Gemini 4 Carbon escreveu sozinho um path tracer em CUDA e renderizou um minuto de animação

Normalmente, uma demo de «a IA escreveu o código» é assim: o modelo montou uma landing page, um jogo da cobrinha ou um parser. Aqui a história é outra. Segundo a descrição do autor da demo (a conta fofrAI no X, resumida no canal do Telegram «Metaversishche i AIshche»), o modelo Gemini 4 Carbon percorreu sozinho o caminho de uma pasta vazia até um vídeo pronto: com geometria, luz, física, câmera e música.

O que exatamente o modelo montou

A lista do post é a seguinte.

Primeiro: um renderizador 3D próprio em C++ e CUDA. Ele usa path tracing, ou seja, um cálculo honesto de luz, reflexos e sombras por traçado de raios em uma GPU da NVIDIA. Não se trata de chamar um botão «Render» pronto do Blender, mas de um código que calcula por conta própria como a luz rebate nas superfícies.

Segundo: física via MuJoCo. É um motor comum em robótica. Ele calcula gravidade, colisões, atrito e a interação de corpos rígidos.

Terceiro: a cena. O modelo projetou uma máquina de Rube Goldberg, em que bolinhas e alavancas se acionam em cadeia. Depois, criou um estúdio 3D e um voo contínuo de câmera.

Quarto: o ritmo. O movimento da câmera foi sincronizado com uma faixa do Lyria 3.5, o modelo musical do Google.

Por que não é apenas uma imagem bonita

O número principal aqui é 60 segundos de simulação com 120 000 passos, ou seja, 2000 passos por segundo. Não há keyframes. Os objetos se movem porque forças simuladas os empurram, e não porque alguém desenhou uma trajetória. Para uma máquina de Rube Goldberg isso é fundamental: se ao menos um elo da cadeia for calculado de forma errada, a bolinha não chega e toda a reação desmorona. Um vídeo assim não se imita «a olho»: a física funciona ou não funciona.

O segundo ponto é a amplitude da tarefa. Aqui se juntaram programação gráfica, código para GPU, modelagem física, composição de cena, trabalho de câmera e sincronização com o som. Tarefas assim são mal verificadas por benchmarks padrão: cada parte isolada é familiar ao modelo, e a dificuldade está em fazer as partes se encaixarem e não quebrarem em centésimos de segundo.

Há ainda uma ironia à parte na piada sobre o NVIDIA Omniverse no título do post original. O Omniverse era vendido como plataforma de simulação e de pipelines 3D. Aqui, o modelo montou um fluxo de trabalho de sentido parecido a partir de componentes abertos e prontos. E, mesmo assim, ele roda em CUDA, de modo que esse cenário é, antes, vantajoso para o hardware da NVIDIA.

O que não sabemos

É preciso ter cautela. A fonte é um post de Telegram que resume tuítes, e trata-se de um único vídeo de demonstração, não de um experimento reprodutível. O material não deixa claro como era o prompt, quantas iterações houve, se uma pessoa interveio, se corrigiu erros e quanto custou a execução. A qualidade da imagem também é incerta: um path tracer «do zero» pode produzir ruído e artefatos que um renderizador maduro não teria. Por fim, «escreveu sozinho» não significa «inventou sozinho»: MuJoCo e CUDA são ferramentas prontas, e o modelo as combinou.

Por isso, a afirmação do post de que «os artistas 3D não são mais necessários» é uma piada, não uma conclusão. O artista continua decidindo o que vale a pena mostrar, e o pipeline de um estúdio tem coisas que a demo não mostra: assets, ajustes de animação, aprovação do cliente.

O que fazer com isso na prática

Para desenvolvedores e product managers, a conclusão é mais modesta, porém mais útil. Primeiro, convém parar de medir o modelo com tarefas pequenas. Se ele monta de uma só vez a combinação de «código para GPU mais física mais visual mais som», protótipos de simuladores, visualizações e ambientes de treinamento podem ser feitos bem mais rápido. Segundo, motores de física como o MuJoCo são um verificador conveniente: o resultado é plausível ou não, e isso ajuda a pegar erros do modelo. Terceiro, se você desenvolve ferramentas para 3D, jogos ou robótica, vale rodar no seu stack um cenário longo semelhante e ver exatamente onde ele quebra.

Uma demo não é prova, mas é um bom motivo para atualizar o conjunto de testes. Se o Gemini 4 Carbon realmente faz isso sob demanda, e não por uma feliz coincidência, o que mais vai mudar é a barreira de entrada para protótipos gráficos complexos.