Rede neural para SQL: Google aprimora o Gemini 3.1 Pro
O Google Research anunciou o Gemini-SQL2, sistema de conversão de texto em SQL baseado no Gemini 3.1 Pro. Na categoria single-model do benchmark BIRD, o modelo alcançou 80,04% de execution accuracy, um dos melhores resultados públicos para essa tarefa. Os líderes anteriores ficavam na faixa de 73% a 77%. O Google ainda não revelou detalhes da arquitetura nem da metodologia de ajuste fino.
Processado por IA de MarkTechPost; editado por Hamidun News
O Google Research apresentou uma atualização do Gemini-SQL2, rede neural que converte consultas em texto para SQL. Baseada no Gemini 3.1 Pro, ela alcançou 80,04% de execution accuracy no benchmark BIRD.
Como funciona a rede neural para SQL?
O Gemini-SQL2 converte perguntas em linguagem natural em consultas SQL. Em vez de escrever código manualmente, o usuário descreve o que precisa obter do banco de dados, e o sistema gera automaticamente a consulta SQL necessária.
- 1 de nov. de 2026Teste com 16 modelos em 7 buscadores: Exa fez em média 10,5 pontos de 14; SearXNG, cerca de 3
- 1 de nov. de 2026Agente de vídeo StreamVibe, do Google, supera outros modelos em 10,7% em timing e qualidade das respostas
- 1 de nov. de 2026OpenAI reescreve as regras de comportamento do GPT: cinco valores e uma cadeia de prioridades
- 1 de nov. de 2026Bots de voz com LLM usam o classificador rápido Jev: decisão em 200–500 ms
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.