149: Google I/O, Microsoft Build, Anthropic Claude 4

[Música] Olá, bem-vindas e bem-vindos à edição de sexta-feira de muita e muita e muita notícia do Iá Sobre controle, seu podcast coveritting de informações sobre o mundo da inteligência artificial. Eu sou o Marcos Mendes e tenho, claro, assim como outra semana por aqui, o Fabrício Carraro, o viajante poliglota, host do podcast Dev Fronteiras, autor da newsletter A sobre controle, que se você Não assina, o link tá na descrição, e program manager da Alura. Fabrício, tudo bem? E aí, Marcos? E eu acho que é a segunda vez que eu vou falar isso aqui. #medo, porque a

gente tá começando a gravação agora. Eu não sei quando a gente termina. Espero que terminemos um dia. Pois é, a gente teve nessa última semana não só conferências de desenvolvimento do do Google, da Microsoft, teve compra surpresa da Openi, que já botei primeiro aqui pra Gente poder tirar da frente, que é muita coisa. Então vamos começar com os prompts aqui em relação aos últimos episódios. E Fabrício, você tem um um recado para passar? Exatamente, pessoal. É uma ratinha do episódio da semana passada quando o Marcos a gente estava falando sobre os modelos Quen 3, que

eles lançaram as versões quantizadas, né, de 0.6 B, de 2B, a partir do modelo maiorzão, que era 235 bilhões de tokens. O Marcos perguntou: "Ah, Fabrício, Explica pra gente o que que é quantização?" E na primeira versão do podcast deu uma câra mental bizarra e o que eu expliquei foi sobre pruning, né? que é uma técnica também usada para reduzir o tamanho dos modelos. Ainda na segunda-feira ou na terça-feira, a gente corrigiu o MP3 do episódio que tá no ar. Então, se você escutar a versão atualizada, ele já tá a versão corrigida. Mas explicando aqui

para quem escutou a primeira versão ainda, a Quantização é uma técnica de otimização para reduzir o tamanho e o custo computacional de um modelo. E ela faz isso diminuindo a precisão numérica dos pesos desse modelo. Então, normalmente você vai treinar uma rede neural ali, né? Os pesos, os viéses dela vão est ali, por exemplo, em float 32, que é números de 32 bits. Imagina o número, né, tipo 0.837, depois da vírgula, né, com uma precisão de 32 bits. E a quantização é Basicamente você converter esse número para representações em menos bits, como em intit, né,

8 bits, 4 bits, 28 bits, 24, depende da quantização que você vai fazer. E com isso o modelo ele vai ocupar muito menos espaço em disco, muito menos memória na hora de rodar ele. Então vai ser mais fácil, você vai poder rodar ele, por exemplo, no seu laptop, no seu celular. O mesmo modelo de, por exemplo, 235 bilhões você diminui para um modelo De 2 bilhões, de 0.6 bilhões e assim por diante. Então essa é uma primeira erratinha. a gente já fez a correção, já tá no ar, mas aqui fazendo também para vocês. Um obrigado

aí pro Felipe, nosso amigo, que pegou essa câra mental e que citou a gente no podcast dele, o Vida com Iá. Obrigado por ter citado a gente. Ele fez uma brincadeirinha lá e vou deixar o link na descrição porque se você não conhecem, conheçam, assinem. É um dos meus podcasts favoritos de A. Exatamente. Sigo cada episódio. E Marcos, teve enquete essa semana também, né? Teve. A gente perguntou algumas semanas para vocês se vocês tinham se aventurado com o vibe coding e 64% disseram: "Claro, 32% disseram não, mas nada contra". E 4% disseram não e tudo

contra. Então, a gente teve uma distribuição interessante, mostrou que a maioria das pessoas já usou de alguma forma LLMs para codar, talvez não sendo coders, para tentar tirar um projeto do Zero ali e chegar no 20, 30% a partir disso poder seguir em frente. Então, é uma prática que já tá em amplo uso. Eu acho que é uma coisa interessante que desde que apareceu o termo até hoje, ele o mundo foi adaptando o significado dele, né? Porque a origem dele foi do Andrei Carp que é um dos papas da Iá, falando: "Ah, eu pego, peço

para ele, tenho com uma ideia de um appinho aqui para fazer para mim mesmo. Eu jogo lá, falo: "Escuta, GPT, preciso disso, disso Aí, faz para mim, tal". Ele faz, eu boto lá para rodar, às vezes funciona, às vezes não. Se funciona, eu já tô usando e vamos embora. Foi mais ou menos isso, né? acabou virando essa ideia de você usar a IA para codar ou como a resposta final ou como um assistente. Isso juntou já com cursor, com Wind Surf, com as ferramentas todas de codar que estão começando a absorver LLMs e outras formas

de você interagir com modelos para fazer código. Então, olha, é Interessante que, apesar de ser um termo novo, já foi sofrendo algumas adaptações, mas nessa última semana aconteceram acho que dois, a gente viu dois lados importantes de gente grande falando também sobre esse lance de vibe coding, né? Exatamente. O Juda Diamond, que é professor lá da Universidade Yeshiva, ele falou que, ah, tem ferramentas assim desde os anos 80, como o Apple Hyper Card, o Power Builder, Bordland Delf, é o Flash, o VB e tudo Mais, que faziam coisas mais ou menos assim, né? Tipo, eles

eh descomplicavam uma coisa que era mais complicada para tornar isso mais fácil pro usuário final que tava codando ali. A diferença é que o output daquelas ferramentas era realmente determinístico, bem documentado, bem entendido, enquanto que as respostas dos modelos de A não são. Mas ele fala que dizer que Vibe Code vai substituir os engenheiros de software é uma pessoa, é uma afirmação é ignorante Que não conhece 40 anos de ferramentas desse tipo, de pessoas também que não conhecem como a IA funciona, pessoas que não são desenvolvedoras de software e principalmente pessoas que estão tentando vender

alguma coisa e fazer dinheiro em cima disso, né? E realmente, né, se você pensar por esse lado de ferramentas ah que te ajudassem a fazer alguma coisa, beleza, né? que fizessem pelo menos um template, uma um MVPzinho assim, não te ajudasse a fazer o MVP, Beleza? Mas também é innegável a mudança que os LLMs poderosos que a gente tem hoje em dia, né? Porque inclusive modelos de linguagem não são uma coisa nova, absolutamente não. Mas com o poder dos LLMs, a gente viu isso crescer em um nível absurdo, exponencial. E o Thomas Wolf lá da

Huging Face deu um maravilhoso contraponto, que é nós não vimos nada ainda. Eles fizeram um evento meio que um racatom baseado em vibe coding para crianças de 9 a 13 anos de Idade com racinho. É. Ai meu Deus. E eles fizeram um monte de ferramentas super legais. Eles falaram que ele mesmo disse: "Não, eu não imaginei que eles chegaria no nível das coisas que eles conseguiram criar aqui, só com a criatividade deles. São crianças, né? crianças para adolescentes ali. Então isso nos próximos anos e com as ferramentas que vão sendo desenvolvidas a partir de agora,

né, cursor ou lovable, replete, etc. como Esse futuro vai ser daqui alguns anos e rima com o assunto que a gente comentou no episódio passado, se não me engano, retrasado sobre ter, quem sabe até aulas de nas escolas, né, meio que substituindo ou sendo parte do que era a aula de informática que você aprendia a usar o Word e o Excel. Agora você vai aprender a usar modelos de a, quem sabe até modelos de a específicos, né, para crianças, né, para pessoas, crianças menores de 13 anos de idade, como aquele Que o Google tava fazendo,

modelo de Mini para menores, vamos dizer assim. Tem um ponto que eu acho que é importante sobre essa declaração do Juda The Diamants, tô aqui errando muito feio o como fala o nome dele, que ele falou o seguinte, né? Essas ferramentas todas que existiam no passado e já tinham mais ou menos esse tipo de função, elas são muito boas até a página dois. Ele fala que assim que a coisa fica um pouco mais complicada, o negócio de estrambelho Inteiro. E também existem questões de que se você quiser ter algum qualquer tipo de negócio viável feito

em cima disso, não funciona. É isso. É exatamente isso. Porém, é aquela redução da barreira de entrada que é muito boa para o mundo do código. E não é sobre a ferramenta fazer o código 100% utilizável em produção seguro. é você acelerar o seu processo de desenvolvimento para você não ter sempre que sair do zero toda vez. Então acho Que existe, como sempre, a verdade tá no meio do caminho, né? Agora, uma coisa que eu acho que vale muito manter em mente sempre, eu tenho falado isso em outros podcasts, sempre que falar sobre IA não

faz, complemente mentalmente com ainda. Exato. Tudo a IA não consegue ainda. A não pode ainda, né? A gente viu, por exemplo, nessa semana, a gente vai falar sobre o VO3, os vídeos gerados pelo VO3. Ainda tem gente que fala: "Ah, não, mas aí ainda faz coisa com seis Dedos". Cara, não é por aí, não. Vai resolver tudo, mas não é nada. É tão raso assim quanto às vezes a gente vê algumas críticas em cima disso, porque não é um alvo fixo, é uma coisa que está sempre entre sair a notícia, a gente falar, a coisa

já evoluiu, né? Então, dá para ir como é? Calma, calma, torcedores, não é isso? Torcedores, calma. Eu sempre erro, é, mas a gente vai deixar aqui na descrição o link para essas duas opiniões que vale a pena ler, Ver as interações que surgiram a partir disso, comentários complementares e outras opiniões. Isso, modinha ou não existe e não vai embora tão cedo. Então, acho que vale a pena entender exatamente o que tá rolando. E se não for para você, só não é para você, mas tem um universo que 64% das pessoas testaram, tão usando. Então, acho

que isso é bem significativo. Não, perfeito, Marcos. E teve uma frase que eu ouvi em algum lugar, mas eu agora eu adquiri ela para Mim. Ela agora eu coloco lá by Fabrício Carraro, pelo menos, porque eu tô usando ela muito recentemente, que é uma reflexão. O melhor modelo que a gente tem hoje em dia é o pior modelo que a gente vai ter de agora em diante. Então imagina daqui a um ano, daqui a do anos, daqui a 5 anos. É mais ou menos essa pegada. Exatamente. E um último recadinho, um lembrete para vocês. Se

vocês pularam o episódio da última quarta-feira de entrevista, a gente Bateu um papo interessantíssimo com o Luiz Novo, que fez e segue fazendo o Open Notebook. Ele é um projeto de código aberto feito, pensado para ser uma alternativa ao notebook LM, que seja seguro, privado e por ser de código aberto, tem bastante gente contribuindo, tá? No GitHub. Além disso, ele falou sobre outros aspectos também envolvendo o encontro entre IA e educação com umas pinceladas de autodidatismo, tudo a ver com Webcode no Fim das contas. Então, se você pulou esse episódio, vai tá aqui na descrição.

Obrigado, Luiz. A gente tinha gravado esse episódio há algumas semanas quando o notebook ali ainda não tinha suporte a múltiplos idiomas para criação de podcasts. Não invalida em nada o papo. O papo foi muito interessante e só mostra o quê? que entre gravar e publicar as coisas mudam. A evolução tá rápida, mas ficou um papo bem bacana. Recomendo que vocês escutem. Exatamente. Mas Mergulhando agora na primeira empresa do dia, Open Ai, que não vai ocupar um espaço tão grande aqui nesse episódio, né? Esse esse vai ser o episódio Google, tá galera? Basicamente, já deixando bem

claro para vocês. Mas o Open também lançou coisas bem interessantes ou notícias relacionadas. A primeira que essa daqui, eu queria que você falasse um pouquinho mais, Marcos. Eles compraram uma empresa de a secreta do Johnny Ive por 6.5 bilhões de dólares. Que história é essa, cara? O Johnny Ive passou a vida inteira trabalhando na Apple. Ele era ele era assim por McCartnerney e John Lennon era Steve Jobs e Johnny Ive. Mal comparando aqui, né? Ele é como se fosse o Ws também. É, é ele. Ele ficou parceiro criativo do Steve Jobs depois que o Jobs

voltou pra época. O Jobs foi mandando embora, voltou. E aí começou aquela sequência de fazer o iMac, aquele que era aquele IMAC plástico Semitransparente. Aí depois foi o iPod, depois foi o iPhone, né? Toda aquela coisa, história que vocês conhecem. E aí depois que o Jobs morreu, o Ive ficou lá como sucessor, não de como CEO, mas o sucessor criativo do Jobs. E ele deu uma pirada, ele ficou meio meio conceitual demais pras coisas da Apple de vender em alto volume. Aí ficou aquelas tipo teclado do borboleta do Macva. Para ser mais fino, tirou mecanismo

lá, o negócio não funcionava. aquele bando de MacBook Sem portas, sem USBCiu, né, que o povo reclamou. E ele é um cara que sempre foi muito em prol da pureza, do design, o que significa, o que a nossa interação com produtos no dia a dia faz a gente sentir esse tipo de coisa, tipo alta costura, de desfile de moda versus a o que as pessoas usam de roupa no dia a dia, né? Outro fazendo outra comparação ruim aqui. Ele saiu da Apple, fundou uma empresa de design chamada Love Front, ele e o Mark Newson, que

é um parceirão Dele de design, eles passaram os últimos anos fazendo coisa pro Airbnb. que toda a parte gráfica do Airbnb foram eles que fizeram. Coisa com montadora também, tudo sempre conceitual, relógio. O IV fez lá o selo de comemoração da coroação do rei do do do do rei novo lá do da Inglaterra, né, do Reino Unido. E ele tinha feito nos últimos anos uma empresa meio stealty, ele tava quieta, uma empresa de hardware, design, de hardware de não falou para ninguém o que que é. Tinha saído já fazia uns dois anos, um pouco menos

na verdade, uma notícia de que Johnny Ive e Samtman estavam trabalhando juntos em um projeto secreto sobre o primeiro dispositivo feito pra era da IA. Seria é sempre o iPhone killer, né? Só que agora pra IA que eles estão fazendo, ninguém sabe, etc. Aí na nessa semana saiu a notícia de que a Openi na verdade comprou essa empresa secreta de design de IA do Ive. Eles formaram a IO. Em semana de Google IO Foi maior confusão, né? Mas formaram a IO e disseram que no ano que vem, né, por agora, eles vão lançar o primeiro

produto que de fato foi feito pra era da IA. Tem um vídeo que eu achei meio ridículo o vídeo, mas né, meio atuado ali no comecinho dele se encontrando em São Francisco para tomar um café e falar sobre o que que significa, o que significa essa parceria deles. E eles deram a entender que é uma coisa que eu não vi esse termo ser usado Ainda, então vou fazer que nem você. Eu acho que eu cunhei sobre computação contextual e e há em cima disso. Então o Samton fala: "Ah, hoje em dia se eu quiser lembrar

alguma coisa, chat ptis pegar o computador, abrir pegar uma aba, digitar feito um animal, como os incas faziam, para poder perguntar para ele. Isso é uma coisa que tem atrito, leva tempo? E se fosse uma coisa mais ambiental?" Então o o que eles estão fazendo, obviamente a solução é é em Cima disso. Não disseram o que é. A gente pode especular até o ano que vem o que que pode ser, né? Se é óculos. se é uma correntinha, se tá na sua roupa, sei lá. Vamos ver, né? O IV é um cara que ele pensa

de verdade sobre o significado do design. Às vezes ele dá uma pirada em cima disso, mas quer saber? Isso acaba sendo bom se você vai criar uma categoria completamente nova de produto para uma tecnologia que não existia. Eu sei que tem desde os anos 40, mas não Existia até ontem, né? Então eu tô otimista. Vamos ver. Só vai ter especulação por muito tempo, né? O Altman até depois que eles anunciaram a compra na quarta-feira, ele fez tipo um alls na Open AI para falar um pouquinho sobre o que significa esse dispositivo. Falou: "Ó, a gente

tem a chance de fazer a coisa mais incrível como a empresa já fez na história. Não falou também o que que é nem lá pro pessoal da Open AI, mas o contexto bem basicamente, falei Bastante aqui, é esse. É uma compra gigantesca, com potencial gigantesco, acho que dá para dizer assim. Ano que vem ele falou que eles querem vender de cara 100 milhões de unidades desse trem que ele não falou que é. Então a ambição tá grande. Vamos ver se a entrega corresponde isso com a expectativa também. Boa. Ainda de open AI. MCP também é

um tópico bastante frequente nesse podcast, mas também nessa semana bastante coisa de MCP que significa o Quê? Para quem não conhece, MCP é o Model Context Protocol, que é um protocolo lá lançado pela Antropic, eh, um protocolo open source totalmente que é meio que para ser o http de IA, né, da modelos de como eles vão fazer a comunicação entre si de agentes e e toda essa história aí por si. Exatamente. Então, foi um protocolo proposto pela Antropic alguns meses atrás, ganhou muita força, tanta tanta assim que todas as empresas, inclusive Concorrentes, adotaram, estão adotando.

E inclusive agora a PI de responses da Open AI tá incluindo já suporte a MCP para servidores remotos de MCP, geração de imagens, aquele code interpreter, né, que é você gerar o código que ele roda ali por dentro. Então agora você já consegue fazer tudo isso dentro da API. E se você tem acesso ao playground da Open AI, que você coloca no seu cartão de crédito, né, para você fazer testes, basicamente como se fosse um Google EI Studio, só que da Open AI e não é grátis, mas lá você já consegue fazer os testes do

do de como conectar o MCP para criar as suas aplicações aí. Bem interessante. E mais interessante que isso foi o lançamento do Codex, que aconteceu exatamente na sexta-feira passada. Eles tinham feito uma aquelas lives surpresa. Ó pessoal, hoje tem live às 10 horas da manhã do Pacific Time, né, que é o horário lá do Valerio do Silício. E eles falaram que ia mostrar Para Devs e realmente foi esse Codex. Para quem tá confundindo, já tem, acho que é a terceira coisa que eles lançam com esse nome, mas os anteriores eram meio que agentes que você

conseguia baixar e rodar local aí, né, para você meio que subir um repositório seu de código e aí ele consegue trabalhar com o repositório inteiro usando os modelos deles e tudo mais. E agora eles lançaram uma versão produtificada disso finalmente, que fez bastante barulho até Na sexta-feira, que é literalmente um como se fosse o Devin, né, que a gente falava bastante aqui, que é o engenheiro de software AI. É basicamente uma coisa bem parecida. Você vai ter ali um agente de engenharia de software na nuvem deles lá da Open AI. Ele por enquanto tá disponível

só como um preview de pesquisa, mas já dá para acessar, já dá para usar quem for usuário pro Team ou enterprise em breve também para usuários plus, que é o lembrando pro $2 por mês, Plus $ por mês. E a parte, algumas partes interessantes, você entra lá no Codex, na plataforma deles, você consegue conectar um repositório seu do GitHub e aí ele vai trabalhar por trás disso com um novo modelo de A que eles lançaram especificamente pro Codex. Adivinha o nome do modelo, Marcos? Eu vou chutar codex um. Eles são p, cara. Tá beleza. E

esse Codex 1 é literalmente uma versão do O3, ou seja, é um modelo de reasoning, o Melhor modelo que eles têm atualmente, só que fine tunado para código, né? Ele é específico para lidar com código, então ele a priori seria o melhor modelo que a gente tem hoje em dia para rodar código segundo eles. Ou talvez vamos comparar aí com o os novos Gemini 2.5 Pro. E aí ele consegue fazer todas as tarefas em paralelo, né? Então você faz um pedido para ele ali em linguagem natural mesmo, em português ou em inglês. Ó, isso aqui

tá com erro. Encontra o erro aí, cria testes, escreve uma funcionalidade, corrige bugs, gera um PR para mim. Ele vai fazer tudo isso, vai gerar um pull request e aí você consegue verificar, você consegue postar, né, comitá-la pra sua brand e tudo mais. Essas tarefas vão ser rodadas isoladamente e você consegue configurar ao que que ele vai ter acesso. Ou seja, é uma coisa extremamente interessante para quem é deve e quer testar. Além disso, eles lançaram também uma outra Ferramenta, Marcos, adivinha o nome? Eu vou chadexe também. Codex CLI, que é com tem uma versão

mais leve que é o Codex Mini latest, que são para fluxos mais rápidos. E esse aí vai tá cobrando 1.5 para 1 milhão de tokens de input e 6 para 1 milhão de tokens no output. E aí se você tá com os dados cacheados, isso aí tá descontado em 75%, né, o preço. Então essa é a ideia. Novamente, então, agentes de código, vale muito a pena Testar quem tiver acesso à conta Chatpt Enterprise e Team ou Pro. Quem não tiver, vale esperar o Plus. Eu vou testar quando tiver acesso muito em breve. Excelente. Agora eu

quero pular paraa Microsoft porque parece que foi há seis meses, mas na última segunda-feira ela fez abertura do Microsoft Build, a conferência anual dela para pessoas que desenvolvem e anunciou um bando de coisa super interessante, tá? Eu quero, eu vou abrir já nessa veia seguindo aqui do Codex, do Codex e do Codex, eu quero falar do que ela anunciou pro GitHub Copilot, que foi um, eu não vou tocar sininho toda vez porque senão vai ser um festival de sininho aqui, um agente de codá direto lá no GitHub com Pilot. Então ele, o lance dele é

conseguir de uma forma um pouco mais autônoma corrigir bug, melhorar a parte de documentação, que é sempre um desafio, né, todo mundo sabe. Então é mais um passo para essas ferramentas e é o bom VS Code dispensa apresentações, né, mais do que surf, do que cursor, etc. deixando ainda mais útil, dando uns passos a mais com IA para facilitar o dia a dia do pessoal codar e o fato dele ter agora essas capacidades agênticas vai acelerar ainda mais esse tipo de de dia a dia para quem quiser adotar isso no dia a dia. Claro. E

isso daqui veio como uma resposta bem tardia, na minha opinião, a exatamente ao cursor, ao IND Sururf, que eles viram que a galera tava Totalmente saindo, tava migrando para essas outras IDs e agora eles resolveram finalmente abrir isso e agora eles querem tornar o VS Code uma IDE que seja AI first, basicamente, né? Pois é. E a Microsoft durante o evento, Satiana dela anunciou que o Windows vai passar a ter suporte nativo ao MCP da Antropic para fazer esse meio de campo entre você ter os modelos e as e agentes e a plataforma direto no

Windows. Vai ser muito, tem um potencial muito grande de fazer uma Coisa dessa de não só mexer tipo em ajuste, mas controlar mesmo o a a nível de que eu odeio, né? A nível de sistema, daí para cima poder operar a máquina. E é uma coisa que não deve chegar muito em breve assim, né? Tipo de coisa. A gente sabe que a Microsoft, lembra do Microsoft Windows Recall que eles lançaram sem proteção nenhuma? Foi maior, tropeçaram 30 vezes até fazerem a coisa certa. Então vale a pena ir com calma com isso aí. Mas é mais

um passo Para mostrar como esse o MCP de fato pode virar a língua franca de comunicação entre sistemas, plataformas, enfim, e LLMs e agentes e tão no Windows de cara para bilhões de computadores. É muito poderoso. Exatamente. Outra coisa que eles lançaram, essa daqui eu achei bem interessante, é a NL Web, que é mais um projeto aberto deles, que meio que a ideia é transformar sites em apps que você pode interagir usando linguagem natural, usando modelos de a e os dados Que o desenvolvedor preferia ali. Ele também é compatível com o MCP, então MCP tá

em tudo essa semana e você ele vai é meio que uma nova web. eu, pelo que eles explicaram, tá querendo dizer que isso daqui é um protocolo que vai facilitar a interação tanto de usuários quanto de agentes de A com o conteúdo dos sites da internet inteira usando linguagem natural basicamente, né? Então ele vai usar RSS, vai usar o esquema.org org por trás dos panos, combinando isso com LLMs Para deixar as respostas melhores. Isso aqui é uma um projeto aparentemente que já começa grande. E tem Shopify, tá apoiando Trip Advisor, Event Bright ou Oriley, né?

Aquela empresa que lança vários livros de tecnologia, tenho vários, já tá disponível no GitHub para quem quiser dar uma olhada. E o fato de já estar integrado com o MCP também é bastante interessante, muito inicial tudo, tá galera? Então não tem muito ainda o que falar sobre isso na prática, Mas como ideia, né, me parece um primeiro passo bem bem bacana. Uhum. E uma outra coisa que eles anunciaram que também é bem bacana é o seguinte. O Microsoft Edge, isso tanto no Windows quanto no macOS, vai passar a ter suporte, conectividade com modelos rodando localmente

para que os, tipo web apps no fim das contas possam usar esse modelo local na comunicação por meio do ED com o usuário. Então isso deve aumentar bastante o poder de fogo desse Tipo de aplicação. E eles falam isso assim, né, pensando no sem pensar, sem ser criativo, dá para pensar sobre eh parte de você melhorar, ajudar com o texto. Eles falaram que vai ter tradução mais pra frente também, mas toda a parte de geração, consumo de texto tem bastante potencial. Junto disso, eles falaram também que o ED vai poder pegar PDFs e gerar versões

traduzidas, que é uma coisa que hoje ainda não tem. Você pode pegar um PDF e traduzir, mas no Navegador fazer direto, tipo botão, arquivo, traduzir, vai ser interessante também. vai chegar mais pra frente, então é um pouco mais desafiador porque PDF, eu não sei a fascinação da humanidade com PDF, acho um formato muito travado, mas ainda assim isso vai chegar, mas especificamente o Llodando localmente no navegador, o potencial disso é gigantesco. E finalizando aqui a parte da Microsoft, eles anunciaram também um programa, na verdade chamado Microsoft Discovery. eles definiram como uma plataforma agêntica voltada para

essa parte que a gente sempre fala aqui, que é sempre muito interessante e fascinante, que é a intersecção entre machine learning, tecnologia e avanços científicos, saúde, especialmente para descobertas científicas. Isso toca com certeza e desde desenvolvimento de medicamentos até tratamentos também. Então esse foi um anúncio, isso é tipo de coisa que é tem um potencial muito Grande, uma ambição muito grande. Eles tinham já isso é uma resposta ao tipo o IC Scientist que o Google tinha anunciado fazia um tempinho. Então de todos os lados a gente tem as empresas investindo nessa intersecção, o que é

excelente porque pensa no impacto disso daqui a 50 anos, cara. daqui a 30, né? Cinco. Cinco já é bacana, vai ter acelerado, mas pensa no que isso vai proporcionar daqui pra próxima geração, né? Muito legal. Tô empolgado com esse Tipo de É, pessoal, entrando aqui para esse plantão e a sobre controle para mais um lançamento. Olha, eu tô com pena do Marcos que vai editar tudo isso daqui, porque a gente até tinha gravado esse episódio na quinta-feira por causa das nossas agendas, em vez da sexta, onde a gente grava geralmente, porque a gente pensou: "Ah,

já teve o Google IO, já teve o Microsoft Build, né, essa semana, o resto pelo menos vai ser tranquila". E Quinta-feira agora pela tarde a Antropic vem e lança os modelos Cloud 4, Opus e Sonet. Ah, meu chodozinho, o que que você faz com a gente? Mas são dois modelos, estado da arte, obviamente, né? Eu achei interessante que a família anterior, né, os modelos ali 3,5, 3.7, a gente não tinha tido a versão Opos, que é a versão maior zona de todas, né? Eles tinham inicialmente o Cloud Haiku, que é o menorzinho, o Sonet, que

é o padrão, e o Opus, que era O maiorzão. A gente tinha tido isso lá na versão trê, só que pras versões mais atualizadas eles meio que ignoraram o Opus para isso. E agora não saiu o Haiku, saiu só o Sonet, que é o padrão, e o Opos, que seria o mais poderoso de todos. E eles lançaram esses modelos num evento que teve agora na quinta-feira à tarde. Os dois são modelos híbridos. Eles, ou seja, eles não são aqueles modelos que já começam a responder direto, como o GPT4O, mas eles também Não são modelos 100%

de raciocínio que sempre vão pensar antes de responder. É o tipo do modelo, exatamente como o Cloud 3.7 Sonet e o Gemini 2.5 5 Pro que ele meio que entende se uma pergunta é fácil, assim, ele já começa a dar resposta ou se é um prompto, que aí sim ele vai alocar algum tempo ali para pensar, para raciocinar, para fazer o chain of thoughts, né, o processo de reasoning interno antes de dar a resposta. Ele mesmo sabe fazer isso, né? Escolher quando faz isso. E os dois também já vão ter acesso a ferramentas, as famosas

tools, como acesso à internet, finalmente, mas também coisas como o Google Workspace, né, o Gmail ou Google Calendário, né, Google Agenda e tudo mais. Eles lançaram também os benchmarks desses dois modelos e claro, obviamente, né, eles estão no topo da cadeia alimentar. Atualmente eles compararam os dois modelos entre si, também com o anterior, né, o 3.7 Sonet e Com os dos concorrentes, como o O3 da Open AI, o 4.1 da Open AI, né, que também é o muito bom aí, especialmente para código, e o Gemini 2.5 Pro, o mais recente lançado. Agora, eu achei interessante

que lá nos benchmarks, na tabelinha que eles liberaram, os primeiros dois lugares e o quarto são benchmarks agênticos, ou seja, eles estão dando muita importância, meio que como todo mundo, né? Mas para esses benchmarks que falam sobre coisas Relacionadas a agentes. Então o SW B verified, que é um benchmark de código, mas pra pegada agêntica, o Cloud 4, né, tanto um quanto o outro, ficaram no topo da cadeia alimentar agora, seguidos de perto pelo Open AI O3. Esse tem dois números lá. Ele tem um número normal e tem um número meio que com um poder

a mais, né, que um processamento a mais ali em tempo de teste que fica melhor. Eu vou considerar aqui o número na versão normal dos modelos. Então eles Ambos estão ali com em torno de 72%, enquanto que o O3 tá com 69%, então bem próximo. Outro benchmark, o Terminal Bench, né, que também é para fazer código de forma agêntica, mais via terminal. Nesse daqui, o Apus 4 ficou com 43%. O Sonet 4 ficou com 35%, mais ou menos igual ao Set 3.7 e o O3 tá com 30%, então eles estão já um pouco na frente.

No DPCway, o GPA Diamond, que são problemas ali de nível de PhD, né? Problemas complexos de ciências e nível De PhD, eles estão ali meio que equiparados, ou seja, eles estão atrás do O3 e do Gemini 2.5 Pro, mas bem pouco assim, né? Então, tanto Gemini quanto o A3 estão ali em 83%. O Claudi Opus 4 ficou em 79%, então tá atrás, mas bem próximo. No benchmark multilíngue tão todos ali entre 86 e 88%, então estão todos muito próximos mesmo. No benchmark visual, né, de raciocínio visual, o O3 tá na frente de todo mundo com

83%. E aqui os cloud estão ali em 76, 74%. E no aim ou im, que é aquele de matemática, o O3 também tá dando uma lavada com 89%, enquanto que a versão padrão do Opus 4 tá com 75% e do Sonet 4 com 70%. Ou seja, é, aparentemente são modelos que eles socaram muito, muito, muito mesmo na parte de código e não tanto nas outras capacidades, que apesar de serem boas, ainda ficaram um pouquinho atrás do O3 aparentemente. E tem outra questão que a gente sempre comenta também que é Que esses benchmarks estão overfitados, estão

sobreajustados, né? Os modelos, as muitas vezes a gente imagina que eles meio que são feitos para performar bem nos benchmarks e quando você vai pra vida real, não é assim que eles performam. Então, vale sempre citar isso aqui também. E é uma coisa que a gente vinha falando há um bom tempo, né, que a Antropic tá se contentando mais ou menos em criar soluções focadas em código, né, em código pro dev final, mas também em Código pros agentes do futuro que vão usar ali esses modelos, né, vão usar a API deles plugada nesses modelos. Eles

também liberaram o cloud code para todo mundo, né, que é mais um daqueles agentes que vão ver o seu repositório, vão fazer o código para você de forma gêntica e tudo mais. E agora os dois modelos estão disponíveis já na plataforma deles para todo mundo, sendo que o Cloud 4 Opus tá disponível só pros planos pagos e o Cloud 4 Sonet tá Disponível gratuitamente para todo mundo. Virou o novo modelo padrão deles. E bom, como esse lançamento foi muito em cima da hora, não deu tempo de testar muito ainda esses modelos, né, de pegar nenhum

feeling ou uma vibe do que que eles estão. A gente vai falar mais sobre isso na semana que vem, mas deixa lá como sempre nos comentários do Spotify se você testar durante essa semana. Eu vou gostar de ler o seu comentário sobre isso. E agora a gente volta pro resto Das notícias normais aqui do nosso programa. Marcos agora começa o resto do programa. Basicamente, main event of the evening. Exatamente. Vamos entrar de cabeça aqui no Google. Eles já tinham lançado algumas coisas nas semanas anteriores, né, como meio que um aquecimento pro Google IO e agora

veio basicamente avalanche de notícias, né, com 1 mil keynote, um monte de palestras. Inclusive o nosso amigo Luciano Martins Da Google Deep Mind que participou da imersão de Aqualura, palestrou lá. Então, meus parabéns para ele. E vamos entrar agora já começando aqui com a história. Marcos, primeiramente a gente vai separar isso aqui em blocos, porque tem blocos de categorias de notícias, vamos dizer assim, só do de coisas que foram lançadas nesse Google IO dois dias aí de anúncio sem parar. Basicamente, nosso primeiro bloco vai ser o Notebook LM, uma das ferramentas preferidas Minhas e do

Marcos aqui do programa. Imagino que de você também. E se você não usa, use para se tornar uma das suas favoritas também. Eles agora meio que para explicar um resumão do que foi lançado nesse Google IO, eles fizeram, eu achei genial, lançaram um resumo feito pelo próprio Google LM, né? Meio que um deep dive ali, né? Aqueles resumos podcasts que a gente sempre fala aqui, só que foi feito pelo próprio Notebook LM para resumir tudo. Achei Isso genial. Mas sobre a ferramenta em si, teve algumas novidades. A primeira é que ela finalmente ganhou o aplicativo,

né? Uma coisa que a gente já tava pedindo há muito tempo, meses até. Ela ganhou aplicativo tanto para Android quanto para iOS. Já tá instalado no meu celular, já usei no celular. Bem simples, bem fácil de usar, super tranquilo. E eles ganharam uma coisa que eu achei bem surpreendente para falar a verdade. Agora, né, a gente tinha os Audio overviews, que são o podcast. Você coloca ali, por exemplo, um arquivo PDF ou uma série de arquivos, um vídeo no YouTube, e ele gera um resumo em áudio com duas pessoas conversando literalmente como se fosse o

podcast. Além disso, agora eles lançaram o vídeo overviews, que é basicamente um shorts ou um vídeo do YouTube, alguma coisa assim, né? Então, além de ter as vozes explicando, enquanto tem as vozes, vai ter imagens na tela meio que Demonstrando o que tá sendo falado pelos apresentadores, o que tá sendo explicado por eles. Então, eles estão falando, por exemplo, de planeta Terra, o sistema solar, vai mostrar uma imagem ali do sistema solar, do planeta Terra. Aí eles começam a falar de outra coisa, muda a imagem, aparece coisa escrita num vídeo também. Então, me pegou bastante

de surpresa, super legal. E eu tenho certeza, certeza que a internet vai ser inundada disso, de vídeos feitos no Notebook LM nos próximos anos. Aí, por enquanto ainda não tá com acesso para todo mundo e só tá com acesso em inglês, mas claro, né, demorou, mas agora a gente tem acesso em outras línguas na parte de áudio. Imagino que em vídeo também chegue muito em breve. Além disso, dentro da parte de áudio a gente ganhou mais controle. Agora, porque antes você meio que só jogava ali e torcia para sair uma coisa legal. No geral sair

uma coisa legal, mas você não Sabia se ia sair um podcastzinho de 5 minutos ou de 20. Agora você vai ter esse controle, vai ter uma opção ali, é o tamanho, né, a duração do audio overview vai ser pequena, né, curta, 5 minutos, padrão ali em torno de 10 minutos ou longa 20 minutos ou mais. E aí você consegue também customizar a profundidade que eles vão e entrar nesse tópico e tudo mais, a coisas que você já conseguiu fazer. Isso por enquanto também só disponível em inglês. Excelente. Eu gostei muito dessas novidades notebook LM. Cada

vez mais bacana e mais poderoso. E agora vamos começar de verdade. Brincadeira, né? Porque o Google, a gente brinca, a gente brinca com Open AI, crião ruim de dar nome, a gente fala muito sobre isso, mas o Google especialmente ele adora um nome para um produto que é igualzinho o nome de um outro produto, que o produto é parecido, mas um tá disponível, o outro já virou esse que não era no ano passado E os dois não existem mais. virou uma coisa nova que é parecida, é muito difícil acompanhar. Então, a gente tentou ao máximo

ir blocando essas novidades aqui, mas se soar confuso é porque é, eles têm muito nome para muito produto, tudo meio parecido, as funcionalidades são parecidas, só que produtos diferentes. Mas vamos lá, eu quero começar falando. Primeiro, eles anunciaram, foi até difícil montar a sequência aqui porque tem muita coisa Que uma depende da outra de conhecimento. Primeira coisa, eles anunciaram planos novos de assinatura do Google AI que eles têm, né? Eles tinham já aquele plano de 20 por mês e anunciaram que era o AI Pro e anunciaram o Google AI Ultra que vai custar 250 por

mês. Bem pesado, né? E vai dar acesso não só a mais funcionalidades dentro que a gente vai falar aqui, mas algumas são exclusivas também. Falando isso conforme a coisa for evoluindo. Tem Mais limite também de uso. É o tipo de assunatura que a gente já viu da Open AI e também da da Entropic, né? Então vamos, lembra quando eu falar assim: "Ah, isso aqui tá tá no ultra, é disso que eu tô falando". Mas eles tiraram uma boa parte do evento para mostrar algumas atualizações de projetos que eles já tinham mostrado no ano passado e

que morfaram para algumas coisas novas e evoluíram. Um deles é o que eles chamavam de Project Astra, que é eles Tinham mostrado no passado como um voice mode com visão do Gemini e que poderia tá em um óculos ou em um telefone. Então é a ideia de você interagir com Llm sobre o que vocês dois estão vendo. Basicamente o que o que eu falo que é sobre computação contextual, né? Então eles tinham no ano passado apresentado o protótipo do do Project Astra e mostraram evolução disso nesse ano com, por exemplo, isso aplicado num óculos para

fazer, por exemplo, uma tradução Simultânea de você conversar com uma outra pessoa que você não entende o idioma dela. Vai ter até uma notícia sobre isso que eu vou deixar pro Fabrício falar por gostar muito de idioma, né? Então, vai falar sobre isso, mas quem tinha teve uma opinião bem interessante para colocar a respeito desse ponto específico de você ter os óculos traduzindo a conversa de um outro idioma para você e vocês se entenderem é o Gui Silveira. E esse é justamente para Essa semana o minuto do Gui, imagina uma versão de um óculos que

em tempo real de uma conversa faz a tradução de uma língua pra outra. Isso já é uma realidade e cada vez a gente vê versões mais interessantes desse tipo de dispositivo com uma recente muito interessante. Então eu como fã de aprender línguas estrangeiras, correr atrás do inglês na minha vida, do alemão, do coreano principalmente, vejo como, nossa, isso encurtaria muito mais, Seria muito mais fácil agora eu me comunicar com pessoas desse outro país. Quando eu leio um texto e esse texto tem um viés escondido, será que o óculos poderia me ajudar a traduzir intenções que

eu não estou conseguindo perceber ali dentro? Uma tradução direta de alguém que fala japonês e a frase aparece no meu óculos. Não necessariamente me faz entender melhor a cultura japonesa, a língua japonesa, as pessoas japonesas e a pessoa com quem eu Estou conversando. Ela traduz, ela é utilitária e ela permite que eu me comunique, mas ela não necessariamente me faz crescer com uma pessoa que entende cada vez mais o mundo. Fica então a pergunta de que outras formas e que outras coisas que a gente poderia traduzir em tempo real com um desses óculos que tem

visão com inteligência artificial para que a gente aprendesse mais e melhor sobre o mundo à nossa volta como seres humanos. Muito bem, Dito isso, o ponto do Project Astro é o seguinte, né? evoluiu. Em cada uma das plataformas que ele pode ser aplicado tem recursos específicos. Como, por exemplo, se você estiver usando o telefone com o Project ATRA, ele consegue operar o telefone. Então eles deram um exemplo da min moleque arrumando a bicicleta, ele fala: "Putz, procura para mim na internet o manual dessa bicicleta aqui, me ajuda a trocar o pedal". Aí o Project Astra

procura e Vai mostrando na tela mesmo, como se tivesse interagindo para scrollar ali para você e ele poderem ver o que tá na tela. Isso ajudar a fazer. Então eles mostraram algumas esse tipo de de capacidade e evolução e isso misturou um pouquinho com funcionalidades que eles colocaram no aplicativo do Gemini, que tem um modo live em que vocês interagem com as coisas, mas ele não tem, por exemplo, até onde eu eu absorvi essa parte de interação do dispositivo mesmo. São a parte do project Astra para óculos. Eles mostraram basicamente a a materialização do sonho

que foi o Google Glass que deu super errado, né? Então eles falaram: "Olha, a gente consegue ter câmera para fazer foto e vídeo, interpretar o que tá no mundo, mostrar direto na frente do seu olho um output disso. Você tem ali uma caixinha de som direto na armação dos óculos. Então aí a multimodal que pode rodar, teve ter funções locais, mas também isso em Parceria com o telefone, né, para fazer uma parte de processamento até manda pra nuvem também. Então foi essa a a evolução. Mas o ócul o o óculos o foco foi em óculos.

Eles falaram: "Ah, dá para ter headset, né? Tem o da Samsung, eles estão com parcerias com aquela Orb Parker que faz, eles patrocinam muito o podcast gringo, né? De de óculos, de óculos que você faz quando vai mesmo no oftalmo e precisa fazer com lente, esse tipo de coisa. Então eles evoluíram o Project Astra para isso, colaram um pouquinho no Gemini Live e ao mesmo tempo estão pensando no que significa ter essa tecnologia para dispositivos vestíveis, especialmente que você põe no rosto, né, e interage a partir daí. E super legal, né, o exemplo que eles

deram, que a pessoa tá conversando em outro idioma e você consegue ver meio que a tradução do que a pessoa tá falando no visor do seu óculos, né? Eu vi uma imagem disso que eles mostraram Lá, super interessante. Além disso, entrando agora na área de busca, que essa sim ganhou muita, muita força nesse Google IO, eles anunciaram agora o AI Mode pra busca, que é meio que um chatbot, vai ser mais ou menos a ideia de ser um novo Google. Eh, eles querem fazer agora não só aquele AI overview, que quando você faz uma busca

no Google, agora eles mostram uma meio que um resumo criado pelo Gemini, já respondendo a sua pergunta antes de Mostrar os sites. A ideia disso daqui, essa é uma coisa bem mais profunda, né? É literalmente um novo modo de fazer buscas na internet. Eles estavam com esse medo, né, de da diminuição de acessos ao Google para fazer buscas pro pessoal só utilizar LLMs ou pelo menos de começar essa tendência, né, pros próximos anos diminuir muito a busca no Google, que é onde eles ganham a maior parte do da grana deles, né, por ads galera que

busca e galera que anuncia e Tudo mais. Basicamente agora com esse novo AI modes, você vai fazer uma pesquisa, uma pergunta qualquer e aí ele pode te mostrar uma respostinha lá em cima. Ele pode te mostrar widgets, se for um produto que você tá procurando. Ele vai te mostrar vários produtos, ele vai te mostrar mapas se você tiver procurando alguma coisa relacionada a um lugar. Enfim, vai ser um modo novo de utilizar a internet ou de utilizar o Google como a gente pensa hoje em dia, Né? Ele já te dá tudo como se fosse integrado

com a IA em vez de mostrar os sites. Eles podem até te mostrar os sites ainda ali mais para baixo, só que primeiro vai ser toda essa resposta criada, gerada por IA. E isso promete muito, né? Isso promete, quem sabe mudar realmente o jeito que a gente interage com as redes hoje em dia. Já tá começando a fazer o rollout só lá nos Estados Unidos. E além disso, eles falaram que vai integrar com deep Search, né, com uma busca mais profunda, que a gente vai falar também daqui a pouquinho o que que é essa deep

search deles, capacidades agênticas e eh geração de relatórios, geração de gráficos, tudo que você quiser meio que integrado já ali, só que em vez de entrar no gemine, você vai fazer diretamente do google.com. Essa notícia bombástica, hein, Marcos? É, é mudança no modelo de negócio do que significa buscar na web pro principal buscador do Mundo, né? Então o EI Overview virou um produto separado, uma interface modular contextual, de acordo com a pesquisa. Então isso fazendo direito vai ficar mai legal. Vamos ver como é que é esse rollout. É isso. Estados Unidos por enquanto deve ser

só em inglês, então vai ser bem faseado. Mas eh o Google, a gente falou isso algumas vezes, né? Eles patinaram no começo, mas acharam a passada e estão acelerando com produtos, tirando tudo isso da confusão de nomes Mesmo, produto dia a dia, eles falaram que eu tenho foco nisso, né, de pegar os avanços e fazer mesmo botar na mão do povo. E esse é um deles e acho que é o principal, né, você mudar o seu produto principal de busca é gigantesco, não dá para errar. Bem legal. E é uma coisa que a gente tava,

tinha até comentado anteriormente, mas acho que vale repetir. Quando a gente pensa nessas gigantes aí de que a gente sempre fala aqui que criam os modelos, a Open AI, a Antropic mesmo Deeps, six, se você quiser entrar, isso são empresas que criam modelos de IAG, estão tentando criar alguns produtos específicos. O Google já tem 1 milhão de produtos que ele pode simplesmente integrar uma coisa ali, né? Meio que ajustar o modo que eles fazem alguma coisa para fazer melhor. Ele já tá na vida de todos nós. Então, desde que eles tiveram essa esse acerto de

roadmap, eles só vem cozinhando let them cook. Eles vêm Entregando coisa boa atrás de coisa boa. E eu vi até o pessoal falando, comentando muito nas redes sociais: "É, pessoal, é bem possível que o Google seja a empresa que vá ganhar a corrida das IAS". É uma coisa que o Sérgio tinha falado há muito tempo, o Sérgio Lopes, que aliás tô com saudade dele participar aqui, tipo, se achar um tempinho dele poder participar e que ele acertou. É o que tá rolando mesmo. E na cola disso, ainda falando de busca, tem uma Sequência grande aqui

de coisas de busca, afinal é o Google, né? Eles anunciaram que vão integrar o Gemini direto no Chrome e vai ter não só ele pegar o conto, vai funcionar para duas abas por enquanto, mas eles vão expandir isso para mais abas, né? para poder pegar o contexto das duas e você conversar com ele a respeito disso. E isso vai ter tanto pro Google AI Pro quanto pro Google AI Ultra, né? E vai ter capacidade agêntica de, por exemplo, Fazer algumas, você pede alguma coisa para ele para entender o que tá na tela e às vezes

dá um pedido tipo me ajuda a reservar alguma coisa? Ele vai lá e já vai fazendo isso direto para você. E ele tem o modo live, que é você se aperta o modo live ali e você usa microfone e fala direto com gem a respeito do que tá na tela. É um pou entra um pouquinho de notebook, eles estão notebook alimizando outros produtos, né? O que é excelente para todo mundo, né? E isso vai Funcionar tanto para Windows quanto no Mac também dentro do Chrome, o que é bem legal. teve um foco grande nisso, né,

de você interagir com voz, tudo que eles chamaram de live, seja por câmera, seja por microfone, mas você ter uma interação com ele como se fosse uma pessoa e você conversa e ele age em cima disso. Acho que isso é bem interessante. Dois comentários quanto a isso. Essa parte de interação por voz foi uma bola cantada pelo Geomar Silva da Nvidia no Episódio que a gente entrevistou ele aqui. E coitada da minha memória RAM, que o Chrome ele já queima o meu computador sozinho. Chrome com Gaminar embutido. Meu Deus. Pois é, por isso que é

só em duas abas, né? É o que dá para abrir mesmo. Tem 64 GB de RAM e de busca de modo geral, né? assim de busca rapidamente acessível de produto mesmo, foi mais ou menos isso. Mas para outros produtos que eles têm, por exemplo, o Gmail, eles anunciaram os smart replies Com personalização do seu contexto. Então, em linhas gerais, para não ficar com 18 dias o episódio, ele vai passar a usar os e-mails que você já enviou para entender a forma como você se comunica e a partir disso usar nas sugestões de respostas quando você,

né, pedir, ah, gera, compõe aí para mim ou então faz um proof read, né, faz a leitura professor não errei nada, ele faz fala: "Putz, geralmente você usa essa palavra aqui nesse contexto, quer trocar para isso, Né?" Ou então ele gerar a partir do zero já com as palavras que você costuma usar. Isso é bem bacana para não gerar aquela resposta super padrão e que é óbvio que não foi você que escreveu, que foi um LLM, você recebe, fala: "Nossa, nem se esforçou, né? Nem passou ali e deu aquele tapa". Então eles ele vai pegar

isso até a partir também de outras propriedades do Google que você usa. Então o Drive, esse tipo de coisa, é mais integrado mesmo com o seu pequeno Ecossistema lá dentro para gerar respostas mais contextuais para você no Gmail. Super interessante. Sim. E outra também de ecossistema, foi essa que o Marcos tinha falado que eu ia gostar de falar. Para quem usa Google Meet para fazer reuniões de trabalho, que eu imagino que seja uma grande parte de vocês que estão escutando a gente, agora ele ganhou a tradução simultânea áudio, speech to speech. Então você tá, por

exemplo, falando com uma pessoa que tá Nos Estados Unidos, né, trabalha na sua empresa lá nos Estados Unidos, você tá falando em português e a pessoa tá te escutando em inglês, você mesmo com a sua voz falando em inglês. Enquanto isso, a pessoa tá lá na casa dela falando em inglês e você tá aqui no Brasil escutando ela falando em português com você. Essa é uma coisa que eu posso dizer: "Olha, finalmente, finalmente é uma coisa que a gente já esperava um peixe babel há 1000 anos, Pelo menos funcional, né?" Mas eh tá sendo lançado,

tá fazendo o rollout por enquanto só para inglês e espanhol, né? Mas os idiomas oficiais da Califórnia, basicamente sim. É, mas eles também falaram que em breve vai ter para outras línguas. Eu imagino que o chinês seja uma língua que tente chegar eh relativamente próxima, né? porque eles também têm muito interesse em nesse mercado chinês e coisas nesse sentido. E fica uma questão que eu não sei se tem Como resolver, pelo menos na questão da latência, porque a vantagem disso é que a latência tá muito baixa. Você fala, ele já meio que passa um segundo,

no máximo dois e a pessoa, você mesmo já, a sua versão em inglês já começa a falar em inglês e vice-versa. Mas quando a gente pensa em idiomas como o alemão, que vai com o verbo no final, ou idiomas como o turco, o japonês, que a fala é totalmente ao contrário, ou seja, o predicado, ele vem no meio, no começo, No meio da frase também. Então você só sabe do que que a pessoa tá falando depois ela falar a frase inteira. Isso aí eh ou ele vai alucinar malucamente ou a gente vai ter uma latência

bem maior porque é inerente da de como pode ser feita uma tradução nessa língua, porque não tem outro jeito de fazer. Se ele começar a traduzir igual ele tá traduzindo inglês e espanhol, né, palavra por palavra ou meio que duas palavras, a cada duas palavras, não vai Dar certo. Mas de qualquer forma, uma excelente novidade. Fiz até um post lá no LinkedI que bombou bastante. Se vocês quiserem ver o exemplo que eles eh deram lá no Kynote, né, eles mostraram um vídeo e de pessoas usando essa ferramenta do Google Meet, vai tá o link aqui

na descrição para você ver. É muito legal, bem impressionante até. Agora teve muito e muito anúncio e a gente vai seguir com muitos nomes aqui, né? O Google adora dar n coisas de modelos, APIs, a parte voltada mais para desenvolvimento mesmo. E o primeiro a gente sempre coloca primeiro porque é muito legal é o Med Gemma que é um modelo open source do Google para ele é multimodal para texto e imagens médicas. é uma, mais uma pequena, não por ser pequena, insignificante, mas uma iniciativa pontual para poder fazer o f tuning e melhorar para aplicações

que envolvem ou diagnóstico ou de tudo que envolve texto, né, mas imagem também a Respeito de de pacientes. E por ser o m gema você pode a parte de segurança, eles falaram que é bacana também, não é só você jogar lá no Gini eu, a radiografia de alguém acabar entrando no treinamento do modelo da próxima vez, não é? porque era uma preocupação grande no começo, tá melhor estruturado isso hoje em dia. Ottout ainda é sempre um pouquinho desafiador, eu vou classificar assim, mas el falar potencial, o caso de uso para isso é interpretação de imagens

Médicas, pergunta e resposta, né? Tirar dúvidas a respeito de de de condições de diagnósticos, classificação também de de imagem. Então eles tm um modelo de 4 bilhões de parâmetros, que ele é multimodal, e o modelo de 27 bilhões de parâmetros, que curiosamente é só texto. Então o menor é multimodal e o maiorzão é só de texto. Mas esse Medem é uma das coisas mais bacanas que eles anunciaram com potencial mais bacana de impacto que pintou na Gugoia desse ano. Com certeza. E ainda mais por ser open source. Então você pode baixar ali, você pode fazer

um fine tuning disso pro seu caso de uso, né? Você que trabalha com dados médicos, nosso querido Alexandre quegato Filho, Fabiano, a galera lá do Labds, a Karine, podem quem sabe testar e contar pra gente o que que eles acharam desse modelo. Seria ótimo. E também eles anunciaram novidades nos modelos que a gente conhece, né? Os modelos de Emin, o 2.5 Pro e o 2.5 Flash. A primeira é que O 2.5 Flash agora tá substituindo o 2.0 Flash, que era meio que o modelo base, como se fosse o GPT4O, que quando você entra ali no

no chat GPT, é o modelo básico, modelo de fult. No Gemini era o 2.0 flash, agora ele desapareceu da lista de modelos selecionáveis e ficou como padrão o 2.5 flash, que é o modelo menorzinho, mais rápido dele, que melhorou bastante as capacidades deles. Inclusive ele tá comparável ali nos benchmarks ao Open Ai O4 Mini, ao Clod 3.7 Sonet, ao Grock 3. Então, aos melhores modelos que a gente tem, alguns dos melhores modelos, essa versão light, né, que é o 2.5 flash, já tá na no mesmo nível, porque ele é um modelo híbrido, ele consegue dar

resposta rápida se ele entende que aquele é um problema que pode ser respondido rapidamente e ele consegue usar o modo thinking, né, o modo reasoning de raciocínio para problemas mais complexos. Só que ele custa muitíssimo mais barato do que Esses outros que eu mencionei, né? coisa como 11o ou até 13º do valor ali na API deles. Então, muito boas essas novidades do 2.5 Flash. E falando especificamente sobre o 2.5 Pro, eles melhoraram ele também e eles lançaram um novo modo de reasoning, não é? um novo modo de raciocínio Pro 2.5 Pro que eles chamaram de

Deep Think, que não é o deep Research, não é o deep search, não é o Thinking, é uma outra coisa parecida. nomes, essas empresas são horríveis com Nomes, mas é basicamente um modo avançado de reasoning pro modelo Gemini 2.5 Pro, que é maravilhosa aparentemente para problemas matemáticos, problemas de código. Eles mostraram ali os benchmarks, ele meio que quebrou todos os modelos da concorrência na USA MO, que é uma prova dessas super difíceis de matemática lá dos Estados Unidos, uma competição olimpíada de matemática, quase o dobro da capacidade do O3 e também bastante mais que o

2.5 Pro Normal, vamos dizer assim. Bateu todos eles também no Live Code Bench, que é um benchmark de código, benchmark de multimodalidade também bateu todos os outros, né? O3, o IO4 Mini, que também foram lançados super repentemente. Então esse novo modo aí promete, ele ainda tá em fase experimental. Além disso, uma coisa que eu achei surpreendente, os modelos agora, tanto o 2.5 Pro quanto o 2.5 flash, eles vão conseguir produzir áudio de forma nativa. Então é uma coisa Surpreendente, né? Você fala aí, ó, cria um áudio para mim. ele vai conseguir criar um áudio para

você de alguma fala usando aqueles mesmos conceitos que eu imagino que eles estejam usando no Gemini Live, né? Mas agora você vai conseguir fazer isso diretamente usando o Gemini 2.5 Pro e o 2.5 Flash. Também vai ser usado no Project Mariners, que é basicamente o projeto deles de computer use, né? que ele vai meio que você instala uma coisa aí, por exemplo, já dá Para instalar inclusive uma extensão no seu Google Chrome e aí você consegue falar para ele: "Ó, olha a minha tela, ó, faz isso, não sei o quê, procura aí no site por

voz mesmo." E ele vai fazendo essas coisas agênticas, só que não tá disponível ainda para todo mundo, só para contas específicas e só para usuários pagos do plano Google EA e Ultra, esse que o Marcos comentou, que é o de 250 por mês. Além disso, não sei se Vocês lembram, mas a gente tinha comentado sobre o Jees, que é basicamente a mesma coisa que o Codex da Open AI, que o Devin, né, o engenheiro de software IA, que é agêntico. E agora eles finalmente meio que lançaram o produto de uma forma produtificada, uma forma bonitinha.

Você pode usar ali em um beta público. Você pode conectar o seu GitHub ali, por exemplo, pedir para ele trabalhar em algum repositório e o Gemini 2.5 Pro, que é o melhor modelo Deles, agora tá disponível para ser utilizado lá dentro do Jules. Então você entra ali em Julice. Google, só isso, Julice.google que ele já vai entrar, você vai conseguir fazer um login ali para esse beta teste. E o Sérgio usou, né, Marx? Pois é, o Sérgio usou. Ele falou o seguinte, ele falou que é mais fácil de usar do que o Devin. E ele

falou que fez um pull request bem bom num projeto pequenininho que ele tinha em PHP, mas falou que ele se perdeu Fortemente num pool request simples, só que longo, num projeto Java aqui da plataforma da Lura, que é um code base imenso. E só para todo mundo ficar na mesma página aqui, vou te colocar de novo aqui no no palco. Fabrício, quer explicar um pull request em talvez duas frases? Um pull request é basicamente quando você tem um repositório de código lá no GitHub e aí você vai querer fazer uma atualização nele. Então você faz

alterações nessa base de código que você Tem e aí você sobe essas alterações em um pull request, né, que é um pedido que você tá fazendo para subir esse código ali pra produção ou seja lá pro seu repositório final. Você faz um commit desse P request, que é basicamente você mandar ou vem aí para mim e aí a pessoa que é responsável por esse repositório pode aprovar o seu P request diretamente ou ela pode fazer alterações antes de aprovar. Mas é basicamente isso, pô. Você quase falou pro Recast que é o Podcast excelente do Alambrasa

inclusive. Exatamente. Agora seguindo aqui com as notícias mais MCP, né? Eles anunciaram que a partir de agora o SDK, o kit de desenvolvimento de software do Gemini, tem suporte a nativo suporte a MCP. Eles falaram que tem até suporte a ativação ali de automática de ferramenta e tá até já disponível isso aí pro pessoal testar. Pediram feedback de de Dev para ver como é que tá. Então mais um Pouquinho, mais um territóriozinho que Entropic não é que ela tá conseguindo acompanhar, ela deu pro mundo basicamente, né? Mas ainda assim que o MCP tá passando a

ocupar, o que é excelente para todo mundo. É, pô, acorda, viu? Vamos, não vai inventar modo de fazer negócio específico, não. Vamos ver MCP também mês que vem em junho, mas vou voltar aqui a falar do Google. Tenho certeza que vai ter um MCP da Apple. É, eles têm já o Siri Intent Intents, eles vão querer fazer o deles, né? Mas especulação, vamos seguir aqui com IO que tem muita coisa ainda pela frente. Sim, agora eles estão trazendo também um agent mode, que é o modo de agentes que meio que vai conectar com aquela ideia

do Project Mariner que eu comentei com vocês agora a pouco, né, que isso aqui aquilo que eu tinha comentado era uma extensão que tava no Chrome. Agora isso aí vai ter também ali dentro do Aplicativo em breve, né? Na verdade ainda não tem, mas vai ter em breve dentro do aplicativo do Gemini. vai ser ali eh capacidades agênticas que vão conseguir fazer buscas na internet para você usar basicamente usar o seu celular por você, né, pelo menos as ferramentas que você autorizar ali, ferramentas do Google, quem sabe para você ter uma interação por por áudio

mesmo, né, falando, por exemplo, e falar, ó, compra para mim uma passagem no dia tal para Algum lugar, né? Então, é mais uma ideia nessa pegada. Ainda dentro de agentes, o Philip Schmith anunciou que eles estão entrando numa colaboração com um ecossistema enorme que a gente tem aí de frameworks, de criações de agentes, como o Langraph, como a Crew AI do nosso querido João Moura, que a gente tem um episódio entrevistando ele aqui, né? O link tá na descrição também. Lhama Index, o Compose AQ também, né? Então você vai conseguir meio que e reforçar Isso

aí na comunidade de e frameworks de agentes de A. Essa semana eu criei um tutorial completíssimo para quem quer começar a utilizar o Google ADK. Foi o tema de uma das aulas da nossa imersão de A da Lura com o Google, né, que foi um grande sucesso. Eh, obrigado aí a todo mundo que participou. E aí eu queria dar uma explicação um pouco mais a fundo sobre o código que é a gente usou lá criando um sistema multiagentes usando esse framework Google ADK em Python, só que meio que literalmente passo a passo. Eu pego sua

mão, sistema multiagentes é para criar posts no Instagram buscando tendências na busca do Google, na ferramenta de busca do Google, que você consegue fazer isso também a partir lá do ADK, né? Ele já tem uma ferramenta específica para isso. Então o link desse tutorial vai est aqui na descrição também. E Marcos, uma coisa super interessante que essa me empolgou honestamente, anunciada e lançada por Eles no Google IO foi o Gemini Diffusion. Lembra que a gente falou alguns tempos atrás, né, sobre modelos de difusão sendo usados para criar não só imagens e vídeo, como o Pedro

Gengo tinha explicado pra gente, né, uma aula basicamente de como funcionavam esses modelos de difusão, aula de modelos de para geração de imagens, o link também tá aqui na descrição, mas também de como eles estavam sendo usados para criar código e texto. Pois é, eh, bagunça a Cabeça de fusão, que é, você começa com o chiado, tira o chiado, fica só com que o usuário pediu. Isso para fazer uma imagem bem basicamente. É isso, né? Uhum. E a gente até comentou, como era engraçado, que a gente tava vendo texto agora ser gerado por modelo de

difusão e então ele gera basicamente o texto ao inteiro ao mesmo tempo, em vez de token por token. O Fabrício ficar melhor, mas tô dando uma pincelada rápida aqui. Enquanto os modelos de imagem estavam Fazendo o esquema autorregressivo de gerar tipo pixel por pixel, como se fosse um texto corrido e tinha invertido as tecnologias. E paraa geração de texto, um modelo de difusão que gera ele inteiro ao mesmo tempo, tinha o potencial de ser bem mais rápido do que a geração token por token. É tipo isso, é basicamente isso, né? Então quando a gente pensa

de um modelo de difusão de um bem alto nível, tá? Primeiro você vai treinando ele, você pega imagens boas e Você vai treinando eles a adicionar ruído, por exemplo, numa numa imagem, num áudio, até que ele se torne completamente o ruído, né? que torne se torne o chiado. E uma segunda fase do treinamento é aprender a reverter esse processo, ou seja, ele parte de um ruído aleatório e consegue remover esse ruído passo a passo até chegar num dado final. Então, você digitou um prompt de alguma coisa, ele vai fazer isso, né? Isso é como o

modelo é treinado meio que por Baixo dos panos em muito, muito alto nível. E agora eles conseguiram fazer isso, né? Já tinha saído papers recentemente sobre isso. A gente tinha comentado também uns meses atrás que a Inception Labs tinha anunciado um modelo Mercury Coder, que tava exatamente fazendo a mesma coisa, né? criando código por difusão. Só que agora a Google lançou esse Gemini Fusion, que é um modelo que tá fazendo exatamente isso. E o mais legal é que eles lançaram Também a ferramenta para você utilizar. Você consegue se aplicar ali numa lista de espera e

eu já consegui aplicar, já fui liberado, já testei e é impressionante. É realmente impressionante. Marcos, você faz um pedido ali, por exemplo, ó, gera para mim um joguinho aí de Flappy Bird, de Packman. E o mais legal que o pessoal do Google mandou muito bem nessa, é que eles integraram com o canvas deles, que é basicamente o artifacts lá da da Antropic, né, do Cloud, que é não só o código, tá sendo gerado de uma maneira extremamente rápida, né? Você não consegue nem ler o código que ele tá gerando de tão rápido que é. Eles

falaram que é umas cinco vezes mais rápido a geração do que comparando com os modelos Gemini normais. Mas além disso, quando o código tá terminado, ele abre o canvas do lado direito da tela e te mostra o jogo rodando ali. Ele criou jogo, por exemplo, em JavaScript, em Alguma coisa assim. Também LC7 JavaScript. Ele já te mostra ali o jogo, você consegue jogar ali na própria tela, consegue jogar o jogo ali no próprio canvas. E nem tudo são flores, né? Esse código gerado é muito rápido, mas ele não é perfeito ainda. E mesmo você pede

para ele corrigir, ele corrige uma coisinha ali ou outra, mas ele não tá no nível dos modelos de código que a gente tem hoje em dia, dos próprios Gemini 2.5 flash ou 2.5 5 Pro tá longe disso, tá? Como os modelos de código que a gente tinha um ano ou um ano e meio atrás, mais ou menos, né, em questão de de qualidade, ou seja, ainda tá discrepante, mas como e pesquisa, como MVP de uma técnica nova de NLP, isso aqui me pareceu uma notícia fantástica, com muito, muito, muito potencial mesmo. Não sabemos se vai

dar certo ou não, né? No futuro CS vai ser o melhor modo, mas como ele gera todo o código ao mesmo tempo, ele tem essa vantagem de poder Ser muito mais rápido e de poder ter menos inconsistências entre a parte entre partes diferentes do código. Então é muito potencial para você que tá e entrando, tá fazendo um PhD, quer entrar num PhD, gosta muito de NLP, pode ser uma área interessante para você fazer pesquisa. E quem quiser ver como funciona na prática, quem ainda não tiver acesso, eu fiz um post explicando isso lá no LinkedIn

também. E eu fiz um vídeo mostrando os meus testes mesmo, Que você vai poder ver lá como que eu fiz os joguinhos e tudo mais. E a velocidade não é um vídeo acelerado, a velocidade é aquela mesmo. Excelente. E chegando, acho, chegando no finalzinho aqui dos anúncios da Google IO, eles anunciaram um outro modelo, mais um modelo novo, é o GEMA 3N. É um modelo super pequenininho que pode até ser, ele foi feito assim, prestado para rodar em telefone, por exemplo. Ele tá disponível em dois tamanhos, que é o de 2 bilhões e 4 bilhões

de parâmetros. Tem 32.000 tokens de andada de contexto, que é para uma interação rápida de telefone é mais do que suficiente. E ele foi pensado para oferecer capacidades agênticas por ser local offline, né? Então não precisa de conexão e já tá disponível no AI Studio. E para quem já tiver acesso também for implementar, tem um aplicativo, vai implementar isso no projeto. Seria muito bacana ter de vocês a impressão. E eu espero que esse seja o Primeiro de muitos anúncios de modelos pequenininhos, eficientes, feitos para rodar em telefone, porque hoje em dia ainda tá meio preso,

talvez, ao computador o poder de fogo desses modelos, né? a gente aproveita muito melhor um mesmo um chat de PT no computador do que em telefone. Então, destravar esse telefone vai ser bem bacana daqui pra frente. Sim, lembrando os modelos Gema são modelos open source e esse Gema 3N é multimodal, então super Legal. E Marcos, entrando na nossa última sessão aqui de anúncios do Google IO, uma excelente é que eles lançaram o novo modelo de imagens que a gente tinha até agora, o Imagine 3. A gente tinha também aquele modelo experimental, tem, né, que tá

disponível lá no Google A Studio, que ele funciona de uma maneira similar ao GPT4O, né, que é aquele que vai criando, em vez de ser um modelo de difusão, ele vai criando da esquerda pra direita, de cima para baixo, que aí Consegue ter mais controle e tudo mais, pelo menos por enquanto, né? Só que agora eles lançaram o Imagen 4, que é um modelo o seguinte do Imagine 3, né? Então, ou seja, é também um modelo da pegada dos modelos de difusão, né? Ou seja, como Imagine 3, como Mid Journey e tudo mais, só que

com uma qualidade muito melhor do que o Imagine 3, que já era uma qualidade muito boa, mas agora ele consegue ser melhor para renderizar detalhes muito finos, como as linhas de Um tecido, gotas de água, é o cabelo de uma pessoa, o pelo de um animal. E ele consegue criar imagens em uma resolução até 2K, que é bem alta. Vale testar, com certeza. Ele é rápido, ele é mais rápido até do que o Imagen 3, que é uma coisa excelente. E falaram que vai ficar bem mais rápido em breve também. Ele já tá disponível no

aplicativo do Gemini, no site do Gemini e nas outras plataformas que você usa por aí. E outra notícia que meio que tá quebrando a internet essa Semana, Marcos, é o lançamento do Vio 3. É o modelo de vídeo deles. Lembra do Sora da Open? Acho que ninguém lembra mais, né? Foi tão falado um ano e meio atrás, aí lançou, aí sumiu. Aí eles lançaram uma versão bem capenga do Sora, né? Porque eu imagino que a versão original que eles tinham treinado lá, né, um tanto tempo atrás, além de ter exemplos super cherry picked, né, selecionados

os melhores os melhores, devia ser caricississíssima num nível Que não daria para liberar pro público por um preço que não fosse, sei lá, 2000, 5000 por mês de assinatura ou algo assim. Então eles lançaram o Sora normal e todo mundo ficou tipo, é meio que qualquer coisa. Agora o Google lançou o Vio 3, que esse sim deixou todo mundo de boca aberta, não só pela qualidade do vídeo, ele já tinha o Vio 2, que era aparentemente o melhor que tinha aí de geração de vídeos. O Vio 3, a qualidade dos vídeos é muito, muito impressionante

Mesmo. E além disso, ele já tá com a geração de áudio embutida nativa. Então você pede, ó, eu quero dois personagens aqui na banca de um telejornal e eles estão falando sobre uma notícia que os aliens estão invadindo a Terra. Ele vai criar o vídeo com dois personagens, né, duas pessoas ali extremamente realistas, que eu eu tive dificuldade, em muitos casos, Marcos, de perceber que não era uma pessoa real, que era uma Iá, pessoa gerada por Iá. E ela falando, mexendo a Boca, falando em inglês com o Limpy, na maioria das vezes correto. Não sempre,

às vezes tem uns errinhos, mas na maioria das vezes o Lip correto do que ela tá falando. E os vídeos cada um atrás do outro que eu tô vendo que estão quebrando a internet, a gente vai deixar alguns aqui na descrição para vocês verem. Então me chocaram bastante, assim, a gente chegou lá no que que a gente queria chegar nas notícias lá do Sora de 1 ano e meio atrás, chegamos lá Agora com o Vio 3. É o modelo que tá quebrando tudo, já tá disponível para algumas pessoas, você pode fazer alguns testes lá, mas

não para todo mundo. E também a ferramenta tá todo mundo querendo usar ao mesmo tempo, então ela tá lenta por enquanto, né? Mas se você já tem acesso, vale testar, escreve Vio 3, né? VO3 no Google. acessa o site, vê se você já consegue utilizar. Ela vai tá dentro de uma outra plataforma do Google que Eles chamaram de Google Flow, que é meio que a plataforma de usar o modelo View para criar vídeos ali, né? Então você cria o começo do vídeo com uma primeira parte, aí você cria uma segunda parte com base nessa, conecta

várias partes com a ideia de quem sabe criar um curto, criar um filme inteiro daqui a pouco tempo, mas agora eu acho que a gente tá nessa fase que a gente já conseguiria criar um curta, com certeza absoluta, não sei se um filme inteiro, mas uma Propaganda, coisas assim inteiras, usando só isso, só e sem ter que fazer aquela coisa que a gente fazia antes, né, de gerar o lipsc numa outra ferramenta, né, pegar uma voz voz ou um áudio do Eleven Labs e conectar e sei lá, fazer coisas nesse sentido. Não, agora você consegue

fazer tudo numa ferramenta só que esse Google Flow usando esse modelo, o Vio 3. Eu acho que é muito bom você ter o YouTube inteiro para usar para treinar seus modelos, né, Marcos? Não é, a gente tá um resultado disso. O que eu falei no começo, né, de vídeo, ah, né, as pessoas tm seis dedos, a gente olha como é que tá vídeo. Eu falei lá na frente vai ter uma notícia. É isso. Os vídeos que o Fabrício mandou pra gente, vou deixar achar uma forma fácil de compartilhar e deixar aqui na descrição para vocês

verem. Sabendo que o negócio foi feito por por pelo modelo, alguns não dá para acreditar. Tem um de um standup lá, um comediante fazendo uma Piada. Tem 6 segundos o vídeo. Cara, eu eu vi três, quatro vezes só para tentar me fazer acreditar que aquilo aí, porque não dá. Tem um do tipo um salão do automóvel inventado, aquele você vê assim aquela tipo alguém passa no fundo, uma pessoa que tava lá no fundo quando passa alguém na frente que tava no fundo vira duas. Ainda tem esse tipo de de coisa. Mas também você pode passar

para alguém, se você passar sem o contexto de que o negócio foi feito por iá, eu Duvido que a pessoa vá sacar, porque o acabamento é muito muito muito bom, muito impressionante. E vamos aí eu volto a pensar assim, nesse é o V3, a hora que tiver no V12, né? Será que vai precisar de um VO? Exato. Então existe o que eu vou quero trazer aqui. Eu sempre tento lembrar de trazer essa questão da gente ter conversado especialmente com a professora Paula Mastrobertic que ela falou assim: "Cara, Hiperrealismo não é não deveria ser o objetivo."

Tô bem interpretando o que ela disse aqui. O que eu entendi do papo foi esse, né? não deveria ser o objetivo dessas ferramentas, porque para isso a gente tem foto, a gente tem vídeo, mas ainda assim a gente poder usar a ferramenta para poder criar o que seria um vídeo, especialmente para quem talvez não tenha a condição de de financeira de botar um vídeo, de fazer um vídeo desse pro trabalho criativo. É sim, bacana, Mas claro que a criatividade de verdade vai ser o quê, né? Hora que der para ver os resultados pirados, né? com

estéticas diferentes, aí sim vai destravar um outro lado de criatividade. Só fazer esse ponto aqui e vou tentar não esquecer de fazer esse ponto quando a gente falar de o exercício técnico criativo de fazer uma coisa hiperrealista, uma o poder de fogo técnico, muito bacana, mas tem um outro lado de criatividade que vale explorar Sempre com essas ferramentas. Exatamente. E fechando aqui as nossas notícias de Google, finalmente, depois de não sei quantas horas, a gente eles lançaram, além desse flow, né, que é para que eu comentei que é para fazer filmes e tudo mais, eles

lançaram o Stitch, que é para você criar designs e interfaces de usuário, basicamente, né? Então, eles estão mergulhando de cabeça nesse mundo do front end. A gente já tinha comentado Semana passada ou retrasada que o Gemini 2.5 Pro já tava lá no topo da web dev arena, né, que mede isso aí com os melhores modelos pra frontend. E agora essa stitch é uma ferramenta que vai criar essas interfaces meio que na pegada, não do código necessariamente, mas pelo menos a parte ali do que seria o Figma, né, que você vai criar o design de um

app, o design de um site, algo assim, já tá disponível lá no Google Labs para você tentar ver coisas que ele Vai gerar para você. E aí você depois, que vai ser uma pessoa frontend, vai poder eh criar isso criando o código ou você vai poder jogar no próprio GMI 2.5 Pro. Imagino que já tem até uma integração que vá ter muito em breve para ó, agora gera o código disso daí para mim. Uhum. É, tinha sido um teaser que alguém do Google, não sei se foi o Rassabs ou alguém tinha postado, ó, isso aqui,

ó, que bacana, a gente botou aqui um guardanapo com rabisco de de de uma Interface, ele já criou bonitinho aqui o front end e tal, mas o negócio funcionando. Então, era esse o produto que eles iam mostrar na Google e conseguimos sobre isso, sobrevivemos, finalizamos a parte do Google, mas eu vou colar aqui justamente o cantinho multimídia de outras coisas que pintaram nessa semana, começando com a crea do nosso amigo Diego Rodrigues, que já participou aqui do podcast, o link vai estar na descrição também. Eles lançaram O Crea Lipsink. Falaram que é uma ferramenta que

deixa você criar vídeos falantes hiper realistas. De novo, vou fazer o asterisco aqui com qualquer tipo de de personagem usando os modelos da Hedra Labs. Deixaram a pessoa experimentar. Eu vou deixar o link aqui na descrição. É basicamente a mesma coisa que eu acabei de comentar, né? Do Vio TR dentro do flow você consegue fazer tudo num lugar só. Na CR você também agora consegue fazer tudo dentro De um lugar só, basicamente. Exatamente. Eles também são uma empresa que tá cozinhando muito. Eles estão, sai uma coisa, eles já integram assim praticamente no mesmo dia ou

dois, três dias depois. É bem impressionante ver. Indo agora pras nossas rapidinhas, a LM Arena, que é a gente sempre comenta aqui, né, que é meio que um ranking dos melhores modelos de A. E aí eles têm várias categorias, né, o melhor geralzão ou melhor para código, melhor para Escrita criativa, melhor para outra coisa. Eles já tavam tentando se produtificar, já tinham aberto, né, para fazer uma rodada de investimento e eles conseguiram 100 milhões de dólares nessa rodada aí de investimento, né? Depois eles meio que se relançarem como uma plataforma total de IAS e tudo

mais. Eles já t agora mais de 400 modelos lá e já receberam mais de 3 milhões de votos. Lembrando que é uma plataforma que você consegue votar, né? Você ser humano Consegue votar meio que no seu feeling, né? no seu vibe, na sua vibe vibe vibe voting. Vibe voting, exatamente, de da qualidade daquele modelo para aquela tarefa específica. Outra rapidinha aqui é que a Nvidia anunciou os primeiros, realmente, né, lançados agora, os computadores feitos para IA. Eles anunciaram o DGX Spark, né? DGX Spark e DGX Station, que são meio que desktops, né? Super computadores, um

desktopzinho para ser usado pra galera que é de Desenvolvimento, de pesquisa, ciência de dados, com esse foco na IA. Eles são meio que super poderosos e vão estar disponíveis ali via Acer, via Asus, via Dell, via HP, via Gigabyes, via Lenovo, IMSI, todos eles, né? Meio que eles liberaram assim o o produto, né, a base do produto para todos, mas já vai est disponível via Asus, Dell, Gigabyte, HP e MSI ainda esse ano. Então é uma boa notícia aí vindo da Nvidia, continuam cozinhando. Certamente indo pro shodó do Fabrício, a Mistral anunciou, é um modelo,

é o Dev Strazer codificação. comentaram que tá num research preview, uma coisa bem incipiente, mas ainda assim já tem um desempenho melhor do que o Gema 3 do Google de 27 bilhões de parâmetros. Então, mistrar o é ela assim, né? Não, não é de um jeito maldoso, tá? Ela é o mascote todo mundo, uma empresa menorzinha francesa fazendo bonito com uma série de produtos que depois de três Qu meses que as gigantes anunciam, eles vão anuncia, igual ou melhor e vale sempre a pena prestar atenção no que eles estão fazendo. E eles anunciaram também a

criação do maior campus de a da Europa. Fica na região de fica na grande Paris. E isso tá junto de de de vestidores, a BPI Finance, a própria Nvíia também tá envolvida com isso. E isso paraa Europa, né, foi uma vitória enorme. O governo, claro, fez parte ali do do anúncio do do Acordo para mostrar como eles estão querendo correr atrás de acabar com a percepção de que a Europa ficou para trás por conta de regulação. Então o governo tentando fazer aí o o caminho oposto do estrago que muita gente diz que eles acabaram causando,

né? Mas é muito bacana ver um campus tão grande sendo aberto e a França especialmente, acho que por conta da Mistralum, mas tem se tornado acho que a Bastiã desse retorno da Europa quando o assunto é Ian. Com certeza só eles colocaram mais de 100 bilhões de euros, né? A gente tinha comentado isso alguns meses atrás, quando a Europa finalmente acordou, né? Várias iniciativas da União Europeia, acho que totalizando, se não me engano, em torno de 600 bilhões de euros e só a França tinha colocado 100 bilhões para projetos internos delas. sem contar os projetos

outros de União Europeia, né? Então eles estão realmente colocando muita grana nisso. Eh, felicidades do da Galera pesquisadora lá da França, Mistral e outras empresas, né? Sem dúvida alguma. E Marcos, essa semana teve uma notícia bem polêmica. Eu vi a nossa querida Mila Laranjeira comentando sobre ela, né? comentando que isso seria uma coisa perigosa até, que é que o governo de São Paulo vai usar IA para corrigir as lições, a tarefa de casa dos alunos num projeto experimental. Antes de vocês falarem: "Meu Deus, é o fim do mundo." Ó, é uma ferramenta que vai Analisar

só 5% dos exercícios de estudantes do da oitava série, né? O oitavo ano e do primeiro ano do ensino médio da rede estadual. E os professores vão ainda ter acesso às respostas desses modelos, não vão só dar direto pros alunos, vão poder incluir comentários, ó, isso aqui tá, essa correção tá errada, essa correção tá certa, comentários diretamente pro aluno, mas é um teste inicial para meio que tentar tirar essa carga enorme que Os professores têm de criar as aulas, de dar as aulas às vezes em mais de um emprego, de corrigir todas as lições de

todos os alunos e tudo mais. Pode ser perigoso, pode. Eh, tenho certeza que o Gui Silveira teria muitas coisas a falar sobre isso, por isso que eu nem vou me arriscar e a entrar muito, que ele sabe muito mais dessa parte da educação do que eu. Mas e o meu torcedor calma é mais na no quesito que isso é só inicialmente pelo menos um teste e eu Acho que essas coisas valem ser testadas, como a gente teve aquele teste nas escolas lá na Nigéria um tempo atrás que se mostrou inicialmente muito proveitoso, né? teve resultados

aparentemente muito bons iniciais e aí depois você vai continuando, sempre acompanhado por pedagogos, sempre acompanhado por professores, né, pessoas da área. Vale destacar muito bem isso aqui também, mas como teste, vamos ver aqui, né, não temos nada a mais a falar Sobre isso, pelo menos, só que a gente vai est aqui quando os resultados forem publicados. Eu espero que sejam, né, que não fique escondido ali numa gaveta. E fechando aqui as rapidinhas, uma startup que chama Future House, eles anunciaram aparentemente um marco da nova ciência, né? Ciência feita por IA. Eles criaram um sistema ali

chamado Robin, que ele vai integrar vários agentes de a especializados e que, segundo eles, foi capaz de realizar totalmente de forma Autônoma uma nova descoberta científica inédita, que é um colírio chamado ripasudil como um potencial tratamento na dry AMD, a degeneração macular relacionada à idade, que é uma das maiores causas de cegueira em pessoas mais idosas. Então eles falaram que o o Robin, né, esse superagente, gerou a hipótese, planejou experimento, analisou os dados dos experimentos. Os humanos eles só fizeram foi executar os testes físicos ali, realmente e que só em 2 Meses e meio o

sistema conseguiu passar da ideia, né, da geração da hipótese até a submissão do artigo final. Ele ainda não tá liberado. Ele vai ser liberado do open source na semana que vem, dia 27 de maio. E aí vai ser quando outras empresas, né, outros laboratórios vão poder ver se isso daqui é uma coisa real, se uma coisa que realmente funcional, né? Que é basicamente aqueles estudos de reprodução ou de replicação para ver se eles conseguem esses Resultados independentemente também. Mas eh sendo real isso daqui, a gente sempre coloca esse adendo, né, esse asterisco, porque já ocorreu,

né, do da a da a própria sacana que eles tinham lançado uma coisa e depois eles eles foram lá, falaram: "Olha, não era bem assim, desculpem". Teve erro aqui na análise do do paper. Inclusive, mostra que eles são sérios, né? Sim, foi por engano. Não quiseram enganar as pessoas, mas deixaram passar ali um uns iffs que não Deviam e o negócio estragou tudo. É, eles não foram sacanas, Marcos. Hã? né? Mas exatamente isso. Vamos ver agora essa ideia aqui do Robin. E indo pra parte realmente final do nosso programa, conseguimos chegar lá, Marcos, vem a

parte dos estudos. O primeiro deles é um paper chamado Blip 3O, que é uma família de modelos multimodais unificados e abertos, que veio lá do pessoal da Sales Force. Eles estão publicando bastante coisa recentemente. A gente comentou um Outro estudo deles semana passada também. Eles estão propondo uma nova arquitetura para unificar tarefas de understanding, né, do entendimento e também da geração de imagens. A inovação aqui é exatamente o uso combinado de modelos autorregressivos e modelos de difusão em uma só pipeline, que vai gerar os embedings visuais, que são muito ricos semanticamente num espaço clip, em

vez dos beds mais tradicionais, que são o espaço V i VE. Isso é uma Imagem, isso é uma abordagem que, segundo eles, melhorou tanto a qualidade das imagens geradas quanto a eficiência do treinamento. E eles lançaram dois modelos dessa categoria blipo, um de 4 bilhões e outro de 8 bilhões de parâmetros, que superaram outros sistemas em benchmarks de visão computacional e de geração. A versão de 8B, por exemplo, chegou a 83% no benchmark e 84% no Geneval, além de bater o Genus ou Genus Pro em avaliações Humanas de qualidade visual e de alinhamento do prompt.

Eu achei interessante, Marcos, também que nesse paper eles colocaram que o dataset que eles usaram, dataset de instrução para treinar o modelo, que é o Bip 3 60K, ele tem ali os é um conjunto de pares, né, texto e imagem, ele foi gerado com o GPT 4O e eles falaram que foi essencial para melhorar os gestos humanos, objetos, estética. E o mais legal é que tudo isso, esse ecossistema inteiro, é open Source, os pesos, o código, o próprio dataset de pré-treinamento de instruções. Então isso é realmente e a gente pode falar que é um marco

pra galera de visão computacional, tem um modelo tão bom assim, com tudo aberto, inclusive o dataset, que é uma coisa que mesmo modelos que eles chamam, né, que são os open weights, né, modelos de pesos abertos, geralmente eles não liberam o dataset de treinamento. Esse aqui eles liberaram o dataset também. Muito legal. E o último estudo é o Tiba Tieb, que é tracking language model recall of notable worldw events true time. Você meio que rastrear o conhecimento de LLMs a respeito de eventos globais, sejam atuais ou regionais, e como modelos de regiões diferentes, né? modelo

chinês, o modelo brasileiro modelo americano, se eles vai ter diferença, quanto que ele sabe sobre isso. E o ponto mais legal é que quem ajudou a criar, quem ajudou a escrever Esse artigo foi o nosso querido Hugo Abonísio, lá da Maritaca e a amigo aqui do podcast A sobre controle e eu vou deixar ele mesmo explicar o que é esse paper, como funciona e como foi essa pesquisa. Fala pessoal, nessa semana a gente publicou um novo benchmark em que a ideia é medir o conhecimento dos diferentes modelos a respeito de eventos importantes que aconteceram ao

redor do mundo e ao longo do tempo. Então, a gente coletou mais de 20.000 1 eventos a Partir da retrospectiva de cada ano da Wikipédia de vários países. E aí geramos perguntas para testar o conhecimento daqueles fatos e avaliamos diferentes modelos, modelos da UPN, de PSIC, da Maritaca e são eventos políticos, econômicos, conflitos, etc, que aconteceram ao longo de dos últimos 10 anos. Então, além de conseguir medir o desempenho dos modelos, a gente conseguiu também fazer uma correlação entre o conhecimento e onde os eventos Aconteceram. Então, dá para ver que a probabilidade de um modelo

saber sobre um evento que aconteceu em um país central, país rico, é bem maior do que sobre eventos que aconteceram em países periféricos e do sul global. Então, a diferença entre o conhecimento dos fatos que aconteceram nos Estados Unidos ou na Etiópia, por exemplo, são bem diferentes e a gente conseguiu traçar essa correlação entre o PIB, o IDH com o conhecimento do modelo. Então, além Disso, tem vários outros resultados no paper. Vou mandar o link dele no archive aqui e quem tiver alguma dúvida, quiser discutir e etc, é só entrar em contato. Esse trabalho foi

uma colaboração entre pesquisadores da Unicamp e da Maritaca. Então, queria agradecer aqui ao Thales, a Giovana, ao João e o Rodrigo, que também são autores desse paper. Valeu, pessoal. Muito bem. Obrigado, Hugo e parabéns Hugo, pelo estudo. Os links de tudo que a gente comentou aqui ao longo Do episódio de hoje, você vai encontrar na descrição também em sobrole.tec. Obrigado a vocês que seguem compartilhando o podcast, ajudando mais gente a descobrir, que mandam os feedbacks, tanto comentam no Spotify, quanto também pelo formulário que tá na descrição para quem quiser mandar uns feedbacks um pouco mais

extensos. E deixa eu aproveitar esse finalzinho de episódio para convidar você, lembrar você que está chegando, parece que não, Mas tá pertinho. O IA Conference Brasil 2025 rola em 13 de agosto em São Paulo, no Centro de Convenções Rebolsas e vai contar, dentre as outras pessoas que a gente já comentou aqui, muitos que já foram entrevistados e que eu vou deixar na descrição aqui os episódios com o pessoal confirmado que já foi entrevistado, vai contar também com uma palestra do Sérgio Lopes, o City da Lur, a gente comentou que tava com saudade dele. Vou poder

matar saudade Pessoalmente dele em 13 de agosto no IA Conference Brasil. Então faz o seguinte, passa aqui na descrição para garantir o seu ingresso, porque se eu fosse você, eu não esperava virar o lote, porque tá acabando o lote atual e bom, você tem que ficar de fora, né? Mar, isso, isso eu posso falar. O segundo lote tá acabando. Muitíssimo em breve a gente vai mudar pro terceiro lote que vai aumentar o preço um pouquinho. Eu não sei exatamente quando que é a data, mas O pessoal aqui interno do marketing falou: "Ó, a gente tá

quase no final do segundo lote, pessoal. Então corram, garantam, vai ser muito legal. O Fabrício v pro Brasil para isso, ele vai est lá. Vou est lá também. Vai ser bacana conversar com todo mundo, para todos nós, que a gente aprenda junto com esse bando de gente muito bacana, com muito domínio sobre ya, para falar pra gente um pouquinho do Cristo. Então, garante o seu lugar e eu e o Fabrício Estaremos de volta na quarta-feira como entrevista que se eu fosse você, eu não perderia a tela. [Música] Este podcast foi produzido pela Alura, Mergulhe em

tecnologia e faculdade FIAP. Let's Rock the Future. Rede Gigahz de podcasts. [Música]