Data e hora de publicação: 28 de outubro de 2026, às 11h26, horário de Pequim.
Segundo uma notícia breve do Dongcha Beating AI, publicada em 28 de outubro de 2026, a Super Evolution Intelligence, fundada por Chen Kai, ex-diretor do Centro de Modelos de Grande Escala do Shanghai AI Lab, concluiu recentemente uma rodada-anjo de financiamento no valor de centenas de milhões de yuans. A rodada foi liderada pela BlueRun Ventures, com participação de instituições como a SenseTime Guoxiang Capital e a Lenovo Star.
A empresa começou a operar oficialmente apenas no fim de agosto deste ano. Seu objetivo é criar um modelo fundacional capaz de conduzir pesquisas de forma autônoma e aprimorar continuamente suas próprias capacidades.
Chen Kai liderou o desenvolvimento dos modelos de grande escala da série InternLM e tem experiência no treinamento de modelos com trilhões de parâmetros. Desta vez, porém, não pretende começar treinando do zero um modelo com trilhões de parâmetros. Em vez disso, começará pelo pós-treinamento de modelos de código aberto, partindo de modelos com centenas de bilhões de parâmetros e explorando gradualmente o treinamento intermediário e o pré-treinamento.
A empresa está atualmente construindo um ciclo fechado de treinamento autoevolutivo e preparando dados de pesquisa e ambientes de validação, além de estabelecer um sistema de avaliação correspondente. Chen Kai planeja lançar o primeiro modelo baseado em um novo paradigma antes de meados de 2027.
Pelo que se depreende desta notícia, a equipe tem como foco central a ideia de «a IA realizar pesquisas e aprimorar modelos por conta própria». Quanto à estratégia, optou por uma abordagem gradual e mais pragmática: primeiro validar o ciclo fechado por meio do pós-treinamento e, depois, avançar para treinamentos em maior escala.
Ainda não se sabe se será possível fazer essa abordagem funcionar em cerca de dois anos. Isso dependerá do progresso efetivo dos dados, das avaliações e do ciclo fechado de treinamento. Até o momento, não há modelos nem dados de desempenho divulgados que sirvam de referência.
Este conteúdo apenas resume informações noticiosas e não constitui recomendação de investimento. Os dados de mercado pertinentes ainda não foram fornecidos.
Segundo uma notícia breve do Dongcha Beating AI, publicada em 28 de outubro de 2026, a Super Evolution Intelligence, fundada por Chen Kai, ex-diretor do Centro de Modelos de Grande Escala do Shanghai AI Lab, concluiu recentemente uma rodada-anjo de financiamento no valor de centenas de milhões de yuans. A rodada foi liderada pela BlueRun Ventures, com participação de instituições como a SenseTime Guoxiang Capital e a Lenovo Star.
A empresa começou a operar oficialmente apenas no fim de agosto deste ano. Seu objetivo é criar um modelo fundacional capaz de conduzir pesquisas de forma autônoma e aprimorar continuamente suas próprias capacidades.
Chen Kai liderou o desenvolvimento dos modelos de grande escala da série InternLM e tem experiência no treinamento de modelos com trilhões de parâmetros. Desta vez, porém, não pretende começar treinando do zero um modelo com trilhões de parâmetros. Em vez disso, começará pelo pós-treinamento de modelos de código aberto, partindo de modelos com centenas de bilhões de parâmetros e explorando gradualmente o treinamento intermediário e o pré-treinamento.
A empresa está atualmente construindo um ciclo fechado de treinamento autoevolutivo e preparando dados de pesquisa e ambientes de validação, além de estabelecer um sistema de avaliação correspondente. Chen Kai planeja lançar o primeiro modelo baseado em um novo paradigma antes de meados de 2027.
Pelo que se depreende desta notícia, a equipe tem como foco central a ideia de «a IA realizar pesquisas e aprimorar modelos por conta própria». Quanto à estratégia, optou por uma abordagem gradual e mais pragmática: primeiro validar o ciclo fechado por meio do pós-treinamento e, depois, avançar para treinamentos em maior escala.
Ainda não se sabe se será possível fazer essa abordagem funcionar em cerca de dois anos. Isso dependerá do progresso efetivo dos dados, das avaliações e do ciclo fechado de treinamento. Até o momento, não há modelos nem dados de desempenho divulgados que sirvam de referência.
Este conteúdo apenas resume informações noticiosas e não constitui recomendação de investimento. Os dados de mercado pertinentes ainda não foram fornecidos.