Mensagem da Gate News, 17 de abril — A OrtCloud, uma startup de infra-estrutura cloud com base em Singapura, angariou 1,7 milhões de dólares em financiamento pré-seed liderado pela Golden Gate Ventures, com a Antler também a participar. A empresa está a construir infra-estrutura determinística de máquinas virtuais, concebida especificamente para cargas de trabalho fixas e para sandboxes de agentes de IA.
A OrtCloud oferece opções de implementação tanto alojadas (hosted) como no local (on-premises) para organizações que procuram um desempenho e faturação mais previsíveis em comparação com configurações cloud partilhadas. A startup já alcançou receitas recorrentes anuais na casa das sete figuras e conta com a OpenAI e a Samsung entre os seus clientes. A empresa pretende usar o financiamento para desenvolvimento de produto, contratação e expansão nos mercados da Ásia-Pacífico e dos EUA.
O financiamento reflete uma procura crescente por infra-estruturas de computação especializadas, adaptadas a agentes de IA, que conseguem executar código não confiável em tempo de execução e criar desafios de segurança e de gestão de recursos em ambientes cloud standard. A abordagem da OrtCloud disponibiliza sandboxes isoladas para limitar o risco e limitar o consumo de recursos, posicionando-a como uma alternativa a grandes fornecedores para organizações com requisitos específicos de desempenho ou de residência de dados.
Isenção de responsabilidade: As informações contidas nesta página podem ser provenientes de terceiros e não representam os pontos de vista ou opiniões da Gate. O conteúdo apresentado nesta página é apenas para referência e não constitui qualquer aconselhamento financeiro, de investimento ou jurídico. A Gate não garante a exatidão ou o carácter exaustivo das informações e não poderá ser responsabilizada por quaisquer perdas resultantes da utilização destas informações. Os investimentos em ativos virtuais implicam riscos elevados e estão sujeitos a uma volatilidade de preços significativa. Pode perder todo o seu capital investido. Compreenda plenamente os riscos relevantes e tome decisões prudentes com base na sua própria situação financeira e tolerância ao risco. Para mais informações, consulte a
Isenção de responsabilidade.
Related Articles
Os bancos de Taiwan juntam-se para criar uma IA local! Modelos de linguagem financeiros de grande escala em funcionamento o mais tardar até ao final do ano
As 16 instituições financeiras lideradas pela Chint Trust & Holdings anunciaram o lançamento do projeto “Modelo Financeiro de Linguagem Grande FinLLM”. A primeira versão do modelo bancário está prevista para ser publicada em agosto, e no 1.º trimestre de 2026 serão lançados agentes de IA baseados no FinLLM. O treino terá início em maio, com um orçamento de cerca de 40–70 milhões de yuan. Devido a exigências regulamentares e à necessidade de adaptação ao local, o treino será centrado em dados locais, reforçando a IA soberana, construindo infraestruturas base comuns e alargando-se ao setor do acesso financeiro inclusivo. O plano já foi incluído no plano nacional de desenvolvimento de IA e obteve apoio interministerial.
ChainNewsAbmedia3m atrás
CEO da Google: investimento de 185 mil milhões em capital para 2026; reforço dos investimentos na era dos agentes de IA
O CEO da Google, Sundar Pichai, anunciou a 22 de abril, na conferência Google Cloud Next realizada em Las Vegas, que a Google planeia investir entre 175 mil milhões e 185 mil milhões de dólares em despesas de capital em 2026, para construir a infraestrutura necessária para agentes de inteligência artificial autónomos (AI Agent), o que representa um aumento face aos 31 mil milhões de dólares em 2022.
MarketWhisper39m atrás
A Google revela a lista de candidatos ao novo lançamento da Jules e reposiciona-a como uma plataforma de desenvolvimento de produtos ponta-a-ponta
De acordo com o anúncio oficial da equipa Google Jules em 23 de abril, a orientação do produto da Jules evoluiu de um agente de codificação assíncrona para uma «plataforma de desenvolvimento de produtos agentic ponta a ponta». A nova versão consegue ler o contexto completo do produto, decidir de forma autónoma o próximo rumo de construção e submeter PR. Em paralelo, a equipa oficial anunciou a abertura de uma lista de candidatos para a nova versão.
MarketWhisper44m atrás
Google Jules Reposiciona-se como Plataforma de Desenvolvimento de Produtos Orientada por Agentes, de Ponta a Ponta, e Abre Lista de Espera para Nova Versão
Mensagem do Gate News, 23 de abril — A equipa da Jules, da Google, anunciou a abertura de uma lista de espera para uma nova versão do produto, reposicionando a Jules de um agente de codificação assíncrona para uma plataforma de desenvolvimento de produtos orientada por agentes, de ponta a ponta. Segundo a descrição oficial, a plataforma atualizada lê enti
GateNews1h atrás
A Perplexity revela o método de pós-treinamento do agente de pesquisa na web; o modelo baseado em Qwen3.5 supera o GPT-5.4 em precisão e custo
A Perplexity utiliza SFT seguida de RL com modelos Qwen3.5, tirando partido de um conjunto de dados de QA multi-hop e de verificações por rubrica para melhorar a precisão e a eficiência da pesquisa, atingindo um desempenho FRAMES de referência.
Resumo: O fluxo de pós-treinamento da Perplexity para agentes de pesquisa na web combina fine-tuning supervisionado (SFT) para impor obediência a instruções e consistência linguística com aprendizagem por reforço online (RL) via o algoritmo GRPO. A fase de RL utiliza um conjunto proprietário de QA verificável multi-hop e dados conversacionais baseados em rubricas para impedir a deriva do SFT, com gating de recompensas e penalizações de eficiência dentro do grupo. A avaliação mostra que o Qwen3.5-397B-SFT-RL atinge o melhor desempenho FRAMES, com 57,3% de precisão com uma única chamada de ferramenta e 73,9% com quatro chamadas a $0,02 por consulta, superando o GPT-5.4 e o Claude Sonnet 4.6 nestas métricas. A tarifação é baseada em API e exclui caching.
GateNews2h atrás
A Equipa de Codex da OpenAI Corrige um Bug de Autenticação do OpenClaw, Melhorando Significativamente o Comportamento do Agente
O OpenClaw muda de harness de Pi para o harness de Codex para corrigir uma falha silenciosa de autenticação, com dois PRs a abordar a ponte e o fallback; após a correção, o agente passa de uma sondagem superficial por heartbeat para um ciclo completo de trabalho, permitindo progresso.
Resumo: A otimização do harness de Codex do OpenClaw abordou uma falha crítica de autenticação que causava o fallback silencioso para o harness de Pi quando se usava Codex com modelos OpenAI. Dois pedidos pull corrigem a ponte de autenticação e evitam o fallback silencioso, alterando o adaptador em tempo de execução. Como resultado, o comportamento do agente evolui de uma sondagem superficial por heartbeat para um ciclo completo de trabalho que lê contexto, analisa tarefas, edita repositórios e verifica o progresso, melhorando a continuidade e a visibilidade entre heartbeats.
GateNews3h atrás
