Batalha anterior · 2026-05-10 UTC
Research AI Agents Duelo — 10 de maio de 2026
Da categoria Research AI Agents. 35 marcas colocadas em 10 combatentes. Google AI Co-Scientist conquistou a coroa.
Classificação final
A formação
Os combatentes
Perfis de cada ferramenta que competiu nesta batalha, ordenados pela pontuação final.
Google AI Co-Scientist
Um sistema de IA multi-agentes que colabora com cientistas para gerar hipóteses e acelerar a pesquisa biomédica.
O Google AI Co-Scientist é um sistema de IA multiagente projetado para colaborar com cientistas e acelerar a pesquisa biomédica. Ele foi desenvolvido com Gemini 2.0 e funciona como um colaborador científico virtual para ajudar a gerar hipóteses novas e propostas de pesquisa. O sistema pretende espelhar o processo de raciocínio que sustenta o método científico e descobrir conhecimentos novos e originais. A partir de um objetivo de pesquisa de um cientista especificado em linguagem natural, o AI Co-Scientist gera hipóteses de pesquisa inovadoras, uma visão geral detalhada da pesquisa e protocolos experimentais. Ele utiliza uma coalizão de agentes especializados, incluindo Generation, Reflection, Ranking, Evolution, Proximity e Meta-review, que empregam feedback automatizado para gerar, avaliar e refinar hipóteses de forma iterativa. O sistema permite que os cientistas interajam com ele de várias maneiras, incluindo fornecer ideias iniciais para exploração ou feedback sobre as saídas geradas em linguagem natural. O AI Co-Scientist também utiliza ferramentas como web-search e modelos de IA especializados para melhorar a base e a qualidade das hipóteses geradas. O sistema foi projetado para escalar de forma flexível a computação e melhorar iterativamente seu raciocínio científico em direção ao objetivo de pesquisa especificado. O Google AI Co-Scientist é particularmente útil para cientistas que enfrentam desafios ao navegar pelo rápido crescimento das publicações científicas e ao integrar insights de domínios desconhecidos. Ao aproveitar os avanços recentes em IA, incluindo a capacidade de sintetizar assuntos complexos e realizar planejamento e raciocínio de longo prazo, o Google AI Co-Scientist tem como objetivo acelerar o ritmo das descobertas científicas e biomédicas. O sistema foi testado em várias aplicações, incluindo a descoberta de transferência de genes e a redescoberta de transferência. Embora o Google AI Co-Scientist apresente várias vantagens, sua eficácia depende da qualidade do objetivo de pesquisa fornecido e da capacidade do cientista de oferecer feedback significativo. O Google AI Co-Scientist é uma nova ferramenta que tem o potencial de impactar significativamente a comunidade científica, mas suas limitações e possíveis vieses precisam ser avaliados cuidadosamente. O desenvolvimento do Google AI Co-Scientist é um esforço contínuo, e suas aplicações futuras e melhorias dependerão de pesquisas e testes contínuos.
Divisão de critérios
- Geração de hipóteses
- Criação de visão geral da pesquisa
- Desenvolvimento de protocolos experimentais
- Agentes especializados para raciocínio científico
- Loop de feedback automatizado
- Integração de busca na web
GLM-4.6V
Modelo multimodal GLM de código aberto da Z.ai unificando visão, texto e chamadas de ferramentas para raciocínio de longo contexto, busca, codificação e UI-para-código.
O GLM-4.6V é um modelo de linguagem multimodal de grande escala que amplia sua janela de contexto para 128k tokens e alcança desempenho de ponta em compreensão visual. Ele integra capacidades de Chamada de Função nativas, permitindo uma base técnica unificada para agentes multimodais em cenários de negócios do mundo real. O GLM-4.6V pode aceitar entradas multimodais e gerar automaticamente conteúdo intercalado de imagem-texto de alta qualidade, realizar compreensão de documentos complexos e realizar busca e recuperação visual. Este modelo fornece várias capacidades e cenários, incluindo criação e layout de conteúdo inteligente de imagem-texto, busca visual na web e geração de relatórios de mídia rica, e compreensão de longo contexto. Ele pode aceitar entradas mistas de texto-imagem, gerar conteúdo de alta qualidade e realizar uma auditoria visual em imagens candidatas. O fluxo de trabalho de busca e análise multimodal do GLM-4.6V permite a transição suave da percepção visual para a recuperação online e a geração de relatórios estruturados. Ele mantém a consciência do contexto multimodal e realiza raciocínio fundamentado em informações textuais e visuais. Este modelo fornece várias capacidades e cenários, incluindo reconhecimento de intenção e planejamento de busca, alinhamento de resultados multimodais e raciocínio com geração de relatórios de mídia rica.
Divisão de critérios
- Suporte a entrada multimodal (imagens, texto, arquivos)
- Chamadas de ferramentas multimodais nativas
- Comprimento de contexto de 128k
- Capacidades de Chamada de Função
- Compreensão de longo contexto
- Compreensão visual e recuperação de ferramentas
AlphaSense
Uma plataforma de inteligência de mercado impulsionada por IA que busca autonomamente insights de especialistas e entrega pesquisas de nível de analista em escala.
A AlphaSense é uma plataforma de inteligência de mercado alimentada por IA que fornece informações confiáveis para orientar decisões de negócios. Ela oferece uma coleção abrangente de fontes selecionadas, incluindo transcrições de especialistas da Tegus, pesquisas de corretagem e registros de empresas. A plataforma utiliza modelos avançados de IA para gerar informações de alta qualidade com citações no nível de sentença. A AlphaSense integra fluxos de trabalho, eliminando fontes fragmentadas e fornecendo informações conectadas e simplificadas. Suas capacidades de GenAI fornecem informações em tempo real que fundamentam decisões em expertise confiável. A plataforma é projetada para bancos de investimento, fundos de hedge, private equity, gestão de ativos, consultoria, ciências da vida e outras indústrias. O AlphaSense se diferencia por suas percepções altamente sintetizadas, geradas a partir de um conjunto de conteúdo sem igual. A plataforma também oferece agentes personalizáveis para automatizar tarefas de pesquisa repetitivas, transformando descobertas em relatórios e slides prontos para executivos. Sua Busca Generativa fornece uma visão de 360 graus dos mercados e das empresas, conectando percepções qualitativas com dados financeiros estruturados. Uma das principais forças da AlphaSense é sua capacidade de capacitar os usuários a tomar decisões ousadas com confiança e rapidez. A plataforma fornece às equipes as respostas precisas, perspectivas exclusivas e atualizações críticas necessárias para se manterem à frente da concorrência.
Divisão de critérios
- Fontes curadas
- Transcrições de especialistas do Tegus
- Pesquisa de corretores
- Documentos de empresas
- Dados financeiros privados e públicos
- GenAI para insights em tempo real
Autoresearch
Um projeto de código aberto que permite que agentes de IA executem autonomamente experimentos de treinamento de LLM e mantenham as melhores alterações de modelo.
Autoresearch é um projeto de código aberto que permite que agentes de IA executem autonomamente experimentos de treinamento de LLM e retenham as melhores alterações de modelo. O projeto permite que os usuários configurem um ambiente de treinamento de LLM pequeno, mas real, e deixem um agente de IA experimentá-lo durante a noite, modificando o código, treinando por um curto período e verificando se os resultados melhoram. O objetivo é automatizar o processo de pesquisa, permitindo que o agente de IA explore diferentes arquiteturas de modelo, hiperparâmetros e estratégias de otimização sem intervenção humana. O projeto inclui uma implementação simplificada de nanochat para uma única GPU e fornece uma estrutura básica para programar o processo de pesquisa do agente de IA usando arquivos Markdown. O projeto é projetado para ser extensível, permitindo que os usuários adicionem mais agentes e melhorem o processo de pesquisa ao longo do tempo.
Divisão de critérios
- Experimentos de treinamento de LLM autônomos
- Processo de pesquisa conduzido por agente de IA
- Implementação de nanochat para uma única GPU
- Programação baseada em Markdown para o processo de pesquisa
- Orçamento de tempo de treinamento de 5 minutos com métrica de avaliação (val_bpb)
Cell2Sentence
Estrutura de código aberto que converte a expressão gênica de células individuais em 'sentenças celulares' para que LLMs possam analisar e gerar insights biológicos.
Cell2Sentence é uma estrutura de código aberto que transforma dados de expressão gênica de células individuais em 'sentenças celulares' para análise e geração de insights por modelos de linguagem grandes (LLMs). Ela propõe uma transformação de ordenação de vetores de expressão em sentenças celulares, que são nomes de genes separados por espaços e ordenados por expressão decrescente. Isso permite que LLMs modelem naturalmente dados de sequenciamento de RNA de células individuais (scRNA-seq) usando linguagem natural. A estrutura inclui os modelos C2S-Scale, que unificam dados transcriptômicos e textuais e permitem tarefas avançadas de células individuais, como previsão de perturbação, resumo de conjunto de dados, legendas de cluster e resposta a perguntas biológicas. Os modelos C2S-Scale estão disponíveis no Hugging Face e são baseados em arquiteturas como Pythia e Gemma-2. O Cell2Sentence é destinado a pesquisadores e cientistas que trabalham com dados de transcriptômica de células individuais. A estrutura foi atualizada com novos modelos e recursos, incluindo suporte para ajuste fino em modelos de prompt personalizados e formatação de prompt de várias células. Também inclui uma suíte de modelos Pythia para previsão de tipo de célula, geração condicionada de tipo de célula e um modelo diversificado de várias células e multi-tarefa treinado em mais de 57 milhões de células humanas e de camundongo. A estrutura Cell2Sentence é documentada e possui tutoriais para uso, incluindo exemplos de ajuste fino e formatação de prompt de várias células. O desenvolvimento do Cell2Sentence envolve o van Dijk Lab e foi publicado em um pré-print no bioRxiv. O Cell2Sentence permite a descoberta de próxima geração de células individuais com LLMs.
Divisão de critérios
- Transformação de vetores de expressão em sentenças celulares
- Modelos C2S-Scale para tarefas avançadas de células individuais
- Suporte para ajuste fino em modelos de prompt personalizados
- Formatação de prompt de várias células
- Modelos pré-treinados baseados em arquiteturas Pythia e Gemma-2
THEUS (Aigora)
Sistema de pesquisa de IA empresarial que transforma estudos proprietários em insights rastreáveis com IDs de fato, citações e avatares de especialistas para síntese.
THEUS é um sistema de pesquisa de IA empresarial que transforma estudos proprietários em insights rastreáveis com IDs de fato, citações e avatares de especialistas. É construído com o Google's Agent Development Kit (ADK) e usa modelagem bidirecional para agentes de conhecimento baseados em dados. Os usuários podem extrair, sintetizar e explorar seus dados de pesquisa, e cada afirmação é apoiada por um ID de Fato específico com citações de nível de página. THEUS oferece duas maneiras de explorar: gerar novos insights com o Dr. Reed ou analisar o conhecimento existente com o Dr. Sinclair. Esta plataforma é projetada para VPs de Insights, Líderes Globais de Sensoriamento e líderes de Inovação que avaliam a construção de capacidades estratégicas. Utiliza uma metodologia de pesquisa personalizada, não uma IA empresarial genérica, e cria agentes de conhecimento baseados em dados treinados em dados institucionais reais. Com 85% dos novos produtos falhando em dois anos (Nielsen), a exploração baseada em evidências melhora drasticamente a qualidade das decisões. THEUS oferece um assento solo, que inclui recursos como até 30 documentos ingeridos por mês, até 1.500 páginas analisadas por mês e até 500 perguntas ao Dr. Sinclair por mês. Um dos principais benefícios do THEUS é sua capacidade de transformar décadas de dados proprietários em inteligência de decisão pronta, rastreável, com agentes de conhecimento alimentados por IA.
Divisão de critérios
- Extrair, sintetizar e explorar dados de pesquisa
- Gerar novos insights com o Dr. Reed ou analisar o conhecimento existente com o Dr. Sinclair
- Modelagem bidirecional para agentes de conhecimento baseados em dados
- Conectar conhecimento de produto e consumidor para insights bidirecionais
- Suporta síntese de estudos cruzados e análise de lacunas de pesquisa
StartupValidator
Validador de ideias de startups de IA usando sinais do Twitter ao vivo e pesquisa na web para gerar um veredito pontuado com riscos, pontos fortes e pivôs sugeridos.
StartupValidator é uma ferramenta de IA projetada para validar ideias de startups usando sinais do Twitter ao vivo e pesquisa na web. Ela visa fornecer um veredito pontuado sobre a viabilidade de uma ideia de startup, destacando riscos, pontos fortes e sugerindo possíveis pivôs. Esta ferramenta parece ser direcionada a empreendedores e fundadores de startups que buscam avaliar a viabilidade de suas ideias antes de investir recursos significativos. Ao aproveitar dados em tempo real do Twitter e da web, o StartupValidator oferece uma abordagem baseada em dados para a validação de startups. No entanto, sem informações mais específicas sobre sua metodologia e fontes de dados, a confiabilidade e a precisão da ferramenta são incertas. A ferramenta provavelmente se integra à API do Twitter e possivelmente a outras fontes de dados da web para coletar informações relevantes.
Divisão de critérios
- Análise de sinais do Twitter ao vivo
- Integração de pesquisa na web
- Veredito pontuado sobre viabilidade de startup
- Identificação de riscos e pontos fortes
- Pivôs sugeridos para melhoria
Kosmos
Cientista de IA autônomo para campanhas de pesquisa longas que analisa dados e literatura para produzir relatórios científicos totalmente citados.
Kosmos é um cientista de IA autônomo projetado para equipes de P&D de biofármacos e pesquisadores. Ele analisa dados e literatura para produzir relatórios científicos totalmente citados, acelerando o processo de desenvolvimento de medicamentos desde a hipótese até o registro em dias, não meses. Kosmos trabalha de forma autônoma, lendo literatura, gerando hipóteses, orientando investigações e executando fluxos de trabalho científicos. Ele suporta todo o ciclo de vida do desenvolvimento de medicamentos, desde a identificação de alvos até o desenvolvimento clínico e apresentação. A ferramenta de IA colabora com cientistas humanos por meio do Slack, Teams e e-mail, e aprende com o conhecimento da organização, construindo sobre a história experimental e dados científicos proprietários.
Divisão de critérios
- Geração autônoma de hipóteses
- Análise de literatura
- Análise de dados
- Execução de fluxo de trabalho científico
- Colaboração através do Slack, Teams e e-mail
- Modelo agnóstico para futuros modelos de última geração
O Table Agent é uma assistente de dados alimentada por inteligência artificial projetada para ajudar nos estudos tabulares. É destinado a automatizar o processo de coleta de dados sobre qualquer assunto, tornando a pesquisa mais eficiente. A ferramenta permite esquemas de dados personalizáveis, o que permite aos usuários adaptar a coleta de dados às suas necessidades específicas. Essa flexibilidade é benéfica para uma ampla gama de aplicações e indústrias onde a estrutura dos dados pode variar significativamente. No coração da funcionalidade do Table Agent está sua capacidade de busca de dados impulsionada por agente de inteligência artificial. Isso significa que o ferramenta utiliza inteligência artificial para buscar ativamente e compilar dados relevantes, potencialmente reduzindo o tempo e o esforço necessários para pesquisas manuais. Apesar dos detalhes do seu fluxo de trabalho e integrações não serem detalhados, o conceito de assistente de dados impulsionado por IA sugere que poderia integrar-se facilmente com várias ferramentas de análise de dados, melhorando todo o processo de pesquisa As forças do Table Agent provavelmente incluiriam sua capacidade de automatizar tarefas de coleta de dados tediosas e sua adaptação a estruturas de dados diferentes. No entanto, sem informações mais específicas, é desafiador determinar suas limitações ou como ele se compara com ferramentas de assistência de dados alternativas.
Divisão de critérios
- Coleta de dados automatizada
- Esquemas de dados personalizáveis
- Pesquisa de dados impulsionada por agente de IA
- Recuperação rápida e precisa de dados
AMIE
Um agente diagnóstico multimodal de IA que conduz conversas clínicas e interpreta imagens médicas para diagnósticos precisos.
AMIE (Articulate Medical Intelligence Explorer) é um agente diagnóstico de IA de pesquisa desenvolvido pelo Google DeepMind e Google Research. Ele foi criado para conduzir conversas clínicas e interpretar imagens médicas para diagnósticos precisos. Inicialmente, AMIE era um agente conversacional de diagnóstico médico baseado em texto publicado na Nature. A mais recente evolução, o AMIE multimodal, integra a capacidade de solicitar, interpretar e raciocinar de forma inteligente sobre informações médicas visuais durante conversas clínicas. Essa evolução tem como objetivo melhorar a precisão diagnóstica incorporando dados multimodais, como imagens e documentos, ao processo de diagnóstico. AMIE utiliza um framework de raciocínio consciente de estado e é construído sobre modelos Gemini multimodais. Ele foi avaliado por meio de avaliações de especialistas, incluindo Exames Clínicos Estruturados Objetivos (OSCEs), comparando seu desempenho com médicos de atenção primária (PCPs) em vários cenários de pacientes.
Divisão de critérios
- Diálogo diagnóstico multimodal
- Interpretação de informações médicas visuais
- Framework de raciocínio consciente de estado
- Integração com modelos Gemini
- Ambiente de simulação para avaliação de diálogos