GPT-5.1-Codex-Max amplia contexto, opera mais rápido e mantém tarefas por mais de 24 horas

A OpenAI anunciou o lançamento do GPT-5.1-Codex-Max, um novo modelo de codificação com foco em tarefas de engenharia longas e complexas. Projetado para atuar como um assistente “agentic” em ambientes de desenvolvimento, o GPT-5.1-Codex-Max chega como padrão nas interfaces do Codex e traz otimizações para lidar com grandes volumes de contexto e sessões que podem se estender por mais de um dia.

Segundo a empresa, o novo modelo usa 30% menos “tokens de pensamento” do que seu predecessor, mantendo a mesma qualidade, e consegue operar de 27 a 42% mais rápido em tarefas do mundo real. A OpenAI também oferece um modo de raciocínio chamado Extra High, pensado para cenários em que a latência não é um problema e é desejável mais tempo de processamento.

Recursos e limites de uso

O GPT-5.1-Codex-Max já está disponível para assinantes dos planos ChatGPT Plus, Pro, Team, Edu e Enterprise, substituindo o modelo anterior como padrão. A empresa divulgou que, enquanto a versão anterior custava US$ 1,25 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída, os preços do novo modelo ainda não foram anunciados, e o acesso à API é previsto para breve.

Para usuários do ChatGPT Plus, os limites são de 45 a 225 mensagens locais e de 10 a 60 tarefas na nuvem a cada cinco horas. Já os usuários Pro contam com uma capacidade maior, com limites de 300 a 1.500 mensagens locais e de 50 a 400 tarefas na nuvem no mesmo período. Essas faixas indicam que a OpenAI pretende atender desde desenvolvedores individuais até equipes com cargas de trabalho contínuas.

Sessões longas, compaction e retenção de contexto

Uma das promessas centrais do novo Codex é a habilidade de manter o foco em uma só tarefa por períodos que ultrapassam 24 horas. Em testes internos, o modelo mostrou que consegue gerenciar trabalhos como corrigir falhas em testes e iterar implementações ao longo de um dia inteiro.

Para viabilizar essas sessões longas, o sistema utiliza um processo chamado “compaction”. Quando a janela de contexto é preenchida, o histórico da sessão é automaticamente comprimido, resumindo as informações essenciais e descartando detalhes menos relevantes. Assim, a inteligência artificial consegue reter a tarefa principal e os pontos-chave em meio a milhões de tokens.

O comunicado da OpenAI destaca que o GPT-5.1-Codex-Max é o primeiro modelo treinado de forma nativa para operar dessa maneira em múltiplas janelas de contexto, o que permite alternar entre trechos muito longos de histórico sem perder coerência sobre a tarefa em andamento.

Segurança, auditoria e o papel do desenvolvedor

Quanto à segurança, a OpenAI afirma que este é seu modelo de cibersegurança mais avançado até o momento, embora ainda não atinja o limiar interno de “Alta Capacidade”. A empresa planeja oferecer ferramentas específicas para apoiar defensores, mas alerta que o modelo não substitui a revisão humana.

A própria OpenAI lembra que à medida que o Codex assume tarefas mais prolongadas, a revisão do trabalho do modelo se torna cada vez mais crucial. O sistema ainda pode cometer erros, e conforme gera mais código, a verificação e a compreensão para futuras depurações se tornam desafios maiores, o que pode anular ganhos de eficiência.

Para mitigar parte desse risco, o Codex produz logs de terminal que registram chamadas de ferramentas e resultados de testes, atuando como um revisor adicional, e não como substituto da avaliação humana. Desenvolvedores e equipes são orientados a validar, revisar e auditar o código gerado antes da implantação em produção.

Dados internos da OpenAI reforçam a adoção do Codex na prática, com a empresa relatando que 95% dos seus engenheiros utilizam o Codex semanalmente e observando um aumento de 70% nos pull requests desde a introdução da ferramenta. Esses números mostram como a tecnologia já está integrada a fluxos de trabalho reais e pressionam pela criação de processos de revisão adequados.

O lançamento do GPT-5.1-Codex-Max representa um passo para tornar a IA mais útil em projetos de engenharia que exigem persistência, contexto extenso e integração com ambientes como o Windows, dado que o modelo foi treinado para otimizar tarefas na linha de comando desse sistema.

Ainda que o modelo amplie as capacidades das equipes, a recomendação permanece clara: combinar a produtividade oferecida pelo Codex com controles humanos rigorosos e processos de auditoria contínuos para evitar que erros se propaguem em sistemas complexos.

Panorama do ChatGPT em 2025: recursos, números e desafios para usuários e empresas

O ChatGPT segue em rápida evolução, com lançamentos, parcerias e polêmicas que impactam tanto usuários comuns quanto corporações. Nas últimas atualizações, a OpenAI tem priorizado funcionalidades multimodais, voz e geração de imagens, ao mesmo tempo em que enfrenta questões sobre capacidade, custos e privacidade. Entre as novidades mais recentes estão iniciativas que ampliam o acesso, estatísticas de uso expressivas e mudanças na moderação de conteúdo.

Principais novidades e números

Em abril de 2025 a OpenAI anunciou uma medida voltada a estudantes: “OpenAI oferece ChatGPT Plus gratuitamente para estudantes universitários dos EUA e Canadá”. A ação libera temporariamente a assinatura premium, que inclui acesso ao modelo GPT-4o, geração de imagens, interação por voz e ferramentas de pesquisa avançadas.

Os recursos de imagem cresceram de forma explosiva. Conforme divulgado, “Usuários do ChatGPT já geraram mais de 700 milhões de imagens”, e “Mais de 130 milhões de usuários criaram coletivamente mais de 700 milhões de imagens desde que o gerador de imagens aprimorado foi disponibilizado em março.” Esse volume explica parte da pressão sobre a infraestrutura da empresa, e também alimenta debates sobre direitos autorais e uso de estilos artísticos.

O alcance do serviço também saltou nos últimos meses: dados apontam que o número de usuários ativos semanais dobrou, até “atingir 400 milhões em fevereiro de 2025, impulsionados pelos lançamentos de novos modelos e funcionalidades”. Para a OpenAI, esse crescimento é tanto oportunidade quanto desafio operacional.

Desafios técnicos, custos e controvérsias

Nem tudo é apenas expansão. Em outras frentes, a empresa teve que revisar expectativas sobre custos de pesquisa. A Fundação Arc Prize atualizou previsões e alertou que “a estimativa aponta um valor próximo a US$ 30.000 por problema” para o modelo o3 em determinadas configurações, muito acima do cálculo inicial.

O próprio CEO destacou limites de capacidade. Conforme comunicado, “o CEO Sam Altman informou que a popularidade de recursos como o gerador de imagens pode levar a atrasos na entrega de novos produtos e ocasionar instabilidade temporária no serviço”. A combinação de demanda elevada e recursos computacionais caros tem forçado a OpenAI a priorizar lançamentos e a criar ofertas segmentadas para empresas.

Há também tensões jurídicas e éticas. Processos por uso de material protegido, discussões sobre remuneração de artistas, e reclamações de privacidade surgiram ao longo de 2024 e 2025. Entre as queixas está a notificação europeia sobre informações falsas, descrita como “Queixa de privacidade na Europa por “alucinações difamatórias” do ChatGPT”, o que evidencia o risco real de o sistema gerar conteúdo incorreto com consequências legais.

O que muda para usuários e empresas

Para quem usa o ChatGPT no dia a dia, há ganhos concretos: integração com ferramentas como Google Drive e OneDrive, melhorias no modo de voz, e recursos que permitem gerar e editar imagens com o GPT-4o. Ao mesmo tempo, surgem preocupações sobre como as conversas são armazenadas; por exemplo, produtos como o Operator têm regras de retenção distintas, e a OpenAI informou que em alguns casos dados podem ser retidos por períodos mais longos.

Empresas e desenvolvedores contam hoje com mais opções, incluindo planos corporativos e APIs específicas. A OpenAI projeta crescimento financeiro ambicioso, segundo relatos, “a empresa projeta que sua receita triplicará para US$ 12,7 bilhões em 2025”, uma meta que depende da adoção massiva de ofertas pagas e de soluções empresariais.

Do ponto de vista prático, usuários devem avaliar benefícios e riscos: recursos avançados do ChatGPT aumentam produtividade e criam novas possibilidades criativas, mas exigem cuidado com verificação de fatos, direitos autorais e privacidade. Para organizações, a recomendação é planejar capacidade e compliance, ao considerar adoção em grande escala.

Em resumo, o ChatGPT em 2025 é ao mesmo tempo uma ferramenta cada vez mais poderosa e um produto que exige monitoramento contínuo por parte de reguladores, empresas e cidadãos. As próximas atualizações prometem novas funcionalidades e, possivelmente, maior integração com serviços globais, enquanto debates sobre custos, ética e responsabilidade seguem em destaque.

App da Target integra ChatGPT e amplia aposta da rede no varejo com IA

Integração com ChatGPT e recursos para consumidores

A Target entra em uma nova fase de experimentação com inteligência artificial ao lançar um novo app da Target integrado ao ChatGPT, voltado aos consumidores. Segundo o anúncio oficial, “O aplicativo da Target, integrado ao ChatGPT, será lançado em versão beta na próxima semana e permitirá que os consumidores solicitem sugestões, naveguem e montem cestas com múltiplos itens, comprem alimentos e finalizem suas compras, conforme anunciado pela OpenAI.” Esta integração traz ao público uma experiência de compra conversacional, em que o assistente ajuda a encontrar produtos, montar cestas e concluir pedidos diretamente na conversa.

O movimento faz parte de uma iniciativa maior da OpenAI de ampliar sua presença no varejo digital, com parcerias que incluem diversos serviços já conhecidos. A empresa afirmou que está adicionando aplicativos exclusivos ao ChatGPT, “incluindo versões para Canva, Coursera, Figma, Expedia, Spotify e Zillow.” Para a Target, o novo app deve facilitar tanto compras rápidas, como itens de mercado, quanto decisões mais complexas, como a curadoria de presentes e listas de itens para a casa.

Parceria estratégica e uso interno na Target

Além de oferecer o aplicativo ao público, a Target reforça uma parceria mais ampla com a OpenAI. Em comunicado sobre a implementação interna, foi destacado que “A Target implementará o ChatGPT Enterprise entre seus 18.000 colaboradores na sede”, o que aponta para uso corporativo da IA em grande escala, com aplicações que vão da previsão da cadeia de suprimentos à otimização de operações nas lojas.

Esse uso interno deve alimentar melhorias nos serviços oferecidos pelo app da Target, já que as equipes poderão testar fluxos, ajustar respostas e integrar a tecnologia aos sistemas de inventário e atendimento ao cliente. A empresa também pretende utilizar os modelos da OpenAI em ferramentas digitais que abrangem suporte aos funcionários, atendimento ao cliente, assistentes de compras baseados em IA e sistemas personalizados para sugestões de presentes.

O ecossistema de comércio impulsionado por IA e próximos passos

O lançamento do app da Target surge em um momento em que a OpenAI busca conquistar o chamado comércio impulsionado por IA. Entre os novos produtos citados pela empresa, destaca-se o recurso “Instant Checkout“, que possibilita aos usuários fazer compras diretamente durante conversas com varejistas, incluindo plataformas como Etsy e Shopify. Esse tipo de funcionalidade reduz atritos no processo de compra e pode aumentar a conversão ao manter o usuário dentro da experiência conversacional.

Para os consumidores brasileiros, a chegada de um aplicativo conversacional assim sinaliza uma tendência global: varejistas com grande presença física e digital testam a IA não apenas como ferramenta de recomendação, mas como um canal de venda efetivo. O resultado pode ser uma experiência de compra mais personalizada, com sugestões contextuais e a possibilidade de concluir pedidos sem sair da conversa.

Do ponto de vista do mercado, a estratégia da Target e da OpenAI combina experimentação pública, via beta, com adoção corporativa interna, via ChatGPT Enterprise. Isso permite que melhorias sejam aplicadas rapidamente, com feedback real dos consumidores e dos colaboradores. A expectativa é que a versão beta do aplicativo sirva para calibrar recursos, testar o atendimento de picos de demanda e avaliar a eficácia das recomendações geradas pela IA.

Em síntese, a entrada da Target na lista de varejistas com integração ao ChatGPT reforça a importância da IA nas operações do dia a dia do comércio. O novo app da Target promete facilitar a jornada de compra, enquanto a parceria com a OpenAI impulsiona tanto a experiência do cliente quanto a eficiência operacional dentro da rede. Resta acompanhar os resultados do beta e ver como as funcionalidades conversacionais evoluirão para atender às expectativas de usuários e lojistas.

Como o GPT-Engineer está mudando a rotina de quem escreve código

GPT-Engineer integra GPT-4 para automatizar a construção de bases de código

Nos últimos meses, a atenção de muitos desenvolvedores interessados em inteligência artificial virou-se para um repositório específico no GitHub, o GPT-Engineer. O projeto vem sendo apontado como uma ferramenta capaz de gerar uma base de código completa a partir de um único prompt, e de adaptar-se conforme as necessidades do programador.

Segundo relatos, o repositório de código aberto no GitHub já acumulou mais de 26.000 estrelas, tornando-se o projeto mais seguido na plataforma em alguns momentos. Esse nível de adoção inicial revela, ao mesmo tempo, curiosidade e expectativa da comunidade sobre como modelos de linguagem, especialmente o GPT-4, podem reduzir o esforço repetitivo no desenvolvimento de software.

O que é e como funciona o GPT-Engineer

De acordo com o desenvolvedor Anton Osika, o GPT-Engineer é uma solução de IA flexível e adaptável que visa gerar uma base de código completa com apenas um prompt. Partindo de um prompt inicial, o GPT-Engineer segue o princípio de encadeamento de pensamento e solicita de forma independente as informações ausentes ao longo do caminho para a base de código, ou seja, você descreve o que deseja construir, a IA faz perguntas de esclarecimento e depois escreve o código.

O sistema consegue avaliar vários arquivos ao mesmo tempo e armazena todo o código gerado no sistema de arquivos, para que possa ser reutilizado posteriormente. Essa escolha busca manter o projeto simples e flexível, diferenciando-o de outras soluções que mantêm artefatos em camadas mais complexas.

Limitações técnicas e requisitos

O projeto ainda está em estágio inicial, e o uso prático em produção não está amplamente documentado. É importante entender algumas restrições técnicas: O GPT-Engineer é operado a partir de um terminal e requer conhecimentos básicos de Python. Além disso, “o programa atualmente só aceita chaves de API para o GPT-4, o GPT-3.5 não é suportado. O GPT-4 é superior ao GPT-3.5 para tarefas de código“, afirma a documentação do projeto.

Portanto, para experimentar a ferramenta, desenvolvedores precisam de acesso ao GPT-4 via chave de API, e de familiaridade com linha de comando e workflows de desenvolvimento. Essas barreiras baixas, porém reais, ajudam a explicar por que o projeto atrai tanto entusiastas quanto contribuintes em busca de impacto e aprendizado.

O hype é justificável?

Embora as demonstrações públicas, como a criação de um simples jogo da cobrinha, mostrem potencial, ainda não há amplo registro de adoção em ambientes de produção. Especialistas veem no projeto uma janela para o futuro, mas pedem maturidade. O fundador André Lug resumiu a oportunidade de forma direta, traduzida para o português: “gpt-engineer está em sua fase infantil, bons desenvolvedores poderiam ter um impacto insano, e aprender muito, assumindo liderança, facilitando estrutura, liberando centenas de codificadores apaixonados que querem contribuir e fazer as coisas acontecerem, o trabalho duro será reconhecido“.

Essa perspectiva ressalta que o GPT-Engineer pode ser tanto uma ferramenta pronta para uso quanto uma plataforma comunitária que exige colaboração intensa para evoluir. O roadmap do projeto inclui ideias como “código de autorregeneração”, divisão da geração em partes menores e maior autonomia do sistema para decidir os próximos passos.

Enquanto isso, desenvolvedores já acostumados com assistentes de código, como GitHub Copilot X, ou com modelos open source como Starcoder, experimentam o GPT-Engineer como mais uma peça no ecossistema que promete aumentar produtividade e reduzir tarefas repetitivas.

O código e as instruções de instalação do GPT-Engineer estão disponíveis no GitHub para quem quiser testar, contribuir ou adaptar a ferramenta ao seu fluxo de trabalho. A expectativa é que, com contribuições da comunidade, o projeto avance rapidamente e se torne uma referência na automação de criação de bases de código.

Para desenvolvedores curiosos, a recomendação é experimentar com cuidado, validar a qualidade do código gerado e combinar as saídas do GPT-Engineer com revisões humanas, testes automatizados e integração contínua. Assim, é possível aproveitar as vantagens do GPT-Engineer sem comprometer a segurança ou a estabilidade dos projetos em produção.

Function Health recebe aporte e lança Medical Intelligence Lab para interpretar dados de saúde

A startup Function Health anunciou uma rodada de Série B de US$ 298 milhões, liderada pela Redpoint Ventures, alcançando uma avaliação de US$ 2,5 bilhões. O aporte, que contou com a participação de investidores como a16z, Aglaé Ventures, Alumni Ventures, Battery Ventures, NFDG, além de nomes ligados à NBA e ao mercado de tecnologia, eleva o capital total arrecadado pela empresa para US$ 350 milhões.

A empresa, focada em consolidar exames laboratoriais e dados clínicos para torná-los utilizáveis via inteligência artificial, já opera 75 unidades nos Estados Unidos e planeja expandir para quase 200 até o final deste ano. Desde 2023, a base de exames processados pela plataforma ultrapassou 50 milhões de exames laboratoriais, número que evidencia o crescimento acelerado e a relevância do modelo adotado.

A rodada e os investidores

O aporte de US$ 298 milhões foi liderado pela Redpoint Ventures e recebeu aportes de firmas tradicionais de venture capital, investidores individuais e figuras públicas, incluindo Allen Crabbe, Blake Griffin, Taylor Griffin e Anthony Wood, fundador da Roku. Além dos valores levantados na Série B, a Function Health soma US$ 350 milhões em financiamento até o momento, o que reforça a confiança do mercado na proposta de integrar dados de saúde com modelos de IA voltados a insights clínicos.

Essa injeção de capital deverá acelerar a ampliação da rede de atendimento, o desenvolvimento tecnológico do laboratório de IA médica e a integração com dispositivos e exames, mantendo uma abordagem independente de fabricantes e dispositivos.

Medical Intelligence Lab e IA com supervisão médica

Com o novo financiamento, a empresa lançou o Medical Intelligence Lab, iniciativa voltada ao desenvolvimento de um modelo generativo de inteligência médica capaz de oferecer insights personalizados com base nos dados dos usuários, conteúdos e pesquisas. A proposta é treinar o modelo com supervisão clínica, envolvendo médicos, pesquisadores e engenheiros, para garantir que a interpretação dos dados esteja ancorada em conhecimento médico.

O modelo também alimenta um chatbot de IA que pode responder perguntas dos usuários apoiando-se em resultados anteriores de exames, anotações médicas e imagens, para fornecer orientações sob medida. Entre os nomes que compõem o time responsável pelo treinamento e validação clínica estão o cientista médico-chefe Dr. Dan Sodickson e o cofundador e diretor médico Dr. Mark Hyman.

Privacidade, segurança e diferenciação no mercado

A empresa destaca que sua plataforma segue padrões de privacidade e proteção, afirmando conformidade com HIPAA, criptografia total dos dados e compromisso de não comercialização de informações pessoais. Nas palavras de Jonathan Swerdlin, CEO e cofundador, “não basta viver em um mundo onde a IA existe e não aplicá-la à sua saúde. Você deve ser capaz de gerenciar sua biologia. O objetivo da Function Health é aplicar a melhor tecnologia disponível à saúde humana.“

Swerdlin também reforça a promessa de proteção dos dados, ao dizer que “Seus dados e sua identidade nunca estão à venda. Cada informação sua é protegida e criptografada. Estamos comprometidos em manter você e seus dados seguros.” Essas declarações visam tranquilizar pacientes e parceiros, diante de uma oferta que combina tecnologia, serviços laboratoriais e aconselhamento clínico baseado em IA.

No ecossistema de saúde digital, a Function Health busca se diferenciar por ser independente de dispositivos, integrando exames laboratoriais, diagnósticos e insights clínicos de forma contínua. Essa integração pretende ir além dos aplicativos de bem-estar e dos assistentes de IA generalistas, ao oferecer uma experiência centrada em dados clínicos robustos e interpretação médica.

Com o novo capital, a expectativa é que a startup acelere a expansão física e tecnológica, atraia mais usuários para sua plataforma e aprofunde o treinamento contínuo do seu modelo médico, mantendo a participação ativa de especialistas. O mercado, por sua vez, observa a movimentação como mais um passo da convergência entre saúde e inteligência artificial, em que capitais significativos financiam soluções que prometem transformar exames e dados em ações preventivas e orientação clínica personalizada.

Guia prático para investir R$3.000 em ações de IA, com foco em GOOGL e CRWD

A corrida por ações de IA ganhou força nos últimos anos, impulsionada por avanços tecnológicos e pela incorporação de inteligência artificial em produtos e serviços. Para investidores com R$3.000 e horizonte de longo prazo, escolher empresas com vantagens competitivas e capacidade de monetizar modelos de IA é essencial. Neste texto, explicamos por que ações de IA podem fazer sentido na carteira, apresentamos duas opções com perfil distinto, e sugerimos como estruturar uma posição conservadora e escalável.

Por que considerar ações de IA agora

Antes de apontar nomes, é importante lembrar que a inteligência artificial não é apenas uma moda, ela tem histórico de evolução e aplicação prática. Como destaca o especialista André Lug, “A inteligência artificial (IA) é uma expressão que muitas pessoas têm ouvido inúmeras vezes nos últimos anos. Embora esse termo esteja em voga atualmente, a IA não é uma novidade; ela já existe há décadas e vem passando por inúmeras transformações que a tornam cada vez mais relevante no mundo moderno.” — André Lug, Fundador da Iglu Online.

Essa trajetória significa que muitas empresas já incorporaram camadas de IA em seus produtos, e o diferencial hoje costuma estar em dados, escala e capacidade de implementação industrial. Ações de IA atraem investidores por oferecer exposição a ganhos de produtividade, novos serviços e receitas recorrentes, mas também exigem seleção cuidadosa, dada a concorrência e o ritmo de inovação.

As 2 ações: Alphabet (GOOGL) e CrowdStrike (CRWD)

Entre as opções frequentemente citadas por analistas, duas empresas aparecem com perfis complementares. A primeira é a Alphabet, controladora do Google, que tem investido pesadamente em IA generativa, integração de modelos ao seu ecossistema e expansão do Google Cloud. A segunda é a CrowdStrike, especializada em segurança cibernética, que utiliza IA para detecção, resposta e prevenção de ameaças em larga escala.

Alphabet oferece exposição a IA por meio de sua pesquisa avançada, produtos de busca e plataforma de nuvem, áreas que podem capturar grande parte da monetização de modelos e serviços. Já a CrowdStrike monetiza IA diretamente em uma oferta de segurança como serviço, com modelo de receita recorrente e forte crescimento de clientes. Juntas, essas ações de IA combinam escala, diversificação de receita e foco em aplicações práticas da tecnologia.

Como montar uma posição com R$3.000 e gerenciar riscos

Com R$3.000 disponíveis, uma abordagem simples e prudente é dividir o valor entre as duas empresas, por exemplo, R$1.500 em cada uma, ou ajustar a alocação conforme seu apetite por risco. Uma alternativa é iniciar posições menores e aportar gradualmente, aproveitando volatilidade para melhorar o preço médio. Para investidores no Brasil, atente para câmbio e custos de corretagem ao comprar ADRs ou ações no exterior.

Ao escolher ações de IA, avalie fundamentos como margem de lucro, crescimento de receita, e capacidade de retenção de clientes. Para a Alphabet, observe evolução do Google Cloud e iniciativas de IA generativa. Para a CrowdStrike, acompanhe a taxa de aquisição de clientes e o expand rate da receita por cliente. Lembre-se de que resultados históricos não garantem retornos futuros.

Como complemento, mantenha reservas e diversificação em outros setores, e defina metas de longo prazo, pois investimentos em tecnologia podem passar por ciclos de alta volatilidade. A frase de André Lug sintetiza a dimensão histórica e prática do tema: “Ao longo dos anos, a inteligência artificial evoluiu e encontrou aplicação em diversas áreas, tornando processos mais eficientes e abrindo caminho para inovações que impactam setores variados, desde a tecnologia até a indústria e os serviços.” — André Lug.

Em resumo, ações de IA como Alphabet e CrowdStrike oferecem caminhos diferentes para expor uma carteira ao avanço da inteligência artificial. Com R$3.000, comece com posição moderada, mantenha disciplina de aportes e acompanhe resultados e riscos, sobretudo mudanças regulatórias, competição e avanços tecnológicos que podem alterar rapidamente o cenário.

Este texto tem caráter informativo e não substitui uma análise personalizada. Considere consultar um assessor de investimentos antes de tomar decisões.

Nvidia fecha trimestre com números recordes e força debate sobre futuro da IA

Com a receita da Nvidia em níveis inéditos, a empresa aponta aceleração da computação por IA e expansão do ecossistema

A Nvidia divulgou resultados que mudaram o tom das discussões sobre excesso de otimismo no setor de inteligência artificial. No terceiro trimestre, a companhia registrou uma receita de 57 bilhões de dólares, equivalente a um crescimento de 62% em relação ao mesmo período do ano anterior. O desempenho superou as expectativas do mercado e reforçou a liderança da fabricante em chips para data center e modelos de IA.

Além da receita, o lucro líquido, calculado segundo os padrões GAAP, atingiu 32 bilhões de dólares – um aumento de 65% ano a ano. Esses números deixaram claro que a dinâmica do mercado está sendo impulsionada por investimentos massivos em infraestrutura de IA, e por isso a receita da Nvidia ganhou destaque nas análises financeiras e no mercado de ações.

Resultados por divisão: data center em ritmo acelerado

O motor principal do trimestre foi a unidade de data center. A receita dessa divisão alcançou 51,2 bilhões de dólares, crescimento de 25% em comparação ao trimestre anterior e de 66% em relação ao mesmo período do ano passado. Os demais 6,8 bilhões de dólares vieram das áreas de jogos, visualização profissional e automotivo, com a divisão de jogos contribuindo com 4,2 bilhões.

A diretora financeira ressaltou o alcance da demanda, afirmando que “Essa demanda abrange todos os mercados, provedores de serviços de nuvem, governos, empresas construtoras modernas e centros supercomputacionais, incluindo diversas montagens de destaque,”. Esse comentário sintetiza a visão da empresa sobre a difusão rápida da computação acelerada por IA em diferentes setores.

Blackwell, gargalos e impacto geopolítico nas remessas

No centro da narrativa está a família de GPUs Blackwell, que se destacou nas vendas. Segundo Jensen Huang, fundador e CEO da Nvidia, “As vendas do Blackwell estão fora de escala, e as GPUs para a nuvem estão esgotadas. A demanda por computação continua acelerando e se acumulando tanto para treinamento quanto para inferência – cada uma crescendo exponencialmente. Entramos no ciclo virtuoso da IA. O ecossistema de IA está se expandindo rapidamente – com um número crescente de criadores de modelos de fundação, mais startups de IA, em diversos setores e países. A IA está em todo lugar, fazendo tudo, ao mesmo tempo.”

Nem todos os produtos tiveram desempenho uniforme. A empresa registrou um resultado abaixo do esperado nas remessas da H20, uma GPU de data center projetada para IA generativa e computação de alto desempenho. Foram enviadas 50 milhões de unidades, um resultado impactado pela dificuldade de vender o produto no mercado chinês. Conforme a diretora financeira explicou, “Grandes pedidos de compra não se concretizaram neste trimestre devido a questões geopolíticas e ao mercado cada vez mais competitivo na China”.

Previsão, reação do mercado e a discussão sobre bolha de IA

Com base no ritmo atual, a Nvidia projetou crescimento adicional, apontando uma previsão de receita de 65 bilhões de dólares no quarto trimestre. Essa estimativa ajudou a elevar o preço das ações em mais de 4% nas negociações pós-fechamento, refletindo a confiança dos investidores em mais um período de expansão.

Em relação ao debate sobre uma possível bolha no setor de IA, Huang foi direto: “Muito se fala em uma bolha de IA”, e completou, “Do nosso ponto de vista, vemos algo bem diferente”. A leitura da empresa é a de que a demanda está sendo sustentada por necessidades reais de infraestrutura, e não apenas por especulação.

Em síntese, a receita da Nvidia e as projeções apresentadas nesta divulgação reforçam a narrativa de um mercado em transformação, impulsionado por projetos de larga escala e demanda por GPUs. Ao mesmo tempo, os desafios geopolíticos e a concorrência em mercados-chave, como a China, lembram que o crescimento vem acompanhado de riscos operacionais e de mercado.

Para o investidor e observador do setor, os números deixam duas mensagens claras: a adoção de IA continua a avançar rapidamente, e a forma como empresas como a Nvidia conseguem traduzir essa demanda em entregas e inovação será determinante para o ritmo de crescimento futuro.

Zeroscope chega como alternativa gratuita para transformar texto em vídeo

Zeroscope é um modelo de texto para vídeo que promete levar a geração automatizada de clipes para quem tem placas gráficas modernas, sem custos. Derivado do Modelscope (demo), o projeto surge como uma opção de código aberto e acessível, oferecendo resultados com maior resolução e, sobretudo, sem a marca d’água do Shutterstock, o que facilita o uso em projetos criativos e experimentais.

O modelo deriva do Modelscope (demo), que tem 1,7 bilhão de parâmetros, e foi ajustado para produzir vídeos mais próximos da proporção 16:9. Segundo a documentação do desenvolvedor, o Zeroscope entrega uma alternativa gratuita ao ecossistema comercial de geração de vídeo, com foco em usabilidade em GPUs convencionais.

Como o Zeroscope funciona e o que o diferencia

O Zeroscope transforma descrições em texto em sequências visuais por meio de um modelo de difusão de texto para vídeo. Entre os avanços relatados, está a capacidade de gerar conteúdo com melhor resolução e sem a marca d’água que limitava o uso antes do ajuste. A música presente nos vídeos de demonstração, conforme anotado pelo autor, foi adicionada na pós-produção.

O projeto possui dois componentes principais. O primeiro, Zeroscope_v2 567w, foi pensado para exploração rápida de conceitos, gerando clipes em resolução de 576×320 pixels. O segundo, o zeroscope_v2 XL, permite ampliar vídeos para uma resolução considerada “alta definição” de 1024×576 pixels, melhorando a qualidade final sem exigir um pipeline totalmente distinto.

Requisitos técnicos e dados do treinamento

Os requisitos de memória variam conforme a resolução. Para gerar vídeo em 576×320 pixels a 30 fps, o modelo necessita de 7,9 GB de VRam. Para a versão ampliada em 1024×576 pixels a 30 fps, a exigência sobe para 15,3 GB de VRam. Por esse motivo, o desenvolvedor afirma que a versão menor deve funcionar em muitas placas gráficas padrão.

O treinamento do Zeroscope incluiu uma etapa importante de robustez. Foi feita a introdução de ruído de deslocamento em 9.923 clipes e 29.769 quadros marcados, cada um contendo 24 quadros. Esse ruído de deslocamento introduz mudanças aleatórias nos objetos, pequenas alterações no tempo dos quadros e distorções mínimas, ajudando o modelo a entender melhor a distribuição dos dados e a lidar com variações nas descrições textuais.

Posicionamento no mercado e implicações

O desenvolvedor do Zeroscope, conhecido como “Cerspense”, afirma que não é “muito difícil” ajustar um modelo com 24 GB de VRam, e relata ter removido as marcas d’água do Modelscope durante o ajuste fino. Ele descreve seu modelo como “projetado para competir com a geração 2”, referindo-se ao Gen-2 comercial do Runway ML. Segundo o autor, o Zeroscope é completamente gratuito para uso público.

Na prática, o Zeroscope marca um movimento importante: é o primeiro modelo de alta qualidade de código aberto disponível amplamente. Tanto o 567w quanto o Zeroscope v2 XL estão hospedados no Hugging Face, que fornece instruções de uso, e há também uma versão no Colab com tutorial para quem quer testar sem instalar localmente.

É importante contextualizar que a tecnologia de texto para vídeo ainda está em estágio inicial. Vídeos gerados por IA costumam ser curtos e apresentar imperfeições visuais, embora modelos de imagens tenham superado problemas iniciais em poucos meses. A geração de vídeo, porém, exige muito mais recursos computacionais, tanto no treinamento quanto na geração.

Enquanto empresas como Google e Meta apresentam pesquisas avançadas, com projetos como Phenaki, Imagen Video e Make-a-Video, muitas dessas soluções ainda não estão amplamente disponíveis. No cenário comercial, o Gen-2 da Runway é um dos poucos serviços prontos ao público, inclusive com versões para iPhone. O Zeroscope, por sua vez, traz a promessa de democratizar o acesso a essa tecnologia, permitindo que criadores e desenvolvedores no Brasil e no mundo explorem geração de vídeo baseada em texto sem custo.

Para produtores de conteúdo, estudantes e experimentadores em IA, o Zeroscope representa uma oportunidade para testar conceitos, criar protótipos e estudar o comportamento de modelos multimodais. Apesar das limitações atuais, a chegada de alternativas gratuitas e de código aberto tende a acelerar pesquisas, iterações e, possivelmente, a qualidade dos resultados no médio prazo.

Em suma, o Zeroscope surge como uma opção prática e acessível para quem quer experimentar geração de vídeo a partir de texto, com requisitos que cabem em muitas GPUs modernas, ferramentas de suporte no Hugging Face e Colab, e uma postura pública de oferecer uma alternativa gratuita ao mercado fechado da geração de vídeo por IA.

O estado da inteligência artificial entre política, tecnologia e ética

As principais novidades sobre inteligência artificial em 21 de novembro de 2025

O mundo da inteligência artificial viveu nesta sexta-feira uma combinação de decisões políticas, avanços técnicos e iniciativas para melhorar a detecção de conteúdo automatizado, mostrando como a tecnologia influencia regras, criatividade e confiança pública. Entre os destaques estão uma ação do governo dos Estados Unidos que busca centralizar a regulação, colaborações internacionais para ampliar o suporte a idiomas menos atendidos, lançamentos de modelos de imagem avançados e um guia da comunidade global para identificar textos gerados por IA.

Regulação federal, tensão com estados e o cenário nos EUA

Segundo a cobertura do dia, existe um movimento do Executivo norte-americano para concentrar normas sobre inteligência artificial no âmbito federal. A reportagem aponta que “Trump prepara ordem executiva para bloquear estados de criarem suas próprias leis sobre IA” e que “uma força-tarefa dentro do Departamento de Justiça ficaria responsável por processar estados que adotem normas consideradas prejudiciais à indústria de IA”. A matéria cita ainda que “Califórnia e Colorado estão entre os alvos citados”.

Essa iniciativa é apresentada por seus defensores como uma forma de evitar fragmentação regulatória e oferecer segurança jurídica uniforme, algo recorrente em setores considerados estratégicos. Por outro lado, especialistas e governos locais podem ver na medida uma violação do princípio federalista e uma redução da autonomia regional para experimentar regras mais rígidas ou protetoras.

Parcerias para inclusão linguística, e o mercado árabe

No âmbito internacional e comercial, grandes empresas anunciam apostas para tornar a inteligência artificial mais diversa linguisticamente. A Adobe, a Qualcomm e a Humain firmaram uma parceria para desenvolver ferramentas focadas no mundo árabe, com previsão de novidades em 2026. A Adobe integrará seu modelo de linguagem Allam ao portfólio, a Humain usará a plataforma Firefly Foundry para criar modelos customizados para o árabe, e a Qualcomm fornecerá hardware para tarefas pesadas, especialmente em vídeo.

Especialistas destacam que iniciativas desse tipo ajudam a reduzir a hegemonia de línguas majoritárias nas ferramentas e promovem uma adoção mais inclusiva da tecnologia. Ao ampliar suporte a contextos culturais e linguísticos diferentes, a parceria tende a fomentar tanto desenvolvimento econômico regional, como aplicações mais relevantes para usuários locais.

Ferramentas, limites e guias para detectar conteúdo gerado por IA

No capítulo técnico, o Google apresentou o modelo de imagem Nano Banana Pro (Gemini 3 Pro Image), descrito como capaz de aplicar um passo de raciocínio antes de renderizar, aceitar múltiplas entradas, manter personagens consistentes e gerar conteúdo em até 4K. Esse tipo de avanço traz ganhos práticos para design, publicidade e produção audiovisual, ao conferir coerência física e integrada com dados em tempo real.

Ao mesmo tempo, a comunidade da Wikipedia lançou o guia público intitulado “Sinais de escrita por IA”, para ajudar a identificar textos possivelmente produzidos por modelos de linguagem. O documento ressalta que ferramentas automáticas de detecção são pouco eficazes e aponta padrões úteis ao leitor, como “linguagem excessivamente genérica, frases de efeito repetitivas e marketing vago”. Essa orientação busca empoderar editores e público geral na identificação de assinaturas estilísticas, preservando a qualidade da informação.

O dia também trouxe um episódio que mistura diversão com reflexão, quando o pesquisador Andrej Karpathy relatou uma interação em que o modelo Gemini 3 inicialmente negou acreditar que o ano era 2025. O caso viral ilustra as falhas atuais dos modelos, lembrando que, apesar dos avanços, a inteligência artificial ainda apresenta lapsos e comportamentos inesperados, reforçando a necessidade de supervisão humana e de uso responsável.

Em conjunto, esses acontecimentos mostram que a agenda da inteligência artificial está em múltiplas frentes, desde disputas sobre quem regula até esforços para tornar a tecnologia mais útil e mais confiável. Reguladores, empresas e comunidades técnicas seguem testando limites, enquanto o público busca referências claras para entender quando e como a IA atua em textos, imagens e decisões que impactam o cotidiano.

Com ritmo acelerado de inovações e debates, as próximas semanas prometem novos desdobramentos, tanto em políticas públicas quanto em produtos e orientações práticas sobre a convivência entre conteúdo humano e gerado por máquinas.

Lucro da Nvidia impulsiona valor de mercado e receita recorde de US$ 57 bilhões

Os resultados mais recentes confirmam que o lucro da Nvidia teve um salto expressivo, em linha com a posição de liderança da empresa na corrida pela inteligência artificial. Segundo as informações divulgadas, o “lucro saltou 65% para US$ 31,9 bilhões”, um indicador claro da forte demanda por chips e soluções de hardware que suportam modelos de IA avançados.

Ao mesmo tempo, a companhia reportou que a “receita no último trimestre atingiu a marca impressionante de US$ 57 bilhões”, número que reforça a dependência do mercado por aceleradores de processamento e pelo ecossistema que a Nvidia construiu ao redor de suas GPUs. Esses resultados ajudaram a consolidar a empresa como uma influência central no setor de tecnologia global.

Por que o lucro da Nvidia cresceu tão rápido

O aumento do lucro da Nvidia pode ser atribuído principalmente à escalada da adoção de chips especializados para tarefas de inteligência artificial, incluindo treinamentos e inferência de grandes modelos. A empresa, sob a liderança de Jensen Huang, apostou cedo e com intensidade em arquiteturas otimizadas para IA, o que a colocou à frente quando empresas e provedores de nuvem passaram a demandar maior capacidade de processamento.

Além disso, a Nvidia ampliou parcerias com grandes players de nuvem e provedores de soluções, o que permitiu escalabilidade das vendas e contratos recorrentes. A combinação de produtos de alto valor, forte penetração no mercado corporativo, e preços que refletem desempenho superior resultou em margens maiores, contribuindo diretamente para o salto de lucro.

Impacto no valor de mercado e no setor de IA

Os efeitos dos resultados vão além dos números trimestrais. Conforme reportado, a empresa se destacou ainda mais ao “se tornar a primeira empresa de capital aberto a ter seu valor de mercado ultrapassando os US$ 5 trilhões”. Esse marco simboliza não apenas a confiança dos investidores, mas também a centralidade da Nvidia na cadeia de valor da inteligência artificial.

O aumento do lucro da Nvidia e a receita recorde de US$ 57 bilhões pressionam concorrentes e aceleram investimentos em hardware e software compatíveis com IA. Empresas como Google e outras gigantes de tecnologia acompanham de perto a dinâmica, ajustando estratégias de contratação, produção e pesquisa, para não perder competitividade num mercado que exige cada vez mais poder computacional.

O que vem a seguir para a Nvidia e para o mercado

Com o lucro da Nvidia em alta e a receita robusta, a expectativa é que a empresa continue a reinvestir em inovação, expandir linhas de produtos e consolidar acordos com provedores de nuvem. Analistas destacam que ganhos sustentáveis dependerão da capacidade da Nvidia de manter liderança em tecnologia, gerir cadeias de suprimentos e responder a pressões regulatórias e concorrenciais.

Para o mercado brasileiro e global, os resultados representam sinal verde para maiores investimentos em soluções de IA, formação de talentos e infraestrutura. A trajetória da Nvidia mostra que quem detém tecnologias chave de aceleração tende a capturar uma grande fatia do valor gerado pela adoção em massa de inteligência artificial.

Em resumo, o desempenho financeiro evidencia o impacto concreto da estratégia da empresa. O lucro da Nvidia e os números de receita reforçam que a companhia não só dominou um segmento técnico essencial, como também transformou essa vantagem em retornos financeiros e em influência sobre o rumo da inovação tecnológica mundial.