# MLCommons vai criar benchmark de agentes com apoio da NSF

> A MLCommons foi escolhida para desenvolver o benchmark MLPerf Agents no âmbito do AI Efficiency Challenge, apoiado pela National Science Foundation dos EUA e financiado com 3,5 milhões de dólares durante dois anos. O benchmark previsto medirá fluxos completos, não apenas a entrega de tokens do modelo: inclui o harness do agente, escolha do modelo, recuperação, ferramentas, orquestração, estado, recuperação de falhas e validação.

- URL canônica: https://newsverum.com/pt/news/mlcommons-nsf-backed-mlperf-agents-efficiency-benchmark
- Editora: Newsverum
- Seção: Tecnologia
- Publicado: 2026-10-15T22:00:39+00:00
- Atualizado: 2026-10-15T22:00:39+00:00
- Período do evento ou dos dados: 2026-10-15
- Outras edições: [Türkçe](https://newsverum.com/tr/news/mlcommons-nsf-backed-mlperf-agents-efficiency-benchmark.md), [English](https://newsverum.com/en/news/mlcommons-nsf-backed-mlperf-agents-efficiency-benchmark.md), [العربية](https://newsverum.com/ar/news/mlcommons-nsf-backed-mlperf-agents-efficiency-benchmark.md), [Français](https://newsverum.com/fr/news/mlcommons-nsf-backed-mlperf-agents-efficiency-benchmark.md), [Español](https://newsverum.com/es/news/mlcommons-nsf-backed-mlperf-agents-efficiency-benchmark.md), [Deutsch](https://newsverum.com/de/news/mlcommons-nsf-backed-mlperf-agents-efficiency-benchmark.md)

A medição deverá abranger custo, energia, latência e débito em tarefas cujo sucesso seja verificado. Os primeiros trabalhos previstos incluem engenharia de software, investigação e análise de dados, e atendimento ao cliente. A MLCommons planeia regras comuns e conjuntos de validação ocultos; o benchmark ainda não produziu resultados. O anúncio descreve um projeto de desenvolvimento de dois anos.

## Dados

### MLCommons vai criar benchmark de agentes com apoio da NSF

A MLCommons foi escolhida para desenvolver o benchmark MLPerf Agents no âmbito do AI Efficiency Challenge, apoiado pela National Science Foundation dos EUA e financiado com 3,5 milhões de dólares durante dois anos. O benchmark previsto medirá fluxos completos, não apenas a entrega de tokens do modelo: inclui o harness do agente, escolha do modelo, recuperação, ferramentas, orquestração, estado, recuperação de falhas e validação. A medição deverá abranger custo, energia, latência e débito em tarefas cujo sucesso seja verificado. Os primeiros trabalhos previstos incluem engenharia de software, investigação e análise de dados, e atendimento ao cliente. A MLCommons planeia regras comuns e conjuntos de validação ocultos; o benchmark ainda não produziu resultados. O anúncio descreve um projeto de desenvolvimento de dois anos.

Metodologia: Este registro resume a descrição e as medições da fonte primária citada; não foi realizado teste independente nem verificação do inquérito.

| date | label | description | status |
|---|---|---|---|
| 2026-10-15 | A MLCommons foi escolhida para desenvolver o benchmark MLPerf Agents no âmbito do AI Efficiency Challenge, apoiado pela National Science Foundation dos EUA e financiado com 3,5 milhões de dólares durante dois anos. O benchmark previsto medirá fluxos completos, não apenas a entrega de tokens do modelo: inclui o harness do agente, escolha do modelo, recuperação, ferramentas, orquestração, estado, recuperação de falhas e validação. | A MLCommons foi escolhida para desenvolver o benchmark MLPerf Agents no âmbito do AI Efficiency Challenge, apoiado pela National Science Foundation dos EUA e financiado com 3,5 milhões de dólares durante dois anos. O benchmark previsto medirá fluxos completos, não apenas a entrega de tokens do modelo: inclui o harness do agente, escolha do modelo, recuperação, ferramentas, orquestração, estado, recuperação de falhas e validação. A medição deverá abranger custo, energia, latência e débito em tarefas cujo sucesso seja verificado. Os primeiros trabalhos previstos incluem engenharia de software, investigação e análise de dados, e atendimento ao cliente. A MLCommons planeia regras comuns e conjuntos de validação ocultos; o benchmark ainda não produziu resultados. O anúncio descreve um projeto de desenvolvimento de dois anos. | occurred |

Fontes: <https://mlcommons.org/2026/10/nsf-stride-ai-efficiency-challenge/> · Baixar dados: [JSON](https://newsverum.com/api/v1/articles/mlcommons-nsf-backed-mlperf-agents-efficiency-benchmark/data/source-report?lang=pt&format=json) · [CSV](https://newsverum.com/api/v1/articles/mlcommons-nsf-backed-mlperf-agents-efficiency-benchmark/data/source-report?lang=pt&format=csv)

## Fontes

- [MLCommons](<https://mlcommons.org/2026/10/nsf-stride-ai-efficiency-challenge/>) (Fonte verificada: 2026-10-15; Publicado: 2026-10-15)

---

Use a URL canônica acima para citar este artigo. [Princípios editoriais e correções](https://newsverum.com/pt/editorial)