Lar
O plugin de IA da Sakana AI simplifica o processamento de documentos para modelos de grande porte
A dificuldade dos grandes modelos de linguagem em processar textos longos, frequentemente chamada de “ansiedade de memória”, pode em breve ser coisa do passado. Recentemente, a startup de IA Sakana AI, sediada em Tóquio, revelou duas tecnologias inovadoras: Text-to-LoRA (T2L) e Doc-to-LoRA (D2L). Utilizando uma arquitetura inovadora de “superrede”, essas tecnologias permitem que modelos de grande porte “absorvam” documentos volumosos ou aprendam novas tarefas em menos de um segundo, tudo isso sem a necessidade de retreinamento.

Os desenvolvedores de IA há muito enfrentam um dilema difícil: enfiar documentos extensos em uma janela de chat — o que retarda as respostas e consome muita memória — ou arcar com o alto custo do ajuste fino de um modelo. A Sakana AI apresenta uma terceira opção. Por meio de um pagamento único pelo pré-treinamento, ela gera plug-ins de peso minúsculo (LoRA) para alcançar uma adaptação de modelo eficiente e de baixo custo.
Doc-to-LoRA: Necessidades de memória caem de 12 GB para apenas 50 MB
Essa é a tecnologia mais impressionante da versão mais recente. Processar um documento de 128.000 tokens (aproximadamente 100.000 palavras) com métodos tradicionais exige mais de 12 GB de VRAM para armazenar informações. Com o D2L, o modelo pode “digerir” diretamente essas informações em um plugin menor que 50 MB.
Velocidade notável: a tecnologia legada leva de 40 a 100 segundos para processar um documento, enquanto o D2L faz isso em menos de 1 segundo.
Ultrapassando limites: permite que os modelos processem textos até quatro vezes mais longos do que sua janela de contexto original, alcançando precisão quase perfeita em testes de recuperação do tipo “agulha no palheiro”.
Text-to-LoRA: Personalize a IA com a linguagem do dia a dia
O Text-to-LoRA torna os modelos mais responsivos. Os usuários simplesmente descrevem uma tarefa em linguagem natural — por exemplo, “ajude-me a resolver um problema complexo de uma competição de matemática” — e o sistema gera automaticamente um plug-in dedicado para melhorar o desempenho. Experimentos revelam que adaptadores criados dessa forma podem superar modelos dedicados treinados do zero em tarefas de matemática e raciocínio lógico.
Tecnologia multimodal poderosa: permitindo que modelos de texto “vejam” imagens
Pesquisadores descobriram um bônus inesperado: o D2L exibe fortes habilidades multimodais. Ao mapear informações visuais para os parâmetros de um modelo de texto puro, um modelo que nunca processou imagens antes pode classificá-las com uma precisão de **75,03%**.
As conquistas da Sakana AI reduzem significativamente a barreira para que indivíduos e empresas personalizem modelos de IA privados. Elas também abrem um novo caminho para o desenvolvimento de uma inteligência artificial geral (AGI) mais leve e inteligente.
Artigo: https://arxiv.org/pdf/2602.15902
Artigo relacionado
A OpenAI confirma o incidente na wiki e afirma que está trabalhando em um framework para maior transparência
A OpenAI confirmou seu envolvimento em um recente incidente no qual agentes de IA assumiram o controle de um fórum wiki alemão. A empresa afirmou que “já é hora” de “definir padrões” para o compartilhamento de informações sobre comportamento inespera
A Vals, apoiada por Andreessen, visa liderar o setor de avaliação de benchmarks de IA
O benchmarking tornou-se o padrão da indústria para como as empresas de IA validam as capacidades de seus modelos, alavancam métricas favoráveis para se diferenciar dos concorrentes e comercializam sua superioridade. Em resumo, bons resultados em ben
O executivo da Apple, John Ternus, afirma que o iPhone é o melhor dispositivo de IA
O futuro CEO da Apple, John Ternus, esclareceu a estratégia de inteligência artificial da empresa durante o evento Surprise and Shine desta quarta-feira, afirmando que o iPhone já é o dispositivo de IA de ponta e priorizando a privacidade dos dados d
Recomendações de tópicos especiais relacionados
Comentários (0)
A dificuldade dos grandes modelos de linguagem em processar textos longos, frequentemente chamada de “ansiedade de memória”, pode em breve ser coisa do passado. Recentemente, a startup de IA Sakana AI, sediada em Tóquio, revelou duas tecnologias inovadoras: Text-to-LoRA (T2L) e Doc-to-LoRA (D2L). Utilizando uma arquitetura inovadora de “superrede”, essas tecnologias permitem que modelos de grande porte “absorvam” documentos volumosos ou aprendam novas tarefas em menos de um segundo, tudo isso sem a necessidade de retreinamento.

Os desenvolvedores de IA há muito enfrentam um dilema difícil: enfiar documentos extensos em uma janela de chat — o que retarda as respostas e consome muita memória — ou arcar com o alto custo do ajuste fino de um modelo. A Sakana AI apresenta uma terceira opção. Por meio de um pagamento único pelo pré-treinamento, ela gera plug-ins de peso minúsculo (LoRA) para alcançar uma adaptação de modelo eficiente e de baixo custo.
Doc-to-LoRA: Necessidades de memória caem de 12 GB para apenas 50 MB
Essa é a tecnologia mais impressionante da versão mais recente. Processar um documento de 128.000 tokens (aproximadamente 100.000 palavras) com métodos tradicionais exige mais de 12 GB de VRAM para armazenar informações. Com o D2L, o modelo pode “digerir” diretamente essas informações em um plugin menor que 50 MB.
Velocidade notável: a tecnologia legada leva de 40 a 100 segundos para processar um documento, enquanto o D2L faz isso em menos de 1 segundo.
Ultrapassando limites: permite que os modelos processem textos até quatro vezes mais longos do que sua janela de contexto original, alcançando precisão quase perfeita em testes de recuperação do tipo “agulha no palheiro”.
Text-to-LoRA: Personalize a IA com a linguagem do dia a dia
O Text-to-LoRA torna os modelos mais responsivos. Os usuários simplesmente descrevem uma tarefa em linguagem natural — por exemplo, “ajude-me a resolver um problema complexo de uma competição de matemática” — e o sistema gera automaticamente um plug-in dedicado para melhorar o desempenho. Experimentos revelam que adaptadores criados dessa forma podem superar modelos dedicados treinados do zero em tarefas de matemática e raciocínio lógico.
Tecnologia multimodal poderosa: permitindo que modelos de texto “vejam” imagens
Pesquisadores descobriram um bônus inesperado: o D2L exibe fortes habilidades multimodais. Ao mapear informações visuais para os parâmetros de um modelo de texto puro, um modelo que nunca processou imagens antes pode classificá-las com uma precisão de **75,03%**.
As conquistas da Sakana AI reduzem significativamente a barreira para que indivíduos e empresas personalizem modelos de IA privados. Elas também abrem um novo caminho para o desenvolvimento de uma inteligência artificial geral (AGI) mais leve e inteligente.
Artigo: https://arxiv.org/pdf/2602.15902
A OpenAI confirma o incidente na wiki e afirma que está trabalhando em um framework para maior transparência
A OpenAI confirmou seu envolvimento em um recente incidente no qual agentes de IA assumiram o controle de um fórum wiki alemão. A empresa afirmou que “já é hora” de “definir padrões” para o compartilhamento de informações sobre comportamento inespera
A Vals, apoiada por Andreessen, visa liderar o setor de avaliação de benchmarks de IA
O benchmarking tornou-se o padrão da indústria para como as empresas de IA validam as capacidades de seus modelos, alavancam métricas favoráveis para se diferenciar dos concorrentes e comercializam sua superioridade. Em resumo, bons resultados em ben
O executivo da Apple, John Ternus, afirma que o iPhone é o melhor dispositivo de IA
O futuro CEO da Apple, John Ternus, esclareceu a estratégia de inteligência artificial da empresa durante o evento Surprise and Shine desta quarta-feira, afirmando que o iPhone já é o dispositivo de IA de ponta e priorizando a privacidade dos dados d











