Vídeo com IA
A geração de vídeo a partir de texto é uma das fronteiras que mais avançam na IA: Sora da OpenAI, Veo do Google, Runway, Kling e outros transformam algumas frases em clipes cada vez mais realistas. Isso está mudando a publicidade, o cinema e o debate sobre autoria e deepfakes. Aqui está toda a nossa cobertura de vídeo com IA: lançamentos de modelos, qualidade, preços e mudanças na indústria.
Instituto de Software da Academia Chinesa de Ciências e Kuaishou criam o primeiro benchmark de simulação de usuários com LLMs
S-Agent 2.0 ensinou um agente de código a entender 3D e superou o SpatialClaw em 7,8 pontos
Benchmark EvaOmni testa 24 modelos omni: líder atinge 79,4%, mas o grounding fica em 35,1%
Video-Point Model prevê vídeo de várias câmeras e trajetórias 3D de pontos
O Video-Point Model prevê vídeo futuro de qualquer ângulo e trajetórias 3D de pontos da cena. A supervisão por pontos melhora a qualidade do vídeo e o sucesso de…
RealMe gera vídeo volumétrico em 2K com o mínimo de câmeras por meio de difusão
O RealMe transforma capturas esparsas de baixa resolução em vídeo volumétrico 2K com consistência 4D, usando difusão de vídeo e uma perda de frequência no espaço…
DONIC ensinou uma única política a controlar duas mãos: 86,79% de sucesso sem fine-tuning
Pesquisadores apresentam o DONIC, primeiro rastreador universal para duas mãos hábeis. Um único checkpoint alcança 86,79% de sucesso em novas trajetórias e 57,32%…
O piloto automático de arquivos do Claude Cowork: três exemplos que economizam horas
Black Forest Labs: equipe de 70 pessoas desafia os gigantes do Vale do Silício
OpenAI apresenta novo ChatGPT Voice com o modelo GPT Live, sem detalhes técnicos
EgoX reúne câmera, mãos e objetos em uma só cena 3D e é 65,6% mais preciso nas mãos
Stateful Harness eleva a precisão de modelos de mundo de 32% para 92% em estado oculto
Ao separar regras e renderização de vídeo, o Stateful Harness com MiniMax-H3 congelada acerta o desfecho em 92% dos pares do WorldState-Bench, contra 32% sem ele.
SpatialScout: melhor agente VLM montou o mapa 3D de uma sala com apenas 41,71% de acerto
O novo benchmark SpatialScout testa se agentes VLM conseguem explorar cenas sozinhos e mapear objetos. O Claude Opus 5.5 obteve 41,71%, e só 3,25% dos alvos…
Pesquisadores descrevem como o JEPA seleciona características: o que importa são as conexões, e não as características isoladas
Quatro empresas chinesas apostam em mundos de vídeo interativos em tempo real
Engenharia reversa de sites caros com IA: por que metade do '3D complexo' na web se monta em duas noites
Fine-tuning do Gemma 4 com GPU no Cloud Run: de 89% a 94% na classificação de animais
Moonshot abre o código do Kimi K2.6: 300 subagentes e 13 horas de programação autônoma
A Moonshot abriu o Kimi K2.6: o modelo passou 13 horas ajustando o motor de uma bolsa, acelerou inferência em Zig de 15 para 193 tokens/s e escala o enxame a 300…
Stanford analisa a retina como uma rede neural interpretável no curso EE292R
Stephen Baccus, no curso EE292R, mostra como a interpretabilidade mecanicista explica a computação na retina: de 100 milhões de fotorreceptores a 1 milhão de fibras…