores está encolhendo
O aumento comprovado na produtividade dos desenvolvedores (+26% de pull requests fechados com uso de IA) afeta as posições iniciais. O número de programadores empregados com idades entre 22 e 25 anos nos EUA caiu quase 20% em comparação com 2024. Os pesquisadores chamam isso de "mudança tecnológica tendenciosa para seniores" — a IA substitui o trabalho júnior, enquanto a contratação de desenvolvedores mais velhos continua a crescer.

🔌 Fragilidade da infraestrutura
A capacidade global de computação para IA cresce 3,3 vezes a cada ano (atingindo 17,1 milhões de equivalentes H100). Os EUA abrigam mais de 5.400 data centers (10 vezes mais que qualquer outro país), mas quase todos os chips de IA avançados do mundo são produzidos em uma única fábrica da TSMC em Taiwan. O consumo de energia dos data centers de IA atingiu 29,6 GW, comparável ao consumo de pico de todo o estado de Nova York.
A inferência consome recursos não menos: o consumo anual de água apenas para gerar GPT-4o equivale às necessidades de água potável de 1,2 milhão de pessoas.