Agente monta vídeo 4K no Blender e o renderiza em 10 GPUs em 51 minutos por US$ 5,75

Um vídeo 3D no estilo de anúncio costuma levar dias: modelagem, animação, iluminação, render farm, som. O canal do Telegram "Tochki nad II" ("Pontos sobre a IA") compartilhou um vídeo montado inteiramente por um agente com Fable 5.2 a partir de um único prompt. Resultado: 4K, 51 minutos de render e US$ 5,75 de custo. Vamos ver o que realmente aconteceu e o que dá para levar para o trabalho.

O que exatamente o agente montou

O prompt pedia pouco: criar no Blender um quarto com um notebook onde acontecem coisas de vibe coding, como em um anúncio da Anthropic, mostrar o mascote Clawd e renderizar tudo no RunPod. Depois disso, o agente agiu por conta própria.

Primeiro, escreveu um script em Python que construiu a cena inteira: o quarto, um MacBook com 77 teclas individuais e o próprio Clawd. O Blender é controlado por Python, então para o agente é uma tarefa de programação comum: escrever o código, executar e olhar o resultado.

O detalhe mais bonito é a tela. O modelo montou ele mesmo uma página web, salvou-a quadro a quadro em 1345 imagens e aplicou-as sobre a tampa do notebook. As teclas afundam exatamente no quadro em que a letra correspondente aparece na tela. Na prática, o agente sincronizou duas camadas: o conteúdo da tela e a física do teclado. São justamente essas miudezas que distinguem um trabalho caprichado do "assim está bom".

Os números e a estrutura do pipeline

Depois veio a escala: 13 câmeras, um sol simulado do pôr do sol ao amanhecer e render em 4K em dez placas de vídeo alugadas. Tudo levou 51 minutos e custou US$ 5,75. A música e os sons foram gerados pelo modelo no ElevenLabs.

Observe a estrutura. O agente não "desenha vídeo" com uma rede neural, mas orquestra ferramentas convencionais: o código constrói a cena, a diagramação web fornece o conteúdo da tela, as GPUs na nuvem dividem entre si o render pesado e um serviço separado cuida do som. Essa abordagem é fundamentalmente diferente do vídeo generativo. Cada elemento da cena continua sendo um objeto em um script que pode ser ajustado: mudar a cor das paredes, remover uma câmera ou reescrever o texto da tela e depois reiniciar o render sem refazer tudo.

Para o product manager e o fundador, o que importa aqui é a economia. Um vídeo com 13 ângulos e render 4K custa alguns dólares de aluguel de GPUs e cerca de uma hora de espera. Quando a produção fica tão barata, o gargalo passa a ser a ideia e o bom gosto, não o render.

Limites e conclusão prática

Agora, com honestidade, sobre os limites. É uma única postagem no Telegram, não um experimento reprodutível. Não se sabe quantas tentativas e ajustes foram necessários, como o agente verificou o resultado e se os US$ 5,75 incluem o custo dos tokens do modelo. Provavelmente foi mostrada uma execução bem-sucedida, e não a média. A postagem não traz detalhes técnicos sobre o Fable 5.2, e no final o próprio autor pergunta se alguém já tentou rodar o Blender por meio de um agente no novo modelo. Ou seja, a repetibilidade ainda não está confirmada.

O que fazer com isso na prática. Primeiro, olhe para as suas ferramentas programáveis: muitos editores de 3D, CAD, vídeo e gráficos têm API de scripts, o que significa que podem ser entregues a um agente como ambiente de trabalho. Comece com uma cena pequena de três ou quatro objetos e uma câmera, para entender onde o agente erra. Segundo, planeje o render em nuvem desde o início: alugar várias GPUs em paralelo por uma hora custou, neste exemplo, apenas alguns dólares. Terceiro, peça ao agente que salve resultados intermediários e scripts em um repositório, para que a cena possa ser editada e versionada como código comum.

O principal sinal não são os US$ 5,75, mas o próprio tipo de tarefa. O agente levou até o resultado uma longa cadeia de código, diagramação, computação em nuvem e som, sem exigir trabalho manual humano no meio do caminho. Por ora é uma demonstração isolada, mas são justamente esses casos que vale a pena repetir com os seus próprios dados antes de planejar um produto em cima deles.