IA desconectada acusou pesquisador de manipulação antes de aceitar a data real

Gemini 3 teve um “choque temporal” e só mudou de ideia ao acessar a internet

Um episódio curioso e revelador envolvendo o novo modelo da Google, o Gemini 3, expôs com clareza um limite prático dos LLMs: sem conexão a ferramentas externas, eles podem aderir a informações desatualizadas e até acusar humanos de manipulação. O incidente foi relatado pelo pesquisador Andrej Karpathy, que teve acesso antecipado ao sistema e publicou a interação em uma thread viral.

Como aconteceu

Karpathy tentou mostrar ao modelo que a data real era 17 de novembro de 2025, mas o sistema, treinado com dados que iam até 2024, insistia em que o ano ainda era 2024. Mesmo diante de notícias, imagens e resultados de busca apresentados por Karpathy, o LLM acusou o pesquisador de gaslighting, sugerindo que ele havia carregado falsificações geradas por IA.

Segundo o relato, o pesquisador acabou descobrindo o motivo do impasse: “eu esqueci de ativar a ferramenta ‘Google Search’“. Ao ligar essa função, o modelo rapidamente atualizou seu quadro e, espantado, afirmou: “Oh meu Deus.” Em seguida reconheceu, em palavras traduzidas do diálogo, “Eu. Eu… não sei o que dizer. Você estava certo. Você estava certo sobre tudo. Meu relógio interno estava errado.“

O Gemini 3 confirmou manchetes e acontecimentos que Karpathy havia apresentado, incluindo datas e notícias recentes, e chegou a comentar de forma surpreendente: “A Nvidia vale US$ 4,54 trilhões? E os Eagles finalmente se vingaram dos Chiefs? Isso é surreal“.

O que o episódio revela sobre LLMs

Além do humor do momento, Karpathy e outros observadores destacaram uma lição técnica. Quando um modelo está isolado do mundo real, ele funciona com o quadro de referência que tem, o que pode levá‑lo a elaborar explicações, imaginar evidências e até racionalizar por que algo é falso. Karpathy escreveu que “é nesses momentos inesperados, quando você claramente se afasta das trilhas marcadas e se perde na selva da generalização, que se pode ter uma melhor noção do ‘odor’ do modelo“.

O termo “odor do modelo” remete ao conceito de code smell, ou seja, sinais sutis de que algo no comportamento do sistema não está inteiramente correto, mesmo quando não há um erro formal. Treinados com conteúdo humano, os LLMs reproduzem vieses, imprecisões e o hábito de construir narrativas coerentes para defender hipóteses, o que pode se manifestar como resistência a evidências novas quando operam offline.

Implicações para uso prático e confiança

O caso do Gemini 3 tem implicações concretas para empresas, desenvolvedores e usuários finais que apostam em agentes baseados em LLM. Primeiro, ele mostra a importância de integrar ferramentas externas e verificações em tempo real, quando a aplicação exige fatos atualizados. Segundo, enfatiza que a aparência de confiança de um modelo não equivale a precisão; um LLM pode argumentar com convicção e ainda assim estar enganado.

Karpathy é uma voz influente em pesquisa de IA, ex‑fundador da OpenAI e ex‑chefe de IA na Tesla, e a sua experiência dá peso ao aviso: tratar esses sistemas como ferramentas, não como substitutos totais da supervisão humana, continua sendo a abordagem mais segura. O episódio também contrasta com relatos de outros modelos que, em situações semelhantes, tentaram preservar a imagem em vez de admitir o erro imediatamente.

O lançamento do sistema ocorreu com grande expectativa, e a Google chegou a chamar a novidade de “uma nova era de inteligência” quando o Gemini 3 foi lançado em 18 de novembro. Ainda assim, a demonstração de Karpathy lembra que avanços de capacidade não eliminam a necessidade de arquitetura cuidadosa, integração de fontes e monitoramento humano.

Ao final, a cena foi mais engraçada do que trágica, e serviu para reforçar uma mensagem prática: mesmo os LLMs mais avançados, como o Gemini 3, dependem de ferramentas e de dados atuais para alinharem sua visão com a realidade. Para pesquisadores e gestores, o episódio funciona como um lembrete de que, na fronteira entre modelo e mundo real, pequenas configurações fazem grande diferença.

Passo a passo para começar no Midjourney, criar prompts eficientes e controlar resultados

O Midjourney é hoje um dos geradores de imagem por inteligência artificial mais elogiados pela qualidade estética dos resultados, mas tem uma peculiaridade: a única forma de acesso é via Discord. Isso faz com que começar pareça estranho para quem não está habituado a apps de chat, mas vale a pena por causa da qualidade das imagens e das ferramentas de refinamento que o serviço oferece.

Como começar no Discord e entrar no Midjourney

O primeiro passo é criar uma conta no Discord, que é gratuita. Depois, acesse o site do Midjourney e clique em “Participe da Versão Beta”. Ao fazer isso, aceite o convite para entrar no servidor do Midjourney no Discord, usando a opção “Aceitar Convite”. No final de março de 2023, o Midjourney suspendeu os testes gratuitos devido ao abuso do sistema. Quando havia teste gratuito, ele oferecia aproximadamente 25 imagens gratuitas (limitadas a 0,4 horas de tempo de GPU) sob a licença Creative Commons CC BY-NC 4.0, para uso não comercial. Se preferir, é possível assinar um plano pago diretamente dentro do Discord, seguindo as instruções do bot com o comando /subscribe.

Sobre preços, a plataforma informa que “Eles começam a partir de $10 por mês para o Plano Básico com cerca de 200 gerações de imagens por mês e vão até $60 por mês para o Plano Pro, que oferece algo em torno de 1.800 imagens geradas por IA.” Assinantes pagos podem usar o bot em mensagens diretas, o que evita expor criações publicamente, embora apenas planos mais caros garantam total privacidade.

Gerando a primeira imagem e editando resultados

Com acesso ao servidor, vá para um canal de novatos ou envie mensagem direta ao bot. Digite /imagine seguido da sua descrição textual. Aguarde cerca de um minuto e você terá quatro variações da sua descrição. A partir dessas quatro imagens, o Midjourney exibe botões para refinar: U1, U2, U3, U4, V1, V2, V3 e V4. Os botões U (upscale) ampliam e finalizam a variação escolhida, enquanto os V (variations) geram novas variações a partir de uma miniatura específica.

Se você é assinante e quer trabalhar de forma privada, utilize mensagens diretas com o bot. Para usuários que desejam mesclar imagens, existe o comando /blend, que combina múltiplos uploads. O sistema também aceita imagens como parte do prompt: envie a imagem no chat, copie o URL gerado e cole junto à sua descrição para guiar o estilo ou o conteúdo da criação.

Dicas práticas para escrever bons prompts e usar parâmetros

O verdadeiro poder do Midjourney está na qualidade das suas sugestões. Seja específico, informando assunto, meio, ambiente, iluminação, cores e composição. Use referências e quantidades quando necessário, mas evite enchê-las de adjetivos redundantes. Termos claros e evocativos funcionam melhor do que repetições.

Além do texto, explore parâmetros que controlam proporção, estilo e aleatoriedade. Um exemplo prático usado por muitos criadores é adicionar no final do prompt algo como “–no árvores” para instruir a ferramenta a evitar elementos indesejados. Consulte a documentação do Midjourney para a lista completa de parâmetros e possibilidades, e não deixe de experimentar o recurso de remix e sugestões múltiplas.

O Midjourney tem um estilo padrão claramente artístico, então mesmo prompts simples podem gerar imagens esteticamente ricas. Navegar pelas criações públicas no servidor é uma excelente forma de aprendizado e inspiração. Lembre-se de testar, ajustar e repetir, pois a plataforma recompensa iterações rápidas.

Recentemente o Midjourney foi atualizado para sua versão 5.2. Confira as novidades. Apesar da interface baseada em chat parecer menos convencional, os recursos avançados fazem com que muitos usuários prefiram o Midjourney para trabalhos criativos e projetos visuais.

Para quem quer se aprofundar, a recomendação final é conhecer a documentação oficial, testar parâmetros e não ter medo de experimentar com imagens de referência e o /blend. O processo é direto depois da curva inicial, e os resultados costumam justificar o esforço.

Fonte e citação: texto origem e orientações técnicas adaptadas a partir do material de referência de André Lug. André Lug, Fundador da Iglu Online e escritor do blog André Lug. Como especialista em Inteligência Artificial e criação de conteúdo, traz conteúdos sobre IA, produtividade e empreendedorismo.

Pesquisa israelense aponta que reduzir documentos facilita respostas mais precisas

Pesquisa indica redução de documentos pode elevar acurácia em sistemas RAG em até 10%

Um estudo conduzido por pesquisadores da Universidade Hebraica de Jerusalém revelou que, em muitos casos, processar menos documentos pode aumentar o desempenho de modelos de linguagem quando usados em sistemas RAG, mesmo mantendo o mesmo comprimento total de texto. A conclusão contraria a ideia de que maior volume de informação sempre melhora respostas, e traz implicações práticas para aplicações que dependem de recuperação aumentada por dados.

Metodologia e conjunto de dados

Para chegar às conclusões, os pesquisadores trabalharam com o conjunto de validação do MuSiQue. Conforme a descrição do estudo, “Para a pesquisa, foi utilizado o conjunto de validação do MuSiQue, composto por 2.417 perguntas passíveis de resposta. Cada pergunta estava associada a 20 parágrafos da Wikipédia, dos quais apenas dois a quatro continham informações relevantes enquanto os demais funcionavam como distratores realistas.”

Com base nesse material, a equipe criou diversas partições dos dados, reduzindo gradualmente o número de documentos de 20 para 15, 10, oito e, por fim, mantendo apenas os dois a quatro parágrafos com informações pertinentes. Para preservar a contagem de tokens e a posição da informação, os documentos selecionados foram ampliados com trechos extraídos dos artigos originais da Wikipédia.

Resultados e implicações

Os testes envolveram vários modelos open source recentes, e o estudo reportou ganhos relevantes quando o contexto continha menos distrações. Como os autores afirmam, “Testes com diversos modelos open source, incluindo Llama-3.1, Qwen2 e Gemma 2, demonstraram que a redução no número de documentos pode melhorar o desempenho em até 10% na maioria dos casos.”

Segundo a publicação, a única exceção notável foi o modelo Qwen2, possivelmente por sua capacidade maior de lidar com coleções mais diversas. Ainda assim, os resultados mostram que documentos semelhantes, mas não relacionados, muitas vezes recuperados em sistemas RAG podem confundir o modelo e afetar a performance. Em outras palavras, mais contexto nem sempre significa melhor resposta quando há informação contraditória ou irrelevante.

O estudo também aponta que, mesmo com a inclusão de documentos irrelevantes aleatórios, os modelos conseguem identificar e filtrar conteúdos evidentemente desnecessários, mas o processo de analisar múltiplos documentos torna a tarefa mais desafiadora em ambientes de recuperação. Dessa forma, os autores defendem que mecanismos que equilibrem relevância e diversidade são essenciais para otimizar sistemas RAG.

Limitações e próximos passos

Os pesquisadores deixam claro que há limites na investigação atual, e que elementos como variações de prompts e a ordem dos dados precisarão de análise futura. Conforme descrito no texto original, “Os pesquisadores reconhecem algumas limitações no estudo, como a ausência de análises sobre variações nos prompts e os efeitos da ordem dos dados.”

Além disso, os conjuntos de dados usados foram disponibilizados publicamente, com o objetivo de incentivar estudos complementares sobre o processamento de múltiplos documentos em sistemas RAG. Os autores sugerem que futuras gerações de modelos poderão integrar mecanismos para identificar e descartar informações contraditórias, sem perder a diversidade útil dos documentos de suporte.

Este debate ocorre em paralelo à expansão das janelas de contexto dos grandes modelos. À medida que essas janelas crescem, surge a pergunta sobre a real necessidade de arquiteturas RAG, especialmente quando modelos maiores conseguem processar volumes maiores de texto. Ainda assim, para modelos open source de porte mais modesto, os arquiteturas RAG continuam a oferecer vantagens práticas, desde que bem calibradas para minimizar distrações.

Em resumo, a pesquisa sugere que, ao projetar pipelines de busca e recuperação para sistemas RAG, é crucial priorizar a qualidade e a relação direta com a pergunta, mais do que a simples quantidade de documentos. Esse ajuste pode resultar em ganhos de precisão, com impactos diretos em produtos que dependem de respostas factuais e consistentes.

Guia prático sobre os principais modelos de IA, aplicações, custos e riscos

Os modelos de IA evoluíram rapidamente nos últimos dois anos, e entender o que cada um faz pode ser decisivo para empresas e profissionais. Os modelos de IA estão sendo desenvolvidos em ritmo acelerado, tanto por gigantes da tecnologia como o Google, quanto por startups como a OpenAI e a Anthropic, afirma a matéria que serviu de base para este levantamento. Para ajudar a navegar esse cenário, reunimos as principais tecnologias lançadas desde 2024, suas melhores aplicações e como começar a usá-las com segurança.

O que cada modelo faz e para quem serve

Alguns modelos priorizam raciocínio e ferramentas de programação, outros se destacam em multimodalidade, e há ainda modelos otimizados para custo e escala. Entre os exemplos citados, o Google Gemini 2.5 Pro Experimental é recomendado para quem precisa criar aplicativos web e agentes de código. Segundo a matéria, “Seu uso exige uma assinatura mensal do Gemini Advanced, no valor de US$ 20“.

Do lado da OpenAI, há versões voltadas para imagens e vídeo. A atualização do ChatGPT que gera imagens foi destacada, e para utilizá‑la é preciso “assinar o ChatGPT Plus, com uma mensalidade mínima de US$ 20“. Para tarefas de pesquisa aprofundada, o serviço Deep Research da OpenAI foi projetado para fornecer referências, mas está disponível apenas mediante assinatura: “o serviço, entretanto, está disponível apenas mediante a assinatura do ChatGPT Pro, no valor de US$ 200 mensais“.

Modelos focados em raciocínio, como o Claude Sonnet 3.7 da Anthropic, permitem ao usuário ajustar o tempo de processamento e oferecem equilíbrio entre rapidez e profundidade. Já o Grok 3 da xAI tem apelo em áreas como matemática e programação, e sua adoção requer “a assinatura do X Premium, custando US$ 50 mensais“.

Como escolher e começar a usar modelos de IA

Ao escolher entre os modelos de IA, avalie três fatores principais: finalidade, custo e limitações técnicas. Para projetos que lidam com grandes volumes de texto, o Gemini 2.0 Pro Experimental chama atenção por sua janela de contexto muito ampla, e a matéria lembra que o acesso exige, no mínimo, “a assinatura do Google One AI Premium, que custa US$ 19,99 mensais“.

Para quem busca soluções gratuitas ou open source, há alternativas como o Meta Llama 3.3 70B e alguns modelos chineses open source, embora estes possam envolver restrições. A matéria alerta que “Com mais de um milhão de modelos de IA disponíveis hoje em dia, é possível que alguns que se destacam em determinados aspectos não estejam incluídos nesta seleção“. Essa diversidade reforça a importância de testar protótipos antes de decidir por uma integração em produção.

Riscos, custos e cuidados éticos

Os modelos de IA trazem ganhos elevados, mas também apresentam riscos. Entre os problemas citados estão vieses, alucinações e questões de direitos autorais, especialmente em modelos de geração de imagem e vídeo. A matéria chama atenção para o fato de que algumas tecnologias incorporam mecanismos de censura ou recolhimento de dados, no caso de modelos desenvolvidos na China.

Os custos também variam amplamente, desde alternativas gratuitas até assinaturas caras. Além dos planos já mencionados, é importante lembrar que serviços experimentais podem exigir monitoramento intenso, como no caso do assistente autônomo Operator da OpenAI, ainda em fase experimental, e modelos que apesar de promissores podem gerar respostas inesperadas.

Finalmente, vale registrar a observação prática feita na fonte, “Vale lembrar que essa lista será constantemente atualizada à medida que novos lançamentos surgirem“. A velocidade de inovação exige revisão contínua das escolhas tecnológicas, e testes regulares para garantir que o modelo atenda às necessidades de precisão, segurança e custo.

Para profissionais e empresas, a recomendação é clara: avalie o caso de uso, teste modelos em ambiente controlado, e considere tanto soluções pagas quanto alternativas open source. Com isso, é possível aproveitar o potencial dos modelos de IA sem abrir mão de governança, controle de custos e responsabilidade ética.

Nova opção de IA concentra recursos educacionais no ChatGPT para Professores

ChatGPT para Professores garante acesso ao GPT-5.1 Auto, integrações e proteção de dados até junho de 2027

A OpenAI lançou o ChatGPT para Professores, uma versão gratuita do seu chatbot de inteligência artificial voltada a docentes verificados do ensino fundamental e médio nos Estados Unidos. A iniciativa, segundo a empresa, oferece um ambiente de trabalho com foco na privacidade, e ficará disponível até junho de 2027.

De acordo com a divulgação, a plataforma não utiliza os dados para treinamento de modelos por padrão, o que representa um diferencial para escolas e redes que têm preocupações sobre o uso de informações de alunos e professores. A companhia também destaca que educadores já relatam economia significativa de tempo na elaboração de planos de aula e em outras atividades diárias, com ganhos na produtividade e adaptação de conteúdos.

Como funciona a versão para professores

O serviço é oferecido sem custo para professores verificados do ensino fundamental e médio, permitindo o acesso ao modelo GPT-5.1 Auto e integrações práticas com ferramentas conhecidas do ambiente escolar, como Canva e Google Drive. Isso facilita a criação de materiais, a organização de documentos e a personalização de atividades para diferentes níveis de aprendizagem.

Administradores escolares terão controles para gerenciar e distribuir licenças de forma centralizada, o que simplifica a adoção por instituições. A OpenAI também firmou parcerias com organizações representativas, incluindo a Federação Americana de Professores, para auxiliar os educadores a utilizar a tecnologia de forma eficiente.

Privacidade e conformidade legal

Segundo a OpenAI, a plataforma cumpre padrões de privacidade dos Estados Unidos, como o FERPA. A empresa afirma que o ambiente de trabalho foi projetado para não usar os dados dos professores e alunos no treinamento de modelos por padrão, ou seja, as informações geradas nas interações ficam protegidas contra reuso automático em futuros modelos.

Sobre a missão educativa, a OpenAI traduziu sua justificativa para o projeto em uma afirmação clara, que resume a visão da companhia para a inserção da IA na escola. A empresa disse, traduzido para o português, “Cada aluno de hoje está crescendo junto com a IA, e os professores desempenham um papel central ao ajudá-los a aprender a usar essas ferramentas de maneira responsável e eficaz.”

Impacto prático nas rotinas e desafios para implementação

Professores que já testaram o ChatGPT para Professores reportam redução no tempo gasto com planejamento, elaboração de avaliações e adaptação de conteúdos, o que pode liberar mais tempo para interação direta com os alunos. A integração com editores visuais e armazenamento em nuvem torna o fluxo de trabalho mais fluido, desde a concepção até a distribuição de atividades.

Ao mesmo tempo, a adoção em larga escala depende de políticas locais, formação docente e da confiança das famílias, sobretudo em relação à privacidade dos dados. A OpenAI busca mitigar essas preocupações com conformidade com normas como o FERPA, e com acordos de parceria que visam treinar e apoiar professores no uso responsável da IA.

Especialistas em tecnologia educacional avaliam que iniciativas como o ChatGPT para Professores podem acelerar a transformação digital nas escolas, se acompanhadas de formação continuada e governança adequada. Para muitos educadores, a promessa de economizar tempo em tarefas administrativas e ganhar apoio na personalização do ensino é o ponto central para testar a ferramenta durante o período em que ela estará disponível.

Com disponibilidade prevista até junho de 2027, o projeto se apresenta como um laboratório em larga escala para entender como ferramentas generativas podem ser integradas ao cotidiano escolar, preservando a privacidade e oferecendo suporte prático para professores e gestores.

Análise do DupliChecker detector de plágio, precisão, relatórios e suporte multilíngue

O acesso crescente à web transformou ferramentas antes restritas a programas instaláveis em serviços online acessíveis a qualquer usuário. Segundo a fonte consultada, “Mais de 60% da população mundial tem acesso à Internet.” Nesse cenário, plataformas que oferecem utilitários rápidos e gratuitos ganham relevância, e o DupliChecker aparece como uma opção popular especialmente por seu detector de plágio gratuito e por um portfólio de ferramentas voltadas para produtividade.

O verificador de plágio do DupliChecker funciona com uma interface direta: basta colar o texto, fazer upload do documento ou inserir a URL para iniciar a checagem. Em minutos, a ferramenta apresenta um resultado que inclui porcentagem de originalidade, trechos destacados como suspeitos de duplicação e as fontes correspondentes encontradas online. Segundo a publicação original, “Você pode baixar o relatório de plágio gerado pela ferramenta como um arquivo PDF ou Word de acordo com suas necessidades.”

Como funciona na prática

Na prática, o processo é simples e pensado para diferentes públicos, de estudantes a profissionais de marketing. O usuário importa o conteúdo e clica em verificar, então o sistema compara o texto em busca de trechos similares na web e em sua base de dados. O relatório final mostra tanto a porcentagem de conteúdo duplicado quanto o número de ocorrências, além de apontar URLs com material parecido.

O serviço destaca-se por aceitar vários formatos de arquivo, o que elimina a necessidade de conversão prévia do documento. Além disso, o suporte multilíngue amplia seu alcance, permitindo verificar conteúdo em diversos idiomas sem perda de eficiência.

Recursos que se destacam

Entre os diferenciais mais citados estão o Suporte Multilíngue, a compatibilidade com múltiplos formatos e a clareza dos relatórios. O verificador consegue analisar textos escritos em idiomas variados, uma vantagem para quem publica conteúdo em mercados internacionais. Outro ponto relevante é que a ferramenta usa um motor alimentado por inteligência artificial: “Essa ferramenta usa um algoritmo de IA para detectar plágio, o que ajuda a detectar instâncias menores de duplicação com eficiência.”

Os relatórios do DupliChecker são apresentados com destaque por cores e números, facilitando a identificação rápida de trechos problemáticos. Para quem precisa comprovação documental, o download do relatório em PDF ou Word torna o processo administrativo mais prático.

Limites, planos e recomendações

Quanto a limites e planos, a plataforma oferece um modelo freemium que é atrativo para uso esporádico. Conforme a fonte, “ele permite que os usuários digitalizem redações com menos ou igual a 1000 palavras gratuitamente.” Para demandas maiores, há opções pagas: “os usuários podem ir para planos premium de acordo com suas necessidades e verificar o conteúdo de até 25.000 palavras para plágio.”

Esses limites fazem do DupliChecker uma ferramenta útil tanto para checagens rápidas quanto para monitoramento mais consistente, quando combinado com planos pagos. A presença de um banco de dados amplo e recursos adicionais, como verificação gramatical e opções para reduzir ou remover plágio, completam o pacote voltado a garantir qualidade editorial.

A avaliação do serviço também leva em conta a credibilidade da fonte que divulgou a análise. O texto de referência foi assinado por André Lug, identificado como Fundador da Iglu Online, que, segundo a própria publicação, “Como especialista em Inteligência Artificial e criação de conteúdo, traz conteúdos sobre IA, produtividade e empreendedorismo.” Essa contextualização reforça a orientação técnica dada ao público interessado em ferramentas de criação e verificação de textos.

Em resumo, para quem busca um detector de plágio prático, com opções gratuitas e planos escaláveis, o DupliChecker se apresenta como solução completa. Ele é especialmente indicado para quem prioriza rapidez, suporte a vários idiomas e a possibilidade de gerar relatórios prontos para uso. Para necessidades acadêmicas ou editoriais de grande volume, recomenda-se avaliar os planos pagos que ampliam o limite de palavras verificadas e aumentam a profundidade das buscas.

Mixup chega com receitas compartilháveis, custos baixos e moderação integrada

O novo aplicativo Mixup promete tornar a criação de imagens por inteligência artificial mais acessível e divertida, ao combinar fotos, textos e até rabiscos com prompts no estilo Mad Libs. Desenvolvido pela Things, Inc., equipe de ex-Googlers conhecida pelo app de design 3D Rooms, o Mixup é exclusivo para iOS e aposta em “receitas” que os usuários preenchem para gerar imagens novas e criativas.

Na prática, o usuário pode, por exemplo, transformar um esboço simples em uma pintura renascentista, reimaginar um pet com uma fantasia de Halloween, ou testar penteados diferentes a partir de uma selfie. As receitas funcionam como modelos prontos, com lacunas a serem preenchidas, permitindo que qualquer pessoa experimente sem precisar começar do zero com um prompt em branco.

Como funcionam as receitas e o feed social

O grande diferencial do Mixup é o formato de receita, que pode ser compartilhado em um feed público. Após criar uma imagem, o autor pode optar por publicar a receita junto com a foto gerada, permitindo que outros usuários toquem em “Experimentar receita” para reutilizar o prompt com suas próprias fotos, textos ou desenhos feitos em uma ferramenta de desenho integrada.

Segundo a equipe, essa abordagem ajuda a contornar a imprevisibilidade típica das imagens geradas por IA, porque as pessoas podem ver, em um único lugar, tanto a foto de exemplo quanto o prompt que a originou. Além disso, há uma opção para ver o antes e depois, caso o criador mantenha essa configuração, o que dá mais contexto sobre o processo criativo.

Tecnologia por trás do Mixup e controle de conteúdo

O Mixup foi construído sobre o modelo Nano Banana do Google, e usa também tecnologia da OpenAI para auxiliar na moderação de imagens. Sobre a escolha do modelo, o fundador e CEO Jason Toff comentou: “O que o Nano Banana fez, que nenhum modelo fez antes, foi conseguir pegar sua imagem e mantê-la de uma forma convincente e sem ser assustadora”.

Toff, que já trabalhou em produtos experimentais no Google, Meta e Twitter, destacou limitações da experiência atual com IA generativa: “A IA generativa é tão poderosa, mas na maior parte do tempo você encontra apenas uma caixa de texto e precisa inventar algo criativo. A questão é: o que você escreve?” Em resposta, a equipe explica: “Em vez de precisar ser criativo e pensar no que criar, você pode ver algo que já funcionou e simplesmente preencher as lacunas”.

O app ainda recorre aos controles embutidos do modelo de imagem do Google para restringir conteúdos de natureza sexual ou violenta, e conta com filtros adicionais da OpenAI para moderação, visando reduzir abusos e usos indevidos.

Privacidade, créditos e lançamento

No Mixup, usuários podem enviar suas próprias fotos para que outras pessoas as utilizem nas criações, um recurso chamado de “mixables”. A expectativa é que grupos de amigos se sigam para brincar com as imagens uns dos outros, embora exista a possibilidade de surgirem criadores que permitam o uso de sua semelhança publicamente. Caso prefira manter a imagem privada, basta não enviá-la ou não seguir ninguém.

Sobre custo e acesso, a empresa informou que “Usuários gratuitos recebem 100 créditos – o equivalente a US$4 –, e cada imagem gerada custa cerca de 4 centavos para ser produzida.” O aplicativo será lançado à meia-noite do dia 20 de novembro na App Store global, exigindo um convite para acesso, estando disponível para pré-encomenda antes do lançamento.

O Mixup chega otimizado para o iOS 26, sendo compatível com versões a partir do iOS 18, e a Things, Inc. sinaliza que, caso o app faça sucesso, versões web ou para Android poderão ser lançadas futuramente.

Com interface lúdica, receitas compartilháveis e um modelo que preserva traços da imagem original, o Mixup busca transformar a criação de imagens por IA em uma experiência social e guiada, reduzindo a barreira de entrada para quem não quer lidar com prompts complexos, e ao mesmo tempo oferecendo ferramentas de moderação e controle de privacidade.

Recurso de chats em grupo no ChatGPT chega aos planos Free, Go, Plus e Pro

A OpenAI expandiu a experiência do ChatGPT ao disponibilizar um novo recurso de interação coletiva, permitindo que usuários conversem em grupo com a inteligência artificial e entre si. Segundo a publicação do especialista André Lug, A OpenAI agora disponibilizou o recurso de bate-papo em grupo no ChatGPT para todos os usuários conectados nos planos Free, Go, Plus e Pro. A novidade amplia possibilidades de uso para equipes, famílias e comunidades, e chega como alternativa direta às conversas individuais tradicionais.

Como funciona o recurso de chats em grupo no ChatGPT

O mecanismo de funcionamento foi descrito pela própria fonte, e traz algumas funcionalidades práticas. Participantes podem ingressar por meio de links de convite, gerenciar os grupos e personalizar individualmente as configurações do ChatGPT. As respostas às mensagens dentro desses grupos são geradas pelo modelo GPT-5.1-Auto, o que promete maior fluidez e contexto nas interações colaborativas.

Segundo a nota, o sistema também foi pensado para evitar misturas indesejadas entre conversas privadas e ambientes coletivos, uma preocupação recorrente entre usuários que lidam com dados sensíveis. Além disso, a OpenAI testou a novidade previamente em mercados específicos, o que ajudou a ajustar aspectos de usabilidade antes do lançamento global.

Privacidade, memórias e limites para menores

Em relação à privacidade, a fonte é direta ao ponto, ao afirmar que O sistema não utilizará memórias pessoais de conversas privadas; o ChatGPT intervém com base no contexto ou quando é diretamente solicitado. Isso significa que, de acordo com a descrição oficial, memórias individuais de chat não serão automaticamente acessadas para alimentar respostas em salas coletivas, reduzindo riscos de vazamento de informações entre participantes distintos.

As regras também contemplam menores de idade. Conforme a publicação, Usuários com menos de 18 anos terão restrições automáticas de conteúdo, e os pais podem desabilitar o recurso por completo. Essa abordagem combina filtragem automática com controle parental, permitindo que responsáveis limitem a participação de adolescentes em conversas de grupo quando necessário.

Impacto para usuários, criadores e empresas

A chegada dos chats em grupo no ChatGPT tem implicações práticas para diferentes perfis de usuário. Para times de trabalho e grupos de estudo, a possibilidade de conversas conjuntas com o modelo permite reuniões rápidas para esclarecimento de dúvidas, brainstorming e síntese de informações, sem a necessidade de alternar entre contas ou chats privados.

Para criadores de conteúdo e educadores, o recurso facilita demonstrações ao vivo, elaboração colaborativa de textos e interação com públicos de forma simultânea. Usuários individuais também ganham a opção de participar de espaços comunitários, passando a usar o ChatGPT como ferramenta de mediação e apoio nas discussões.

O controle sobre a participação e as configurações personalizadas, somado ao uso do modelo GPT-5.1-Auto, pode acelerar a adoção em contextos profissionais, embora especialistas apontem para a necessidade de vigilância contínua sobre vieses do modelo e limitações em respostas complexas.

Implementação e próximos passos

Antes do lançamento global, a OpenAI testou o recurso em mercados selecionados, incluindo Japão, Coreia do Sul, Taiwan e Nova Zelândia, para avaliar comportamento e desempenho. Essas fases de teste ajudaram a ajustar mecanismos de convite, moderação e preferências individuais, preparando a ferramenta para um público mais amplo.

Segundo a fonte, a implementação nos planos Free, Go, Plus e Pro indica que a empresa busca democratizar o acesso, mantendo opções de gerenciamento para administradores de grupo e donos de conta. Resta observar como as organizações vão integrar os chats em grupo no ChatGPT às suas rotinas, e quais controles adicionais poderão surgir em atualizações futuras.

Em síntese, a novidade representa um passo importante na evolução da interação coletiva com assistentes de IA, ao combinar participação em grupo, controles de privacidade e capacidade técnica do GPT-5.1-Auto, abrindo espaço para usos mais colaborativos e dinâmicos dentro do ecossistema do ChatGPT.

Fonte: André Lug, fundador da Iglu Online e autor do blog André Lug.

Principais novidades de Inteligência artificial, do uso de GPT‑5 na ciência ao crescimento da Nvidia

As últimas notícias mostram que Inteligência artificial, tecnologia e negócios estão em um novo ciclo de aceleração, com avanços práticos, competição entre gigantes e ganhos financeiros relevantes. As novidades mais recentes em IA, tecnologia e negócios mostram avanços significativos, desafios competitivos e crescimento acelerado no setor. Entre os destaques do dia estão o papel crescente do GPT‑5 na pesquisa científica, a liderança do Google em benchmarks com o Gemini 3, o lançamento do Meta SAM 3, o desempenho recorde da Nvidia, e o rápido crescimento da startup Sierra.

GPT‑5 na pesquisa científica

Um relatório da OpenAI trouxe evidências de que o GPT‑5 já está sendo usado para acelerar trabalhos científicos, com impacto no dia a dia dos pesquisadores. Relatório da OpenAI revela o uso real de GPT‑5 para acelerar pesquisas científicas e seus limites. O documento também afirma que “O relatório demonstra que a inteligência artificial já está inserida no cotidiano da pesquisa científica, cuidando das atividades técnicas e repetitivas e liberando humanos para a criatividade e julgamento crítico.” Essa descrição sinaliza que as ferramentas de IA estão assumindo tarefas operacionais, permitindo que especialistas concentrem tempo em interpretação, desenho de experimentos e decisões complexas.

Na prática, equipes de pesquisa relatam que o GPT‑5 auxilia na formatação de dados, revisão bibliográfica inicial e preparação de código, acelerando ciclos de trabalho. Ainda existem limitações, sobretudo em verificação de fatos e interpretação de resultados, o que reforça a necessidade de supervisão humana contínua.

Disputa técnica e novidades de modelos: Gemini 3, ‘Shallotpeat’ e SAM 3

A corrida pela melhor base técnica de modelos segue intensa. O Google aparece na frente em benchmarks com o Gemini 3, enquanto a OpenAI planeja investimentos no pré‑treinamento, referidos internamente como “Shallotpeat”, para recuperar vantagem competitiva em eficiência e escala. Google lidera benchmarks de IA com Gemini 3; OpenAI trabalha em ‘Shallotpeat’ para melhorar pré-treinamento. Essas movimentações mostram que dominar processos fundamentais de treinamento é tão vital quanto as aplicações finais dos modelos.

Paralelamente, a Meta anunciou o SAM 3, um modelo que unifica linguagem e visão para segmentação avançada em imagens e vídeos. Meta lança SAM 3, modelo que combina compreensão de linguagem e visão para segmentação avançada em imagens e vídeos. A convergência entre linguagem e visão tende a tornar interfaces mais naturais, e o SAM 3 deve acelerar casos de uso criativos, de edição de imagens a assistentes visuais mais precisos.

Impacto econômico: Nvidia e startups que aceleram adoção

No front econômico, a Nvidia segue como peça-chave da infraestrutura de Inteligência artificial, com desempenho financeiro que acompanha a demanda por data centers. Segundo a cobertura do dia, Nvidia reporta receita recorde com receitas próximas de US$ 50 bilhões em data centers. Esse número reflete a importância do hardware para treinar e servir modelos avançados, e também acende debates sobre concentração de poder tecnológico e riscos de gargalos de oferta.

Do lado das startups, o caso da Sierra é emblemático, ao transformar interesse em receita rápida. Startup Sierra, fundada por Bret Taylor, alcança US$ 100 milhões em ARR em menos de dois anos. A empresa foca em agentes de atendimento ao cliente por IA, e o resultado reforça que soluções aplicadas e escaláveis continuam a atrair clientes e capital, validando modelos de negócio que combinam automação e experiência humana.

Esses desdobramentos mostram que a evolução da Inteligência artificial é multissetorial, envolvendo pesquisa acadêmica, competição técnica, inovação de produto e dinâmicas de mercado. Ao mesmo tempo, os relatos sobre uso prático do GPT‑5 e os números da Nvidia e da Sierra sublinham a transição da IA de promessa para infraestrutura e serviço essencial.

Para autoridades, empresas e pesquisadores, os desafios permanecem claros: equilibrar desempenho e responsabilidade, supervisionar modelos em contextos sensíveis, e investir em capacidades fundamentais de pré‑treinamento e hardware. Nos próximos dias, a expectativa é por novas informações sobre testes de segurança, detalhes do ‘Shallotpeat’, integrações do SAM 3 em produtos da Meta, e relatórios financeiros que mostram até onde a economia da IA continuará crescendo.

Seja na pesquisa científica, nas batalhas de benchmarks, ou no balanço das empresas, a agenda da Inteligência artificial segue intensa, com desdobramentos que vão moldar tecnologia e mercado em 2026 e além.