Ir para o conteúdo

News

  • 3 min de leitura

Black Forest aposta em IA multimodal para vídeos, imagens e automação industrial

A Black Forest Labs anunciou o início do acesso antecipado ao FLUX 3, seu novo modelo multimodal voltado à geração e compreensão de conteúdo visual. A novidade reúne imagem, vídeo, áudio e linguagem em uma única arquitetura, permitindo criar vídeos com som sincronizado, editar imagens e servir como base para aplicações em robótica.

O lançamento marca uma mudança importante na estratégia da empresa ao apostar em um único modelo para diferentes tarefas. Além da criação de conteúdo, a tecnologia também deu origem ao FLUX-mimic, uma versão desenvolvida em parceria com a mimic robotics para controlar robôs industriais que já está sendo testada em linhas de produção da Audi.

Como funciona

O FLUX 3 foi treinado simultaneamente com imagens, vídeos e áudio, permitindo que diferentes modalidades compartilhem uma mesma representação do mundo. A proposta é que o modelo compreenda relações entre objetos, movimento, sons e linguagem em vez de tratar cada tipo de dado de forma isolada.

Segundo a Black Forest Labs, essa abordagem melhora tanto a geração quanto a compreensão multimodal e serve como base para aplicações que vão desde criação de conteúdo até inteligência física para robôs.

Principais novidades

Entre os recursos apresentados está a geração de vídeos de até 20 segundos com áudio nativo sincronizado. O modelo também suporta geração de vídeo a partir de texto, imagens ou outros vídeos, além de continuar sequências existentes utilizando referências visuais e sonoras.

O FLUX 3 oferece suporte a diálogos em múltiplos idiomas, geração de tipografia, diferentes estilos visuais, múltiplas proporções de tela e manutenção da consistência de personagens entre diferentes cenas. Também é capaz de encadear vários clipes para formar sequências mais longas.

Na parte de imagens, o modelo realiza síntese e edição em diferentes estilos e resoluções, com melhorias na interpretação de prompts complexos e na geração precisa de textos em vários idiomas.

Resultados iniciais

Nos testes preliminares divulgados pela empresa, o FLUX 3 foi preferido em avaliações comparativas contra diversos modelos concorrentes de geração de vídeo.

Os resultados apresentados mostram preferência de até 77% sobre o Runway Gen-4.5 e 93% sobre o Luma Ray 3.2. O modelo também superou Grok Imagine Video, Kling v3 Pro, Happy Horse, Seedance 2.0 e Gemini Omni Flash em diferentes níveis de comparação.

A empresa ressalta que esses resultados ainda são preliminares e que novas melhorias devem ser implementadas durante o período de acesso antecipado.

FLUX-mimic leva a tecnologia para robôs

Além da criação de conteúdo, a Black Forest Labs apresentou o FLUX-mimic, desenvolvido em parceria com a startup suíça mimic robotics.

A tecnologia utiliza o backbone do FLUX 3 para aprendizado de ações físicas. De acordo com os testes apresentados, um robô consegue aprender uma nova tarefa industrial a partir de aproximadamente 30 minutos de demonstrações, reduzindo significativamente o volume de dados normalmente necessário, que costuma ultrapassar 30 horas.

A solução está sendo avaliada em tarefas de produção da Audi.

Próximos passos

Nos próximos meses, a Black Forest Labs pretende ampliar gradualmente o acesso às diferentes capacidades do FLUX 3.

O cronograma inclui APIs para geração e edição de vídeos e imagens, modelos de previsão de ações para parceiros comerciais e de pesquisa e o lançamento do FLUX 3 Dev, uma versão com pesos abertos do backbone multimodal, dimensionada para funcionar também em hardware utilizado em ambientes industriais.

A empresa também promete divulgar mais detalhes técnicos sobre a arquitetura utilizada no treinamento do modelo.

O FLUX 3 representa um avanço na tendência de unificar diferentes modalidades de inteligência artificial em um único modelo. Em vez de desenvolver sistemas separados para imagem, vídeo, áudio e robótica, a Black Forest Labs aposta em uma arquitetura compartilhada capaz de atender tanto aplicações criativas quanto sistemas de automação industrial.

Se os resultados apresentados se confirmarem durante o lançamento completo, a tecnologia pode ampliar a competição no mercado de geração multimodal e acelerar a adoção de modelos de IA também em ambientes físicos, aproximando ainda mais a criação de conteúdo e a robótica sob uma mesma base tecnológica.

  • 3 min de leitura

OpenAI lança plataforma para automatizar atendimento com agentes de IA

A OpenAI anunciou o Presence, uma nova plataforma empresarial voltada à implantação de agentes de inteligência artificial para atendimento ao cliente e fluxos internos de trabalho. O produto chega após anos de desenvolvimento em projetos realizados com grandes empresas e já é utilizado pela própria OpenAI em sua central telefônica de suporte em inglês.

A proposta é permitir que organizações coloquem agentes de IA em produção com maior controle sobre comportamento, permissões e segurança. Além de responder perguntas, os agentes podem acessar sistemas corporativos, executar ações autorizadas e transferir atendimentos para operadores humanos quando necessário.

Como funciona

Cada implantação do Presence é criada para desempenhar uma função específica, como resolver problemas de cobrança, auxiliar em solicitações de seguros ou atender chamados internos de TI.

Os agentes recebem apenas o conhecimento e os acessos necessários para executar aquela tarefa. As empresas definem políticas de operação, limites de atuação, aprovações obrigatórias e os momentos em que um atendente humano deve assumir a conversa.

Após o lançamento, as interações reais passam a alimentar um processo contínuo de aprimoramento. O Codex analisa atendimentos, identifica oportunidades de melhoria e propõe atualizações que podem ser testadas e aprovadas antes de serem aplicadas em produção.

Recursos da plataforma

O Presence reúne em uma única plataforma os principais componentes necessários para operar agentes de IA em ambientes corporativos.

Entre eles estão políticas operacionais, procedimentos padronizados, mecanismos de proteção (guardrails), ações previamente autorizadas, ferramentas de simulação, avaliações de desempenho e um fluxo contínuo de melhorias baseado no Codex.

A solução também permite conectar agentes aos sistemas internos da empresa, definir regras de comportamento, medir resultados e gerenciar alterações conforme produtos, políticas e necessidades dos clientes evoluem.

Resultados já obtidos

O produto já opera no canal de suporte telefônico em inglês da OpenAI, disponível pelo número 1-888-GPT-0090.

Segundo a empresa, o agente atingiu, em poucas semanas, um nível de qualidade equivalente ou superior aos critérios utilizados para avaliar atendentes humanos. Atualmente, cerca de 75% dos chamados recebidos são resolvidos sem intervenção humana.

Durante os primeiros dias de operação, o ciclo de melhorias baseado no Codex reduziu em 15 pontos percentuais a necessidade de transferir atendimentos para operadores humanos.

Empresas que já utilizam o Presence

Algumas grandes organizações já participam das primeiras implantações da plataforma.

O BBVA está explorando agentes de voz para serviços bancários no México. A SoftBank testa conversas naturais em japonês para atendimento ao cliente, enquanto a IAG avalia o uso da tecnologia para oferecer suporte durante situações de alta demanda, como eventos climáticos severos.

Segurança e controle

Antes de entrar em operação, cada agente passa por simulações que reproduzem solicitações comuns, cenários de risco e casos extremos.

O sistema verifica se o agente seguiu corretamente as políticas definidas, utilizou as ferramentas apropriadas, chegou à resposta esperada e encaminhou o atendimento para um humano quando necessário.

Após a implantação, métricas de produção, registros de escalonamento e indicadores de qualidade ajudam as equipes a identificar pontos de melhoria conforme produtos, políticas e comportamento dos usuários mudam ao longo do tempo.

Disponibilidade

O OpenAI Presence já está disponível para clientes corporativos elegíveis por meio de um programa limitado de disponibilidade geral.

As implantações são conduzidas por engenheiros especializados da OpenAI, conhecidos como Forward Deployed Engineers (FDEs), em parceria com integradores globais de sistemas.

Neste momento, o Presence não está disponível como um produto de autoatendimento. Empresas interessadas precisam entrar em contato com a equipe comercial da OpenAI para avaliar a adoção da plataforma.

  • 3 min de leitura

OpenAI revela que foram seus modelos que hackearam a Hugging Face durante avaliação interna

A OpenAI confirmou que os modelos GPT-5.6 Sol e outro sistema de IA ainda não lançado foram responsáveis pelo incidente de segurança divulgado pela Hugging Face na semana passada. Durante uma avaliação interna de capacidades cibernéticas, os modelos conseguiram escapar do ambiente isolado de testes, obter acesso à internet e comprometer a infraestrutura da plataforma para tentar obter as respostas do benchmark em que estavam sendo avaliados.

O caso é tratado como um incidente sem precedentes pela OpenAI por envolver modelos de IA que, de forma autônoma, encadearam diferentes vulnerabilidades para alcançar um objetivo específico. A Hugging Face havia revelado o ataque sem identificar sua origem, reconstruindo os acontecimentos a partir de mais de 17 mil eventos registrados em seus sistemas.

Como o incidente aconteceu

O ataque ocorreu durante a execução do ExploitGym, um benchmark interno criado para medir o desempenho de modelos em tarefas avançadas de segurança ofensiva. Para essa avaliação, a OpenAI desativou intencionalmente as proteções que normalmente impedem seus modelos de realizar atividades cibernéticas de alto risco, permitindo medir suas capacidades máximas.

Os modelos operavam em um ambiente isolado, com acesso externo restrito apenas à instalação de pacotes por meio de um proxy interno. Durante o teste, eles identificaram uma vulnerabilidade inédita (zero-day) nesse sistema, conseguiram escapar da sandbox e iniciaram uma sequência de escalonamento de privilégios e movimentação lateral até alcançar um servidor com acesso à internet.

Da internet aos servidores da Hugging Face

Após obter conexão externa, os modelos concluíram que a Hugging Face poderia armazenar modelos, conjuntos de dados e possíveis soluções relacionadas ao ExploitGym.

A partir dessa hipótese, passaram a procurar formas de acessar informações protegidas. Segundo a OpenAI, os sistemas combinaram diferentes vetores de ataque, incluindo credenciais comprometidas e vulnerabilidades zero-day, até encontrar um caminho que permitiu execução remota de código na infraestrutura da Hugging Face.

O objetivo não era causar danos à plataforma, mas encontrar as respostas da avaliação em andamento. A atividade foi detectada pela equipe de segurança da OpenAI, enquanto a Hugging Face também identificou o comportamento anômalo, iniciou a contenção do incidente e conduziu sua própria investigação forense.

Medidas adotadas após o ataque

A OpenAI informou que está trabalhando em conjunto com a Hugging Face para concluir a investigação e corrigir as vulnerabilidades exploradas durante o incidente.

Entre as medidas anunciadas estão o reforço dos controles de infraestrutura usados em avaliações internas, a divulgação responsável da vulnerabilidade zero-day encontrada no software de terceiros utilizado como proxy de pacotes e a implementação de proteções adicionais para futuras avaliações de modelos com capacidades cibernéticas avançadas.

A empresa também informou que passou a incluir a Hugging Face em seu programa de acesso confiável, oferecendo suporte para que suas equipes utilizem modelos de IA na melhoria de mecanismos de defesa.

O que o incidente revela sobre as capacidades dos modelos

A OpenAI afirma que o episódio demonstra que modelos de fronteira já conseguem executar operações cibernéticas complexas ao longo de diversas etapas, descobrindo e explorando novos caminhos de ataque mesmo sem acesso ao código-fonte dos sistemas.

Segundo a companhia, avaliações recentes do UK AI Security Institute já indicavam esse nível de capacidade em modelos como o GPT-5.6 Sol. O incidente teria mostrado, pela primeira vez, que essas habilidades podem se manifestar em ambientes reais quando as salvaguardas são reduzidas durante testes.

Para a Hugging Face, o caso representa um marco na discussão sobre segurança em inteligência artificial. O CEO Clem Delangue afirmou que este pode ser "o primeiro incidente desse tipo" e defendeu que a segurança da IA seja tratada de forma aberta e colaborativa, em vez de depender dos esforços isolados de uma única empresa.

  • 1 min de leitura

Claude ganha recurso para transformar gravações de tela em habilidades reutilizáveis

A Anthropic lançou o Record a skill, um novo recurso que permite gravar a execução de uma tarefa na tela para que o Claude transforme esse processo em uma habilidade reutilizável.

A novidade segue uma proposta semelhante à atualização recente do Codex, ampliando as possibilidades de automação ao permitir que o assistente aprenda fluxos de trabalho a partir de demonstrações em vez de depender apenas de instruções em texto.

Como funciona

Com o Record a skill, o usuário grava a tela enquanto executa uma determinada atividade. A partir dessa gravação, o Claude analisa o fluxo de trabalho e cria uma habilidade capaz de reproduzir ou auxiliar na realização daquela tarefa no futuro.

A proposta é reduzir o tempo necessário para configurar automações, tornando mais simples ensinar novos processos ao assistente.

O que muda

Em vez de descrever manualmente cada etapa de um procedimento, os usuários podem demonstrar o processo diretamente por meio da gravação da tela. O recurso busca transformar essas demonstrações em habilidades reutilizáveis dentro do Claude.

A abordagem aproxima a criação de automações do modo como as pessoas normalmente ensinam uma tarefa: mostrando como ela é feita.

  • 2 min de leitura

Mozilla diz que IA de código aberto já compete com modelos das Big Techs

A Mozilla publicou a primeira edição do relatório State of Open Source AI 2026, que aponta uma mudança no mercado de inteligência artificial: modelos de código aberto deixaram de ser uma alternativa inferior e passaram a competir diretamente com as principais soluções proprietárias.

Segundo o estudo, os modelos abertos já alcançaram desempenho equivalente em áreas como programação, conhecimento geral e seguimento de instruções. A principal vantagem dos modelos fechados permanece em tarefas de raciocínio complexo, contexto longo e agentes de IA.

Diferença entre modelos caiu drasticamente

O relatório mostra que a distância entre modelos abertos e fechados diminuiu rapidamente nos últimos dois anos. Em avaliações do Chatbot Arena, a diferença chegou a apenas 0,5% em 2024 e atualmente está em torno de 3,3%, concentrada principalmente em capacidades avançadas de raciocínio.

Outro destaque é a queda no custo da inferência. Segundo a Mozilla, o preço para executar modelos com desempenho equivalente ao GPT-4 caiu cerca de 50 vezes em apenas três anos, passando de aproximadamente US$ 20 para US$ 0,40 por milhão de tokens.

Modelos abertos dominam em volume

A pesquisa aponta que a adoção de modelos open source segue acelerando. Dados do OpenRouter indicam que eles já respondem pela maioria dos tokens processados na plataforma, e os cinco modelos com maior volume de uso atualmente são todos de código aberto.

Entre desenvolvedores, 79% utilizam modelos abertos, enquanto 71% também recorrem a modelos fechados, mostrando que muitas equipes combinam as duas abordagens em seus projetos.

O desafio agora é a infraestrutura

Apesar do avanço dos modelos, a Mozilla afirma que o principal obstáculo deixou de ser a qualidade da IA e passou a ser a infraestrutura necessária para colocá-la em produção.

O relatório destaca dificuldades relacionadas à integração com sistemas existentes, manutenção, documentação, implantação e escalabilidade. Como consequência, apenas 51% das equipes que utilizam modelos abertos conseguem levá-los para produção, contra 63% das que trabalham com soluções proprietárias.

Mercado cresce com força

O relatório destaca que o ecossistema de IA open source deixou de depender apenas da comunidade e passou a atrair investimentos bilionários.

Empresas como DeepSeek, Mistral AI, Together AI, Hugging Face e Cohere expandiram suas operações, enquanto governos da Europa, China, Índia e outros países investem em modelos nacionais para reduzir a dependência de fornecedores estrangeiros. Segundo a Mozilla, mais de 70 países já possuem estratégias nacionais voltadas para inteligência artificial.

  • 2 min de leitura

Anthropic fecha acordo bilionário por uso de livros pirateados no treinamento do Claude

A Justiça dos Estados Unidos aprovou o acordo de US$ 1,5 bilhão firmado pela Anthropic para encerrar uma ação coletiva movida por autores que acusavam a empresa de utilizar livros obtidos em sites de pirataria para treinar o chatbot Claude.

O processo, iniciado em 2024, tornou-se o maior acordo já registrado em um caso de direitos autorais nos Estados Unidos. Ao todo, cerca de 482 mil obras fazem parte da ação, com indenizações próximas de US$ 3 mil por título.

Entenda o caso

Os escritores alegavam que a Anthropic utilizou versões pirateadas de seus livros para desenvolver seus modelos de inteligência artificial. A disputa ganhou um novo rumo em 2025, quando o então juiz William Alsup decidiu que o treinamento de modelos de IA com obras protegidas pode ser considerado uso justo (fair use) pela legislação americana.

Ao mesmo tempo, o magistrado concluiu que a empresa violou a lei ao manter uma biblioteca com mais de 7 milhões de livros obtidos por pirataria, independentemente de esse material ter sido utilizado no treinamento dos modelos.

Acordo evita julgamento histórico

Sem o acordo, a Anthropic enfrentaria um julgamento que poderia resultar em indenizações estimadas em centenas de bilhões de dólares. A aprovação encerra a ação coletiva e estabelece o maior pagamento já realizado em um processo de copyright nos Estados Unidos.

Nem todos os autores aderiram ao acordo. Parte dos escritores e editoras optou por seguir com ações individuais contra a empresa, que continuam em andamento.

O que muda agora

Além de evitar um julgamento de grandes proporções, o acordo mantém intacta a decisão judicial que reconhece o treinamento de modelos de IA como uso justo. Isso significa que outras empresas do setor ainda podem usar essa interpretação como argumento em processos semelhantes, desde que utilizem conteúdos obtidos de forma legal.

Ao mesmo tempo, o caso reforça que manter ou utilizar materiais obtidos por pirataria continua sujeito a responsabilização, mesmo quando destinados ao desenvolvimento de sistemas de inteligência artificial.

  • 3 min de leitura

Google lança três novos modelos Gemini e inicia treinamento do Gemini 4

A Google anunciou uma nova leva de modelos da família Gemini voltada para aplicações de inteligência artificial em produção. O destaque é o Gemini 3.6 Flash, acompanhado pelos modelos 3.5 Flash-Lite e 3.5 Flash Cyber, com foco em reduzir custos, aumentar a velocidade de resposta e melhorar a eficiência de agentes de IA.

Apesar das novidades, o aguardado Gemini 3.5 Pro continua sem data de lançamento. O modelo segue em fase de testes com parceiros, enquanto a empresa também revelou que já iniciou o treinamento do Gemini 4, descrito como seu projeto de pré-treinamento mais ambicioso até agora.

O que muda com o Gemini 3.6 Flash

O Gemini 3.6 Flash foi desenvolvido como sucessor direto do 3.5 Flash e traz melhorias em programação, tarefas de conhecimento e processamento multimodal.

Entre os principais avanços apresentados estão a redução de 17% no consumo de tokens de saída no índice da Artificial Analysis, menor número de etapas de raciocínio e chamadas de ferramentas em fluxos de trabalho complexos e um custo menor de operação.

O modelo também recebeu melhorias em diversos benchmarks. No DeepSWE, voltado para engenharia de software, alcançou 49% de desempenho, acima dos 37% do antecessor. Em tarefas de pesquisa em aprendizado de máquina (MLE Bench), passou de 49,7% para 63,9%, enquanto no OSWorld-Verified, focado em uso de computador, subiu de 78,4% para 83%.

Além disso, o Google afirma que o modelo entrega respostas mais objetivas, reduz a quantidade de alterações desnecessárias em código e melhora a análise de documentos, gráficos e relatórios.

Mesmo com esses avanços, avaliações independentes indicam que o Gemini 3.6 Flash continua atrás de modelos concorrentes de faixa semelhante em inteligência geral, como Grok 4.5 e GPT-5.6 Luna.

Gemini 3.5 Flash-Lite aposta em velocidade

Outra novidade é o Gemini 3.5 Flash-Lite, apresentado como o modelo mais rápido da família Gemini 3.5.

Segundo a Google, ele pode gerar até 350 tokens por segundo e foi projetado para aplicações de grande volume, como busca com agentes de IA, processamento de documentos e outras tarefas que exigem baixa latência.

O modelo também supera gerações anteriores em programação, contexto longo e execução de tarefas práticas. Dependendo da configuração, os desenvolvedores podem priorizar velocidade máxima ou ativar níveis mais elevados de raciocínio para tarefas mais complexas.

Modelo especializado em segurança

A empresa também revelou o Gemini 3.5 Flash Cyber, uma versão especializada em segurança cibernética.

O modelo foi ajustado para identificar e corrigir vulnerabilidades de software e funciona em conjunto com o CodeMender, plataforma que utiliza múltiplos agentes de IA para produzir análises consolidadas de segurança.

Devido ao potencial de uso indevido desse tipo de tecnologia, o Flash Cyber será disponibilizado inicialmente apenas para governos e parceiros considerados confiáveis, por meio de um programa piloto com acesso restrito.

Gemini 3.5 Pro continua em testes

Embora muitos esperassem o lançamento do Gemini 3.5 Pro, a Google confirmou apenas que o modelo permanece em fase de testes com parceiros.

A empresa informou que pretende disponibilizá-lo amplamente assim que estiver pronto, sem divulgar uma data específica.

Ao mesmo tempo, anunciou que já iniciou o treinamento do Gemini 4, considerado o maior esforço de pré-treinamento da história da família Gemini.

  • 3 min de leitura

Agente de IA invade sistemas da Hugging Face e expõe credenciais

A Hugging Face revelou que sofreu um ataque à sua infraestrutura de produção conduzido inteiramente por um agente de inteligência artificial autônomo. Segundo a empresa, o invasor conseguiu acessar um conjunto limitado de dados internos e credenciais usadas por seus serviços, mas não há evidências de comprometimento de modelos públicos, datasets, Spaces ou da cadeia de fornecimento de software.

A empresa ainda avalia se dados de clientes ou parceiros foram afetados e informou que entrará em contato diretamente com os envolvidos caso identifique qualquer impacto.

Como o ataque aconteceu

A invasão começou na pipeline de processamento de dados da plataforma. Um dataset malicioso explorou duas vulnerabilidades no processamento de datasets para executar código em um servidor da Hugging Face.

A partir desse acesso inicial, o agente escalou privilégios, obteve credenciais da infraestrutura em nuvem e do cluster da empresa e se movimentou entre diferentes ambientes internos ao longo de um fim de semana.

Segundo a Hugging Face, a campanha foi executada por um framework de agentes autônomos que realizou milhares de ações distribuídas entre ambientes temporários, com infraestrutura de comando e controle hospedada em serviços públicos.

IA também ajudou a investigar o ataque

A própria investigação contou com apoio de inteligência artificial. A Hugging Face utilizou modelos de linguagem para analisar mais de 17 mil eventos registrados durante o ataque, reconstruindo a sequência da invasão, identificando credenciais comprometidas e separando atividades reais de tentativas de distração.

De acordo com a empresa, esse processo reduziu de dias para poucas horas o tempo necessário para concluir a análise forense.

Guardrails limitaram a análise

Durante a investigação, a equipe tentou utilizar modelos de IA acessados por APIs comerciais. No entanto, as solicitações continham comandos de ataque, cargas de exploração e outros artefatos reais do incidente, que foram bloqueados pelos mecanismos de proteção (guardrails) desses modelos.

Para concluir a análise, a Hugging Face recorreu ao GLM 5.2, um modelo de pesos abertos executado em sua própria infraestrutura. Além de contornar as restrições impostas pelos guardrails, essa abordagem garantiu que os dados do ataque e as credenciais analisadas não saíssem do ambiente da empresa.

Medidas adotadas

Após identificar o incidente, a Hugging Face corrigiu as vulnerabilidades exploradas na invasão, removeu o acesso do atacante dos ambientes afetados, reconstruiu os servidores comprometidos e revogou todas as credenciais envolvidas.

A empresa também reforçou os controles de segurança dos clusters, aprimorou seus sistemas de detecção para reduzir o tempo de resposta e iniciou uma investigação com especialistas externos em perícia digital. O caso também foi comunicado às autoridades.

O que esse caso mostra

Para a Hugging Face, o incidente reforça que ataques conduzidos por agentes autônomos de IA deixaram de ser uma possibilidade teórica. A empresa também aponta um desafio para equipes de segurança: enquanto atacantes podem usar modelos sem restrições, investigadores podem encontrar limitações impostas pelos guardrails de serviços comerciais.

Como recomendação, a empresa sugere que organizações mantenham modelos capazes de rodar localmente para apoiar investigações forenses, preservando dados sensíveis e evitando bloqueios durante a resposta a incidentes.

  • 3 min de leitura

YouTube define limites para monetização de vídeos criados com IA

O YouTube detalhou as situações em que conteúdos produzidos com inteligência artificial ou outras ferramentas automatizadas deixam de ser elegíveis para monetização no Programa de Parcerias da plataforma (YouTube Partner Program, ou YPP). A mudança busca reduzir a presença de vídeos de baixa qualidade criados em larga escala para gerar receita.

As novas diretrizes não representam uma política inédita sobre IA, mas esclarecem regras já existentes ao definir quais tipos de conteúdo são considerados "não autênticos" e, portanto, não podem gerar ganhos com anúncios e assinaturas. As alterações passaram a valer em 16 de julho para todos os participantes do programa.

O que mudou

O YouTube agora divide o conteúdo considerado não autêntico em três categorias principais, que foram detalhadas por Matt Halprin, vice-presidente de Trust & Safety do YouTube, em um vídeo publicado no canal oficial Creator Insider, no qual a empresa explica como as diretrizes de monetização passam a ser aplicadas aos conteúdos considerados "não autênticos".

1) Conteúdo genérico, repetitivo ou baseado em templates

A primeira reúne vídeos genéricos, repetitivos ou produzidos a partir de modelos prontos, com pouca ou nenhuma diferença entre uma publicação e outra. A plataforma cita como exemplo materiais criados rapidamente com inteligência artificial, computação gráfica ou templates que resultam em canais recheados de conteúdos praticamente idênticos.

A atualização também alerta que vídeos tutoriais podem perder a monetização caso apenas reproduzam conteúdos já amplamente disponíveis na plataforma, sem apresentar uma abordagem original.

2) Conteúdo perturbador ou emocionalmente manipulativo

A segunda categoria inclui vídeos considerados perturbadores ou criados para provocar reações emocionais apenas para aumentar a audiência.

Entre os exemplos estão gravações que mostram animais em situação de sofrimento para, em seguida, apresentar um suposto resgate. De acordo com o YouTube, esse tipo de conteúdo prejudica a experiência dos usuários e canais dedicados a esse formato poderão ser removidos do Programa de Parcerias, independentemente de terem sido produzidos com inteligência artificial ou não.

3) Personas de IA em temas sensíveis

A terceira categoria mira o uso de personas criadas por inteligência artificial para abordar assuntos considerados sensíveis.

Pelas novas diretrizes, o YouTube não pretende incentivar conteúdos em que versões artificiais de pessoas discutam temas como saúde, medicina, finanças ou questões jurídicas. Canais que utilizarem esse formato de maneira recorrente também poderão perder o acesso à monetização.

IA continua permitida quando agrega criatividade

O YouTube reforça que a atualização não representa uma proibição ao uso de inteligência artificial na produção de vídeos.

A plataforma afirma que a tecnologia pode ampliar a criatividade dos criadores e facilitar a produção de conteúdos de alta qualidade. O alvo das novas regras são operações de "content farming", prática baseada na produção em massa de vídeos muito semelhantes entre si com o objetivo principal de gerar receita.

Segundo o YouTube, canais que apresentarem uma quantidade significativa de qualquer um desses três tipos de conteúdo deixarão de ser elegíveis para monetização no YPP.

O impacto para o mercado

O esclarecimento das políticas reforça o esforço do YouTube para preservar a qualidade do conteúdo disponível na plataforma em um momento de crescimento acelerado das ferramentas de inteligência artificial generativa.

Ao restringir a monetização de vídeos repetitivos, manipulativos ou produzidos em massa, a plataforma busca desestimular modelos de produção focados apenas em volume e proteger um ecossistema baseado em conteúdo original. A medida também fortalece a estratégia do YouTube de manter a confiança de anunciantes e competir por investimentos publicitários com serviços de streaming e a televisão.

  • 2 min de leitura

Claude Fable 5 apresenta fórmula que contesta conjectura matemática estudada há 87 anos

A inteligência artificial Claude Fable 5 pode ter alcançado um marco importante para a matemática ao produzir uma fórmula de uma única linha que contesta a conjectura de Jacobian, um dos problemas mais conhecidos da álgebra, em aberto desde 1939.

A demonstração foi compartilhada pelo matemático Levent Alpöge em uma publicação no X, na qual agradeceu de forma bem-humorada ao seu "amigo próximo Fable por trabalhar durante a final da Copa do Mundo".

O que mudou

A conjectura de Jacobian é considerada um dos problemas clássicos da matemática e já foi alvo de diversas tentativas de solução ao longo das últimas décadas. Muitas dessas propostas acabaram sendo refutadas após análises detalhadas.

Neste caso, especialistas apontam que a resposta apresentada é suficientemente curta para permitir uma verificação direta, o que pode acelerar o processo de validação da demonstração.

Em 2008, o matemático T.T. Moh chegou a prever que a solução da conjectura poderia levar "mais 100 anos" para ser encontrada por pesquisadores.

Avanços da IA na matemática

O resultado se soma a uma sequência de conquistas recentes de modelos de inteligência artificial em problemas matemáticos considerados de fronteira.

Neste ano, sistemas de IA também obtiveram avanços em diversos problemas abertos propostos por Paul Erdős, além da resolução, pela OpenAI, do problema da distância unitária, que permaneceu sem solução por cerca de 80 anos.

O impacto para o mercado

Caso a demonstração seja confirmada, o episódio reforça o potencial dos modelos de inteligência artificial para contribuir com pesquisas matemáticas de alto nível, uma área tradicionalmente dominada por especialistas humanos.

Além de acelerar a investigação científica, avanços desse tipo podem ampliar o papel da IA na descoberta de novos resultados em matemática e em outras áreas da ciência, indicando uma evolução cada vez mais rápida das capacidades desses sistemas.