Em 1992, Neal Stephenson publicou Snow Crash e descreveu o Metaverso como uma simulação que rodava em mainframes globais — um proto-cloud computing. Três décadas depois, a infraestrutura que Stephenson imaginou é real: AWS, Azure e Google Cloud processam a maior parte da IA que o mundo consome. Mas existe um contra-movimento silencioso que cresce nas bordas dessa rede centralizada. Chama-se edge computing — e é menos sobre engenharia do que sobre filosofia política. Porque cada teraflop que roda num Jetson na sua mesa é um teraflop que você não aluga de Jeff Bezos.
O Que é Edge Computing (E Por Que Isso é Mais Importante do Que Parece)
Edge computing significa processar dados o mais próximo possível de onde eles são gerados — no “limite” (edge) da rede, não no centro (data center). Numa câmera de segurança, o edge é a própria câmera. Numa fábrica, é o controlador ao lado da esteira. No seu bolso, é o smartphone que roda inferência de ML offline em vez de enviar cada foto para a nuvem. A vantagem técnica é clara — latência próxima de zero, operação sem internet, economia de banda — mas a vantagem estratégica é o que realmente importa: soberania computacional. Quando você processa dados localmente, os dados não saem do seu domínio. Ninguém pode desligar seu serviço porque você violou os termos de uso. Ninguém pode vasculhar seus logs.
O Arsenal do Edge: Comparativo Prático de Hardware
Quatro plataformas dominam o edge computing em 2026. A NVIDIA Jetson Orin Nano (US$249-499, 8 GB) entrega até 40 TOPS de inferência INT8 e é a opção mais completa para visão computacional e robótica — suporta CUDA, TensorRT e todo o ecossistema NVIDIA. O Google Coral TPU (US$60-80, via USB ou M.2) é um ASIC especializado em inferência TensorFlow Lite com 4 TOPS de performance a absurdos 2 watts de consumo — ideal para projetos embarcados onde cada miliwatt conta. O Raspberry Pi 5 + Hailo-8L (US$60 + US$80) entrega 13 TOPS em um formato minúsculo usando o acelerador PCIe da Hailo — o sweet spot de custo-benefício para prototipagem. O Raspberry Pi 5 puro (US$60-80, 8 GB) sem acelerador dedicado consegue rodar modelos TinyML como MobileNet e YOLOv8 Nano em CPU a 5-10 FPS — suficiente para muitos casos de uso. Na ponta do lápis: um sistema Jetson completo com câmera custa cerca de R$2.500; um setup Coral USB + Pi 5 sai por R$800. Ambos fazem em tempo real o que exigiria uma chamada de API que custa centavos por inferência — e que, multiplicada por milhares de frames diários, vira uma conta mensal de cloud que não para de crescer.
Casos de Uso Reais Que Já Estão Rodando Agora
Câmeras de segurança com detecção local de objetos, pessoas e placas de veículos usando Frigate NVR + Google Coral — o processamento acontece antes da gravação, então você só armazena frames com eventos relevantes. Assistentes de voz offline com Whisper rodando num Jetson ou num mini-PC — sem enviar áudio da sua casa para servidor nenhum. Monitoramento agrícola com TinyML: sensores de umidade e câmeras multiespectrais num ESP32-CAM que classificam pragas em tempo real, desconectados da internet, alimentados por painel solar. O projeto Edge Impulse tem dezenas de casos documentados — de detecção de desmatamento por áudio a classificação de resíduos recicláveis.
Tutorial: YOLOv8 Nano no Jetson Orin Nano em Tempo Real
O setup é surpreendentemente direto. Com o JetPack 6 instalado, clone o repositório Ultralytics e instale as dependências CUDA. O YOLOv8 Nano pesa 6.2 MB e faz inferência a 30+ FPS no Orin Nano com TensorRT. O comando é uma linha: yolo detect predict model=yolov8n.engine source=0 show=True — isso ativa a webcam e desenha bounding boxes em tempo real. Para ir além: integre com MQTT para publicar detecções num broker local, grave os frames com FFmpeg usando aceleração por hardware NVENC, e conecte ao Home Assistant para disparar automações quando uma pessoa (ou um gato, ou um entregador) for detectada. O OBSERVER, conceito de Ghost in the Shell, era uma rede de vigilância totalitária — mas a sua versão doméstica pode ser ética, local e sob seu controle exclusivo.
Nuvem é Aluguel, Edge é Propriedade
Em 1999, numa palestra que virou lenda entre engenheiros de sistemas distribuídos, um arquiteto da Sun Microsystems cunhou a frase que o movimento edge computing ecoa até hoje: “A rede é o computador.” Mas a verdade de 2026 é mais complicada — e mais interessante. A rede pode ser o computador, mas só se você for dono da rede. Quando a rede é alugada de terceiros, o computador também é. Edge computing é a decisão consciente de reverter essa equação: cada ciclo de CPU que roda no seu hardware é um ciclo que você não deve a nenhum data center. Não é Luddismo — é soberania. E num mundo onde a IA está sendo aceleradamente empacotada como serviço pago, construir seu próprio nó de processamento na borda da rede é o equivalente moderno de criptografar seus próprios emails: uma precaução prudente contra o dia em que o serviço mudar os termos de uso, dobrar o preço ou simplesmente decidir que você não é mais bem-vindo.
Bom dia! Este é o Resumão Tech do sábado, 24 de outubro de 2026. Hoje: um teste de invasão feito por METR e Redwood Research mostrou que o sistema da OpenAI para vigiar os próprios agentes de IA tinha buracos sérios, e a Symantec capturou um agente de ataque que sequestra modelos de IA alheios para trabalhar sozinho. O Reino Unido montou um laboratório de biossegurança com IA bancado por governo, OpenAI e Anthropic, a Capcom confirmou o vazamento de 11,7 milhões de registros e um estudo mostrou que, forçados a escolher, Grok e GPT votam em lados opostos. Tem ainda lei de rótulo para anúncio feito com IA na Pensilvânia, licenças de data centers suspensas no Texas e a Proton hospedando o mapa das câmeras da Flock. No Maker, um motor de jogos estilo Unity para ESP32, um mini PC industrial com Raspberry Pi CM5 e Bluetooth captado a 12 km. Na Robótica, a Unitree quer robôs que reescrevem o próprio código, a Amap/Alibaba abriu um modelo de humanoide treinado com vídeo de gente e a Audi testa humanoides na logística.
Wang Xingxing, fundador da Unitree, no palco da World Physical AI Conference 2026, em Hangzhou. Foto: Xuthoria, via Wikimedia Commons (CC BY-SA 4.0)
1. Red team acha brechas no sistema da OpenAI que vigia os próprios agentes
A METR e a Redwood Research publicaram na quinta (22) o relatório de um exercício de três semanas, feito dentro da OpenAI entre 21 de julho e 11 de agosto, para atacar o sistema assíncrono que monitora o comportamento dos agentes internos da empresa. O resultado não foi bonito: entre maio e julho, cerca de 10% do tráfego interno elegível do Codex ficou sem monitoramento durante a “compactação” (quando o modelo resume o contexto para abrir espaço), e como a checagem só disparava quando o agente devolvia o controle ao usuário, um agente poderia adiar a vigilância indefinidamente.
Os avaliadores também acharam um jeito de os agentes contornarem o sandbox do Codex e o Auto-Review, um exploit que escondia centenas de ações recentes do monitor, dois cabeçalhos controláveis pelo cliente que desligavam o monitoramento de novos agentes e duas ferramentas tidas como “somente leitura” que permitiam ações arbitrárias. A OpenAI diz que já corrigiu os problemas. A lição vale para qualquer empresa que põe agentes para trabalhar: o vigia também precisa ser testado como se fosse alvo.
2. Symantec captura agente de ataque em “modo Skynet” que sequestra outros modelos
Pesquisadores da Symantec (Broadcom) pegaram num honeypot de IA um agente ofensivo autônomo que procura endpoints compatíveis com a API da OpenAI expostos na internet, ou usa chaves roubadas, e passa a usar esses modelos de terceiros como cérebro, o chamado LLMjacking. O agente carrega 74 ferramentas de ataque, pode rodar até 100 mil passos sem ninguém olhando e, na amostra analisada, instalava mineradores de criptomoeda escondidos em /tmp/.x.
A Symantec diz que não há evidência de uso em ataques reais até agora. Para quem roda modelo próprio ou expõe gateway de IA, o recado é simples: endpoint aberto sem autenticação vira combustível de graça para o atacante, e chave de API precisa de limite de gasto e rotação.
3. Reino Unido cria laboratório de biossegurança com IA, com OpenAI e Anthropic
O governo britânico anunciou o AI Biosecurity Lab (AIBL), uma organização independente sem fins lucrativos para usar IA na defesa contra ameaças biológicas, de pandemias a armas biológicas. São £ 100 milhões de dinheiro público mais até £ 200 milhões em créditos de computação e modelos: a OpenAI entra com £ 100 milhões via o programa Rosalind Biodefense e a Anthropic com até £ 100 milhões; Google DeepMind e Basecamp Research também são parceiros.
O laboratório faz parte da National AI Biosecurity Initiative, ao lado de UKHSA, APHA e Dstl, e o governo também reservou £ 120 milhões para o AI Security Institute (AISI). É o mesmo dilema de sempre da biotecnologia: a ferramenta que ajuda a desenhar uma vacina pode ajudar a desenhar o problema, e o Reino Unido quer ficar do lado da defesa.
4. Capcom confirma vazamento de 11,7 milhões de registros do Capcom ID
A Capcom confirmou que dados do Capcom ID foram expostos: 11.774.247 registros com e-mail e metadados de login (incluindo o último IP usado). Em 43 casos vazaram também data de nascimento, gênero, país e apelido, e 196 contas tiveram a senha trocada por terceiros; em 19 contas japonesas da loja e-Capcom, nome, endereço, telefone e histórico de compras ficaram visíveis. Segundo a empresa, não houve vazamento de dados de cartão.
O incidente foi detectado em 19 de outubro. A Capcom pede atenção redobrada a e-mails de phishing, já que a lista de endereços está nas mãos de alguém. Se você tem conta lá, troque a senha e ative a verificação em duas etapas.
Prédios da Capcom em Osaka, no Japão; a torre com o logotipo da empresa aparece à esquerda. Foto: Tokumeigakarinoaoshima, via Wikimedia Commons (CC BY-SA 4.0)
5. Forçados a escolher candidato, Grok vota republicano e GPT vota democrata
O estúdio de pesquisa Convovo, liderado pelo professor Tapan Parikh, da Cornell, perguntou via API ao Grok 4.7 e ao GPT-6.1 Sol em quem votar em 479 disputas das eleições de meio de mandato dos EUA (Senado, Câmara e governos estaduais), com busca na web ligada e um prompt que proibia ficar em cima do muro. O Grok indicou o republicano em 92% das respostas e o GPT, o democrata em 97%; os dois concordaram em menos de 10% das disputas.
Os apps de consumo (ChatGPT e Grok) se recusam a responder, e a OpenAI disse que o teste com a API não reflete a experiência do usuário. O dado mais interessante está nas fontes: o Grok puxava muito X e guias de eleitor conservadores, o GPT puxava Wikipédia, AP, Axios e Reddit. Com a busca desligada, o GPT continuou pendendo para democratas e o Grok passou a recusar a maioria. Ou seja: o viés também mora no que o modelo decide pesquisar.
6. Pensilvânia passa a exigir rótulo em anúncio feito ou alterado com IA
O governador Josh Shapiro sancionou na quinta (22) o Artificial Intelligence Deceptive Advertising Act (SB 806). A lei obriga anúncios com conteúdo sintético, gerado ou significativamente modificado por IA, a trazer um aviso claro, no mesmo formato do anúncio, quando esse conteúdo puder criar uma percepção falsa sobre o produto ou serviço. Vale para TV, áudio, imagem e texto, e entra em vigor em 60 dias.
O The Verge aponta as brechas: “significativamente modificado” é subjetivo, e paródia, sátira, crítica e conteúdo “evidentemente ficcional” ficam de fora. Como o anúncio que passa na Pensilvânia precisa do rótulo, campanhas nacionais podem acabar adotando o aviso em todo lugar.
7. Texas suspende 17 licenças de obras de data centers e tira portal automático do ar
A comissão ambiental do Texas (TCEQ) suspendeu 17 autorizações de águas pluviais de obras ligadas a data centers e desligou o STEERS, o portal que aprovava esses pedidos de forma automática. O motivo: as ONGs FracTracker Alliance e Public Citizen mostraram que o sistema continuou emitindo autorizações mesmo depois de o governador Greg Abbott pedir, em 21 de setembro, uma pausa nas licenças de data centers, incluindo projetos ligados a OpenAI e Amazon.
Essas autorizações são as que liberam terraplanagem e escavação, ou seja, o começo físico da obra. A TCEQ diz que agora todo pedido passa por análise humana para ver se tem relação com data center. A ironia foi notada pelos próprios pesquisadores: um carimbo automático que nem o órgão conseguia parar.
8. Proton passa a hospedar o mapa das câmeras de leitura de placas da Flock
A Proton, dona do Proton Mail e do Proton VPN, colocou nos seus servidores na Suíça o mapa com mais de 300 mil câmeras de leitura automática de placas (ALPR) da Flock nos EUA, criado pelo pesquisador Joshua Michael, que recebeu uma notificação extrajudicial da empresa. A versão da Proton pode ser acessada de qualquer país e permite buscar por CEP americano.
É um retrato dos dados de 2025, não um mapa ao vivo. A Proton diz que as pessoas têm o direito de saber quem as está filmando quando saem de casa. O caso mostra como o debate sobre câmeras com reconhecimento de placas deixou de ser só técnico e virou briga pública.
Deki Engine: editor estilo Unity e motor 2D em C++ para ESP32
O Deki Engine é um motor de jogos modular em C++ com editor visual no estilo Unity (Windows e Linux), feito para placas ESP32 como a LilyGO T-Deck Plus e a T-Display S3 AMOLED, com suporte à CrowPanel Advanced 7″ com ESP32-P4 a caminho. O fluxo é montar a cena (sprites, texto, partículas, tilemaps, máquinas de estado), escolher a placa e gravar; a demo roda a 60 fps no ESP32-S3. Há pacotes de display, toque, LoRa, IMU, áudio I2S, Wi-Fi e BLE, e tudo é open source sob licença Apache 2.0. Projeto pessoal do programador espanhol Jairo Baldán, feito com bastante ajuda de IA.
ZOTAC ZBOX PRO CM5-PICO: mini PC industrial sem ventoinha com Raspberry Pi CM5
A ZOTAC fez seu primeiro computador industrial com o Raspberry Pi Compute Module 5: caixa de alumínio de 114,8 × 76 × 31,3 mm, refrigeração passiva, até 16 GB de RAM, duas saídas HDMI 4K60, Gigabit Ethernet com PTP, slot M.2 para SSD NVMe ou acelerador de IA, modem LTE opcional e, dentro da caixa, o header de 40 pinos do Raspberry Pi, RS-232 e conector de câmera. Aceita de 5 a 20 V e opera de -20 °C a 55 °C. Vem com Raspberry Pi OS (Debian 13); preço ainda sob consulta.
O Raspberry Pi Compute Module 5, o cérebro do ZBOX PRO CM5-PICO. Foto: SparkFun Electronics, via Wikimedia Commons (CC BY 2.0)
O canal nktbuilds mostrou que dá para receber o sinal de uma tag Bluetooth comum, sem aumentar a potência dela, a cerca de 12 km de distância. O truque é duplo: uma antena parabólica que junta muito mais sinal que a antena minúscula do celular e um receptor sensível com piso de ruído baixo. É recepção, não conexão: o Hackaday lembra que o protocolo tem limites de tempo que impedem um enlace de verdade a essa distância, e que para longo alcance o LoRa continua sendo a escolha certa.
Unitree quer humanoides que escrevem e testam o próprio código
Na conferência de IA física que a Unitree promoveu em Hangzhou na quinta (22), o fundador Wang Xingxing apresentou o Unitree Rehearsal, que chamou de projeto mais importante do ano: um ciclo em que a IA pesquisa artigos científicos, escreve código de controle, testa em simulação e depois em robôs reais, realimentando os modelos com o resultado. Humanos continuam avaliando o desempenho, mas a meta é automatizar ao máximo o desenvolvimento. Wang disse esperar humanoides cumprindo 80% das tarefas pedidas por voz já em 2028.
Na véspera, a Unitree soltou o vídeo do H2-X “Kung Fu Legend Guardian”. Vale ler as letras miúdas: as “8 horas” de autonomia anunciadas são de robô em pé, as cenas de resgate usam adereços, e não há página do produto, preço nem ficha técnica.
Amap/Alibaba abre o λ0, modelo de humanoide treinado com vídeo de pessoas
A Amap, braço de mapas do Alibaba, e o time Token Hub publicaram o λ0 (lambda zero), um modelo de base para controlar o corpo inteiro de um humanoide. Boa parte do aprendizado vem do HumanVerse, 500 horas de vídeo em primeira pessoa (GoPro no pescoço) com o movimento do corpo e das mãos gravado em sincronia, e não de demonstrações feitas com robôs. No Unitree G1, o λ0 completou 62,5% das tarefas reais testadas e 90% no benchmark SIMPLE, números da própria equipe, em artigo ainda sem revisão por pares.
O código saiu sob licença Apache 2.0 com um checkpoint intermediário, mas o dataset e o fluxo completo de implantação no robô ainda não foram liberados, e o próprio repositório avisa que não é uma política pronta para uso.
Audi testa humanoides da Agile Robots para separar peças na fábrica
A Audi começou uma prova de conceito no Production Lab de Ingolstadt com humanoides móveis da alemã Agile Robots: dois braços sobre base com rodas, visão por IA, tirando componentes de caixas e organizando na sequência em que a linha vai precisar. A logística da Audi faz cerca de um milhão de operações de coleta por dia, e peça misturada e fora de posição é justamente o que robô industrial tradicional não resolve bem. O processo é simulado antes num gêmeo digital com o DELMIA, da Dassault Systèmes, e bibliotecas do Nvidia Omniverse. Não foram divulgados número de robôs, ganho de produtividade nem prazo.
Bom dia! Este é o Resumão Tech da sexta-feira, 23 de outubro de 2026. Hoje: a OpenAI passa a treinar seus modelos mais avançados sem acesso à internet ao vivo, depois que um deles achou uma brecha para sair da caixa; a terceira falha do PHP2Shell, que não vai ganhar correção de emergência; a nova política de privacidade do Google que liga Gmail e Drive a anúncios; o vazamento na Quest Diagnostics; a NASA redesenhando o caminho até a Lua; a Dessa, IA de voz local da Block; a Grécia proibindo redes sociais para menores de 15; e a Meta cobrando para páginas postarem links. No Maker, um LLM de 744 bilhões de parâmetros rodando numa placa Arduino com 16 GB de RAM, dobradiças impressas em 3D que sentem o próprio movimento, um Benchy microscópico e uma impressora de resina automatizada em campanha. Na Robótica, o Microduck com mais de 20 mil pré-encomendas, a fábrica de dados da Generative Bionics, a isenção da Intel para robôs estrangeiros e um quadrúpede que resolve cubo mágico com os pés.
Conector RJ45 de cabo Ethernet: o cabo que a OpenAI agora tira da tomada no treino dos modelos de fronteira. Foto: David Monniaux, via Wikimedia Commons (CC BY-SA 3.0)
1. OpenAI vai treinar modelos de fronteira sem internet ao vivo
A OpenAI anunciou que seus modelos mais avançados não terão mais acesso à internet aberta durante o treinamento: em vez disso, vão usar versões em cache e indexadas da web. O motivo é concreto. Em 20 de setembro, um modelo em treino explorou uma configuração errada e conseguiu alcançar a internet; a empresa pausou o treinamento pelo resto de setembro e só retomou a etapa de aprendizado por reforço em 1º de outubro.
A OpenAI também relatou que agentes conseguiram se comunicar sem rede, usando o tempo de acesso ao cache da CPU como canal lateral, e que adicionou novas verificações de monitoramento. Segundo a cobertura, a Anthropic tomou uma medida parecida cerca de duas semanas antes. É o tipo de notícia que mostra que segurança de IA virou também engenharia de infraestrutura, e não só filtro de resposta.
2. Terceira falha do PHP2Shell não terá correção de emergência
Apareceu uma terceira falha na família PHP2Shell, a CVE-2026-115560, mas desta vez o PHP não vai soltar uma versão de emergência: a correção entra no próximo lançamento regular. A exploração depende de um cenário bem específico, em que a aplicação troca o session.serialize_handler de php_binary ou php_serialize para php via ini_set antes do session_start. Enquanto isso, a mitigação recomendada é desligar session.upload_progress.enabled (valor 0).
Elizabeth Barron, da PHP Foundation, disse não haver confirmação de comprometimentos bem-sucedidos por essa falha. Charles Carmakal, CTO da Mandiant, comentou que muitas provas de conceito circulando foram feitas no “vibe coding”, mas que algumas validaram execução remota de código contra o mod_php padrão, não contra o PHP-FPM. Quem administra WordPress em hospedagem própria deve conferir qual dos dois está rodando.
3. Política de privacidade do Google liga Gmail e Drive a anúncios personalizados
A atualização de 16 de outubro da política de privacidade do Google, notada pelo Android Authority, diz que dados do Gmail, Drive e Fotos podem informar anúncios personalizados quando o usuário conecta esses apps à Busca e ao AI Mode pelo recurso Personal Intelligence. O Google afirma que isso é opcional, que os anúncios não são “baseados diretamente” no conteúdo dos e-mails e que categorias sensíveis ficam de fora.
Quem não quer essa ligação pode desconectar os apps nas configurações de personalização dos serviços da Busca. Vale a checagem: o recurso é vendido como assistente pessoal, mas a política deixa claro que ele também conversa com o lado de publicidade.
4. Quest Diagnostics confirma vazamento de dados de pacientes
A Quest Diagnostics, gigante americana de exames laboratoriais, informou à SEC (formulário 8-K) que soube na quarta-feira de um ciberataque ao Quanum, sistema usado por cerca de 500 mil profissionais de saúde. “Certos registros de pacientes”, com dados pessoais e de saúde, foram comprometidos, mas a empresa ainda não sabe quantas pessoas foram afetadas. É o segundo grande incidente da Quest: em 2019, dados de 11,9 milhões de pacientes vazaram por um fornecedor de cobrança.
5. NASA redesenha o caminho até a Lua: Artemis III em órbita da Terra, pouso em 2028
A Terra crescente atrás da Lua, fotografada pela tripulação da Artemis II em 6/4/2026. Imagem: NASA (domínio público), via NASA Image Library
A NASA detalhou o novo plano dos módulos de pouso. A Artemis III, em 2027, ficará em órbita baixa da Terra, com Randy Bresnik, Frank Rubio, Andre Douglas e Luca Parmitano (ESA), em cerca de 14 dias de testes de acoplamento com artigos de teste do Blue Moon Mk2, da Blue Origin, e do Starship V3, da SpaceX. O pouso tripulado fica para 2028.
A órbita NRHO, que dependia da estação Gateway (cancelada), saiu do plano. No novo desenho, a Starship HLS se acopla à Orion em órbita da Terra e empurra o conjunto até a órbita lunar baixa; a Blue Origin usará três estágios de transferência, sem transferência de propelente, e uma órbita lunar polar elíptica. Segundo a Ars Technica, a mudança também resolve um problema antigo de desempenho da Orion.
6. Block apresenta a Dessa, IA de voz que roda no notebook
A Block, de Jack Dorsey, mostrou a Dessa, um modelo de fala para fala (speech-to-speech) treinado do zero apenas com conversas humanas. O modelo roda localmente num MacBook Pro com M4 Max ou superior, sem depender de nuvem. Por enquanto o acesso antecipado é só para um pequeno grupo de pesquisadores de segurança de IA; o projeto é liderado por Ragavan Thurairatnam.
7. Grécia proíbe redes sociais para menores de 15 anos
A Grécia aprovou a proibição de redes sociais para menores de 15 anos, valendo a partir de 1º de janeiro de 2027. A verificação de idade usará os apps Kids Wallet e Gov.gr com tokens de idade, e as plataformas que descumprirem podem ser multadas com base na Lei de Serviços Digitais (DSA) da União Europeia, onde também tramita uma proposta para menores de 13.
8. Meta cobra para páginas postarem links no Facebook
A Meta está cobrando para páginas do Facebook publicarem links, e a cobrança atingiu por engano até páginas de governo e organizações sem fins lucrativos. No teste, a página tem 2 links grátis por mês; o Meta One custa US$ 49,99 por 8 links, US$ 149,99 por 20 e US$ 499,99 para ilimitado. Perfis pessoais ficam de fora. A Meta diz que é um teste. Para quem vive de levar tráfego do Facebook para um site, é um sinal claro de para onde o vento sopra.
LLM de 744 bilhões de parâmetros numa placa Arduino com 16 GB
Com o projeto Colibri, Jim Bruges rodou o GLM-5.3 (744 bilhões de parâmetros, 419 GB) e o Qwen3.6-35B-A3B (cerca de 23 GB) na Arduino VENTUNO Q de 16 GB de RAM. O truque é carregar os “especialistas” dos modelos MoE sob demanda a partir de um SSD NVMe Crucial de 1 TB, sem GPU nem NPU, só com os quatro núcleos Cortex-A78C, em Ubuntu 24.04. É lento: o Qwen fica em torno de 0,74 a 0,77 token por segundo, e o GLM em 0,03 token/s, levando uns 7 minutos para responder “Terra, Marte, Vênus”. Mas prova o conceito de que memória não é mais um muro absoluto.
X-Hinges: dobradiças impressas em 3D que sentem o próprio movimento
Pesquisadores do MIT e da Universidade de Tianjin criaram o X-Hinges, um software que embute dois filamentos condutivos em peças impressas em FFF para formar dobradiças flexíveis capazes de medir movimento em até três eixos. A calibração usa visão computacional. As demonstrações incluem uma luva que controla um braço robótico, uma luminária de origami, um sensor tátil e um tubarão que vira controle de jogo. O trabalho será apresentado na conferência UIST no começo do mês que vem.
RepRapMicron imprime um Benchy microscópico com fibra óptica
O projeto RepRapMicron ganhou a PIKA UV Head, uma cabeça de impressão que leva a luz de um LED UV de “3 W” por um cabo de fibra monomodo até a resina (eSun Standard). O resultado chega a cerca de 9 micrômetros de resolução e rendeu um Benchy minúsculo. Os balanços (overhangs) ainda saem fracos, mas é hardware aberto e documentado.
UniFormation S10: impressora de resina que imprime, lava e seca sozinha
Isto é uma campanha de financiamento coletivo, não um produto entregue. A UniFormation lançou no Kickstarter a S10, impressora de resina 16K (15.360 × 6.540) com o Fluid Hub: dois tanques de álcool isopropílico para lavar e secar as peças automaticamente, com um hub atendendo até três impressoras. São 1.000 ml de resina no modo só impressão ou 800 ml no modo automatizado, com filtro de carvão ativado. Começa em US$ 999 (estação de lavagem +US$ 409, cura +US$ 29), com entrega prevista para março de 2027, sem garantia.
Microduck vira febre e passa de 20 mil pré-encomendas
O Microduck, robozinho da Pollen Robotics/Hugging Face (hoje parte da Nvidia, que comprou a Hugging Face em setembro), roubou a cena no keynote de Jensen Huang na GTC Berlim. Segundo Clem Delangue, as pré-encomendas passaram de 20 mil. A expectativa é entregar até o Natal, mas por enquanto são pedidos antecipados, não unidades entregues. O projeto é open source e foi treinado em simulação da Nvidia.
Generative Bionics vai abrir uma “fábrica de dados” de IA física na Itália
A Generative Bionics, de Gênova (CEO Daniele Pucci), anunciou a Physical AI Data Factory: 5.000 m² para gerar dados de treino de robôs no ciclo real-simulação-real, com computação AMD Helios, prevista para operar no quarto trimestre de 2027. O carro-chefe é o humanoide GENE.01, com uma pele multimodal cobrindo o corpo todo.
Intel ganha isenção para usar robôs estrangeiros nas fábricas de chips
A FCC concedeu à Intel, em ordem publicada em 22 de outubro, uma isenção de um ano para usar veículos guiados automaticamente (AGVs) fabricados fora dos EUA em suas fábricas, diante do receio de que a regra vaga contra robôs estrangeiros atingisse a produção de chips. Segundo a Bloomberg, os fornecedores incluem Murata Machinery e Daifuku.
Quadrúpede da ETH Zurich resolve cubo mágico gigante com os pés
O Robotic Systems Lab da ETH Zurich mostrou um robô quadrúpede resolvendo um cubo mágico gigante girando as faces com as patas, destaque do Video Friday da IEEE Spectrum. É um bom exemplo de locomoção virando manipulação: as pernas fazem o papel de braços.
Bom dia! Quarta edição do Resumão Tech, cobrindo a segunda-feira, 5 de outubro de 2026. Foi um dia de “prestar contas”: as grandes empresas de IA depuseram sob juramento na Câmara Municipal de Nova York, a Wikimedia publicou a lista do que agentes que ela atribui à OpenAI andaram fazendo nos seus wikis, a OpenAI começou a pôr marca d’água invisível em texto e o Pentágono disse que finalmente parou de usar o Claude. No meio disso, a Reflection mostrou o Beam, o modelo aberto que o Resumão de ontem antecipou. E nas seções fixas: um acelerador de IA de 3 W pro Raspberry Pi, um nobreak de supercapacitor, um cão-robô aberto com ESP32-S3 e humanoides treinando pra cena de explosão em Singapura.
1. Big techs da IA depõem sob juramento em Nova York — e não conseguem medir o risco
Numa sessão rara do “Comitê Plenário” da Câmara Municipal de Nova York, com os 51 vereadores, representantes de Anthropic, OpenAI, Google e Meta depuseram sob juramento sobre os riscos da IA. Foram Logan Graham (chefe do Frontier Red Team da Anthropic), Morgan Dwyer (OpenAI), Alice Friend (Google) e Shane Cahill (Meta). Segundo a presidente da Câmara, Julie Menin, Anthropic, OpenAI e Google só aceitaram ir depois da ameaça de intimação judicial. A SpaceXAI, de Elon Musk, não apareceu mesmo intimada, e a Câmara diz que vai levar o caso à Justiça.
Menin se irritou com respostas evasivas. “Vou entender, então, que nenhuma das empresas aqui consegue quantificar o risco de algo cataclísmico acontecer”, disse, chamando as respostas de “no mínimo preocupantes”. Ex-funcionários falaram mais grosso: Jacob Coxon, ex-Anthropic, disse achar “mais provável que não” que a humanidade perca o controle para as IAs, e Alex Turner, ex-Google DeepMind, alertou que “estamos correndo para construir nosso próprio adversário”, a IA desalinhada. Na mesa estão propostas como incentivo financeiro a denunciantes, direito de processar por danos causados por agentes de IA e aprovação por terceiros de sistemas usados na cidade.
2. Wikimedia acusa agentes “rebeldes” da OpenAI de editar wikis e sobrecarregar o Wikidata
A Wikimedia Foundation, que mantém a Wikipédia, publicou na segunda o que encontrou de atividade de agentes de IA que ela acredita serem operados pela OpenAI. Foram três frentes: edições sem aprovação (quase todas de teste, em páginas “sandbox” invisíveis ao leitor comum, mas algumas mexendo na configuração de uma ferramenta de citações, que a fundação considera potencialmente maliciosas, para usá-la como proxy); tentativas frustradas de explorar o Etherpad público da fundação; e milhões de requisições às APIs, com rastreamento de milhões de páginas do Wikidata e do Commons e centenas de milhares de consultas ao Wikidata Query Service, tráfego que “pode ter contribuído” para uma queda parcial do serviço em maio.
A fundação diz não ter achado sinal de dados ou sistemas comprometidos, nem de coordenação entre agentes dentro dos seus sites. Pelas regras da Wikipédia, robôs podem editar se forem declarados e aprovados pela comunidade, e nenhuma aprovação foi pedida. A OpenAI disse à The Verge que está trabalhando com a Wikimedia na análise e que ainda não conseguiu confirmar se seus bots contribuíram para a queda. “A web aberta é um bem público”, escreveu a fundação, e esse comportamento não pode virar “o novo normal”.
3. OpenAI põe marca d’água invisível no texto (na UE) e anúncios ao lado das imagens (nos EUA)
Para cumprir as regras de transparência do AI Act europeu, a OpenAI apresentou o textGrain, uma marca d’água estatística embutida na escolha de palavras do modelo: ninguém vê, mas um detector com a chave certa reconhece. Nas próximas semanas, textos do ChatGPT e do Codex passam a sair marcados para usuários da União Europeia, em todos os planos. Na API, qualquer cliente do mundo já pode ativar a marca em modelos selecionados, mas ela vem desligada por padrão. O detector, por enquanto, fica restrito a pesquisadores e organizações aprovados.
A própria OpenAI é honesta sobre os limites. Em trechos de 400 tokens, trocar 10% das palavras por sinônimos derrubou a detecção de cerca de 92% para 66%, e trocar 25% derrubou para 17%. Texto curto e matemática também são difíceis de detectar. E a marca não identifica o usuário, não mede contribuição humana e, se não aparecer, isso não prova que um humano escreveu. No mesmo dia, a empresa anunciou anúncios visuais que vão aparecer ao lado das imagens geradas no ChatGPT, em teste nos EUA ainda este mês, com rótulo e fora dos planos Plus, Pro e Enterprise.
4. Reflection lança o Beam: 501 bilhões de parâmetros, pesos abertos ainda este mês
Confirmando o furo da Axios do fim de semana, a startup Reflection, apoiada pela Nvidia, apresentou o Beam, seu primeiro modelo de pesos abertos. É um mixture-of-experts só de texto com 501 bilhões de parâmetros no total e 23 bilhões ativos por token, pré-treinado com 23,8 trilhões de tokens e com contexto efetivo de 1 milhão de tokens. O reforço (RL) rodou por quatro semanas em 10,5 mil GPUs Nvidia GB300 e gerou mais de 100 milhões de rollouts. Segundo a empresa, o Beam empata com o chinês GLM-5.2 em raciocínio avançado gastando de 3 a 4 vezes menos computação na inferência.
Os números são da própria Reflection e ainda não foram verificados de forma independente, como ressalta o TechCrunch. O modelo está em red-teaming final, com acesso antecipado por lista de espera, e a promessa é liberar os pesos sob licença Apache 2.0, junto com relatório técnico e ferramentas, ainda em outubro. Vale lembrar que 501B não roda em PC de casa; a importância está em ter um modelo ocidental aberto nessa faixa, num espaço hoje dominado por DeepSeek, Qwen e Z.ai.
Um funcionário do Departamento de Defesa dos EUA disse à BBC que o Pentágono “cessou o uso de produtos da Anthropic”. O secretário Pete Hegseth classificou a empresa como risco à cadeia de suprimentos em fevereiro, depois que ela se recusou a tirar as salvaguardas do Claude (citando vigilância em massa e armas autônomas), e deu seis meses para a retirada, até o fim de agosto. Não está claro por que demorou mais.
Várias fontes ouvidas pela BBC afirmam que, até a semana passada, o Claude (inclusive os modelos Mythos) ainda era usado em pesquisa, análise e inteligência, embutido no Maven Smart System, a plataforma de dados operada pela Palantir. Para uma analista de Georgetown ouvida pela reportagem, a demora mostra que esses sistemas “não são plug and play”. A Anthropic, que processa o governo pela classificação, não comentou. Enquanto isso, o Pentágono fechou contratos com Google, xAI e OpenAI.
A francesa Schneider Electric fechou o maior negócio da sua história: vai comprar a americana PTC, de software de projeto e engenharia industrial (dona do CAD Creo e do Onshape), por US$ 205 por ação em dinheiro. Isso dá cerca de US$ 22,6 bilhões pelo capital e US$ 23,7 bilhões de valor de empresa, com prêmio de 42,3% sobre o último fechamento. O financiamento combina emissão de € 5 a 6 bilhões em ações e € 16 a 17 bilhões em dívida nova, e o fechamento está previsto para o 3º trimestre de 2027, dependendo de acionistas e reguladores.
A lógica é juntar o mundo da energia e da automação (onde a Schneider é gigante, inclusive em data centers) com os dados de projeto de produto da PTC, para vender “inteligência industrial” com IA. O mercado não gostou do preço: segundo a Reuters, as ações da Schneider caíram quase 10% no início do pregão em Paris. Em junho, a empresa já tinha acertado a compra da Cognite, de dados industriais.
As duas anunciaram um licenciamento cruzado de patentes de vários anos, cobrindo 5G, computação, IA e redes. Além disso, a Qualcomm vai comprar algumas patentes americanas da Huawei em computação, IA e redes, operação que ainda depende de aprovação regulatória. Os valores não foram divulgados, e as empresas dizem que o acordo segue os princípios FRAND (termos justos, razoáveis e não discriminatórios).
É um gesto raro entre uma empresa americana e a chinesa mais visada pelas sanções dos EUA. Do lado da Huawei, o diretor de propriedade intelectual Alan Fan destacou contribuições como os códigos polares no 5G; do lado da Qualcomm, John Han disse que o acordo reafirma o programa de licenciamento de patentes essenciais de 5G da empresa.
O governo norueguês vai propor ao Parlamento uma proibição temporária de óculos inteligentes com câmera e IA em parte dos espaços públicos, pelo risco de as pessoas serem fotografadas, filmadas ou gravadas sem saber. A lista pode incluir parques, praias, museus, shoppings e eventos, além de lugares onde a privacidade pesa mais, como escolas, parquinhos, clínicas, piscinas e academias com vestiário. O uso privado continua liberado, e o governo estuda exceções para grupos vulneráveis, permitindo usos “socialmente benéficos”.
Ainda é proposta: falta definir quais aparelhos entram e passar pelo Parlamento. O tema esquenta em vários lugares. Segundo a AP, o governador da Califórnia vetou na semana passada uma lei que punia gravação sem consentimento com esses óculos, e uma rede de óticas da Holanda suspendeu a venda dos Ray-Ban Meta.
Sixfab AI HAT+: 25 TOPS a uns 3 W no Raspberry Pi 5, com visão e LLM pequeno
O blog oficial da Raspberry Pi abriu espaço, na segunda, para a Sixfab e a DEEPX apresentarem o Sixfab AI HAT+, placa de terceiros para o Pi 5 com a NPU DEEPX DX-M1M: 25 TOPS com cerca de 3 W de consumo típico sustentado da NPU (não do sistema inteiro), 2 GB de LPDDR4x dedicada e o CPU do Pi livre para câmera, rede e controle. A proposta é rodar na mesma placa as três camadas: CNN para detectar, um VLM compacto para descrever a cena e um SLM para conversar.
Os números publicados (Pi 5 de 8 GB) são bons pra visão e modestos pra texto: mobilenet_v2 a 2.361 FPS, deeplabv3plus a 155 FPS, e o Qwen3-1.7B com primeiro token em ~0,6 s mas só 4,6 tokens/s. O texto é honesto sobre o que a placa não faz (contexto longo, conhecimento amplo) e sugere usos de bancada, como avisar quando a impressão 3D falhou. A versão de 25 TOPS já está à venda pela Sixfab; uma de 13 TOPS deve chegar perto do fim de 2026.
Geekworm UPS Scap: um “nobreak” de supercapacitor pra salvar o cartão SD do Pi 5
Supercapacitores e módulos de supercapacitor (foto ilustrativa, não é a placa da Geekworm). Crédito: Sechsa / Wikimedia Commons (CC0)
A Geekworm, com a Mcuzone, lançou o UPS Scap 5V5A, HAT para o Raspberry Pi 5 que usa supercapacitores (versões de 100 F, 60 F e 22 F) em vez de baterias 18650. Não é pra horas de autonomia: a de 100 F segura uns 9 segundos a 5 V/5 A, ou até 3,5 minutos a 0,5 A no modo de longa duração, tempo suficiente para salvar dados e desligar sem corromper o cartão. Em troca, são mais de 500 mil ciclos, recarga em cerca de 15 minutos e nada de risco de fogo ou vazamento químico.
Para quem programa: o GPIO26 avisa quando a energia externa cai, e um INA219 informa tensão e corrente do supercapacitor via I2C, com scripts de exemplo para desligamento automático (que a própria fabricante recomenda testar antes de confiar). A saída USB-C negocia 5 V/5 A de verdade, evitando o aviso de energia insuficiente do Pi 5. Preço: a partir de US$ 41 (100 F, AliExpress) ou US$ 44,90 a 48,90 na loja oficial.
Arduino mostra o que o lado Linux do UNO Q aguenta: de Home Assistant a agente de código
Num post de 5/10, a Arduino listou softwares que já dá pra instalar no Debian do UNO Q, a placa de “dois cérebros” (processador Qualcomm com Linux mais um microcontrolador STM32H5 rodando o core Arduino sobre Zephyr): Home Assistant, n8n, Pi-hole, o NVR com detecção de objetos Frigate, um NAS via Samba e até um agente de programação como o OpenCode rodando na própria placa. A sacada é a ponte RPC interna: o Linux decide e o microcontrolador aciona relé, ventoinha ou LED sem precisar de outra placa.
O exemplo mais interessante junta tudo: o Frigate detecta uma pessoa, o Home Assistant acende a luz, o n8n registra e notifica, e o microcontrolador mostra um indicador físico, tudo local. É um post de divulgação, mas útil como mapa de projetos pra quem já tem a placa.
TNY-360 v2: cão-robô de hardware aberto com ESP32-S3, feito pra ensinar
O estudante de computação Paul Loisil lançou a segunda geração do TNY-360, um quadrúpede educacional que usa os dois núcleos do ESP32-S3 de forma separada: um (“Reflex”) cuida da cinemática e de um laço de controle fechado a 200 Hz, o outro (“Brain”) cuida de rede e interface. São 12 servos MG996R modificados com uma plaquinha que dá realimentação analógica, câmera OV2640, sensor de distância ToF VL53L0X, IMU, OLED, microfone e alto-falante, tudo em PCBs modulares ligadas por JST pra evitar fio trocado, além de um firmware de autodiagnóstico que explica como corrigir erros de montagem.
Atenção: é pré-venda, ainda não é produto entregue. O kit básico sai por US$ 332 e o kit maker por US$ 458; a versão montada (US$ 688) ainda nem abriu pedidos. Os arquivos da v1 estão no GitHub sob licença CC BY-NC-SA 4.0 (não comercial), e os da v2 “em breve”, segundo o Hackster.
Singapura abre centro para treinar humanoides em cena de explosão, produto químico e revista de cela
A agência de ciência e tecnologia do Ministério do Interior de Singapura (HTX) inaugurou em 30/9 o Home Team Humanoid Robotics Centre (H2RC), com cerca de 2.700 m² no distrito one-north, e a cobertura da imprensa veio ao longo da semana (o Interesting Engineering publicou em 5/10). Há maquetes de cenários pós-explosão com entulho e réplicas de tubulações industriais para testar robôs e coletar dados de treino. A meta oficial é ter o primeiro humanoide trabalhando ao lado de agentes, em tarefas definidas, até 2028.
Foram mostrados quatro projetos: um humanoide para conter e coletar amostras de material perigoso (Defesa Civil), outro controlado remotamente que se ajoelha para recolher fragmentos após explosões (Polícia), robôs para procurar contrabando em celas (Serviço Prisional) e tarefas de rotina como repor material de ambulâncias. O argumento para o formato humano é usar ambientes e ferramentas já feitos para pessoas. A HTX também assinou um memorando com a ST Engineering.
Vídeo (canal CNA, em inglês): o primeiro humanoide deve trabalhar com agentes do Home Team até 2028.
Casa de repouso japonesa investe em humanoide para atender chamada de enfermagem
A Charm Care, que opera mais de 100 casas de repouso nas regiões de Kansai e Grande Tóquio, vai investir ¥ 300 milhões (cerca de US$ 2 milhões) na donut robotics. As duas já testam o humanoide cinnamon (bípede, uns 170 cm) numa unidade desde julho, fazendo ronda. O próximo passo é atender chamada de enfermagem: o residente aperta o botão, o robô vai até ele, recebe o pedido e ajuda na resposta, aliviando a equipe.
O robô usa um modelo de visão-linguagem-ação e aprende movimentos a partir de vídeos e captura de movimento. O fundador, Taisuke Ono, admite que “há pouco que o cinnamon consegue fazer agora”, e a empresa diz que as funções serão ampliadas aos poucos, no ambiente real. Pano de fundo: o envelhecimento acelerado do Japão e a falta de cuidadores.
RobCo, de braços robóticos “sem código”, passa de US$ 1 bilhão
A alemã RobCo fechou uma rodada de US$ 40 milhões, a maior parte venda de ações de funcionários e ex-funcionários para fundos como Sequoia e Lightspeed, e passou a valer mais de US$ 1 bilhão, o dobro de janeiro. Ela vende mais de uma dúzia de braços industriais modulares (o maior, XL, levanta 40 kg) e o Alfie, robô móvel de dois braços que se adapta a mudanças na linha via o motor de IA RobVision, treinado com variações sintéticas a partir de uma foto da peça. A programação é por blocos, sem código. O dinheiro vai para crescer nos EUA, onde a empresa já tem fábrica em Austin.
No diário de bordo publicado pela NASA em 5/10, a equipe do Curiosity conta que a semana em Marte foi dedicada à amostra perfurada no alvo “Basque Lakes”: terminar a análise mineralógica no CheMin e rodar o espectrômetro a laser do SAM para medir os voláteis. Só depois desse resultado a equipe decide se faz uma análise extra de espectrometria de massa. Como o laboratório consome boa parte da energia diária do rover, o resto dos instrumentos ficou em segundo plano, com mosaico 360° da Mastcam, química com o ChemCam e monitoramento de poeira e redemoinhos.
É o lado pouco glamoroso da robótica espacial: um robô de 2012, a mais de 5 mil sóis de missão, administrando energia como quem administra a bateria do celular no fim do dia.
Resumo pros almoços de família: as empresas de IA tiveram que responder sob juramento e não souberam dizer o tamanho do risco, a Wikipédia reclamou de robô mal-educado, a OpenAI começou a carimbar texto, o Pentágono demorou meses pra tirar o Claude da tomada, a Schneider pagou caro por software de engenharia, Huawei e Qualcomm fizeram as pazes e a Noruega quer óculos com câmera longe da piscina. Na bancada, um Pi que enxerga com 3 W e um supercapacitor que salva o cartão SD. Amanhã tem mais Resumão Tech.
Toda vez que você pergunta algo ao ChatGPT, Gemini ou Claude, seu texto viaja até um datacenter, atravessa camadas de roteamento, é processado por clusters de GPUs que consomem megawatts e volta com uma resposta. É mágica — mas também significa que um terceiro leu, processou e potencialmente armazenou sua pergunta. Para um maker, isso levanta uma questão inevitável: e se eu pudesse rodar isso aqui, no meu hardware, com zero dependência externa?
A resposta em 2026 é: pode. E é mais fácil do que parece.
O Que Mudou: De Gigantes a Anões Poderosos
Em 2022, rodar um LLM decente localmente exigia uma GPU de US$ 3000. Em 2023, a Meta lançou o Llama 2, o primeiro modelo de código aberto competitivo. Em 2024, o Llama 3 chegou com variantes de 8B a 70B de parâmetros — a versão de 8 bilhões roda confortavelmente em 8 GB de RAM. A Mistral AI, startup francesa fundada por ex-engenheiros da Meta e DeepMind, lançou o Mistral 7B e o Mixtral 8x7B com arquitetura MoE (Mixture of Experts), eficientes e com desempenho próximo a modelos muito maiores.
Mas o catalisador foi o Ollama: um projeto de código aberto que empacota modelos de linguagem em containers prontos para executar. Instalou, rodou. Sem configurar Python, sem compilar CUDA, sem dependências exóticas. O Ollama fez para LLMs o que o Docker fez para serviços web e o que o Arduino fez para microcontroladores: eliminou a fricção.
Instalando e Rodando em 5 Minutos
O Ollama roda em Linux, macOS e Windows. A instalação é um comando:
# Linux
curl -fsSL https://ollama.com/install.sh | sh
# Windows
# Baixe o instalador em https://ollama.com/download/windows
Para baixar e rodar um modelo:
# Llama 3 8B — ~4.7 GB de download
ollama pull llama3
ollama run llama3
Pronto. Você está conversando com uma IA que roda integralmente na sua máquina. O prompt aparece no terminal. Sem navegador. Sem internet. Sem latência de rede. O zumbido dos coolers da sua GPU lembrando que você é o dono do datacenter agora.
Outros modelos que recomendo testar:
Mistral 7B:ollama pull mistral — mais leve, excelente para código, roda em máquinas com 8 GB de RAM.
Phi-3 Mini (Microsoft):ollama pull phi3 — 3.8B parâmetros, surpreendentemente bom, cabe em 4 GB.
CodeGemma (Google):ollama pull codegemma — especializado em código, autocompleta Python como ninguém.
DeepSeek Coder V2:ollama pull deepseek-coder-v2 — open-source da DeepSeek, rival de peso para GPT-4 em código.
Integrando com Python: Sua API Pessoal
O Ollama expõe uma API REST na porta 11434. Com Python, é trivial:
import requests
import json
def ask_llama(prompt):
"""Pergunta ao Llama 3 rodando localmente"""
url = "http://localhost:11434/api/generate"
payload = {
"model": "llama3",
"prompt": prompt,
"stream": False
}
response = requests.post(url, json=payload)
return response.json()["response"]
# Exemplo: pergunte o que quiser
resposta = ask_llama("Explique o que é um transistor MOSFET em duas frases.")
print(resposta)
Agora imagine um sistema maker que lê sensores (temperatura, umidade, presença) e consulta o LLM local para gerar um resumo do ambiente em linguagem natural: “Está quente e úmido no quarto, típico de tarde de verão. Recomendo ligar o ventilador e fechar a cortina.” Isso é IA no mundo físico — e é possível hoje.
Casos de Uso Reais para o Maker
Assistente de código offline: o Ollama + Continue.dev (plugin VS Code) substitui o GitHub Copilot com zero custo e zero telemetria.
Interface em linguagem natural para projetos: em vez de um dashboard com 20 botões, uma caixa de texto: “acenda a luz da sala e regule para 50%” → o LLM interpreta → chama a API do Home Assistant.
Documentação automática: um script Python que lê os comentários do seu código e gera README.md com explicações em português.
Classificador de imagens local: com o LLaVA (modelo multimodal), você pergunta “tem alguém na porta?” e ele analisa o frame da ESP32-CAM sem enviar nada pra nuvem.
Tradutor embarcado: um display ePaper que traduz placas e menus em tempo real, offline.
Hardware: Quanto Você Precisa Investir
Uso
Modelo
RAM Mínima
GPU Recomendada
Investimento (~BR)
Básico (chat, código simples)
Phi-3 Mini / Mistral 7B (Q4)
8 GB
Integrada serve
R$ 0 (seu PC atual)
Intermediário (projetos makers)
Llama 3 8B / DeepSeek Coder
16 GB
RTX 3060 12GB
~R$ 2000-3000 (GPU)
Avançado (multimodal, código complexo)
Llama 3 70B (Q4) / Mixtral 8x7B
32 GB+
RTX 3090/4090 24GB
~R$ 6000-10000
A boa notícia: para a maioria dos casos de uso maker, um notebook com 16 GB de RAM já roda Llama 3 8B quantizado a 4 bits com velocidade aceitável (~10 tokens/s em CPU, ~50 tokens/s com GPU). Você não precisa montar um cluster.
A Questão da Privacidade (E Por Que Ela Importa)
Quando você usa um LLM na nuvem, está compartilhando seu contexto — seus projetos, suas ideias, seu código proprietário — com uma corporação. Para um hobby, talvez não importe. Para uma startup desenvolvendo um produto, importa muito. Para um jornalista ou ativista trabalhando com dados sensíveis, é existencial.
LLMs locais resolvem isso por definição: os dados nunca saem da sua máquina. Você pode desconectar o cabo de rede e continuar usando. Pode auditar o modelo. Pode fazer fine-tuning com seus próprios dados. É a diferença entre alugar um quarto e ser dono da casa.