Ir para o conteúdo

News

  • 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.

  • 3 min de leitura

OpenAI propõe nova forma de medir custos de IA e defende foco em resultados, não em tokens

A OpenAI apresentou uma nova proposta para avaliar investimentos em inteligência artificial no ambiente corporativo. Em vez de comparar modelos apenas pelo custo por token, a empresa sugere que organizações passem a medir o retorno com base na quantidade de trabalho útil entregue em relação ao valor gasto.

A ideia foi apresentada pela diretora financeira da OpenAI, Sarah Friar, em um modelo de avaliação voltado para empresas que buscam reduzir despesas com IA sem comprometer a qualidade dos resultados.

Como funciona

O sistema proposto organiza a avaliação de modelos de IA a partir de quatro critérios: confiabilidade, qualidade do trabalho produzido, capacidade de operar em escala e custo total. A proposta é permitir comparações mais próximas do impacto prático da tecnologia, sem tratar os tokens como o principal indicador de valor.

Nesse modelo, a pergunta central passa a ser se o valor gerado pelo trabalho realizado pela inteligência artificial cresce mais rapidamente do que o custo necessário para produzi-lo.

Hoje, muitas empresas escolhem modelos comparando o preço por token — a unidade usada para medir a quantidade de texto processada ou gerada. Quanto menor o custo por token, mais barato o modelo parece.

A OpenAI argumenta que essa comparação pode ser enganosa. Um modelo mais barato pode errar mais, exigir várias tentativas para concluir uma tarefa ou demandar revisão humana, aumentando o custo real do trabalho. Já um modelo mais caro pode resolver o problema corretamente na primeira tentativa, economizando tempo e recursos.

Na proposta apresentada por Sarah Friar, a comparação entre modelos de IA deixa de priorizar apenas o preço por token e passa a considerar quatro fatores:

  • Confiabilidade: frequência com que o modelo entrega respostas corretas.
  • Qualidade do trabalho: capacidade de concluir a tarefa com sucesso.
  • Escalabilidade: desempenho quando utilizado em grande volume.
  • Custo total: incluindo o uso da API e outros gastos envolvidos.

Com isso, a pergunta deixa de ser "quanto custa um milhão de tokens?" e passa a ser "quanto custa para concluir essa tarefa com sucesso?".

Um exemplo ajuda a entender a mudança:

  • Modelo A: custa US$ 1 para executar uma tarefa, mas acerta apenas metade das vezes. Na prática, pode ser necessário repetir a execução ou gastar tempo revisando e corrigindo o resultado.
  • Modelo B: custa US$ 2 por tarefa, mas entrega o resultado correto na primeira tentativa.

Embora o Modelo B tenha um custo inicial maior, ele pode gerar um custo operacional menor e aumentar a produtividade. Esse é o conceito que a OpenAI resume como "inteligência útil por dólar" (useful intelligence per dollar): avaliar o valor de um modelo pelo trabalho que ele realmente consegue concluir, e não apenas pelo preço cobrado para processar tokens.

Exemplo de desempenho

Para ilustrar a metodologia, a OpenAI utilizou o benchmark DeepSWE, voltado para tarefas de programação. No teste, o modelo Sol obteve 2,8 pontos a mais que o Fable 5 e apresentou um custo estimado de API 36,2% menor.

O exemplo busca mostrar que modelos capazes de entregar melhores resultados podem representar um investimento mais eficiente, mesmo quando o preço por token não é o menor disponível.

O impacto para o mercado

A proposta surge em um momento em que empresas procuram controlar gastos com inteligência artificial e avaliam alternativas mais baratas para suas aplicações. Ao defender que a comparação entre modelos seja feita pelo trabalho concluído, e não apenas pelo custo de processamento, a OpenAI reforça uma visão que pode favorecer modelos mais avançados quando eles entregam maior produtividade e retorno sobre o investimento.

  • 2 min de leitura

SpaceX negocia contrato bilionário para fornecer infraestrutura de IA ao Pentágono

A SpaceX está em negociações com o Departamento de Defesa dos Estados Unidos para fornecer capacidade de data centers destinada à execução de modelos de inteligência artificial. O acordo, ainda em discussão, pode alcançar vários bilhões de dólares e representa uma expansão significativa da atuação da empresa além de foguetes, satélites e conectividade via Starlink.

Se concretizado, o contrato reforçará a presença da SpaceX na infraestrutura de IA para grandes organizações e ampliará sua relação com o Pentágono, que já utiliza seus serviços em lançamentos espaciais, comunicações via satélite e sistemas de rastreamento de mísseis. As negociações seguem em andamento e ainda podem não resultar em um acordo.

Como funciona

A proposta em discussão prevê que a SpaceX disponibilize capacidade de processamento em seus data centers para executar cargas de trabalho de inteligência artificial do Departamento de Defesa. Em vez de vender modelos de IA, a companhia busca comercializar a infraestrutura computacional necessária para treiná-los e operá-los.

Essa estratégia coloca a empresa em um mercado tradicionalmente dominado por grandes provedores de nuvem e empresas especializadas em infraestrutura para IA.

Expansão para o mercado de computação

Nos últimos meses, a SpaceX também fechou acordos de infraestrutura computacional com empresas como Google e Anthropic, reforçando sua estratégia de transformar capacidade de processamento em uma nova linha de negócios. Internamente, a companhia também avalia competir de forma mais direta com fornecedores de computação para IA, oferecendo capacidade a preços mais competitivos.

O que muda para o Pentágono

O Departamento de Defesa dos EUA vem ampliando seus investimentos em infraestrutura para aplicações de inteligência artificial voltadas a atividades militares e de inteligência. Atualmente, outras grandes empresas de tecnologia já fornecem serviços semelhantes ao governo americano, incluindo Amazon, Microsoft, Google e Oracle. A entrada da SpaceX ampliaria o número de fornecedores dessa infraestrutura estratégica.

O impacto para o mercado

As negociações mostram que a corrida pela inteligência artificial vai além do desenvolvimento de modelos e passa cada vez mais pela disputa por infraestrutura de computação. Caso o acordo seja fechado, a SpaceX poderá consolidar uma nova frente de negócios baseada no fornecimento de capacidade para IA em larga escala, ampliando sua atuação em um mercado hoje dominado pelos grandes provedores de nuvem e fortalecendo o papel da infraestrutura como um dos principais ativos da nova economia da inteligência artificial.

  • 2 min de leitura

China lança ofensiva global em IA com foco nos países em desenvolvimento

A China reforçou sua estratégia para ampliar sua influência global em inteligência artificial ao apresentar um pacote de cooperação voltado aos países em desenvolvimento. Durante a abertura da World Artificial Intelligence Conference (WAIC), em Xangai, o presidente Xi Jinping defendeu uma abordagem mais aberta para a tecnologia e criticou o uso excessivo de argumentos de segurança nacional para restringir o acesso à IA.

Além do discurso, Xi anunciou iniciativas concretas para expandir a presença chinesa no setor, incluindo milhares de oportunidades de capacitação em IA, novos centros de cooperação internacional e a criação de uma organização dedicada à governança global da tecnologia.

O que foi anunciado

Entre as principais medidas está a oferta de 5.000 oportunidades de treinamento e seminários em inteligência artificial para países em desenvolvimento ao longo dos próximos cinco anos. A proposta faz parte de uma estratégia para fortalecer a capacidade tecnológica dessas nações e ampliar a cooperação internacional em IA.

Xi também anunciou a criação de centros internacionais de cooperação em aplicações de IA com a ASEAN, a União Africana, a Liga Árabe, o BRICS, a Comunidade de Estados Latino-Americanos e Caribenhos (CELAC) e a Organização para Cooperação de Xangai.

Nova organização para governança da IA

Outro destaque foi a formalização da World Artificial Intelligence Cooperation Organization (WAICO), sediada em Xangai. A nova entidade reúne 29 países fundadores e tem como objetivo promover cooperação internacional e discutir o desenvolvimento e a governança da inteligência artificial em escala global.

Críticas às restrições tecnológicas

Durante o discurso, Xi afirmou que a inteligência artificial deve ser construída por meio da cooperação entre países e alertou contra o uso excessivo de justificativas ligadas à segurança nacional para limitar o compartilhamento de tecnologia. Sem citar diretamente os Estados Unidos, a declaração foi interpretada como uma crítica às restrições impostas por Washington à exportação de chips avançados e outras tecnologias para empresas chinesas.

O presidente chinês também defendeu que o acesso desigual à IA não resulte em novas disparidades entre países, argumentando que a tecnologia deve beneficiar um conjunto mais amplo de nações.

O impacto para o mercado

Os anúncios reforçam a estratégia da China de disputar protagonismo na definição das regras globais para a inteligência artificial. Ao combinar investimentos em cooperação, formação de profissionais e criação de uma organização internacional própria, Pequim busca consolidar sua influência junto aos países do Sul Global enquanto apresenta uma alternativa ao modelo de governança liderado pelos Estados Unidos e seus aliados.

  • 2 min de leitura

NotebookLM vira Gemini Notebook e ganha execução de código na nuvem

O Google anunciou que o NotebookLM passa a se chamar Gemini Notebook, marcando uma nova fase da ferramenta de pesquisa baseada em inteligência artificial. Embora continue sendo um produto independente, o serviço será integrado de forma mais ampla ao ecossistema Gemini, incluindo o aplicativo Gemini, a Busca do Google e, futuramente, o AI Mode no Search.

Além da mudança de nome, a plataforma começa a receber uma importante atualização de infraestrutura: cada notebook passa a contar com um computador seguro na nuvem, capaz de executar código de forma nativa para realizar análises de dados mais avançadas.

Como funciona

O novo computador em nuvem permite que o Gemini Notebook escreva e execute código diretamente dentro de cada notebook. Isso possibilita análises complexas de dados utilizando como base as fontes adicionadas pelo usuário, tornando os resultados mais precisos e aprofundados.

Segundo o Google, esse recurso já está disponível para assinantes do Google AI Ultra e para clientes empresariais do Google Workspace com AI Ultra Access e AI Expanded Access. Nas próximas semanas, a funcionalidade também será liberada para todos os usuários do plano Pro na versão web.

A empresa afirma que a novidade abrirá espaço para novos formatos de saída e análises mais profundas.

Integração com o ecossistema Gemini

O Gemini Notebook já pode ser acessado diretamente pelo aplicativo Gemini, com sincronização automática entre a versão independente e o app.

O próximo passo será levar os notebooks para o AI Mode da Busca do Google, permitindo utilizar pesquisas e anotações dentro da experiência de pesquisa baseada em inteligência artificial.

Crescimento da plataforma

Lançado durante o Google I/O 2023 sob o nome Project Tailwind, o NotebookLM foi criado para ajudar usuários a aprender e organizar informações com apoio de IA.

De acordo com o Google, a plataforma já é utilizada por mais de 30 milhões de pessoas e por mais de 600 mil organizações. Entre os usos citados estão a criação de materiais interativos de treinamento para empresas e a conversão de anotações em resumos de áudio e vídeo para estudantes.

O impacto para o mercado

A mudança reforça a estratégia do Google de concentrar seus produtos de inteligência artificial sob a marca Gemini. Ao integrar o Gemini Notebook ao aplicativo Gemini, à Busca do Google e adicionar um ambiente seguro para execução de código na nuvem, a empresa amplia as capacidades da plataforma para pesquisa, análise de dados e produtividade, aproximando a ferramenta de soluções voltadas a profissionais, empresas e pesquisadores.

  • 3 min de leitura

Roblox prepara ferramenta de IA que cria jogos a partir de comandos em texto: Build

A Roblox apresentou o Build, uma nova área de criação integrada ao aplicativo para dispositivos móveis que utiliza inteligência artificial para transformar descrições em texto em jogos jogáveis. A novidade faz parte de uma série de iniciativas voltadas para ampliar o acesso ao desenvolvimento de experiências na plataforma.

A ferramenta permite que qualquer usuário descreva a ideia de um jogo em linguagem natural e receba uma versão inicial pronta para ser testada, editada e publicada. A proposta é reduzir a complexidade do processo de criação e tornar o desenvolvimento mais acessível tanto para iniciantes quanto para criadores experientes.

Como funciona

O Build funciona diretamente no aplicativo da Roblox para celulares. A partir de um prompt de texto, a inteligência artificial gera uma estrutura inicial do jogo, incluindo mecânicas, cenários, personagens, estilo visual, efeitos sonoros e outros elementos necessários para começar o desenvolvimento.

Por compartilhar a mesma infraestrutura do Roblox Studio, o projeto pode ser iniciado no celular e posteriormente refinado na ferramenta tradicional para PC. O histórico das conversas com a IA, os modelos utilizados e o progresso da criação são sincronizados entre as duas plataformas.

A tecnologia combina modelos proprietários da Roblox com modelos de código aberto. De acordo com a empresa, seus modelos foram treinados com um amplo conjunto de ativos tridimensionais e dados específicos de desenvolvimento de jogos, permitindo criar objetos 3D funcionais e até cenas completas que podem ser editadas posteriormente.

Novas ferramentas para desenvolvedores

Além do Build, a Roblox anunciou uma nova geração de ferramentas baseadas em IA para o Studio.

Entre elas está um agente de playtest capaz de identificar bugs antes que um jogo seja publicado, um agente de análise que responde perguntas sobre desempenho em linguagem natural e um agente voltado para experimentação, que sugere testes para aumentar engajamento, retenção de jogadores e monetização.

A empresa também revelou avanços em seus modelos de geração de conteúdo tridimensional. O modelo Cube é capaz de criar objetos prontos para uso em jogos a partir de um prompt, enquanto um novo sistema, ainda em desenvolvimento, permitirá gerar cenas 3D inteiras que poderão ser editadas pelos criadores.

Disponibilidade

O Build entrará em fase de testes públicos (alpha) a partir de 28 de julho, inicialmente para usuários da Nova Zelândia. A expansão para outros mercados acontecerá gradualmente nos próximos meses.

Durante o período de testes, o recurso estará disponível para usuários com idade verificada a partir de 9 anos, embora os jogos publicados possam ser distribuídos globalmente apenas para usuários verificados com 16 anos ou mais. A Roblox informou ainda que oferecerá uma versão gratuita da ferramenta, além de opções pagas destinadas a usuários mais avançados.

Qualidade dos jogos continuará sendo prioridade

A Roblox afirmou que a chegada da inteligência artificial não altera a forma como os jogos são distribuídos dentro da plataforma. Experiências criadas com IA passarão pelos mesmos processos de segurança, revisão e recomendação aplicados aos demais títulos.

Segundo a empresa, os sistemas de descoberta continuam priorizando jogos com maior retenção e engajamento dos usuários, independentemente de terem sido produzidos manualmente ou com auxílio da inteligência artificial.

O impacto para o mercado

O anúncio marca um novo passo da Roblox na adoção de inteligência artificial para desenvolvimento de jogos. Ao permitir que experiências sejam criadas a partir de simples comandos em texto, a plataforma reduz barreiras técnicas e amplia o número de pessoas capazes de produzir conteúdo.

Ao mesmo tempo, a empresa busca mostrar que a IA será utilizada para acelerar o desenvolvimento sem comprometer a qualidade das experiências oferecidas aos jogadores, mantendo os mesmos critérios de moderação, segurança e relevância na descoberta de novos jogos.

  • 3 min de leitura

Vazamento expõe como a Suno obtinha conteúdo para treinar sua IAs de música

Um hacker invadiu a plataforma de geração de músicas por inteligência artificial Suno e vazou parte do código-fonte para o site 404 Media. O material revela detalhes sobre as bibliotecas de treinamento utilizadas pela IA e indica que a plataforma coletou milhões de músicas e letras de serviços como YouTube Music, Deezer e Genius, além de outras bases de conteúdo disponíveis na internet, para treinar seus modelos.

As informações dão novo fôlego ao debate sobre direitos autorais e transparência no desenvolvimento de sistemas de IA voltados à criação de conteúdo.

O que o vazamento revelou

O código-fonte, datado de 2023 e 2024, contém instruções de raspagem de dados (scraping) e referências às bases utilizadas no treinamento da IA. Entre elas estão YouTube Music, Deezer, Genius, Pond5, Jamendo, Freesound, o International Music Score Library Project (IMSLP) e podcasts distribuídos por RSS.

Os arquivos também mostram que o sistema filtrava conteúdos que não fossem música antes de incorporá-los aos conjuntos de dados utilizados pela plataforma.

Milhões de músicas e milhares de horas de áudio

Os documentos analisados pelo 404 Media indicam que a Suno havia incorporado mais de 2 milhões de clipes musicais do YouTube Music.

O vazamento também detalha o tamanho de algumas bibliotecas utilizadas no treinamento, incluindo:

  • 152.162 horas de conteúdo do YTM Tagged;
  • 113.879 horas do YouTube Music;
  • 62.117 horas da biblioteca Pond5;
  • 19.514 horas do IMSLP;
  • 17.615 horas do Genius;
  • 12.287 horas do Deezer;
  • 3.726 horas do Jamendo;
  • 410 horas do Freesound;
  • 103 horas de letras do MuseScore.

Disputa sobre direitos autorais

A Suno já enfrenta processos movidos por gravadoras, que acusam a empresa de utilizar milhões de músicas protegidas por direitos autorais para treinar seus modelos de inteligência artificial.

Durante o processo, a própria empresa reconheceu que utilizou "praticamente todos os arquivos de música de qualidade razoável acessíveis na internet aberta", abrangendo dezenas de milhões de gravações. Ao mesmo tempo, sustenta na Justiça que esse treinamento se enquadra no princípio de fair use (uso justo). Um dos processos já foi encerrado por acordo.

O material vazado também reforça uma das acusações feitas pela Recording Industry Association of America (RIAA), de que músicas foram obtidas diretamente do YouTube.

Dados de usuários também teriam sido acessados

Além do código-fonte, o hacker afirma ter obtido informações de centenas de milhares de usuários da Suno, incluindo dados relacionados a pagamentos processados pelo Stripe.

Até o momento, essas alegações não foram confirmadas de forma independente.

O impacto para o mercado

O vazamento oferece uma visão rara sobre como um dos principais modelos de geração de música por inteligência artificial foi desenvolvido. As informações podem fortalecer as ações judiciais movidas pela indústria fonográfica e ampliar a pressão por transparência sobre os conjuntos de dados utilizados no treinamento de modelos generativos. O caso também evidencia o crescente embate entre empresas de IA e detentores de direitos autorais em torno do uso de conteúdo disponível na internet.