Kling 4.0, Claude Sonnet 5.5 e um novo robô de IA alemão

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Kling 4.0 AI Video Generator, Claude Sonnet 5.5 + Opus 5.5, New German AI Robot · Canal: AI News · 07:46 · Assistir no YouTube

Tópicos: Claude, Inferência e otimização de modelos, Modelos multimodais, Robótica e sistemas autônomos

Resumo

Kling 4.0 chega com nove novidades para geração de vídeo, incluindo controle por até 10 keyframes, clipes mais longos, prompts maiores e áudio estéreo. Claude Sonnet 5.5 é apresentado como uma opção mais rápida e econômica para tarefas cotidianas, com resultados próximos ou superiores aos de Opus 5.5 em alguns benchmarks citados. A Anthropic também destaca melhorias de eficiência, preço inalterado e salvaguardas de segurança. Por fim, a startup alemã Vesoma apresenta seu trabalho em robôs humanoides que aprendem tarefas físicas por tentativa e erro.

Pontos-chave

Kling 4.0 adiciona nove recursos, entre eles geração guiada por até 10 keyframes e vídeos de 3 a 30 segundos.
O limite de prompt de Kling 4.0 passa a 8.000 tokens, e o modelo inclui áudio estéreo e sincronização labial aprimorada.
Kling 4.0 promete suporte a 10-bit HDR, formato ultrawide 21:9, mais idiomas e texto legível na tela; algumas funções ainda estão por vir.
Claude Sonnet 5.5 é posicionado como um complemento mais rápido e barato a Opus 5.5, não como substituto de ponta.
A Anthropic afirma que Sonnet 5.5 é mais de 30% rápido que Sonnet 5 e pode reduzir o custo por tarefa em até 30%, mantendo o preço por token.
Empresas que testaram Sonnet 5.5 relataram ganhos de velocidade e redução no uso de tokens, etapas ou chamadas de ferramentas.
Jev pode encaminhar mensagens para reduzir chamadas desnecessárias a Opus 5.5, segundo o vídeo.
A alemã Vesoma afirma ter desenvolvido em seis meses um protótipo humanoide ambulante que aprende tarefas físicas por tentativa e erro.

Capítulos

Início	Capítulo	Resumo
00:00	Novidades do Kling 4.0	O vídeo apresenta os nove novos recursos de Kling 4.0, suas especificações de geração e as capacidades mantidas da versão anterior.
03:49	Claude Sonnet 5.5: desempenho e eficiência	A apresentação compara Sonnet 5.5 a Opus 5.5 em benchmarks e destaca velocidade, custos, relatos de empresas e salvaguardas.
06:36	A startup Vesoma e seus robôs humanoides	A Vesoma descreve seu protótipo humanoide e sua abordagem de aprendizado físico, e o vídeo termina mencionando o robô LimX Luna.

Citações

Kling 4.0 chega com nove novos recursos de geração de vídeo por IA. — 00:00

Sonnet 5.5 é um complemento mais rápido e barato a Claude Opus 5.5 para programação cotidiana, correções de bugs e trabalho com documentos. — 03:49

O modelo roda mais de 30% mais rápido que Sonnet 5 e usa cerca de um terço a menos de tokens nas mesmas tarefas. — 04:53

A Vesoma diz que está desenvolvendo humanoides para logística, manufatura, armazenamento e, futuramente, trabalho de cuidado. — 07:06

Conceitos e entidades

Kling 4.0 (ferramenta): Gerador de vídeo por IA apresentado com nove novos recursos de criação e edição.
Kuaishou (empresa): Empresa responsável por Kling e pelas novidades anunciadas para Kling 4.0.
Claude Sonnet 5.5 (modelo): Modelo da Anthropic apresentado como uma opção mais rápida e econômica para tarefas cotidianas.
Claude Opus 5.5 (modelo): Modelo da Anthropic usado como referência de comparação para desempenho e custo.
Anthropic (empresa): Empresa que desenvolve os modelos Claude e divulga os resultados e preços de Sonnet 5.5.
Terminal-Bench 4.0 (conceito): Benchmark citado para avaliar tarefas de programação agentic em um terminal real.
GDPval (conceito): Avaliação citada no vídeo para medir desempenho em tarefas profissionais do mundo real.
OSWorld 2.1 (conceito): Benchmark mencionado para avaliar a capacidade de operar um computador.
Jev (ferramenta): Ferramenta que, segundo o vídeo, classifica mensagens e pode evitar chamadas desnecessárias a Opus 5.5.
Vesoma (empresa): Startup de Munique que desenvolve robôs humanoides para tarefas físicas em setores como logística e manufatura.
Martin Reed Miller (pessoa): Ex-pesquisador do Google DeepMind apresentado no vídeo como responsável pela área de IA da Vesoma.
LimX Luna (modelo): Robô humanoide da LimX mencionado no encerramento do vídeo.

Tradução completa (pt-BR)

00:00 Hoje, no AI News, Kling 4.0 lança nove novos recursos de geração de vídeo com IA. Claude Sonnet 5.5 abala o setor, e um novo humanoide alemão representa o estado da arte. Mas, primeiro, a Kuaishou não apenas atualizou o Kling: reconstruiu o produto com nove novos recursos. Começando por um dos maiores: número um, geração com múltiplos keyframes. Agora, até 10 imagens de keyframes podem orientar uma única geração, dando um controle muito mais preciso sobre como os momentos-chave da história de uma cena se desenrolam, em vez de deixar o modelo adivinhar o que acontece entre um momento e o seguinte, o que

00:33 é essencial em cenas mais longas, com vários planos, nas quais a continuidade costumava se perder. E essa estrutura de controle só importa se houver espaço para a cena realmente se desenrolar. Isso nos leva ao recurso número dois: duração do vídeo. Agora, uma única geração pode durar de 3 a 30 segundos, em vez de ficar limitada aos antigos clipes curtos do Kling. Assim, uma cena completa pode se desenrolar em uma tomada contínua, em vez de ser montada a partir de várias gerações mais curtas. Mas gerações mais longas precisam de mais instruções para preencher esse tempo. É aí que entra o recurso número

01:05 três: o tamanho do prompt, que aumentou para 8.000 tokens. Assim, instruções detalhadas e divididas em várias partes, cobrindo ações dos personagens, movimentos de câmera, ritmo e diálogo, podem ser incluídas em um único prompt e realmente ser lidas e seguidas, em vez de serem cortadas no meio. E, quando o modelo consegue receber o prompt completo, a próxima atualização permite executá-lo de forma convincente. O recurso número quatro é o áudio estéreo de dois canais, que substitui a faixa de áudio única e plana de antes, combinado com o que a Kuaishou chama de sincronização labial muito mais precisa.

01:35 Na verdade, a Kuaishou apresenta isso como seu maior salto até agora na qualidade combinada de áudio e imagem: os rostos mantêm os detalhes durante o movimento, a iluminação se comporta de forma mais realista e a linguagem corporal transmite emoções reais, em vez de gestos genéricos e rígidos. E esse salto visual se estende à própria cor com o recurso número cinco: HDR de 10 bits, chegando tanto em 1080p quanto em 4K, marcado como disponível em breve, para cores mais ricas e transições mais suaves entre luz e sombra, especialmente em cenas de alto contraste, como planos em contraluz, direção noturna ou ruas iluminadas por néon, com muito menos banding de cor.

02:09 Além de cores mais ricas, o Kling também está repensando o próprio enquadramento com o recurso número seis: suporte nativo ao formato ultrawide 21:9, para que proporções cinematográficas, no estilo de tela de cinema, não precisem mais ser simuladas ou cortadas na pós-produção. E isso se soma aos formatos 16:9, 1:1 e 9:16 já compatíveis. Além disso, os dois recursos seguintes dizem respeito a quem o Kling pode realmente atender. O recurso número sete adiciona três novos idiomas: alemão, francês e indonésio. E

02:42 por isso, o Kling agora é compatível com nove idiomas no total. Mas o recurso número oito também tem a ver com idioma: agora o Kling consegue gerar emojis e logotipos legíveis na tela como parte da geração de texto, não apenas palavras. A Kuaishou afirma que o texto continua legível mesmo quando a câmera se move ou a cena muda. Para fechar a lista, há uma mudança que volta à duração, mas pelo outro lado: o recurso número nove, extensão de vídeo, que permite aos criadores prolongar um vídeo gerado com várias

03:15 extensões, por até 2 minutos no total. Mas vale observar que esse recurso está marcado como disponível em breve. Além dos novos recursos que o Kling 4.0 traz, ele também inclui os mesmos fundamentos poderosos, como texto para vídeo, imagem para vídeo e controle do primeiro ao último frame, todos mantidos como estavam, com resolução máxima igual à do Kling 3: 720p, 1080p e 4K. Ele também conta com o mesmo sistema de referência Omni, que permite que uma geração use até 15 elementos de referência no total: até 10 imagens,

03:49 até cinco vídeos, somando 30 segundos, e até sete sujeitos, cada um com uma voz específica atribuída. A edição de vídeo aceita até cinco clipes de entrada por edição. Mas, enquanto o Kling 4.0 está ampliando os limites dos geradores de vídeo com IA, a Anthropic segue outra direção com o lançamento do Claude Sonnet 5.5, apresentando-o como um complemento mais rápido e barato ao Claude Opus 5.5 para programação do dia a dia, correções de bugs e trabalho com documentos, e não como um substituto de ponta. No Terminal Bench 4.0, um benchmark de programação agêntica em um terminal real, o

04:21 Sonnet 5.5 chega a superar o Opus 5.5 e representa um salto enorme em relação ao resultado anterior do próprio Sonnet 5. No GDPval, que mede o desempenho em tarefas profissionais do mundo real, o Sonnet 5.5 fica um pouco atrás do Opus 5.5, praticamente igualando seu irmão maior. E, no OSWorld 2.1, um benchmark de operação de computadores, o Sonnet 5.5 fica pouco abaixo do resultado do Opus 5.5. A Anthropic também afirma que é o primeiro modelo Sonnet a vencer Pokémon Red usando

04:53 apenas capturas de tela, em um teste interno de longa duração sobre raciocínio em várias etapas ao longo de horizontes longos. Além disso, a Anthropic afirma que o modelo roda mais de 30% mais rápido que o Sonnet 5 e usa cerca de um terço menos tokens para as mesmas tarefas, reduzindo o custo por tarefa em até 30%. Com esforço de raciocínio baixo ou médio, a Anthropic afirma que o Sonnet 5.5 consegue igualar o melhor desempenho já alcançado pelo Sonnet 5 por cerca de um décimo do custo por tarefa. Mas, ainda mais importante, o preço não mudou. Continua sendo US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída,

05:27 a mesma tarifa do Sonnet 5 e metade do custo do Opus 5.5. Os primeiros testadores estão relatando resultados impressionantes: a Box reportou execuções 2,4 vezes mais rápidas, com 12% menos tokens. A Zendesk reportou processamento de tickets 20% mais rápido, e o Slack relatou menos tokens de saída e menos etapas para chegar ao mesmo resultado. Na verdade, a plataforma de programação Lovable reportou cerca de um terço menos chamadas de ferramentas e aproximadamente metade das execuções de shell por tarefa. A Anthropic também afirma que o modelo iguala as proteções de segurança do Opus 5.5 e adiciona classificadores destinados a

06:01 bloquear tentativas de extrair seu processo de raciocínio. Mas esse esforço por eficiência não se limita totalmente ao Sonnet 5.5: usuários também estão reduzindo em mais de 35% suas contas do Opus 5.5 simplesmente encaminhando mensagens pelo Jev, da TypeSafe. Isso porque o Jev classifica cada mensagem por tipo, urgência e pela necessidade de uma resposta de fato, por uma fração de centavo, de modo que o Opus 5.5 só é acionado quando a tarefa realmente exige raciocínio complexo. Mas a IA incorporada também está avançando a passos largos: outra empresa de robôs humanoides, de Munique, na Alemanha, está progredindo, e

06:36 seu nome é Vesoma. Fundada em dezembro de 2025, ela acaba de sair do modo furtivo. A empresa cresceu para mais de 60 funcionários e ocupa mais de 3.500 m de espaço de laboratório e escritório. O ex-pesquisador e diretor da Google DeepMind Martin Reed Miller agora lidera a área de IA. A Vesoma diz que passou do zero a um protótipo de humanoide capaz de andar, movido por uma política que aprendeu sozinho em apenas seis meses, e chama sua abordagem de inteligência física geral: aprender tarefas físicas por tentativa e erro, em vez de imitar demonstrações humanas.

07:06 A Vesoma diz que está desenvolvendo seus humanoides para trabalhar em logística, manufatura, armazenagem e, futuramente, em atividades de cuidado. Mas não deixe de nos dizer nos comentários abaixo quanto você acha que esse robô deveria custar. E, por fim, confira este unboxing do novo humanoide Luna, da Limx.

07:46 Enfim, curta e inscreva-se para acompanhar as últimas notícias sobre IA e robótica. Obrigado por assistir.

Transcrição original

[00:00] Today on AI news, Kling 4.0 drops nine new AI video generation features. Claude Sonnet 5.5 shakes the industry and state of the end for a brand new German humanoid. But first, Kuaishou didn’t just update Kling, they rebuilt it with nine new features. Starting with one of the biggest, number one, multi key frame generation. Up to 10 key frame images now guide a single generation, giving far more precise control over how a shot’s story beats land, rather than leaving the model to guess what happens between one moment and the next, which

[00:33] matters most in longer multi-seene shots where continuity used to break down. And that control structure only matters if the shot has room to actually play out. Which brings us to feature number two, video duration. as now a single generation can run between 3 to 30 seconds instead of Clling’s old short clip ceiling. So, a full scene can unfold in one continuous take instead of getting stitched together from several shorter generations. But longer generations need more directions to fill it. And that’s where feature number

[01:05] three comes in, prompt length, which jumped to 8,000 tokens. So, more detailed multi-part direction covering character actions, camera moves, pacing, and dialogue all in one prompt. actually gets read and followed instead of getting cut off partway through. And once the model can take in the full prompt, the next upgrade is about to convincingly execute it. With feature number four, which is two channel stereo audio, replacing the single flat audio track from before, paired with what Quaisho calls far more accurate lip

[01:35] sync. In fact, Kuaishou frames this as its biggest leap yet in combined audio and visual quality with faces holding detail through motion, lighting behaving more realistically, and body language carrying real emotion instead of stiff generic gestures. And that visual leap carries straight into color itself with feature number five 10-bit HDR arriving at both 1080p and 4K marked as coming soon for richer color and smoother transitions between light and shadow, especially in high contrast scenes like backlit shots, night driving or neon lit

[02:09] streets with noticeably less color banding along the way. And alongside richer color, Kling is also rethinking the frame itself with feature number six, native 21x9 ultrawide support, so that cinematic theater style aspect ratios don’t need to be faked or cropped in post anymore. And this is on top of the already supported 16x9, 1x1, and 9x6 formats. Additionally, the following two features are about who Kling can actually speak to, with feature number seven adding three new languages, German, French, and Indonesian. And

[02:42] because of this, Kling now supports nine total languages. But feature number eight also deals with language as Kling can now generate legible on-screen emojis and logos as part of its text generation, not just words. With Kuaishou saying that text stays readable even as the camera moves or the scene cuts. And rounding out the list is the one change that circles back to runtime just from the other direction, which is feature number nine, video extension, allowing creators to stretch a generated video across multiple

[03:15] extensions up to 2 minutes total. But something to note is that this feature is marked as coming soon. And in addition to this, what Kling 4.0 brings to the table in terms of new features. It’s also packing the same powerful fundamentals, including text to video, image to video, and first to last frame control, all carried over as is with resolution topping out the same as Kling 3 at 720p, 1080p, and 4K. And it also features the same Omni reference system which lets one generation draw up to 15 total reference assets, up to 10 images,

[03:49] up to five videos totaling 30 seconds, and up to seven subjects with a specific voice assigned to each one. And video editing supports up to five input clips per edit. But while Kling 4.0 0 is pushing the envelope of AI video generators. Anthropic is pushing in a different direction with the release of Claude Sonnet 5.5, framing it as a faster, cheaper complement to Claude Opus 5.5 for everyday coding, bug fixes, and document work rather than a flagship replacement. And on Terminal Bench 4.0, know a benchmark for agentic coding in a

[04:21] real terminal. Sonnet 5.5 actually edges out Opus 5.5 and represents a massive jump over Sonnet 5’s own prior result. And on GDP vala measuring performance on realworld professional tasks, Sonnet 5.5 comes in just barely behind Opus 5.5, essentially matching its own larger sibling. And on OSWorld 2.1, a benchmark for operating a computer, Sonnet 5.5 lands just under Opus 5.5’s result. Anthropic also says it’s the first Sonnet model to beat Pokémon Red using

[04:53] only screenshots, a longrunning internal test of multi-step reasoning over Long Horizons. Plus, Anthropic says the model runs more than 30% faster than Sonnet 5 while using roughly a third fewer tokens for the same tasks, cutting per task cost by up to 30%. And at a low or medium reasoning effort, Anthropic says Sonnet 5.5 can match Sonnet 5’s best ever performance for roughly onetenth of the cost per task. But even more importantly, pricing itself hasn’t moved. It’s still $2 per million input tokens, $10 per million output tokens,

[05:27] which is the same rate as Sonnet 5, and half of the cost of Opus 5.5. And early testers are reporting impressive stats with Box reporting 2.4 four times faster runs with 12% fewer tokens. Zenesk reporting 20% faster ticket processing and Slack reporting fewer output tokens and fewer steps to reach the same result. In fact, coding platform Lovable reported roughly a third fewer tool calls and about half as many shell executions per task. Anthropic also says the model matches Opus 5.5 security safeguards and adds classifiers meant to

[06:01] block attempts to extract its reasoning process. But this efficiency push isn’t entirely limited to sonnet 5.5 as users are also cutting their opus 5.5 bills by over 35% by simply routing messages through type safes jev. This is because Jeb sorts each message by type urgency and whether it needs a real reply for a fraction of a scent so that opus 5.5 only gets called in when the job actually needs hard reasoning. But embodied AI is also leaping ahead as another humanoid robot company from Munich, Germany is making strides and

[06:36] its name is Vesoma, founded in December 2025 and it just came out of stealth. In fact, the company has grown to over 60 employees, filling more than 3,500 m of lab and office space with former Google DeepMind researcher director Martin Reed Miller now leading AI. The Soma says it went from nothing to a walking humanoid prototype, moving on a policy that it taught itself in just six months, and it calls its approach physical general intelligence, learning physical work

[07:06] through trial and error instead of imitating human demonstrations. Voma says it’s building its humanoids to work in logistics, manufacturing, warehousing, and eventually care work. But make sure to tell us down below in the comments how much you think this robot should cost. And finally, check out this unboxing of Limx’s brand new Luna humanoid.

[07:46] Anyways, like and subscribe for more of the latest in AI and robotics news and thanks for watching.