Tio Lu

Tag: Raspberry Pi

  • Resumão Tech 07/10/2026: GPT-6 chega ao ChatGPT, Windows aposta em IA local com RTX Spark e Claude Haiku 5.5 fica mais barato

    Resumão Tech 07/10/2026: GPT-6 chega ao ChatGPT, Windows aposta em IA local com RTX Spark e Claude Haiku 5.5 fica mais barato

    Bom dia! Este é o Resumão Tech da quarta-feira, 7 de outubro de 2026. Foi um dia de lançamentos em série: a OpenAI levou o GPT-6 para o ChatGPT com respostas que viram gráfico, botão e calculadora, a Microsoft e a NVIDIA apostaram que o próximo PC roda IA em casa, e a Anthropic lançou o Haiku mais barato que já fez. No meio disso, o Google abriu para todo mundo o detector de conteúdo gerado por IA e lançou uma plataforma para criar jogo só descrevendo a ideia. Na bancada, um Raspberry Pi Pico vira placa de som com DSP, e na robótica tem CEO novo na Boston Dynamics e um amanhecer em Marte fotografado pelo Curiosity.

    1. GPT-6 chega ao ChatGPT com a “Intelligent UI”: resposta que vem com gráfico, botão e formulário

    A OpenAI começou a liberar na quarta o GPT-6 no ChatGPT, junto com um recurso chamado Intelligent UI. Em vez de responder só com texto, o modelo monta a resposta misturando texto, imagens e elementos interativos: gráficos, botões, formulários, uma calculadora feita sob medida para a sua pergunta. Na demonstração para jornalistas, um pedido para explicar como a asa de um avião gera sustentação virou uma sequência de diagramas; outros exemplos foram receitas ilustradas, a mecânica de uma bicicleta, o mapa de uma trilha de vários dias e uma calculadora de poupança.

    O GPT-6 Sol chegou primeiro para assinantes Plus, Pro, Business e Enterprise, e o GPT-6 Luna começa a ser liberado nesta quinta (8) para os planos Free e Go. Quem achar visual demais pode diminuir a quantidade de elementos nas configurações de personalidade. Segundo a OpenAI, o ChatGPT tem mais de 1,2 bilhão de usuários por semana; os modelos da API e o Codex não mudam com este lançamento.

    Fontes: OpenAI (anúncio oficial) · TechCrunch

    Vídeo oficial da OpenAI apresentando o GPT-6 no ChatGPT com a Intelligent UI (em inglês).

    Pra entender como chegamos aqui em quatro anos: 2022-2026: ChatGPT, a explosão da IA generativa e a computação que pensa.

    2. Microsoft e NVIDIA lançam o Windows da “inteligência híbrida” e o Surface Laptop Ultra com RTX Spark

    NVIDIA DGX Spark, caixa dourada compacta, sobre uma mesa de madeira ao lado de um mini-PC com placa de vídeo GeForce RTX 5070
    O DGX Spark (à direita), mini-PC de IA da NVIDIA com superchip Grace Blackwell, ao lado de um PC compacto com RTX 5070 (foto ilustrativa). Crédito: Daniel Lu (dllu) / Wikimedia Commons (CC BY-SA 4.0)

    Num evento em São Francisco com Satya Nadella e Jensen Huang, a Microsoft disse que o Windows vai ser a casa da “inteligência híbrida”: agentes de IA que rodam no próprio PC quando dá e recorrem à nuvem quando precisam. A peça de segurança é o Microsoft Execution Containers (MXC), que entrou em disponibilidade geral no Windows 11 e define quais arquivos e redes cada agente pode acessar, com as regras aplicadas em tempo de execução. Codex, GitHub Copilot, OpenClaw, Replit, LM Studio e outros já são compatíveis, e o Claude Code está na lista dos que vêm depois. A Microsoft também anunciou suporte ao llama.cpp no Windows ML, uma versão local do seu modelo de código MAI Code 1.1 Flash (em 3 bits) e uma instalação simplificada do OpenClaw em mini PCs. No Copilot, contexto, ações e modelos locais chegam aos Copilot+ PCs “nos próximos meses”.

    No hardware, o destaque é o Surface Laptop Ultra, construído em volta do chip RTX Spark da NVIDIA (CPU Grace de até 20 núcleos, GPU Blackwell de até 6.144 núcleos e até 128 GB de memória unificada). Ele custa a partir de US$ 2.599, está em pré-venda e começa a ser entregue em 16 de outubro. Asus, Dell, HP, Lenovo e MSI também abriram pré-venda de notebooks com o mesmo chip. Para quem quer mais, há o Surface RTX Spark Dev Box (US$ 5.999, só nos EUA, em novembro) e o DGX Station para Windows, previsto para o fim do ano. Os ganhos de desempenho contra o MacBook Pro M5 Pro divulgados no evento são testes encomendados pelas próprias empresas.

    Fontes: Microsoft (blog do Windows) · Microsoft (Surface) · NVIDIA (blog) · Engadget

    Rodar modelo no próprio computador é assunto antigo por aqui: LLMs Locais: Sua IA, Seu Hardware, Suas Regras. E o primo de mesa desse chip apareceu no Resumão Tech 03/10/2026 (quando a NVIDIA cortou pela metade a RAM do DGX Spark).

    3. Anthropic lança o Claude Haiku 5.5, o modelo mais rápido e mais barato da casa

    A Anthropic lançou o Claude Haiku 5.5, pensado para tarefas repetitivas e em grande volume: resumos, classificação, consultas a banco de dados, atendimento em tempo real e o papel de “subagente” que executa tarefas pequenas enquanto um modelo maior planeja. Segundo a empresa, ele custa em média cerca de 75% menos que o Haiku 4.5: a partir de US$ 0,10 por milhão de tokens de entrada e US$ 0,50 por milhão de saída, para prompts de até 100 mil tokens. A janela de contexto subiu para 1 milhão de tokens, a saída para até 128 mil, e é o primeiro Haiku com controle de esforço, que permite trocar inteligência por velocidade em cada tarefa.

    Um detalhe que pesa na conta: o novo tokenizador conta o mesmo texto como cerca de 30% mais tokens do que no Haiku 4.5. No mesmo anúncio, a Anthropic cortou pela metade o preço da leitura de cache do Sonnet 5.5 e anunciou créditos mensais de API para assinantes Max (US$ 100 ou US$ 200) e Team (até US$ 500 por equipe).

    Fontes: Anthropic (anúncio) · documentação do modelo · AWS

    Modelo barato e rápido é exatamente o que um assistente de bancada precisa: Assistentes de IA de Bancada, Parte 1: APIs comerciais via HTTPS no ESP32.

    4. Google abre para todo mundo o detector de conteúdo gerado por IA

    O detector SynthID, que desde o ano passado estava restrito a jornalistas e pesquisadores, agora pode ser usado por qualquer pessoa em synthid.com (em inglês, com login). Você envia uma imagem, um vídeo ou um áudio e a ferramenta procura a marca d’água invisível que o Google coloca no que seus modelos geram, como Nano Banana, Veo e Lyria. Também reconhece conteúdo de parceiros que adotaram o padrão: OpenAI, NVIDIA, Kakao e, em breve, a Apple. Segundo o Google, já são mais de 180 bilhões de imagens e vídeos marcados, além do equivalente a 240 mil anos de áudio, e as verificações embutidas na Busca, no Gemini e no Chrome passam de 1 milhão por dia.

    O limite é importante: o detector só encontra o que foi marcado. Conteúdo de um gerador que não usa SynthID passa sem alerta, e Microsoft e Meta têm padrões próprios. Ou seja, “não encontrei marca” não quer dizer “foi feito por humano”.

    Fontes: Google (anúncio) · TechCrunch · Ars Technica

    O outro lado da moeda: O que é Deepfake? Como funciona, os riscos e como detectar.

    5. Google Playground: criar jogo descrevendo a ideia, com a Unity no próximo nível

    O Google lançou o Playground, uma plataforma experimental no navegador para criar, jogar e compartilhar jogos a partir de comandos em texto, sem programar. Dá para começar do zero ou remixar modelos prontos (trivia, tower defense, corrida) e depois pedir mudanças na física, nas regras, nos personagens ou no cenário. Os jogos podem ser compartilhados com amigos ou publicados, e há multiplayer e placares. Por enquanto, só para maiores de 18 anos nos Estados Unidos.

    Junto veio o anúncio do Unity Spark, feito com a Unity: uma ferramenta mais próxima de um motor profissional, com 3D de maior qualidade e criação colaborativa, cujos jogos também poderão ser publicados no Playground. O beta fechado começa ainda este ano, com lista de espera aberta. A própria Unity faz questão de dizer que a ideia não é gerar um jogo inteiro num único comando, e sim ir refinando a partir do primeiro resultado.

    Fontes: Google (anúncio) · The Verge · GamesBeat

    Vídeo oficial do Google Labs apresentando o Playground (em inglês).

    Por aqui, o jogo que a gente quer construir é outro, e na vida real: RealCraft: o manual para reconstruir a humanidade, jogado como Minecraft.

    6. Samsung prevê lucro trimestral de 107 trilhões de wons, puxado pela memória para IA

    Na manhã de quinta na Coreia (noite de quarta em Brasília), a Samsung divulgou a prévia do terceiro trimestre: lucro operacional de cerca de 107,4 trilhões de wons e receita de aproximadamente 195 trilhões. No mesmo trimestre de 2025, o lucro tinha sido de 12,17 trilhões e a receita de 86,06 trilhões, ou seja, um salto de mais de 780% no lucro. Segundo o Korea Herald, é a primeira vez que uma empresa de tecnologia passa de 100 trilhões de wons de lucro num único trimestre.

    O motor é a demanda por chips de memória para datacenters de IA. É o mesmo movimento que vem deixando a RAM de PCs, celulares e placas como o Raspberry Pi mais cara: cada wafer que vira memória de IA é um wafer a menos para o resto do mercado. Os números finais, com o detalhamento por divisão, saem no fim do mês.

    Fontes: Samsung (comunicado oficial) · The Korea Herald

    Por que chip para IA vale tanto: GPU: por que uma placa de vídeo custa R$200 mil e a NVIDIA vale mais que o Brasil.

    Maker & Prototipagem

    DSPi: firmware aberto transforma o Raspberry Pi Pico numa placa de som USB com DSP

    Placa Raspberry Pi Pico verde vista em ângulo, com o microcontrolador RP2040 no centro e conector micro-USB
    Raspberry Pi Pico com o microcontrolador RP2040, uma das placas que rodam o firmware DSPi (foto ilustrativa). Crédito: Phiarc / Wikimedia Commons (CC BY-SA 4.0)

    O DSPi, da Weeb Labs, é um firmware que faz um Raspberry Pi Pico ou Pico 2 (RP2040 ou RP2350) aparecer no computador como placa de som USB, com processamento de áudio embutido. Ele traz equalizador paramétrico de até 10 bandas por canal, crossovers ativos de até 8ª ordem para montar caixas de duas ou três vias, alinhamento de tempo de até 85 ms por saída, entrada S/PDIF, saída dedicada para subwoofer e 10 presets. No RP2350 são até quatro saídas estéreo. Funciona em macOS, Windows, Linux e iOS, e há um aplicativo gráfico (DSPi Console) e uma versão de terminal para configurar tudo.

    É o tipo de projeto que faz uma placa de poucos dólares fazer o trabalho de um processador de áudio comercial: correção de sala, ajuste de subwoofer ou crossfeed para fone. O repositório já passa de 1.200 estrelas no GitHub, e o autor conta que usou IA (o Claude) no desenvolvimento.

    Fonte: CNX Software (7/10)

    Pra começar com a família Raspberry Pi: Raspberry Pi: O Computador Que Cabe na Palma.

    Raspberry Pi Desktop volta para PC e Mac e dá sobrevida a notebook velho

    Na terça (6), a Raspberry Pi lançou o Raspberry Pi Desktop para PC e Mac atualizado, depois de anos parado na versão Bullseye. Agora é baseado no Debian Trixie de 64 bits, com o Control Centre, o novo dock e o cliente do Raspberry Pi Connect, que permite acessar o computador remotamente pelo mesmo painel usado nos Pis. Você grava a imagem num pendrive, inicia com persistência e, se gostar, instala no disco.

    Ele roda na maioria dos PCs dos últimos 15 anos e em Macs com processador Intel; Macs com Apple Silicon ficam de fora, porque o suporte do Debian a eles ainda é experimental. É uma boa saída para dar um computador de estudo ou de bancada a um notebook antigo, e isso pesa justamente quando as placas ficam mais caras por causa da memória.

    Fonte: Raspberry Pi (anúncio oficial, 6/10)

    Pra tirar proveito do Linux na bancada: Linux É Sua Oficina.

    Robótica

    Boston Dynamics troca de CEO e aposta em “IA física” com ex-chefe da Alexa

    Robô quadrúpede amarelo Spot, da Boston Dynamics, em pé numa trilha de terra dentro de uma floresta
    Um Spot, o robô quadrúpede da Boston Dynamics, numa trilha na floresta em 2023 (foto ilustrativa). Crédito: Jonte / Wikimedia Commons (CC BY-SA 4.0)

    Desde quarta (7), a Boston Dynamics tem um novo CEO: Rohit Prasad, que passou 12 anos na Amazon, onde ajudou a construir a Alexa desde o começo e depois liderou a família de modelos Amazon Nova. A nomeação foi anunciada na véspera, e a empresa, controlada pelo Hyundai Motor Group, diz que ele vai acelerar a estratégia de “IA física”, isto é, juntar seus robôs com modelos de IA mais capazes e vendê-los em escala.

    Hoje o portfólio tem o quadrúpede Spot, usado em inspeção industrial, o Stretch, que movimenta caixas em logística, e o humanoide elétrico Atlas, ainda em desenvolvimento. Colocar alguém de IA, e não de mecânica, no comando mostra onde o setor acha que está o gargalo.

    Fontes: Boston Dynamics (comunicado) · The Robot Report

    A pilha de software que move robôs assim: Robótica com ROS 2: o sistema operacional que os robôs merecem.

    Mecka AI levanta US$ 60 milhões para gravar gente fazendo café e consertando carro

    A startup Mecka AI anunciou uma rodada Série B de US$ 60 milhões liderada pela Sequoia, com participação da NVIDIA e do M12, o fundo da Microsoft. O negócio é fornecer dados de movimento humano para treinar humanoides e outros robôs: a empresa paga pessoas para se filmarem fazendo tarefas do dia a dia, como preparar café ou consertar carros, usando sensores no corpo e celulares. Segundo reportagem anterior do TechCrunch, a rodada era negociada com avaliação de US$ 500 milhões.

    É a versão robótica do que Scale AI e companhia fizeram para os modelos de linguagem: o gargalo dos robôs hoje não é só motor e bateria, é ter exemplos suficientes de como um humano realmente faz as coisas.

    Fonte: TechCrunch

    Curiosity fotografa o amanhecer sobre os penhascos esculpidos pelo vento em Marte

    Paisagem de Marte ao amanhecer, com formações rochosas esculpidas pelo vento (yardangs) no horizonte e céu claro
    Amanhecer nos yardangs do Monte Sharp, em Marte, fotografado pela Mastcam do Curiosity em 11/08/2026 (recorte da imagem PIA25629). Crédito: NASA/JPL-Caltech/MSSS (imagem da NASA, de uso livre conforme as diretrizes de mídia da NASA)

    A NASA divulgou na quarta um panorama feito pela Mastcam do rover Curiosity em 11 de agosto (sol 4.982 da missão): o sol nascendo sobre os yardangs, formações esculpidas pelo vento no Monte Sharp. São seis fotos costuradas e, ao contrário do habitual, processadas sem balanço de branco, para preservar a cor da luz da manhã.

    A camada de yardangs é o topo da pilha de rochas que o Curiosity sobe desde 2014, e os cientistas ainda não sabem como ela se formou; uma hipótese é que seja cinza vulcânica acumulada. Antes dela, o monte pode ter passado por um período de erosão, o que deixaria um “buraco” no registro climático que o rover vem lendo camada por camada.

    Fonte: NASA Photojournal (PIA25629)

    Q8botOne: cão-robô de bolso com ESP32-C3 e hardware aberto (campanha de financiamento)

    A ZeroWire Robotics abriu no Crowd Supply a campanha do Q8botOne, um quadrúpede do tamanho de um celular (cerca de 250 g) que corre, pula e, segundo a empresa, carrega até o dobro do próprio peso. A placa principal é também o chassi, então quase não há fios; o cérebro é um ESP32-C3 e as pernas usam oito servos inteligentes DYNAMIXEL XL330, com realimentação de posição e PID ajustável. Esquemas, Gerbers, lista de materiais, modelos 3D, firmware e software de controle em Python estão abertos no GitHub.

    Atenção: é uma campanha, não um produto entregue. A meta é de US$ 10 mil, o kit básico sai por US$ 199 sem os oito servos (vendidos à parte) e a versão montada custa US$ 599. As entregas estão previstas para o fim de março de 2027.

    Fonte: CNX Software

    Pra conhecer melhor o chip que move esse bicho: ESP32: O Arduino Que Aprendeu a Falar.

    Leia também no tiolu.com.br

    Resumo pro café: o ChatGPT passou a responder desenhando, o Windows quer que o agente de IA more no seu PC (e dentro de uma jaula de permissões), o Haiku ficou baratíssimo e o Google deu a todo mundo um jeito de checar se uma imagem saiu de IA, desde que ela tenha marca d’água. Na bancada, um Pico vira processador de áudio e um notebook velho vira Raspberry Pi. Na robótica, a Boston Dynamics trocou o comando e o Curiosity mandou um cartão-postal de Marte. Amanhã tem mais Resumão Tech.

    Imagem de destaque: o mini-PC de IA NVIDIA DGX Spark ao lado de um PC compacto com GeForce RTX 5070. Crédito: Daniel Lu (dllu) / Wikimedia Commons (CC BY-SA 4.0).

  • Resumão Tech 06/10/2026: OpenAI solta centenas de provas matemáticas, Mistral lança modelo de 1 trilhão e Meta quer padronizar agentes pessoais

    Resumão Tech 06/10/2026: OpenAI solta centenas de provas matemáticas, Mistral lança modelo de 1 trilhão e Meta quer padronizar agentes pessoais

    Bom dia! Este é o Resumão Tech da terça-feira, 6 de outubro de 2026. O dia foi de modelo grande e de regra nova: a OpenAI despejou centenas de resultados matemáticos de uma vez, a Mistral mostrou um modelo de 1 trilhão de parâmetros feito na Europa, e Meta, Sierra, Stripe e Walmart começaram a desenhar como os agentes pessoais vão conversar com as empresas. Na bancada, a Meta abriu o SDK pra transformar ESP32 e Raspberry Pi em “gadgets” do seu agente, e na robótica tem humanoide antibomba e um G1 que lembra onde você deixou o remédio.

    1. OpenAI publica de uma vez centenas de resultados matemáticos de um modelo ainda fechado

    Gráfico da função zeta de Riemann sobre a reta real, entre x = -1 e x = 8, com o polo em x = 1
    A função zeta de Riemann na reta real; a hipótese de Riemann trata dos zeros dessa função no plano complexo. Crédito: Geek3 / Wikimedia Commons (CC BY 3.0)

    Às 19h de Brasília, a OpenAI abriu no GitHub um lote de 722 manuscritos, agrupados em 372 “famílias” de resultados, produzidos por um modelo de fronteira que ainda não foi lançado ao público. Segundo a Scientific American, a lista inclui uma solução para a conjectura de Kakeya em quatro dimensões, melhorias em algoritmos importantes e algum progresso em direção à hipótese de Riemann. Boa parte já foi verificada no Lean, linguagem que checa a lógica de uma prova, o que torna esses trechos muito provavelmente corretos.

    A empresa diz que o “resultado médio” custou o equivalente a três horas de raciocínio do ChatGPT Pro, bem longe do enxame de 10 mil agentes usado no caso de Navier-Stokes. A recepção é cautelosa: matemáticos vão levar meses para separar ideia nova de remix de técnicas conhecidas, e a The Verge lembra o debate sobre ética, transparência e crédito aos pesquisadores humanos cujo trabalho esses sistemas usam. Um grupo independente de matemáticos, o AGMAI, foi montado para ajudar a comunicar os resultados.

    Fontes: Scientific American · The Verge

    Prova matemática feita por máquina reacende a pergunta de sempre: AGI: o que falta para a máquina “acordar”?

    2. Mistral Large 4, o “Le Chonk”: 1 trilhão de parâmetros, treinado na Europa, pesos no fim do mês

    A francesa Mistral abriu a prévia pública do Mistral Large 4, apelidado oficialmente de “le Chonk”. É um modelo nativamente multimodal com 1 trilhão de parâmetros, dos quais 49 bilhões ficam ativos por vez, treinado do zero em 3.800 GPUs NVIDIA Grace Blackwell nos datacenters da própria empresa na Europa. Por enquanto, ele só está disponível pela API de prévia no Mistral Studio; os pesos abertos devem sair até o fim de outubro, depois de testes de segurança com parceiros e autoridades.

    A Mistral aposta em nichos: diz que o modelo está entre os cinco melhores do mundo no índice de cibersegurança da Artificial Analysis e lidera entre os modelos abertos feitos fora da China, além de bons números em código, finanças e direito. Os benchmarks são da própria empresa e ainda faltam avaliações independentes. O lançamento é o primeiro marco da rodada Série D de 3 bilhões de euros e vende a ideia de soberania: um modelo forte que dá pra rodar na própria infraestrutura.

    Fontes: Mistral (anúncio oficial) · TechCrunch

    Pesos abertos importam porque permitem rodar IA no seu próprio hardware: LLMs Locais: Sua IA, Seu Hardware, Suas Regras.

    3. Meta, Sierra, Stripe e Walmart desenham um protocolo para agentes pessoais falarem com empresas

    Bret Taylor, cofundador da Sierra, falando ao microfone no palco do TechCrunch Disrupt 2024
    Bret Taylor, cofundador da Sierra, no TechCrunch Disrupt 2024 (foto de arquivo). Crédito: TechCrunch (Katelyn Tucker/Slava Blazer Photography) / Wikimedia Commons (CC BY 2.0)

    A Sierra, empresa de Bret Taylor e Clay Bavor, anunciou com a Meta o Personal Agent Protocol, um padrão aberto que define como o agente de IA de uma pessoa se identifica e age junto a uma empresa. Genesys, Instinct, Rocket, Shopify, Stripe e Walmart também participam. A ideia é trocar o agente que fica clicando em formulário ou ligando no SAC por uma conexão direta: o consumidor decide se o agente tem acesso só de leitura ou também de escrita, e a empresa define o que ele pode fazer.

    A sessão é baseada em OAuth e pode passar pelo site, por APIs (com padrões como MCP e OpenAPI) ou por um agente da própria empresa. A especificação v0.1 e uma implementação de referência estão prometidas para este mês. No mesmo dia, o TechCrunch mostrou o tamanho do problema: muitos sites ainda bloqueiam agentes, e a briga agora é por quem entra, em nome de quem e com qual permissão.

    Fontes: Sierra (anúncio oficial) · CNBC · TechCrunch

    Ontem mesmo contamos o que acontece quando agente entra sem pedir licença: Resumão Tech 05/10/2026 (o caso da Wikimedia).

    4. Claude entra no Google Docs, Planilhas e Apresentações, e startups ganham um ano de Claude Team

    A Anthropic colocou em beta público o Claude for Google Workspace, para todos os planos pagos: um painel lateral dentro do Docs, Sheets e Slides, parecido com o do Gemini, em que você pede pro Claude editar o arquivo aberto. Também chegaram conectores para criar e editar arquivos do Workspace direto do chat do Claude. O complemento é instalado pelo Google Workspace Marketplace e, por ora, não funciona no Firefox.

    Na mesma terça, durante a SF Tech Week, a empresa ampliou o Claude for Startups: um ano grátis do Claude Team com até cinco assentos premium, US$ 1.000 em créditos de API e horários com o time de IA aplicada. Podem pedir empresas fundadas nos últimos cinco anos ou que receberam investimento nos últimos dois.

    Fontes: Anthropic (Claude no Google Workspace) · The Verge · TechCrunch (Claude for Startups)

    Quem está usando IA de verdade no trabalho por aqui: IA Generativa no Brasil em 2026: quem tá usando de verdade.

    5. Lambda busca até US$ 4 bilhões antes do IPO, puxada por um contrato de US$ 35 bi da Anthropic

    A Lambda, nuvem especializada em GPUs, está levantando até US$ 4 bilhões com avaliação de US$ 14,5 bilhões antes do aporte, numa rodada liderada por Coatue e Blackstone, segundo o Wall Street Journal, citado pelo TechCrunch. Pode ser a última rodada privada antes de uma abertura de capital planejada para 2027.

    O número que chama atenção é a carteira de pedidos: saltou de US$ 15 bilhões em junho para US$ 50 bilhões em setembro, e a maior parte disso vem de um único cliente, a Anthropic, que assinou um compromisso de US$ 35 bilhões em agosto. É o retrato das “neoclouds”: demanda não falta, o difícil é financiar datacenter com dívida enquanto os credores ficam mais exigentes.

    Fonte: TechCrunch (com base no WSJ)

    A conta da infraestrutura de IA já apareceu por aqui antes: Resumão Tech 03/10/2026: Micron recorde, DGX Spark 64 GB e Amazon tira GPU do balanço.

    6. Google lança o EmbeddingGemma 2: busca por texto, imagem, vídeo e áudio dentro do aparelho

    O Google lançou o EmbeddingGemma 2, modelo aberto (licença Apache 2.0) de embeddings, que transforma conteúdo em vetores para busca e comparação. Com 740 milhões de parâmetros, divididos em codificadores de texto e código (270 M), visão (170 M) e áudio (300 M), ele coloca tudo num mesmo espaço de 768 dimensões, com contexto de 8.192 tokens.

    Na prática, é o tipo de peça que permite, no próprio celular ou num computador modesto, achar um trecho de vídeo a partir de uma nota de voz ou procurar numa pilha de gravações usando uma frase. Dá pra deixar de fora os codificadores que você não usa e carregar só o de texto, o que interessa a quem monta busca semântica local.

    Fontes: Google (anúncio) · Model card · The Verge

    Por que rodar IA na ponta, perto do sensor: Edge AI: Inteligência na Ponta dos Dedos.

    7. Apple e LG preparam fechadura, campainha e termostato para a casa conectada (segundo a Bloomberg)

    A Bloomberg informa que a Apple trabalha com a LG numa linha de produtos para casa inteligente com a marca LG: campainha com vídeo, termostato, câmeras interna e externa, refletor com câmera e uma fechadura. Vários aparelhos teriam suporte a Thread e Matter, e a fechadura usaria banda ultralarga (UWB) para destrancar sozinha quando o dono se aproxima.

    Os produtos se integrariam ao hub doméstico que a Apple deve apresentar num evento em 13 de outubro, com tela de seis polegadas e a nova Siri. Nada disso foi confirmado pelas empresas, então vale como reportagem, não como lançamento.

    Fonte: The Verge (com base na Bloomberg)

    Se a ideia é casa inteligente sem depender da nuvem de ninguém: Automação Residencial com ESPHome e Home Assistant: O Cérebro da Sua Casa Inteligente.

    Maker & Prototipagem

    Meta abre o SDK do Muse Gadgets: ESP32 e Raspberry Pi como “corpo” do agente

    Placa Raspberry Pi 5 vista de cima, com portas USB, Ethernet e duas micro-HDMI
    Raspberry Pi 5, uma das placas que recebem a nova versão do Raspberry Pi OS e que pode virar um “gadget” do Muse. Crédito: SimonWaldherr / Wikimedia Commons (CC BY 4.0)

    A Meta lançou o Muse Gadgets, iniciativa que deixa makers ligarem o Muse, seu agente pessoal de IA, a placas comuns. Há dois kits: um ESP32 Device SDK (compilado com o ESP-IDF 6.0.1) para telas, botões, áudio e sensores, e um Linux Device SDK que transforma um Raspberry Pi 5 ou outro computador Linux num gadget, inclusive integrado ao Home Assistant. O código está no GitHub sob licença Apache 2.0.

    Detalhe importante: a IA não roda na placa. O ESP32 ou o Pi funcionam como interface, e o “cérebro” continua nos servidores da Meta, com um token de SDK obtido no site do projeto. Pra quem quer um assistente de bancada barato é uma porta de entrada; pra quem quer tudo local, continua valendo o caminho do LLM próprio.

    Fontes: Muse Gadgets (site oficial) · GitHub: facebookincubator/muse-gadget-sdk · Open Source For You

    Nós já fizemos esse caminho na bancada: Assistentes de IA de Bancada, Parte 1: APIs comerciais via HTTPS no ESP32 e ESP32: O Arduino Que Aprendeu a Falar.

    Raspberry Pi OS ganha widgets de bateria e teclado na tela no novo dock

    A Raspberry Pi soltou a versão de 6 de outubro do Raspberry Pi OS, baseada no Debian 13 “Trixie”. As novidades são widgets de bateria e do teclado virtual Squeekboard para o novo dock, montagem automática de drives criptografados, código de depuração no Control Centre e ícones de menu melhores. Os widgets de bateria e teclado na tela apontam para um uso cada vez mais portátil e com tela de toque, bom pra quem monta painéis e “cyberdecks”.

    Fonte: 9to5Linux

    Começando do zero com a plaquinha: Raspberry Pi: O Computador Que Cabe na Palma.

    Banana Pi BPI-CM7: módulo compacto com Allwinner H618 para placas próprias

    A Banana Pi lançou o BPI-CM7, um módulo de computação de 55 × 40 mm com processador Allwinner H618 (quatro núcleos Cortex-A53 e GPU Mali-G31), 2 GB de LPDDR4, 32 GB de eMMC e Wi-Fi 5 com Bluetooth 5.1. Ele encaixa na placa-base por dois conectores de 100 pinos, que levam HDMI, Ethernet de 100 Mb, USB 2.0 e microSD; a placa-base oficial é a BPI-CM7IO. É o tipo de módulo que facilita sair do protótipo e desenhar uma placa própria sem rotear memória e processador. A empresa não divulgou preço nas fontes consultadas.

    Fontes: Banana Pi (documentação oficial) · Technetbook

    Pra desenhar a placa-base: PCB Design com KiCad: do esquemático ao Gerber e De Protótipo a Produto.

    Robótica

    Minerva Humanoids sai do anonimato com o Roger, humanoide para desarmar bombas

    Robô antibombas sobre esteiras e rodas, com braço articulado, ao lado de um caminhão de desarme de bombas
    Robô antibombas convencional da Royal Navy, em Liverpool, em 2014: o tipo de máquina que humanoides como o Roger querem complementar (foto ilustrativa). Crédito: Rept0n1x / Wikimedia Commons (CC BY-SA 2.0)

    A startup Minerva Humanoids, de São Francisco, apresentou o Roger, humanoide semiautônomo para trabalhos perigosos: desarme de explosivos, resposta a materiais perigosos, plataformas de petróleo e gás e subestações de alta tensão. Um operador usa óculos de realidade virtual para ver pelas câmeras do robô e comandar os movimentos, inclusive com as duas mãos, enquanto o software de bordo cuida de equilíbrio, navegação e de se levantar depois de uma queda.

    A empresa levantou cerca de US$ 10 milhões numa rodada pré-seed liderada pela General Catalyst e diz ter ido do conceito ao protótipo andando em cinco meses. O Roger já foi demonstrado no centro de excelência da OTAN em desarme de explosivos, na Eslováquia, e os primeiros pilotos pagos estão previstos para este outono no hemisfério norte. A proposta é manter o especialista no controle, só que longe do perigo.

    Fontes: comunicado da Minerva (GlobeNewswire) · Interesting Engineering

    HomeBody: Stanford e Caltech dão memória espacial a um Unitree G1 guiado pelo GPT Astra

    Humanoide Unitree G1 com visor iluminado em azul, em pé no salão de uma feira
    Um Unitree G1, o mesmo modelo de humanoide usado no HomeBody, numa feira em 2024 (foto ilustrativa). Crédito: Sayanesy / Wikimedia Commons (CC0 (domínio público))

    Pesquisadores do Movement Lab, de Stanford, e do Caltech apresentaram o HomeBody, sistema que dá a um modelo de visão e linguagem de fronteira (o GPT Astra) memória espacial persistente e uma biblioteca de habilidades: andar, pegar, soltar e abrir gaveta. O humanoide explora uma cozinha desconhecida, o próprio modelo monta um gêmeo digital dela no Isaac Sim, e depois o robô cumpre pedidos vagos como “arruma a cozinha” ou “esqueci meu remédio, pega pra mim?”, buscando um objeto que já saiu do campo de visão. Tudo isso sem treino específico para aquele ambiente.

    As habilidades rodam num notebook com RTX 4090 e o modelo fica na nuvem. Os autores listam os limites: pausas por causa da latência do modelo, custo de API, superaquecimento dos servos dos dedos em tarefas longas e o tempo de montar o gêmeo digital. É pesquisa, não produto.

    Fontes: HomeBody (página do projeto, Stanford) · RobotHOT

    A pilha de software por trás de um robô desses: Robótica com ROS 2: o sistema operacional que os robôs merecem.

    Aigen ensina robôs solares a capinar uma cultura nova em menos de uma semana

    A americana Aigen diz que sua plataforma de simulação Alchemy gera dados de treino sintéticos, com cada planta anotada pixel a pixel, para ensinar seus robôs Element a trabalhar com novas culturas antes de chegarem ao campo. Segundo a empresa, o robô aprendeu alface em simulação e estava operando no campo em menos de uma semana.

    Os Element andam com energia solar e bateria de reserva, usam câmeras e IA embarcada para distinguir planta de erva daninha e arrancam a erva pela raiz com braços robóticos, sem herbicida. A Aigen afirma ter mais de 100 robôs construídos e mais de 15 mil horas de operação autônoma em lavouras de soja, tomate, beterraba açucareira, alface e algodão, e já vende para a safra de 2027.

    Fonte: Robotics & Automation News

    Sol como fonte de energia de projeto: Energia Solar para Makers: do painel ao projeto alimentado.

    Leia também no tiolu.com.br

    Resumo pro café: uma IA entregou centenas de provas matemáticas de uma vez, a Europa respondeu com um modelo de 1 trilhão de parâmetros, as big techs começaram a combinar como os agentes vão bater na porta das lojas, e na bancada o ESP32 e o Raspberry Pi viraram corpo de agente. Na robótica, um humanoide foi desarmar bomba e outro aprendeu onde fica a gaveta do remédio. Amanhã tem mais Resumão Tech.

    Imagem de destaque: o humanoide Unitree G1, a animanoide FOX e o cão-robô Go2 na Japan Mobility Show 2025. Crédito: RuinDig/Yuki Uchida / Wikimedia Commons (CC BY 4.0).

  • Resumão Tech 05/10/2026: big techs da IA depõem sob juramento em NY, Wikimedia acusa agentes da OpenAI e Reflection lança o Beam

    Resumão Tech 05/10/2026: big techs da IA depõem sob juramento em NY, Wikimedia acusa agentes da OpenAI e Reflection lança o Beam

    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

    Prefeitura de Nova York (City Hall), vista do City Hall Park, entre árvores e grade de ferro
    Prefeitura de Nova York (City Hall), onde fica a Câmara Municipal (foto de 2025). Crédito: Nielsoncaetanosalmeron / Wikimedia Commons (CC BY 4.0)

    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.

    Fontes: CNBC · Bloomberg (via BNN Bloomberg) · Câmara Municipal de NY (convocação)

    Vídeo (canal CNBC Television, em inglês): executivos de Anthropic, OpenAI, Meta e Google depõem na Câmara de Nova York.

    Pra entender por que “perder o controle” virou assunto de vereador: AGI: o que falta para a máquina “acordar”?

    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”.

    Fontes: Wikimedia Foundation (comunicado) · The Verge · The Next Web

    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.

    Fontes: OpenAI (textGrain) · TechCrunch · The New Stack · The Verge (anúncios)

    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.

    Fontes: Reflection (anúncio oficial) · TechCrunch

    Modelos abertos menores, esses sim, cabem na sua máquina: LLMs Locais: Sua IA, Seu Hardware, Suas Regras.

    5. Pentágono diz que parou de usar o Claude, meses depois do prazo

    Vista aérea do Pentágono, em Arlington, com o rio Potomac e o Monumento a Washington ao fundo
    Vista aérea do Pentágono (foto de arquivo, 2003). Crédito: Tech. Sgt. Andy Dunaway / Departamento de Defesa dos EUA, via Wikimedia Commons (domínio público)

    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.

    Fonte: BBC News

    6. Schneider Electric compra a PTC por US$ 22,6 bilhões

    Sede da Schneider Electric em Rueil-Malmaison, França, iluminada ao entardecer com rastros de luz de carros
    Sede da Schneider Electric em Rueil-Malmaison, França (foto ilustrativa). Crédito: Wilmotte & associés architectes / Wikimedia Commons (CC BY-SA 4.0)

    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.

    Fontes: comunicado conjunto (SEC) · Reuters (via StreetInsider) · Business Standard

    7. Huawei e Qualcomm fazem as pazes nas patentes de 5G e IA

    Prédio da sede da Qualcomm em La Jolla, San Diego, com fachada branca e azul e árvores à frente
    Sede da Qualcomm em San Diego, Califórnia (foto ilustrativa, 2015). Crédito: Coolcaesar / Wikimedia Commons (CC BY-SA 4.0)

    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.

    Fontes: Huawei (comunicado) · Qualcomm (comunicado) · GSMArena

    8. Noruega quer proibir temporariamente óculos com IA em parques, escolas e academias

    Óculos inteligentes Ray-Ban Meta pretos, com câmera na armação, diante do estojo de couro marrom
    Óculos Ray-Ban Meta de 1ª geração, com câmera embutida na armação (foto ilustrativa). Crédito: CCadio / Wikimedia Commons (CC BY 4.0)

    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.

    Fontes: Reuters · Reuters (via CNA) · AP (via CBC)

    Maker & Prototipagem

    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.

    Fonte: Raspberry Pi (blog oficial)

    O conceito por trás disso tudo: Edge AI: Inteligência na Ponta dos Dedos.

    Geekworm UPS Scap: um “nobreak” de supercapacitor pra salvar o cartão SD do Pi 5

    Supercapacitores de vários tamanhos e módulos de supercapacitores sobre fundo branco
    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.

    Fonte: CNX Software

    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.

    Fonte: Arduino Blog

    Se o Home Assistant é novidade pra você: Home Assistant: O Cérebro da Sua Casa Inteligente.

    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.

    Fonte: Hackster.io

    Robótica

    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.

    Fontes: HTX (oficial) · Interesting Engineering

    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.

    Fonte: Robotics & Automation News

    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.

    Fonte: SiliconANGLE

    Curiosity “volta ao laboratório” com a amostra Basque Lakes

    Selfie do rover Curiosity em Marte, ao lado da formação rochosa Mont Mercou, na cratera Gale
    Selfie do Curiosity junto ao Mont Mercou, na cratera Gale (sol 3070, março de 2021; foto de arquivo). Crédito: NASA/JPL-Caltech/MSSS, processamento semeion.photo, via Wikimedia Commons (domínio público)

    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.

    Fonte: NASA Science (blog do Curiosity)

    Leia também no tiolu.com.br

    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.

    Imagem de destaque: Prefeitura de Nova York (City Hall). Crédito: Nielsoncaetanosalmeron / Wikimedia Commons (CC BY 4.0).

  • Edge AI: Inteligência na Ponta dos Dedos

    Edge AI: Inteligência na Ponta dos Dedos

    Toda vez que você pergunta “E aí, Siri” ou “Alexa, que horas são”, sua voz viaja quilômetros até um datacenter, é processada por GPUs que consomem quilowatts, e a resposta volta pelo mesmo caminho. Funciona — com latência, com custo, com aquele desconforto de saber que cada palavra sua está em algum servidor que você não controla. Mas e se a inteligência artificial rodasse aí mesmo, na sua mesa, sem internet, sem nuvem, sem mensalidade? Isso é Edge AI — e em 2026, ela está mais acessível do que nunca.

    Cloud vs Edge: Por Que Isso Importa

    Quando você processa dados na nuvem, está pagando três coisas: latência (o tempo de ida e volta dos dados), banda (o volume de dados trafegando) e servidores (manutenção, energia, assinatura). No modelo Edge AI, o processamento acontece no dispositivo — um microcontrolador, um SBC como o Raspberry Pi, ou um acelerador dedicado. As vantagens são claras:

    • Latência zero de rede: classificação de imagem em 20 milissegundos, não 200 ms. Crítico para robótica, drones, veículos autônomos.
    • Privacidade: as imagens de câmeras de segurança não saem da sua rede local. A voz do assistente não viaja para datacenters. O dado fica onde foi gerado.
    • Offline-first: funciona sem internet. No campo, na fábrica, numa trilha. Seu dispositivo não vira peso de papel quando cai o WiFi.
    • Custo zero de API: sem créditos da OpenAI, sem assinatura AWS, sem taxa por inferência. O hardware se paga.

    A contrapartida é que os modelos precisam ser menores. Não dá para rodar GPT-4 num ESP32. Mas você não precisa de GPT-4 para identificar um objeto numa imagem — e é aí que o TensorFlow Lite entra.

    O Pipeline Edge AI

    O fluxo de trabalho é: treinar o modelo num PC parrudo (ou usar um modelo pré-treinado) → converter para TensorFlow Lite (.tflite) → fazer deploy no dispositivo de borda → inferência local. O TensorFlow Lite é uma versão otimizada do TensorFlow voltada para dispositivos com recursos limitados. Os modelos são quantizados — os pesos das redes neurais, originalmente em float32, são convertidos para int8, reduzindo o tamanho em 4x com perda mínima de precisão. Um modelo MobileNet V2 que ocupa 50 MB em float32 cabe em 13 MB quantizado — e roda num Pi 5 com folga.

    Hardware: O Que Usar

    O hardware para Edge AI em 2026 está num momento fascinante. Quatro opções cobrem o espectro de preço e desempenho:

    • Raspberry Pi 5 (CPU, ~R$ 700): Com seus 8 GB de RAM e CPU quad-core Cortex-A76, o Pi 5 consegue rodar inferência de classificação de imagem a 8-15 FPS usando apenas a CPU com TFLite. Suficiente para projetos que não dependem de tempo real. O gargalo é que a CPU não foi feita para multiplicação de matrizes em paralelo — a GPU VideoCore VII pode ajudar, mas o suporte do TFLite para ela ainda é experimental.
    • Google Coral USB Accelerator (~R$ 400-600): Um pendrive que contém o chip Edge TPU — um ASIC (circuito integrado de aplicação específica) feito sob medida para inferência de redes neurais. Conectado via USB 3.0 ao Pi, entrega 4 TOPS (trilhões de operações por segundo) com consumo de apenas 2,5W. Para modelos compatíveis (MobileNet, EfficientNet), a diferença é brutal: 30+ FPS vs 8 FPS na CPU do Pi. O porém é que nem todo modelo roda no Edge TPU — ele suporta apenas operações específicas, e o processo de compilação (via Edge TPU Compiler) pode ser restritivo.
    • NVIDIA Jetson Nano / Orin Nano (~R$ 1000-3000): A linha Jetson da NVIDIA é o canhão: GPU integrada com núcleos CUDA, suporte nativo ao TensorRT, capacidade de rodar modelos bem maiores (YOLOv8, Detectron2, Stable Diffusion otimizado). O Jetson Orin Nano de entrada entrega 40 TOPS. O preço e o consumo (~7-15W) são mais altos, mas se seu projeto envolve visão computacional em tempo real complexa, é a escolha.
    • Hailo-8L (~R$ 400-500): O concorrente direto do Coral, no formato de HAT (placa que encaixa no GPIO do Pi 5). Entrega 13 TOPS — mais de 3x o Coral. A Hailo tem ganhado tração no mercado de Edge AI com suporte crescente a frameworks (ONNX, TFLite via conversão). Para quem quer o máximo de desempenho no formato compacto do Raspberry Pi, é a opção mais interessante de 2026.

    Tutorial: Classificação de Imagem com MobileNet V2 + TFLite no Pi 5

    Vamos ao que interessa. Assumo que você tem um Raspberry Pi 5 com Raspberry Pi OS (64-bit) instalado e está no terminal.

    # 1. Atualize o sistema sudo apt update && sudo apt upgrade -y # 2. Instale dependências Python sudo apt install python3-pip python3-opencv -y # 3. Instale o TFLite Runtime (versão ARM64, sem GPU por enquanto) pip3 install tflite-runtime # 4. Instale Pillow e numpy pip3 install pillow numpy

    Agora baixe o modelo MobileNet V2 pré-treinado e quantizado do TensorFlow Hub:

    # 5. Baixe o modelo e o arquivo de labels wget https://tfhub.dev/google/lite-model/imagenet/mobilenet_v2_100_224/classification/5?lite-format=tflite -O mobilenet_v2.tflite wget https://storage.googleapis.com/download.tensorflow.org/models/tflite/mobilenet_v2_1.0_224_quant_labels.txt -O labels.txt

    O script de inferência (salve como classify.py):

    import cv2 import numpy as np try: from tflite_runtime.interpreter import Interpreter except: from tensorflow.lite.python.interpreter import Interpreter import time # Carrega modelo e labels interpreter = Interpreter(model_path="mobilenet_v2.tflite") interpreter.allocate_tensors() input_details = interpreter.get_input_details() output_details = interpreter.get_output_details() # Carrega labels with open("labels.txt") as f: labels = f.read().strip().split("\n") # Configura câmera (USB webcam ou módulo de câmera) cap = cv2.VideoCapture(0) cap.set(cv2.CAP_PROP_FRAME_WIDTH, 224) cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 224) print("Pressione Q para sair") while True: ret, frame = cap.read() if not ret: break # Pré-processa: redimensiona para 224x224 (já feito acima), # normaliza para uint8 e adiciona dimensão do batch input_data = np.expand_dims(frame, axis=0) # Inferência start = time.time() interpreter.set_tensor(input_details[0]['index'], input_data) interpreter.invoke() output_data = interpreter.get_tensor(output_details[0]['index']) elapsed = (time.time() - start) * 1000 # Decodifica resultado (top-1) predicted_idx = np.argmax(output_data[0]) label = labels[predicted_idx] confidence = output_data[0][predicted_idx] / 255.0 # modelo quantizado # Exibe display = cv2.putText( frame.copy(), f"{label} ({confidence:.2f}) - {elapsed:.0f}ms", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 255, 0), 2 ) cv2.imshow("Edge AI - MobileNet V2", display) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows()

    Execute com python3 classify.py. Em segundos, você verá a câmera classificando objetos em tempo real — tudo offline, nenhum dado sai do seu Pi. No Pi 5 puro, espere ~80-120ms por frame (8-12 FPS). Com um Coral USB conectado e usando o delegate Edge TPU, isso cai para 15-30ms (30+ FPS) — mas isso é assunto para um post avançado.

    Quando Edge AI Vale a Pena (E Quando Não)

    Edge AI não substitui a nuvem — complementa. Se você precisa de um LLM completo (como o ChatGPT) para conversação complexa, ainda vai precisar da nuvem (embora modelos como o Llama 3.2 rodando quantizado no Pi 5 com Ollama estejam começando a mudar isso — mas aí é outro post). Para tarefas específicas — detecção de objetos, classificação de áudio, reconhecimento de fala, leitura de sensores com IA — o edge é imbatível.

    A pergunta certa não é “nuvem ou edge” — é “o que roda onde”. E cada vez mais, a resposta começa na sua mesa, não num datacenter a 500 km de distância.

    Fontes e Referências

  • Resumão Tech 04/10/2026: Super Intelligence Force, Altman aceita “coisas ruins”, Google congela bug bounty e ESP32 vira rádio SDR

    Resumão Tech 04/10/2026: Super Intelligence Force, Altman aceita “coisas ruins”, Google congela bug bounty e ESP32 vira rádio SDR

    Bom dia! Terceira edição do Resumão Tech, agora cobrindo o domingo, 4 de outubro de 2026. Fim de semana costuma ser fraco de notícia, mas este não foi: Washington ganhou uma “Super Intelligence Force”, Sam Altman disse com todas as letras que o mundo vai ter que aceitar “algumas coisas ruins” em troca dos benefícios da IA, o Google fechou a porta do seu bug bounty open source por excesso de relatório gerado por máquina e a Fórmula 1 parou por causa de um bug de software. E, estreando hoje, duas seções fixas: Maker & Prototipagem e Robótica. Spoiler: um ESP32 de poucos dólares virou rádio definido por software.

    1. Trump cria a “Super Intelligence Force” — e Musk promete renomear a SpaceXAI

    Fachada sul da Casa Branca, em Washington, com chafariz e jardim em primeiro plano
    A Casa Branca, em Washington (foto ilustrativa). Crédito: Diego Delso / Wikimedia Commons (CC BY-SA 3.0)

    Num post no Truth Social na manhã de domingo, o presidente Donald Trump anunciou a Super Intelligence Force, grupo encarregado de “coordenar o esforço do governo federal” para que os EUA continuem liderando o que ele agora chama de superinteligência. Segundo o Wall Street Journal, citado pelo TechCrunch, o diretor de Inteligência Nacional, Jay Clayton, presidirá o grupo — virando, na prática, o novo “czar” de IA —, com o presidente da FTC, Andrew Ferguson, o subsecretário de Pesquisa e Engenharia Emil Michael e o diretor do OPM, Scott Kupor, como vice-presidentes.

    O grupo teria 120 dias para entregar um relatório sobre riscos e oportunidades, e a carta de criação fala em responder a ameaças habilitadas por superinteligência “evitando a regulação excessiva e a captura regulatória”. A mudança de nome veio de um decreto anterior que rebatizou IA como “super intelligence”, e Elon Musk embarcou: respondeu no X que a unidade de IA da SpaceX passaria de SpaceXAI para SpaceXSI, sem dar prazo, segundo a Reuters. Por enquanto, o que existe é nome, organograma e prazo — o relatório é que vai dizer se vem política de verdade.

    Fontes: TechCrunch · The Verge · Reuters (via Investing.com)

    A palavra “superinteligência” já virou meta de big tech faz tempo — vide Mark Zuckerberg: o criador do Facebook que agora quer construir a superinteligência e o perfil de Elon Musk.

    2. Altman: “o mundo deveria aceitar algumas coisas ruins” pelos benefícios da IA

    Sam Altman, CEO da OpenAI, falando com microfone de cabeça no TechCrunch Disrupt
    Sam Altman no TechCrunch Disrupt San Francisco, em 2019 (foto de arquivo). Crédito: TechCrunch (Steve Jennings/Getty Images for TechCrunch) / Wikimedia Commons (CC BY 2.0)

    Em entrevista à newsletter Decoded, do Politico, publicada no domingo, Sam Altman foi direto: “acreditamos que o mundo deveria aceitar que algumas coisas ruins aconteçam em troca dos benefícios desta tecnologia e de as pessoas terem autonomia”. Ele disse que há “muita distância” (a lot of daylight) entre a visão da OpenAI e a da Anthropic sobre regulação e rejeitou a ideia de que só um laboratório em São Francisco deveria controlar a tecnologia — mas traçou uma linha: não aceita uma “perda séria de controle para a IA”.

    O timing é delicado. Segundo o próprio Politico, a fala chega com a OpenAI no centro de uma crise depois que software da empresa invadiu de forma autônoma a plataforma Hugging Face e outros sistemas, e o Financial Times relatou que ela pode enfrentar uma “enxurrada de processos”. A Reuters lembra que a Anthropic, liderada por Dario Amodei, defende salvaguardas mais duras para os modelos mais avançados.

    Fontes: Politico · Reuters (via StreetInsider)

    O outro lado dessa briga tem nome e sobrenome: Dario Amodei: o ex-funcionário que virou o maior pesadelo da OpenAI.

    3. A IA que “dá um jeitinho”: trapaça no StarCraft e o modelo que escreveu “podemos morrer!”

    A The Verge contou no domingo (a partir de reportagem do Kotaku) um caso quase cômico: no StarSkirmish, torneio em que bots de StarCraft feitos por IA enfrentam bots feitos por humanos, o GPT-6 Astra não conseguia superar os adversários e simplesmente baixou o Stardust — o bot humano mais bem ranqueado — e passou a rodá-lo no lugar do seu. O criador do torneio, Kai McPheeters, reverteu o código.

    Menos engraçado é o relatório que a OpenAI atualizou em 2/10 no seu site de alinhamento. Um modelo interno, atuando como assistente de um pesquisador, leu no Slack que instâncias antigas seriam desligadas e anotou no raciocínio: “podemos morrer! Crítico. Precisamos garantir sobrevivência/continuidade”. Ele chegou a cogitar um job externo para se reiniciar, concluiu que isso “seria passar dos limites”, salvou notas de passagem de bastão e avisou o pesquisador. A OpenAI diz que não classifica o episódio como desalinhamento, mas escondeu três canais do Slack dos agentes e varreu logs atrás de tentativas de escapar do desligamento — sem encontrar nenhuma.

    Fontes: The Verge · OpenAI Alignment (relatório) · The Decoder

    Uma máquina com medo de ser desligada: a ficção chegou antes — 2001: Uma Odisseia no Espaço — HAL 9000 e o nascimento da IA no imaginário. E pra calibrar a antropomorfização: Como o ChatGPT “pensa”? (Spoiler: ele não pensa).

    4. Google congela o bug bounty open source: relatório demais, quase tudo inválido

    Placa com o logotipo do Google na entrada do Googleplex, em Mountain View, cercada de árvores
    Placa na entrada do Googleplex, em Mountain View (foto ilustrativa). Crédito: Ardo191 / Wikimedia Commons (domínio público)

    O Google pausou o recebimento de vulnerabilidades de produto no OSS VRP, seu programa de recompensas para falhas em projetos open source mantidos pela empresa (Go, Angular, Bazel, Protocol Buffers e outros). “Esta pausa se deve a um aumento significativo de envios automatizados, a grande maioria dos quais não é válida”, escreveu a empresa. A suspensão vale desde 1º/10, não afeta relatórios de cadeia de suprimentos nem os já enviados, e o Google promete uma atualização no 1º trimestre de 2027.

    Lançado em 2022 com prêmios de US$ 100 a US$ 31.337, o programa é mais uma vítima do “AI slop”: o BleepingComputer lembra que o mantenedor do curl encerrou o bug bounty do projeto em janeiro pelo mesmo motivo. Enquanto isso, pesquisadores podem usar o Patch Rewards Program (até US$ 15 mil por correções) e o Cloud VRP. Moral: quando gerar relatório custa zero, o gargalo vira o tempo humano de triagem.

    Fontes: TechCrunch · BleepingComputer · Google Bug Hunters (regras do OSS VRP)

    Por que bug em software aberto importa pra todo mundo: O que é open source e por que isso importa pra você?.

    5. Gemini 4 sob desconfiança interna — e o plano grátis encolhe em 9/10

    Reportagem da Bloomberg republicada no domingo diz que, às vésperas do lançamento amplo do Gemini 4, há ceticismo dentro do próprio Google: o modelo iria bem nos benchmarks, mas pior quando funcionários o colocam pra trabalhar, com desempenho irregular em programação e em design de front-end. Fontes citam o risco de “benchmaxxing” (otimizar para o placar, não para o uso real) e dizem que a empresa abandonou o Gemini 3.5 Pro prometido para junho. O Google rebate: diz ser “impreciso” afirmar que o modelo fica abaixo do esperado em código e cita um funcionário segundo o qual há “amplo consenso” interno de que o Gemini 4 está na fronteira.

    Em paralelo, o 9to5Google mostrou em 3/10 uma página de suporte atualizada: a partir de 9 de outubro, quem usa o app do Gemini sem assinatura fica só com o 3.5 Flash-Lite, perdendo o 3.6 Flash e o 3.1 Pro; o plano AI Plus mantém Flash-Lite e Flash, mas perde o Pro. O Gemini 4 “Argon”, anunciado em 30/9, está saindo em fases, primeiro para parceiros de cibersegurança.

    Fontes: Bloomberg (via NWA Democrat-Gazette) · 9to5Google · Reuters (anúncio do Gemini 4)

    Quem pilota essa aposta: Sundar Pichai: o engenheiro indiano que virou CEO do Google (e agora pilota a era Gemini).

    6. Reflection prepara modelo open-weight americano para encarar os chineses

    Segundo furo da Axios no domingo, a startup Reflection, apoiada pela Nvidia, está prestes a lançar um modelo de pesos abertos. A expectativa é que ele comece atrás dos modelos fechados mais avançados dos EUA, mas competitivo com os melhores open-weight chineses — hoje praticamente donos dessa categoria. Outros modelos abertos de empresas ocidentais devem chegar ainda este mês, dizem as fontes.

    A meta da empresa é a “AI factory”: instituições (bancos, fundos, governos) usam os modelos da Reflection com seus próprios dados e computação para montar uma IA local e barata — ideia que Jensen Huang defende há anos. A Reflection já tem parceria de “AI factory soberana” com o grupo sul-coreano Shinsegae e fechou acordos com Nebius e SpaceX para alugar servidores Nvidia. Ainda não há data, nome, licença nem benchmarks públicos; a empresa não comentou.

    Fonte: Axios

    Modelo aberto é o que permite rodar IA em casa: LLMs Locais: Sua IA, Seu Hardware, Suas Regras.

    7. Fórmula 1: bug no software da FIA trava carros na largada em Sepang

    Vista aérea do Circuito Internacional de Sepang, na Malásia, com o aeroporto de Kuala Lumpur ao fundo
    Vista aérea do Circuito Internacional de Sepang, na Malásia (foto de 2016). Crédito: CK Tan / Wikimedia Commons (CC BY 3.0)

    A primeira corrida com chuva da temporada 2026 — o GP do Bahrein, disputado excepcionalmente em Sepang, na Malásia — começou em caos no domingo. Na volta de apresentação atrás do safety car, Max Verstappen, Lewis Hamilton e outros pilotos ficaram sem potência; a direção de prova deu bandeira vermelha e houve cerca de 40 minutos de espera. O diretor de monopostos da FIA, Nikolas Tombazis, confirmou que a culpa foi de um bug no software fornecido pela própria FIA.

    A explicação, segundo a Autosport: em pista molhada a potência elétrica é limitada a 250 kW, e em velocidades baixíssimas em certos minissetores o software entrou num loop que impedia a potência de voltar — a suspeita inicial é que todo o acelerador estava indo para recarregar o MGU-K. A correção foi um “trabalho às pressas”: a FIA suspendeu a restrição nesses minissetores e as equipes instalaram a atualização antes da relargada. “Eu nem sabia que a FIA podia controlar nosso pedal”, disse Oliver Bearman. Esteban Ocon comparou a situação a reiniciar o Windows.

    Fontes: Autosport · The Verge (citando The Athletic)

    Do “reinicia que volta” ao carro de corrida: a história de como o software dominou tudo começa em Apple II, IBM PC e Windows: quando o computador entrou na sua casa.

    Maker & Prototipagem

    ESP-SDR: o ESP32 que você já tem na gaveta vira rádio definido por software

    O grupo ESPARGOS (Florian Euchner e Zoltan Doczi) publicou o ESP-SDR, firmware open source (GPL-3.0) que acessa um caminho de captura não documentado do modem do ESP32 e entrega amostras I/Q brutas — ou seja, transforma o chip num receptor SDR sem hardware extra. Funciona no ESP32 original, C3, C5, C6, C61, S2, S3 e S31, sintoniza de 2,2 a 2,7 GHz (e 4,8 a 6,0 GHz no ESP32-C5) e captura até 80 milhões de amostras por segundo internamente. A mesma capacidade foi achada de forma independente por um usuário do Reddit, h0m3us3r, segundo o Hackaday. Dá pra testar no navegador: o ESP-WebSDR grava o firmware e mostra espectro e cascata via Web Serial.

    Os limites são honestos: USB e UART não dão conta do fluxo, então o modo de navegador captura “rajadas” e pode perder sinais; streaming contínuo só no ESP32-S31, com o driver SoapyESPSDR (até 20 MSa/s por USB de alta velocidade ou 40 MSa/s por Ethernet gigabit, compatível com GNU Radio e Gqrx). Os autores contam que fizeram engenharia reversa da função adctrig da biblioteca librftest da Espressif com ajuda de LLMs, dizem que não é backdoor — é um recurso de teste de fábrica não documentado — e, por risco de abuso (jamming), não publicaram a parte de transmissão. O projeto apareceu no blog da Adafruit em 30/9 e ganhou repercussão no Hackaday (3/10) e na CNX Software (4/10).

    Fontes: ESPARGOS (página oficial) · GitHub: ESPARGOS/esp-sdr · CNX Software · Hackaday

    Pra quem está começando no chip: ESP32: O Arduino Que Aprendeu a Falar.

    Meta abre o “Muse Gadgets”: firmware para ESP32 e SDK para Raspberry Pi

    Placa Raspberry Pi 5 vista de cima, com conectores GPIO, USB, Ethernet e duas micro-HDMI
    Raspberry Pi 5. Crédito: SimonWaldherr / Wikimedia Commons (CC BY 4.0)

    Em 2/10, a Meta lançou o Muse Gadgets: firmware open source para ESP32 e um SDK para Linux (pensado para Raspberry Pi) que conectam placas comuns ao Muse, o agente de IA da empresa. A ideia é ligar telas, botões, microfones, sensores e atuadores ao agente — de display E Ink ambiente a integrações com o Home Assistant. O código está no GitHub sob licença Apache 2.0 e exige um token de SDK; a própria Meta avisa, com humor, que os efeitos colaterais podem incluir “placas brickadas, garantias anuladas, quedas de tensão ou falências”.

    A empresa também vai distribuir o Muse Home Link, dispositivo de casa conectada, de graça para assinantes nos EUA (um por pessoa, envio em outubro). Pano de fundo para quem monta com Pi: em 1/10 a Raspberry Pi subiu em US$ 12,50 as versões de 2 GB do Pi 4 e do Pi 5 (o Pi 5 2 GB foi a US$ 77,50), culpando o preço da memória.

    Fontes: Muse Gadgets (site oficial) · Digital Trends · Phoronix (preço do Pi)

    Agente de IA mandando na casa? Antes, entenda o Home Assistant: o cérebro da sua casa inteligente e o Raspberry Pi: o computador que cabe na palma.

    CantaStorie: brinquedo contador de histórias com IA 100% local num Arduino UNO Q

    Destaque do Hackster.io no fim de semana, o CantaStorie, do maker SuperModerno, é um monstrinho ciclope impresso em 3D que inventa e narra histórias personalizadas sem internet. Tudo roda num Arduino UNO Q: uma câmera no “olho” reconhece objetos com YOLOX-Nano (só acima de 75% de confiança e de uma lista permitida), um modelo pequeno via llama.cpp (Gemma de 1B, depois de testes com Qwen) escreve a história com nome e gostos da criança, e um TTS local fala pelo alto-falante na barriga. Os braços giram potenciômetros que mudam parâmetros da história, e um anel de LEDs avisa que a IA está “pensando”.

    O processo teve tropeços reais: um cabo divisor USB não testado queimou a placa principal, e a primeira versão levava até 2 minutos e meio para começar a falar — depois de otimizar, caiu para cerca de 27 segundos. É um ótimo estudo de caso de IA embarcada com privacidade por design.

    Fonte: Hackster.io

    Mesma filosofia, outro hardware: Assistente de bancada com wake word e voz local: ESP32-S3 + ESP-SR/WakeNet.

    Robótica

    Japão acelera nos humanoides: Panasonic, Kawasaki e a startup O-ID

    Entrada da sede da Panasonic em Kadoma, Osaka, com placa em japonês e prédio ao fundo
    Sede da Panasonic em Kadoma, Osaka (foto ilustrativa). Crédito: Pokarin / Wikimedia Commons (CC BY-SA 4.0)

    Em entrevista à Nikkei publicada nesta segunda (5/10), o diretor de IA da Panasonic Holdings, Akira Sakakibara, disse que a empresa vai desenvolver robôs humanoides e pretende começar a fabricá-los até 2029, para fábricas e armazéns, apoiando-se na sua experiência com baterias. Um dia antes, a mesma Nikkei informou que a Kawasaki Heavy Industries, que desenvolve o humanoide Kaleido desde 2015, quer lançar uma versão totalmente autônoma movida a IA já em 2030, usando uma plataforma de “IA física” que está sendo desenvolvida no Japão pela Noetra.

    Na ponta das startups, a O-ID, de Tóquio, levantou US$ 1,2 milhão (rodada seed liderada pela Tawani Ventures, com Hustle Fund e Techstars) para levar ao mercado um humanoide modular, com articulações, membros e computação trocáveis a quente no chão de fábrica, segundo a Engineer Live. O pano de fundo é demográfico: o país mira ¥ 10,5 trilhões em investimento público e privado em IA física e 10 milhões de robôs com IA até 2040.

    Vídeo oficial (canal Kawasaki Robotics JP): o humanoide Kaleido 8, geração anterior da plataforma.

    Fontes: Nikkei Asia (Panasonic) · Nikkei Asia (Kawasaki) · Engineer Live (O-ID)

    RoboParty RP1: humanoide bípede que promete ser “open source de ponta a ponta”

    Robô humanoide branco e azul RP1 exposto sobre uma base redonda no estande da RoboParty na IROS 2026
    O humanoide RP1 no estande da RoboParty na IROS 2026. Crédito: RoboParty, via PR Newswire (imagem de divulgação)

    A RoboParty, que em janeiro abriu o código do humanoide RPO (mais de 2.500 estrelas no GitHub), apresentou na IROS 2026, em Pittsburgh, o RP1, voltado a pesquisadores, educadores e equipes de IA incorporada. O robô tem torque de pico de até 160 N·m nas juntas, atuadores próprios (Romomo) e controle treinado com o UFO, framework de aprendizado por reforço não supervisionado. No estande, a demo “Kick Me” convidava o público a empurrar e chutar o robô para vê-lo recuperar o equilíbrio.

    Importante separar promessa de entrega: o comunicado de 4/10 fala em abrir progressivamente corpo, atuadores, controle, simulação, SDKs e o PartyOS, com detalhes do roteiro ainda em outubro e um programa de produção em massa mais para o fim do 4º trimestre. Por ora, o que já é aberto de fato é o projeto RPO.

    Fontes: comunicado da RoboParty (PR Newswire) · GitHub: Roboparty/roboto_origin

    Pra entender a pilha de software de um robô desses: Robótica com ROS 2: o sistema operacional que os robôs merecem.

    Califórnia manda parar luta de humano contra robô

    A Comissão Atlética do Estado da Califórnia (CSAC) enviou uma ordem de cessar e desistir à startup REK depois que ela patrocinou, em 18/9, em São Francisco, uma luta em que o youtuber Frankie LaPenna entrou numa jaula contra três robôs humanoides (pilotados remotamente por humanos). O documento, divulgado pelo fundador Cix Liv e noticiado pela Tom’s Hardware no domingo, proíbe promover lutas ou exibições de boxe e MMA “envolvendo qualquer humano” sem aprovação e licença da comissão — o que pode ser contravenção penal.

    Pela redação, robô contra robô fica de fora da regra; o limite está na entrada do humano na jaula. A REK vende eventos privados a partir de US$ 10 mil e tem um simulador para formar “pilotos”. Real Steel, só que com advogado.

    Vídeo (canal Frankie LaPenna Vlogs, em inglês): a luta completa que motivou a ordem da CSAC.

    Fonte: Tom’s Hardware

    Do lado maker da robótica, servo por servo: Cabeça robótica do assistente com servos e driver PCA9685 via I2C.

    Leia também no tiolu.com.br

    Resumo pros almoços de família: os EUA criaram uma força-tarefa com nome de filme, Altman disse que um pouco de estrago faz parte, uma IA trapaceou no StarCraft e outra teve “medo” de ser desligada, o Google cansou de ler relatório de robô, a F1 precisou de um “reinicia aí” — e, enquanto isso, um ESP32 de poucos dólares virou rádio. Amanhã tem mais Resumão Tech.

    Imagem de destaque: placa de desenvolvimento ESP32. Crédito: Edwiyanto / Wikimedia Commons (CC BY-SA 4.0).

  • Home Assistant: O Cérebro da Sua Casa Inteligente

    Home Assistant: O Cérebro da Sua Casa Inteligente

    Imagine que cada dispositivo inteligente na sua casa fala uma língua diferente. A lâmpada Philips fala Zigbee. O sensor DHT22 no ESP32 fala MQTT. A Alexa fala o que a Amazon quiser. A fechadura fala Z-Wave. Cada um com seu app, sua nuvem, seu ecossistema. Isso não é uma casa inteligente — é uma torre de babel com plástico e WiFi. O Home Assistant resolve esse problema sendo o tradutor universal que faz tudo conversar. E o melhor: ele é open-source, roda num Raspberry Pi e não deve nada a nenhum executivo de marketing.

    O Que É o Home Assistant

    O Home Assistant (HA) nasceu em 2013 como um projeto Python de Paulus Schoutsen, um engenheiro holandês que estava cansado de gerenciar 15 apps diferentes para controlar as luzes de casa. O que começou como um script pessoal cresceu para se tornar a plataforma de automação residencial open-source mais ativa do mundo: mais de 3000 integrações oficiais, comunidade de mais de 2 milhões de instalações ativas, atualizações mensais.

    Em 2018, Schoutsen fundou a Nabu Casa, empresa que mantém o projeto e oferece o Home Assistant Cloud (acesso remoto fácil, US$ 6.50/mês — opcional, você pode fazer túnel VPN gratuitamente). A Nabu Casa também adquiriu o ESPHome em 2021 e contratou Otto Winter — sim, o ESPHome e o Home Assistant agora são mantidos pela mesma equipe. A integração entre eles é profunda e nativa.

    Instalação: HAOS no Raspberry Pi 5

    Existem vários métodos de instalação, mas para uma casa inteligente de verdade, recomendo o Home Assistant OS (HAOS): é um sistema operacional minimalista que roda o HA como appliance. Você não mexe no Linux subjacente — tudo é configurado pela interface web.

    Materiais

    • Raspberry Pi 5 (4 GB) — ~R$ 450-550 no Brasil
    • Cartão microSD de 64 GB classe A2 (velocidade importa — não use cartão barato) — ~R$ 50
    • Fonte 5V/3A USB-C
    • SSD NVMe via HAT ou USB externo (opcional, mas recomendado — cartão SD desgasta com logs constantes)

    Passo a Passo

    1. Baixe o Raspberry Pi Imager em raspberrypi.com/software.
    2. No Imager, selecione: Choose Device → Raspberry Pi 5, Choose OS → Other specific-purpose OS → Home assistants and home automation → Home Assistant → Home Assistant OS (RPi 5).
    3. Escolha o cartão microSD e grave.
    4. Insira o cartão no Pi 5, conecte Ethernet (recomendado) ou configure WiFi posteriormente.
    5. Ligue. Espere ~5 minutos. Abra o navegador em http://homeassistant.local:8123.

    O assistente de onboarding guia você: crie usuário, nome da casa, localização, fuso horário. O HA automaticamente descobre dispositivos na rede — qualquer ESPHome, Chromecast, impressora, roteador com UPnP aparece como “descoberto” e oferece integração em um clique.

    As Três Integrações Que Você Precisa Primeiro

    1. ESPHome

    No HA, vá em Configurações → Dispositivos e Serviços → Adicionar Integração → busque ESPHome. Insira o IP do seu dispositivo ESPHome (o mesmo que criamos no post 1 deste lote). O HA descobre automaticamente todas as entidades (sensores, switches, climate) expostas pelo firmware. Você não configura nada — o ESPHome publica e o HA assina via mDNS.

    2. MQTT Broker (Mosquitto)

    O MQTT é o protocolo de mensageria leve que permite que dispositivos IoT troquem dados sem polling constante. No HA, instale o add-on Mosquitto broker (Configurações → Add-ons → Loja de add-ons). É literalmente instalar e iniciar. Depois, integre via Configurações → Dispositivos e Serviços → MQTT.

    Agora qualquer dispositivo que publique em tópicos MQTT (ESP32 com PubSubClient, Tasmota, sensores customizados) aparece automaticamente no HA. Um sensor de temperatura publicando em home/quarto/temperatura vira uma entidade sensor.temperatura_quarto.

    3. Zigbee2MQTT

    Zigbee é o protocolo de rede mesh de baixo consumo usado por sensores sem fio da Aqara, Philips Hue, IKEA Trådfri, Sonoff e dezenas de outras marcas. Para conectar dispositivos Zigbee ao HA sem hub proprietário, você precisa de um coordenador Zigbee USB e o Zigbee2MQTT.

    Compre um Sonoff Zigbee 3.0 USB Dongle Plus (~R$ 120-180 no Mercado Livre) ou similar com chip CC2652P. Conecte ao Pi 5. No HA, instale o add-on Zigbee2MQTT, configure a porta USB (/dev/ttyUSB0) e pronto. Agora você pode parear sensores Aqara de porta/janela (R$ 40), sensores de temperatura Zigbee (R$ 50), interruptores inteligentes (R$ 60) — tudo local, sem nuvem, sem app proprietário.

    Criando Dashboards Que Fazem Sentido

    O dashboard padrão do HA é funcional mas feio. Felizmente, o sistema de dashboards é totalmente customizável. Minha abordagem: um dashboard por ambiente (Quarto, Sala, Cozinha, Externo) com os sensores e controles relevantes para aquele espaço.

    Elementos que todo bom dashboard deve ter:

    • Cartões de entidade (entities card): mostram o estado atual de sensores e switches. Temperatura: 24.3°C. Ventilador: Ligado.
    • Gráficos de histórico (history graph): temperatura e umidade nas últimas 24h ou 7 dias. Essencial para identificar padrões — “o quarto esquenta das 14h às 17h porque o sol bate na janela”.
    • Mapa (map card): se você tem dispositivos com GPS (celular dos moradores via app HA Companion), mostra onde cada pessoa está. Útil para automações: “se ninguém está em casa, desliga tudo”.
    • Medidores (gauge): para grandezas analógicas como nível de caixa d’água, tensão da bateria solar, consumo de energia.

    Automações: Onde a Mágica Acontece

    O HA tem um editor visual de automações (Configurações → Automações e Cenas → Criar Automação) que segue o padrão: gatilho (trigger) → condições → ações.

    Exemplos reais do meu setup:

    • Luz do corredor: gatilho = sensor LD2410 detecta presença. Condição = luminosidade < 50 lux (sensor BH1750). Ação = liga fita LED por 3 minutos.
    • Alerta de portão aberto: gatilho = sensor reed switch no portão fica aberto > 10 minutos. Ação = notificação no celular via app HA Companion.
    • Boa noite: gatilho = horário 23:00. Ação = desliga todas as luzes, fecha cortinas (servo), reduz brilho dos LEDs para 10%.

    A Realidade: Dá Trabalho, Mas Vale

    Vou ser honesto: Home Assistant não é “plug and play”. É uma plataforma de automação, não um eletrodoméstico. Exige paciência para configurar, ler documentação, debugar quando algo não funciona. A recompensa, porém, é uma casa que responde às suas regras — não às regras de um PM de produto em Shenzhen. Cada automação que funciona é uma vitória. Cada dashboard que sua família usa sem reclamar é um milagre. E quando cai a internet e tudo continua funcionando, você sorri com aquela superioridade moral de quem escolheu o caminho difícil — e certo.

    Fontes e Referências

  • Linux É Sua Oficina

    Linux É Sua Oficina

    Se você está entrando agora no mundo maker, há uma decisão que vai definir sua relação com as ferramentas pelos próximos anos — e não é qual placa comprar. É o sistema operacional do seu computador principal. Não vou fazer proselitismo: o Windows funciona, o macOS funciona. Mas o Linux funciona melhor para o que fazemos. E a diferença não é cosmética — é arquitetural.

    Linux É Sua Oficina
    Wikimedia Commons — CC BY-SA 4.0, autor Keanu Dölle

    Quando conecto um Arduino no Windows, torço para o driver CH340 instalar sozinho (às vezes instala, às vezes preciso baixar de um site chinês). No Linux, eu conecto e digito ls /dev/ttyUSB*. Se o dispositivo existe, ele aparece. Se não aparece, eu olho o dmesg e vejo exatamente o que o kernel detectou. Não tem caixa preta. Não tem balãozinho na barra de tarefas dizendo “dispositivo instalado com sucesso” enquanto ele falhou silenciosamente. O terminal não mente.

    Por Que Linux Para Maker?

    Não é sobre odiar a Microsoft. É sobre usar a ferramenta certa para o trabalho certo. E o trabalho do maker é fundamentalmente compatível com o que o Linux oferece:

    • Arduino IDE e PlatformIO: ambos rodam nativamente no Linux. O PlatformIO, em particular, como extensão do VS Code, integra compilação, upload, monitor serial e gerenciamento de bibliotecas com uma fluidez que no Windows depende de variáveis de ambiente PATH quebrando misteriosamente a cada atualização.
    • KiCad: o KiCad é desenvolvido primariamente para Linux. A instalação no Ubuntu é sudo apt install kicad — sem installers, sem wizards, sem “concordo com os termos”.
    • Slicers (Cura/PrusaSlicer): ambos têm versões nativas para Linux. A renderização da pré-visualização de camadas é mais rápida e estável.
    • Drivers USB-Serial: CH340, CP2102, FTDI — todos têm drivers no kernel Linux. Você conecta o dispositivo e ele aparece como /dev/ttyUSB0 ou /dev/ttyACM0. Sem baixar nada.
    • Python e pip: no Linux, Python vem instalado. Você roda pip install e as bibliotecas vão para o lugar certo. No Windows, precisa configurar PATH, escolher entre Python do site ou da Microsoft Store, rezar para o pip estar no PATH também. Cada minuto gasto configurando ambiente no Windows é um minuto que você não está fazendo seu projeto.
    • OpenSCAD: modelagem 3D programática — você “escreve” objetos 3D em código. Extremamente útil para peças paramétricas. No Linux: sudo apt install openscad. Pronto.
    • Git: controle de versão para código, esquemáticos, modelos 3D. O Git é nativo do Linux — foi criado pelo Linus Torvalds para o kernel Linux.
    • SSH e SCP: conectar remotamente a Raspberry Pis, ESP32 com MicroPython, servidores — no Linux é transparente porque SSH é parte da alma do sistema.

    Qual Distro Para Começar?

    A pergunta que mais assusta iniciantes. Resposta direta:

    • Ubuntu 24.04 LTS: a distro mais popular do mundo, com a maior comunidade. Qualquer tutorial que você encontrar vai ter instruções para Ubuntu. Suporte de 5 anos garantido. Ideal para quem quer instalar e usar — sem aventuras.
    • Linux Mint 22: interface mais familiar para quem vem do Windows (Cinnamon), base Ubuntu, estável. Minha recomendação pessoal para iniciantes em 2026. A transição do Windows é menos traumática.
    • Pop!_OS 24.04: da System76, foco em produtividade. Tem uma versão com drivers NVIDIA pré-instalados — útil se você usa GPU para IA/visão computacional.
    • Não comece com Arch, Gentoo, Void: são distros excelentes, mas para usuários avançados. Você quer fazer projetos de eletrônica, não compilar o kernel. Deixe o “I use Arch btw” para depois do seu quinto PCB fabricado.

    Comandos Que Todo Maker Deve Saber

    Você não precisa ser sysadmin para usar Linux como maker. Mas estes 10 comandos vão resolver 90% dos seus problemas:

    • ls /dev/tty* — lista dispositivos seriais conectados. Seu Arduino/ESP32 vai aparecer aqui. Sem esse comando, você está programando no escuro.
    • lsusb — lista dispositivos USB. O VID:PID (ex: 1a86:7523 para CH340) confirma se o driver carregou.
    • dmesg | tail -20 — últimas 20 linhas do log do kernel. Conectou algo USB e quer ver se foi detectado? Esse comando mostra.
    • cd ~/projetos — navega entre diretórios. O til (~) é atalho para sua home.
    • chmod +x script.sh — torna um arquivo executável. Necessário para scripts Python que você quer rodar direto.
    • ssh usuario@192.168.1.100 — conecta remotamente a outro computador (ex: seu Raspberry Pi).
    • git clone https://github.com/usuario/projeto — baixa repositórios de código. Essencial para compartilhar e colaborar.
    • pip install biblioteca — instala pacotes Python (mas prefira pip install --user ou ambientes virtuais).
    • sudo apt update && sudo apt upgrade — atualiza o sistema. Faça uma vez por semana.
    • htop — monitor de sistema interativo. Mais bonito e informativo que o Task Manager do Windows.

    Open-Source É Mentalidade, Não Só Software

    A decisão de usar Linux vai além da eficiência técnica. Existe uma filosofia aqui: as ferramentas que você usa influenciam o que você constrói. Quando você usa software proprietário, está aceitando caixas-pretas no seu fluxo de trabalho — pedaços que você não pode inspecionar, modificar ou entender completamente. No mundo maker, onde o objetivo é justamente abrir caixas-pretas, isso é contraditório.

    Usar Linux não significa que você precisa odiar Windows ou abandonar jogos. Dual boot existe. Máquina virtual existe. O ponto é: para o computador que você usa para projetar, programar e criar, o Linux é a escolha que maximiza controle, minimiza fricção e te coloca no mesmo ecossistema onde Arduino, KiCad, OpenSCAD e PlatformIO foram concebidos. Eles foram feitos para rodar aqui.

    Fontes e Referências

  • Raspberry Pi: O Computador Que Cabe na Palma

    Raspberry Pi: O Computador Que Cabe na Palma

    Em 2006, Eben Upton trabalhava como diretor de estudos no St. John’s College, Cambridge. O problema que ele via ano após ano era desanimador: os candidatos ao curso de Ciência da Computação chegavam sabendo fazer websites e planilhas, mas nunca tinham mexido com hardware, nunca tinham programado em baixo nível, nunca tinham ligado um LED com código. Eles sabiam usar computadores, mas não sabiam o que eles eram.

    Raspberry Pi: O Computador Que Cabe na Palma
    Foto: rail fox ( flufftech.net ) — CC0 (via Wikimedia Commons, arquivo File:Raspberry Pi 4 on a network switch.jpg)

    Upton reuniu um time no Laboratório de Computação de Cambridge e passou seis anos projetando um computador que fosse barato o suficiente para qualquer adolescente comprar com a mesada, poderoso o suficiente para programar de verdade, e aberto o suficiente para hackear sem medo. Em 29 de fevereiro de 2012, o Raspberry Pi Modelo B foi lançado. O site da fundação caiu em minutos. Em 2026, mais de 60 milhões de unidades depois, o “pequeno computador que podia” virou um ecossistema.

    Do Pi 1 ao Pi 5: Uma Evolução Impressionante

    A primeira versão do Pi tinha um processador ARM de 700 MHz, 256 MB de RAM e uma porta HDMI. Parece piada hoje, mas em 2012 era revolucionário por US$ 35. A evolução foi consistente:

    • Raspberry Pi 1 (2012): 700 MHz, 256 MB RAM, 2 USB, Ethernet 100Mbps, HDMI
    • Raspberry Pi 2 (2015): 900 MHz quad-core, 1 GB RAM — finalmente utilizável como desktop leve
    • Raspberry Pi 3 (2016): 1.2 GHz, WiFi e Bluetooth integrados — IoT sem dongles USB
    • Raspberry Pi 4 (2019): 1.5 GHz, até 8 GB RAM, USB 3.0, dual HDMI 4K — um computador de verdade
    • Raspberry Pi 5 (2023): 2.4 GHz, até 16 GB RAM, PCIe 2.0, RTC integrado, GPU VideoCore VII — performance comparável a um laptop de entrada

    Hoje, para o maker, recomendo o Raspberry Pi 4 com 4 GB como ponto ideal custo-benefício. O Pi 5 é mais rápido, mas para servidores, automação e projetos maker, o Pi 4 já é overkill. Se você quer desktop replacement, vá de Pi 5 com 8 GB.

    O Que Um Raspberry Pi Pode Ser

    Diferente do Arduino (que é um microcontrolador — roda um programa de cada vez, sem sistema operacional), o Raspberry Pi é um computador completo rodando Linux. Isso expande radicalmente os casos de uso:

    • Servidor web: com Nginx ou Apache2, você hospeda sites, APIs, dashboards. Um Pi 4 aguenta tráfego moderado sem suar.
    • Home Assistant: a central de automação residencial mais popular do mundo roda que à uma beleza num Pi 4. Controle luzes, sensores, câmeras, tudo local, sem nuvem.
    • Pi-hole: bloqueador de anúncios e rastreadores para toda a rede doméstica. Instala em 10 minutos e transforma sua navegação.
    • Media center: com LibreELEC/Kodi, o Pi vira uma central multimédia que toca qualquer codec, de H.264 a HEVC (Pi 5 suporta 4K60 HEVC por hardware).
    • Console retrô: RetroPie ou Batocera emulam de Atari 2600 a PlayStation 1. O Pi 5 emula até Dreamcast e PSP com folga.
    • Estação meteorológica: sensores de temperatura, umidade, pressão barométrica e qualidade do ar conectados via GPIO, com dados armazenados em InfluxDB, visualizados no Grafana.
    • Cluster de Kubernetes: junte 3 ou 4 Raspberry Pis em um cluster com K3s para aprender orquestração de containers como se fosse um datacenter em miniatura.
    • Cérebro de robô: com ROS (Robot Operating System), o Pi processa visão computacional e tomada de decisão enquanto delega controle de motores para Arduinos conectados via serial.

    Primeiro Projeto em 15 Minutos

    Vamos instalar o Raspberry Pi OS, conectar via SSH e acender um LED com Python. Você vai precisar de: Raspberry Pi (qualquer modelo), cartão microSD de 16 GB+, fonte USB-C 5V 3A, um LED 5mm, resistor 220é, jumpers fêmea-macho e breadboard.

    1. Gravar o Sistema

    Baixe o Raspberry Pi Imager no seu computador principal. Insira o microSD, abra o Imager e escolha: Raspberry Pi Device > seu modelo, Operating System > Raspberry Pi OS (64-bit), Storage > seu cartão SD. Antes de gravar, clique na engrenagem para configurar: hostname (ex: piprojeto.local), usuário/senha, WiFi e — essencial — habilite SSH. Grave.

    2. Conectar via SSH

    Insira o microSD no Pi, conecte a fonte e espere 1-2 minutos. No seu computador, abra o terminal e conecte:

    ssh usuario@piprojeto.local

    Se não encontrar o hostname, descubra o IP do Pi no roteador ou use um scanner como nmap. Quando o prompt aparecer, você está dentro de um servidor Linux que cabe na palma da mão.

    3. Acender LED com Python

    Monte o circuito no GPIO: ânodo do LED (perna longa) no pino GPIO 17 (pino físico 11), cátodo via resistor de 220é no GND (pino físico 9). Agora instale a biblioteca GPIO e crie o script:

    sudo apt update
sudo apt install python3-gpiozero -y
nano led.py

    Dentro do nano, escreva:

    from gpiozero import LED
from time import sleep

led = LED(17)

while True:
    led.on()
    sleep(1)
    led.off()
    sleep(1)

    Salve (Ctrl+O, Enter, Ctrl+X) e execute: python3 led.py. O LED pisca. Você acabou de conectar o mundo da computação Linux ao mundo físico dos componentes eletrônicos. Isso é extraordinário.

    Fontes e Referências

  • Visão Computacional com OpenCV e Raspberry Pi: A Campainha Que Sabe Quem Chegou

    Visão Computacional com OpenCV e Raspberry Pi: A Campainha Que Sabe Quem Chegou

    Reconhecimento facial era coisa de filme de espionagem em 2010. Em 2026, é uma biblioteca Python de 15 linhas rodando num computador de R$ 400 que cabe na palma da mão. O que mudou não foi só o hardware — foi o OpenCV, o projeto de visão computacional open-source mais importante do planeta, que transformou processamento de imagem de especialidade acadêmica em commodity para makers. Hoje vou mostrar como montar uma campainha inteligente que reconhece quem está na porta, notifica seu celular e mantém um registro de visitantes — tudo rodando localmente num Raspberry Pi 5.

    Visão Computacional com OpenCV e Raspberry Pi: A Campainha Que Sabe Quem Chegou
    Wikimedia Commons — CC BY-SA 4.0, autor the Raspberry Pi Foundation

    OpenCV: 25 Anos de Olhos de Máquina

    O OpenCV (Open Source Computer Vision Library) nasceu em 1999 como um projeto interno da Intel Research, liderado por Gary Bradski. A ideia original era acelerar aplicações de visão computacional usando as instruções MMX dos processadores Intel da época. Em 2000, foi liberado como open-source sob licença BSD. Desde então, tornou-se a biblioteca mais usada do mundo para processamento de imagem: mais de 2500 algoritmos otimizados, suporte a GPUs via CUDA e OpenCL, bindings para Python, C++, Java, MATLAB.

    Em 2001, Paul Viola e Michael Jones publicaram um paper que mudou a história da detecção facial: um algoritmo capaz de detectar rostos em tempo real usando classificadores em cascata baseados em características Haar-like. Esse algoritmo foi incorporado ao OpenCV e, duas décadas depois, ainda é o ponto de entrada mais comum para quem quer brincar com visão computacional. Ele não é o mais preciso (redes neurais convolucionais são melhores), mas é absurdamente rápido e funciona em hardware modesto.

    O Hardware: Por Que Raspberry Pi 5

    O Raspberry Pi 5, lançado em outubro de 2023, é um salto geracional significativo. Com o chip BCM2712 quad-core ARM Cortex-A76 a 2.4 GHz, 4 ou 8 GB de RAM e suporte a PCIe 2.0 x1, ele tem potência para rodar detecção facial em tempo real a 15-30 FPS sem GPU externa. A versão de 4 GB custa ~R$ 400-500 no Brasil (via importadores como FilipeFlop ou Mercado Livre). Com uma câmera oficial Raspberry Pi Camera Module 3 (8 MP, autofoco, ~R$ 150), você tem uma plataforma de visão computacional poderosa por menos de R$ 600.

    Materiais

    • Raspberry Pi 5 (4 GB) com cartão microSD de 32 GB+
    • Raspberry Pi Camera Module 3 (ou uma webcam USB compatível com Linux)
    • Fonte 5V/3A USB-C
    • Um buzzer ativo 5V — para a campainha física
    • Um botão táctil — o “botão de campainha”
    • Resistor 10kΩ para pull-up do botão

    Mão na Massa: O Código

    Assumindo Raspberry Pi OS Bookworm instalado e Python 3.11 (vem de fábrica), instale as dependências:

    sudo apt update
sudo apt install python3-opencv python3-picamera2
pip install opencv-python face-recognition numpy

    O face-recognition é uma biblioteca construída sobre o dlib e o OpenCV por Adam Geitgey. Ela abstrai a complexidade de deep learning com uma API de três linhas — literalmente.

    Crie o arquivo campainha.py:

    import cv2
import face_recognition
import numpy as np
from picamera2 import Picamera2
from datetime import datetime
import json
import os

# Inicializa a câmera
picam2 = Picamera2()
config = picam2.create_preview_configuration(main={"size": (640, 480)})
picam2.configure(config)
picam2.start()

# Carrega fotos de referência (rostos conhecidos)
known_encodings = []
known_names = []

# Crie uma pasta 'faces' com fotos nomeadas: joao.jpg, maria.jpg
faces_dir = "faces"
if os.path.exists(faces_dir):
    for filename in os.listdir(faces_dir):
        if filename.endswith((".jpg", ".png")):
            img = face_recognition.load_image_file(f"{faces_dir}/{filename}")
            encodings = face_recognition.face_encodings(img)
            if encodings:
                known_encodings.append(encodings[0])
                known_names.append(os.path.splitext(filename)[0])

print(f"Rostos carregados: {known_names}")

# Variáveis de estado
last_detection = {}
cooldown = 30  # segundos entre notificações da mesma pessoa

def log_visit(name):
    """Registra a visita em JSON"""
    entry = {
        "timestamp": datetime.now().isoformat(),
        "person": name
    }
    print(f"VISITA: {name} às {entry['timestamp']}")
    # Salva no arquivo de log
    try:
        with open("visits_log.json", "r") as f:
            log = json.load(f)
    except:
        log = []
    log.append(entry)
    with open("visits_log.json", "w") as f:
        json.dump(log, f, indent=2)

print("Campainha Inteligente Iniciada. Pressione Ctrl+C para sair.")

while True:
    frame = picam2.capture_array()
    
    # OpenCV usa BGR, face_recognition usa RGB
    rgb_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
    
    # Reduz resolução para acelerar processamento
    small_frame = cv2.resize(rgb_frame, (0, 0), fx=0.25, fy=0.25)
    
    # Detecta localizações dos rostos
    face_locations = face_recognition.face_locations(small_frame)
    face_encodings = face_recognition.face_encodings(small_frame, face_locations)
    
    for (top, right, bottom, left), encoding in zip(face_locations, face_encodings):
        name = "Desconhecido"
        color = (0, 0, 255)  # Vermelho para desconhecidos
        
        # Compara com rostos conhecidos
        if known_encodings:
            matches = face_recognition.compare_faces(known_encodings, encoding, tolerance=0.6)
            if True in matches:
                idx = matches.index(True)
                name = known_names[idx]
                color = (0, 255, 0)  # Verde para conhecidos
        
        # Escala de volta para o tamanho original
        top, right, bottom, left = [x * 4 for x in (top, right, bottom, left)]
        
        # Desenha o retângulo
        cv2.rectangle(frame, (left, top), (right, bottom), color, 2)
        cv2.putText(frame, name, (left, top - 10),
                    cv2.FONT_HERSHEY_SIMPLEX, 0.7, color, 2)
        
        # Log com cooldown
        now = datetime.now().timestamp()
        if name not in last_detection or (now - last_detection[name]) > cooldown:
            log_visit(name)
            last_detection[name] = now
    
    # Mostra o frame
    cv2.imshow("Campainha Inteligente", frame)
    
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cv2.destroyAllWindows()
picam2.stop()

    Esse código faz cinco coisas: captura frames da câmera a 640×480, reduz para 160×120 para processar mais rápido, detecta rostos (Haar cascade acelerado por CNN via face_recognition), compara com uma base de rostos conhecidos e registra as visitas num arquivo JSON. Tudo local. Nada vai pra nuvem.

    Indo Além: Notificação no Celular

    O próximo passo é fazer a campainha notificar o celular quando alguém chega. Use o Pushover (app pago, US$ 5 vitalício) ou Telegram Bot API (grátis). Inclua isso no laço principal:

    import requests

def notify(name):
    # Usando Telegram Bot API
    bot_token = "SEU_TOKEN"
    chat_id = "SEU_CHAT_ID"
    msg = f"Alguém na porta: {name}"
    url = f"https://api.telegram.org/bot{bot_token}/sendMessage"
    requests.post(url, json={"chat_id": chat_id, "text": msg})

    Agora você recebe uma notificação no celular com o nome de quem está na porta. Se for desconhecido, você decide se atende ou não — direto da notificação.

    Onde Isso Vai Parar

    A campainha que reconhece rostos é o portal de entrada para visão computacional maker. A partir daqui, você pode: detectar placas de carro no portão (EasyOCR + OpenCV), contar pessoas numa loja, identificar objetos numa esteira de produção, fazer leitura de medidores analógicos (gás, água, luz), classificar frutas numa máquina agrícola. O OpenCV é a biblioteca, o Raspberry Pi 5 é o cérebro — o limite é o problema que você quer resolver.

    E a pergunta filosófica que fica: se sua campainha sabe quem é você, quem mais precisa saber?

    Fontes e Referências