Modelo de IA cria mundos 3D interativos com um simples prompt

CÓDIGO ABERTO

Modelo de IA cria mundos 3D interativos com um simples prompt

Criar mundos 3D ricos e interativos a partir de texto ou simples imagens sempre foi um sonho não realizado para profissionais que trabalham nas áreas de visão computacional, realidade virtual, simulação e desenvolvimento de jogos.

Os métodos atuais muitas vezes sacrificam a consistência 3D, a explorabilidade e a interatividade no nível dos objetos em nome da diversidade visual - são os métodos baseados em vídeo. Por outro lado, métodos 3D produzem ativos tridimensionais genuínos, mas pecam em diversidade, coerência e qualidade visual.

Pode ser que agora esse cenário mude literalmente, com o novo HunyuanWorld 1.0 da Tecent, primeiro modelo de IA de código aberto do mundo a gerar ambientes 3D exploráveis, combinando riqueza visual com consistência 3D, em vez de tratar a geração 2D e 3D como paradigmas separados.

Como funciona?

• O HunyuanWorld 1.0 emprega um pipeline que inteligentemente desconstrói e reconstrói as cenas.

• Em vez de gerar diretamente uma malha 3D, o processo começa criando uma imagem panorâmica de alta qualidade que serve como um "proxy do universo em questão", ou seja, uma representação 2D com uma visão de 360º completa. Não é o cenário em si, mas contém todas as informações visuais para construí-lo.

• Na segunda etapa, entra em jogo o "entendimento" da cena. Um modelo de linguagem visual (VLM) atua como agente para analisar o panorama gerado e fazer uma segmentação semântica, decompondo cenas complexas em camadas distintas e relevantes. Essa decomposição automatizada é crucial para permitir a reconstrução estruturada e a interatividade dos objetos.

• Com a cena dividida em camadas semânticas, o HunyuanWorld realiza a reconstrução 3D. Cada camada é convertida em uma malha 3D, e os objetos são modelados como representações.

• Essa abordagem de malha em camadas não só garante um mundo 3D coerente e estruturado, mas é essencial para permitir a interação entre objetos individuais, independentemente do cenário de fundo.

Por que isso importa? Segundo a Tecent, vários experimentos demonstraram que esse novo método alcança melhor desempenho em relação às abordagens existentes.

Além disso, ao criar uma ponte entre o geradores de modelos 2D e exigências estruturais dos ambientes 3D, o HunyuanWorld 1.0 abre novas possibilidades para prototipagem rápida nos setores de desenvolvimento de jogos, simulações dinâmicas e conteúdo interativo para realidade virtual e muito mais.

• Web Guide é um experimento do Google Search Labs que usa IA para organizar os resultados de buscas em categorias temáticas.

• Microsoft introduziu o modo Copilot (experimental) no navegador Edge que integra pesquisa, bate-papo e navegação em um único campo de entrada.

• Google Chrome agora oferece resumos gerados por IA para simplificar as compras on-line para usuários nos Estados Unidos.

• Seed LiveInterpret 2.0 é um modelo de interpretação simultânea da ByteDance que replica vozes em alta qualidade com latência ultrabaixa.

• Qwen3-235B-A22B-Thinking-2507 é uma atualização do modelo de raciocínio da Alibaba que compete com Gemini 2.5 Pro, o4-mini e DeepSeek R1.

• Alibaba também lançou o modelo Wan2.2 para geração de vídeos com melhores recursos cinematográficos usando arquitetura Mixture-of-Experts (MoE).

• Aleph é um modelo da Runway que gera e edita vídeos com base em prompts de texto para, por exemplo, remover objetos ou usar novos ângulos de câmera.

• Mistral AI propõe como avaliar o ciclo de vida dos modelos de IA e assim estabelecer padrões de sustentabilidade para o setor.

• Depois do Kimi-K2 e do Qwen3, agora é o GLM-4.5, da também chinesa Z.ai, que quer entrar para o trio dos modelos de IA de código aberto de primeira linha. 🥇🥈🏅

PROCESSAMENTO DE VÍDEOS

IA ganha memória visual à la Google

A startup Memories AI apresentou o primeiro grande modelo de memória visual (LVMM) que pretende abordar diretamente a limitação que impede os modelos de IA de construir uma compreensão abrangente do mundo visual ao longo do tempo.

A tecnologia inovadora dá aos modelos de IA “memória visual ilimitada” ao redefinir o processamento de vídeos usando recursos de memória semelhantes aos humanos. Como? Ao contrário dos modelos tradicionais de IA que priorizam texto, o LVMM se destaca em analisar e recuperar informações visuais em vastos conjuntos de vídeo.

Inspirado em como o Google revolucionou a pesquisa na web, o LVMM:

1. Compacta os vídeos em representações detalhadas da memória;

2. Indexa essas representações em estruturas pesquisáveis;

3. Agrega informações de diversas fontes gráficas; e

4. Apresenta memórias relevantes, recuperando-as instantaneamente.

O resultado? Pela primeira vez, você poderá perguntar a um chatbot quantas vezes LeBron James fez arremessos de três pontos em toda a sua carreira e ter uma resposta com base na análise de décadas de imagens. 🏀⛹️🙌

A Memories AI pretende integrar seus sistemas de memória visual em dispositivos móveis para que, por exemplo, usuários possam lembrar de fotos, não apenas armazená-las. Também está estabelecendo parcerias com empresas de hardware para expandir sua base de clientes em vários setores.

O chatbot Grok da xAI foi mais uma vez alvo de controvérsia por conta de um projeto chamado Skippy. A iniciativa envolveu mais de 200 funcionários da xAI gravando suas expressões faciais e conversas para treinar o Grok na interpretação de emoções humanas. As gravações, com duração de até 30 minutos, incluíam expressões faciais exageradas e discussões sobre temas pessoais, com o objetivo de “dar um rosto ao Grok” e, potencialmente, desenvolver avatares. No entanto, o projeto gerou preocupações com a privacidade dos funcionários, que foram obrigados a assinar formulários concedendo direitos “perpétuos” à xAI sobre as imagens para treinamento e promoção comercial de produtos.

Relatórios “slop” gerados por IA estão sobrecarregando programas de recompensas de bugs ao produzir falsas alegações de vulnerabilidade que desperdiçam tempo e recursos. Esses documentos parecem convincentes, mas descrevem problemas de segurança inexistentes, frustrando plataformas como HackerOne e Bugcrowd, bem como projetos de código aberto, entre eles Curl e CycloneDX. A consequêcia? Esse movimento abala a confiança e desvia a atenção das vulnerabilidades reais. A propósito, no universo da IA, “slop” é termo usado para se referir a conteúdo de baixa qualidade gerado por IA, seja texto ou imagens, que parece superficialmente válido, mas é impreciso, irrelevante ou absurdo após uma inspeção mais cuidadosa.