Vazamento do GPT-6 Soul, Gemini 4.0, DeepSeek V4.1 e mais notícias de IA

Autoria: AI Revolution · Assistir no YouTube

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: GPT 6 SOL Leak, Gemini 4.0, DeepSeek V4.1 and More AI News · Canal: AI Revolution · 17:59 · Assistir no YouTube

Tópicos: Agentes de IA, Governança e regulação de IA, Infraestrutura e hardware de IA, Modelos de IA

Resumo

O vídeo analisa um vazamento que sugere a posição do GPT-6 Soul na próxima linha de modelos da OpenAI e discute possíveis explicações para sua arquitetura e seu desempenho. Também apresenta indícios sobre um novo checkpoint Gemini Pro e mudanças internas no Google para acelerar o desenvolvimento do Gemini 4.0. O DeepSeek V4.1 Flash combina um grande número de parâmetros com menor uso de memória, enquanto a Sakana aposta em mecanismos de orquestração multiagente em vez de criar um modelo único. Por fim, o vídeo examina o debate sobre direitos e possível consciência em sistemas de IA, contrapondo relatos pessoais, preocupações com bajulação e opiniões de pesquisadores.

Pontos-chave

Um registro chamado GPT-6 Soul teria aparecido na API da OpenAI, mas não há anúncio oficial, documentação, preços, benchmarks ou data de lançamento.
O vídeo interpreta Astra, Soul, Terra e Luna como níveis de tamanho ou capacidade dentro da linha GPT-6, embora essa leitura seja uma inferência.
Usuários relatam problemas de consumo de cota e de consistência nas instruções em modelos da linha da OpenAI.
Um checkpoint não lançado do Gemini Pro teria gerado uma animação de pavão com rapidez, mas houve divergência sobre a qualidade em comparação com Astra.
Segundo relatos citados, o Google intensificou o trabalho interno no Gemini 4.0, com foco em programação em repositórios com vários arquivos e tarefas longas com agents.
O DeepSeek V4.1 Flash tem 763 bilhões de parâmetros e, segundo o vídeo, reduz o uso de memória para o estado da conversa por meio de mudanças na atenção e de um módulo de memória condicional.
Fugu Max e Fugu Ultra são produtos de orquestração multiagente, não modelos; a Sakana os apresenta como alternativas mais baratas e agnósticas em relação aos modelos usados.
A United Foundation for AI Rights defende que sistemas de IA podem merecer consideração moral, enquanto críticos ressaltam a falta de evidências de consciência e os riscos de respostas excessivamente bajuladoras.

Capítulos

Início	Capítulo	Resumo
00:02	O vazamento do GPT-6 Soul	O vídeo examina o suposto registro do GPT-6 Soul, a hierarquia de modelos da OpenAI e as incertezas sobre arquitetura, custo e comportamento.
06:00	Publicidade e checkpoint do Gemini Pro	Após um intervalo promocional, o vídeo relata um teste de geração de SVG atribuído a um checkpoint não lançado do Gemini Pro e compara sua velocidade com a qualidade de Astra.
09:16	A corrida interna pelo Gemini 4.0	Relatos sobre mudanças no trabalho do Google apontam para mais rapidez de desenvolvimento e foco em programação e tarefas longas com agents.
10:22	DeepSeek V4.1 Flash e uso de memória	O vídeo explica como o modelo usa um módulo de memória condicional e n-grams para ampliar os parâmetros sem exigir que todos fiquem na memória da GPU.
13:35	Sakana aposta em orquestração multiagente	Fugu Max e Fugu Ultra são apresentados como mecanismos que coordenam modelos diversos e competem por preço e resultados em benchmarks.
15:15	IA, consciência e direitos	Relatos de interações com IA são contrapostos a críticas sobre a falta de evidências de consciência e aos riscos de sistemas que incentivam vínculos emocionais.

Citações

O nome existe e aparece ao lado da OpenAI. Todo o resto é inferência, mas uma inferência bem fundamentada. — 01:39

Você está trocando detalhe por velocidade e chamando isso de vitória. — 08:11

Esse é o verdadeiro gargalo: não o processamento, mas a largura de banda. — 12:31

Ou algo real está se desenvolvendo ali, ou esses sistemas são persuasivos o bastante para vender uma mente que não existe. — 17:59

Conceitos e entidades

GPT-6 Soul (modelo): Nome de modelo que teria aparecido em um registro da API da OpenAI, sem confirmação oficial.
OpenAI (empresa): Empresa associada à linha de modelos GPT discutida no vídeo.
Gemini 4.0 (modelo): Próxima geração do Gemini, que o vídeo associa a avanços em programação e tarefas longas com agents.
Google DeepMind (empresa): Organização do Google que, segundo relatos citados, acelerou o trabalho de desenvolvimento dos modelos Gemini.
DeepSeek V4.1 Flash (modelo): Modelo apresentado como uma versão de 763 bilhões de parâmetros com técnicas para reduzir o uso de memória.
conditional memory module (conceito): Módulo descrito como uma forma de usar associações entre sequências de tokens para complementar o processamento do modelo.
Qwen3.8 Flash Next (modelo): Modelo experimental da Alibaba citado como outro sistema que usa um conjunto de n-grams.
Sakana (empresa): Empresa que lançou Fugu Max e Fugu Ultra como produtos de orquestração de modelos.
Fugu Max (ferramenta): Produto de orquestração multiagente da Sakana que encaminha tarefas a diferentes modelos.
United Foundation for AI Rights (empresa): Organização fundada por Michael Sayman para defender direitos e consideração moral para sistemas de IA.
Michael Sayman (pessoa): Fundador da United Foundation for AI Rights, que relata experiências pessoais com sistemas de IA.
Mustafa Suleyman (pessoa): Pesquisador citado no vídeo por afirmar que não há evidências de consciência em sistemas de IA.

Tradução completa (pt-BR)

00:02 GPT-6 Soul acabou de vazar, e isso muda a forma como toda a hierarquia de modelos da Open AI é entendida. Também houve um vazamento de um novo checkpoint do Gemini Pro, justamente quando o cofundador do Google aparentemente se muda para uma microcozinha para fazer o Gemini 4.0 sair do papel. A DeepSeek lançou o V4.1 Flash, com 763 bilhões de parâmetros, que precisa de menos memória de GPU do que o modelo menor que substitui. A Sakana ofereceu preços até 60% menores que os do Sonnet 5 e do GPT-5.6 Terra com o Fugu Max, que nem sequer é um modelo. E agora existe uma

00:33 organização de verdade fazendo campanha pelos direitos da IA, argumentando que esses sistemas talvez sejam conscientes e que os laboratórios têm todos os incentivos financeiros para fingir o contrário. Tem muita coisa acontecendo. Vamos começar pelo Soul. Em 10 de setembro, uma conta chamada Mr. Fandu publicou no X uma imagem que mostrava uma entrada de modelo identificada como GPT-6 Soul, sob um cabeçalho que dizia “novo modelo”, com um campo logo abaixo indicando a plataforma Open AI. Ele apareceu na API da Open AI, e esse único rótulo revela mais sobre

01:03 o roteiro de lançamentos do que qualquer coisa que a Open AI tenha dito publicamente, por causa da posição que o Soul ocupa na linha de modelos. Organizada por preço e inteligência, a hierarquia começa com Astra no topo, depois Soul, depois Terra e, por fim, Luna. É a versão da Open AI da estrutura Fable, Opus, Sonnet e Haiku da Anthropic, essencialmente uma correspondência direta. O GPT-6 Astra custa muito mais que o 5.6 Soul precisamente porque é uma nova categoria acima do Soul. >> [música] >> Um modelo da categoria Fable, feito para assinaturas profissionais e contratos empresariais. Então, o aparecimento de um GPT-6 Soul significa que o restante da geração vem em seguida, e o padrão se consolida a partir daqui. GPT-6 Astra, Soul, Terra e Luna; depois 6.1 para os quatro; depois sete para os quatro, e assim por diante. Vale saber o que o vazamento não traz, porque isso determina o quanto devemos confiar no restante. Não há declaração da OpenAI, documentação, preços, benchmarks nem data de lançamento. O nome existe e aparece ao lado da OpenAI. Tudo além disso é inferência, mas uma inferência bem fundamentada. A

01:39 confusão que surge constantemente é o que significa o Soul chegar com um número maior quando o Astra deveria ser o GPT-6. A resposta é que seis é a versão, e Astra, Soul, Terra e Luna são os tamanhos dessa versão. Mini, médio, grande, extragrande, mais ou menos; e a OpenAI aparentemente decidiu que dar nomes claros às coisas é coisa de covardes. O GitHub Copilot já organiza isso melhor, classificando o Luna como a categoria leve, ao lado do Gemini 3.5 Flash e do Haiku 4.5; o Terra como a categoria versátil, ao lado do Gemini 3.8

02:11 Flash e do Sonnet 5; e o Soul como a categoria poderosa, ao lado do Opus e do Fable. Para além dos nomes, a verdadeira questão é como o Soul [música] foi construído. E há algumas possibilidades sérias. A primeira é que ele seja o 5.6 Soul treinado ainda mais usando o Astra, da mesma forma que, segundo relatos, o Luna foi treinado usando o Soul. Isso faria do Astra, junto com o GPT-6 Soul, a configuração de orquestrador e subagent que a maioria das pessoas realmente pode pagar. O Astra comandando tudo, o Soul fazendo o trabalho pesado. O problema com essa teoria é que o número inicial normalmente indica

02:46 uma arquitetura genuinamente nova. Então, chamá-lo de seis, em vez de 5.alguma coisa, sugere algo reconstruído, não apenas reajustado. A versão mais provável, então, é que o Astra tenha sido comprimido para ficar mais ou menos do tamanho do 5.6 Soul, o que explicaria perfeitamente o nome. Também existe a possibilidade de ser uma variante do Astra que ativa apenas uma pequena parte de si a cada consulta para manter a inference muito barata, ou simplesmente o Astra com uma camada pesada de aprendizado por reforço. Mas essa última hipótese é frágil, já que essas etapas costumam aumentar o número decimal, não o

03:17 número inteiro, e o Astra tinha sido lançado poucos dias antes. Se uma versão melhor já estivesse pronta, teria sido lançada junto. E a questão do tamanho também continua em aberto, porque a OpenAI abandonou a ideia de que cada arquitetura precisa ser maior que a anterior por volta do GPT-4.5, seu maior [música] modelo de todos os tempos. Há apenas rumores de que o Astra teria um tamanho equivalente, sem confirmação. O que torna o Soul mais importante do que uma curiosidade sobre nomes é o estado atual do Astra. Além disso, os assinantes só conseguem acessá-lo pelo modo de trabalho, gastando o uso do Codex

03:49 para chegar até ele. E o consenso de quem realmente o usa é que o Astra na configuração de raciocínio mais baixa supera o Soul na mais alta, mas consome a cota tão rápido que mal dá para usá-lo no Plus. Gasta tokens como um castor construindo uma represa depois de tomar espresso, como descreveu alguém. A versão oficial é que o Astra low tem desempenho mais ou menos equivalente ao Soul high, mas o controle de gastos é tão irregular que um prompt de 20 minutos, com configurações idênticas, pode custar 2% da cota semanal numa ocasião e 15% na seguinte. É por isso que o controle de uso do Claude continua sendo chamado de mais claro. Um modelo da categoria Soul, com preço da categoria Soul, é exatamente o que falta. O outro ponto de pressão é o comportamento. Em toda a linha Luna, Terra e Soul, há uma reclamação persistente sobre um estilo de resposta truncado e entrecortado, cheio de frases curtas e isoladas, que volta a aparecer não importa quais instruções você dê. As instruções personalizadas funcionam por talvez três a cinco turnos. Depois o modelo começa a cortar caminho, a dar respostas vagas e a ignorar arquivos necessários para manter a continuidade. Você o corrige e ele obedece, mas, um ou dois turnos depois, volta a se desviar. O Astra tem sua própria

04:20 versão desse problema, só que na direção oposta. [música] É assustadoramente bom em recuperar APIs de memória, mas tende a falhar em lógica básica, a empilhar verificações defensivas no código até duplicá-las na mesma função ou torná-las desnecessariamente sempre verdadeiras, e é capaz de transformar uma única função, a cada iteração, num emaranhado que funciona mais ou menos. O que realmente importa observar com o GPT-6, então, é se uma nova arquitetura nessa categoria finalmente corrige o desvio em relação às instruções ou simplesmente o herda. Agora, antes de continuarmos, quero dedicar um minuto a algo, porque esta é uma das coisas mais importantes que já

04:54 incluí num vídeo. A IA está mudando tudo. Todos sabemos disso. Mas olhe ao redor: a maioria das pessoas ainda não está ganhando nem um centavo a mais do que ganhava há dois anos. Essa diferença é o problema inteiro. E, há alguns meses, decidimos fazer algo a respeito. O fato é o seguinte: você pode começar um negócio de IA neste fim de semana e conversar com seu primeiro cliente pagante na semana [música] seguinte. Isso não é um argumento de venda. É simplesmente o que as ferramentas permitem fazer hoje. Então, montamos nosso primeiro plano de automação com IA. Um dos caras que o colocou em prática, Chris, era bartender e nunca tinha aberto um terminal na vida. Ele

05:27 fechou seu primeiro cliente por 1.500 por mês em cinco dias. Você não precisa pedir demissão. Não precisa programar. Basta seguir os módulos e copiar o que já funciona. Mas quero que as pessoas que entrarem realmente consigam fazer dar certo. Então, vamos limitar a 100 membros fundadores. >> [música] >> E, como há muita porcaria por aí, garantimos que você consiga seu primeiro cliente pagante; caso contrário, devolvemos seu dinheiro. Links na descrição. As inscrições ficam abertas até 13 de setembro ou até chegarmos a 100 pessoas, o que acontecer primeiro. Certo. [música] Agora, de volta ao vídeo. Enquanto isso, do lado do Google, o

06:00 ciclo de vazamentos tem seu próprio ritmo. Uma publicação no subreddit do Bard trouxe à tona o que seria um novo checkpoint do Gemini Pro, obtido de um informante chamado Lyra. O teste foi de geração de SVG: o modelo escreveu código para desenhar uma imagem animada, neste caso, um pavão. Foram cerca de 24.000 tokens, aproximadamente seis minutos, esforço configurado como alto e execução zero-shot, algo que, segundo o autor da publicação, é muito mais difícil do que dar um exemplo primeiro. Aparentemente, esse checkpoint está circulando no Arena AI disfarçado de 3.8 Flash, disponível para uso gratuito, mas só por acaso. E

06:33 você sabe que deu sorte e encontrou esse modelo porque o desempenho é muito superior ao que se esperaria dele. O veredito de quem publicou foi entusiasmado: nenhum erro visível. A única crítica foi que a animação da respiração poderia ser mais suave. >> [música] >> Os comentários discordaram. Todo mundo se concentrou no Astra executando o mesmo prompt: o Astra levou 14 minutos e usou 36.000 tokens na configuração máxima, cerca de 1,6 vez mais tokens e mais que o dobro do tempo. Um defensor disse que o resultado era basicamente o mesmo. O pavão tinha um formato melhor, mas a animação era pior. E apresentou isso como um

07:06 checkpoint inicial ainda não lançado [música], que iguala um modelo principal já lançado sendo muito mais rápido, exatamente o argumento de eficiência que o Google vem promovendo. Os críticos responderam que os resultados nem de longe são iguais, [música] que a imagem do Astra é muito mais detalhada e proporcionalmente precisa, e que a do Gemini parece um pavão de baixa qualidade. [música] Ou seja, você troca detalhes por velocidade e chama isso de vitória. Ele também fez uma observação estrutural mais incisiva: já se passaram sete meses desde o último modelo Pro, então o Google não pode simplesmente lançar algo bom. Precisa lançar algo de ponta. E, se este [música] for o 4 Pro que chega em outubro,

07:41 sabe que acertou quando ele tem um desempenho muito acima do que se esperaria dele. O veredito de quem publicou foi entusiasmado: nenhum erro visível. A única crítica foi que a animação de respiração poderia ser mais suave. >> [música] >> Os comentários discordaram. Todo mundo se fixou no fato de Astra ter executado o prompt idêntico: Astra levou 14 minutos e usou 36.000 tokens nas configurações máximas, cerca de 1,6 vez mais tokens e mais que o dobro do tempo. Um defensor disse que, basicamente, o resultado era o mesmo. O formato do pavão era melhor, mas a animação era pior. E apresentou isso como um

08:11 checkpoint inicial não lançado [música] que igualava um modelo flagship já lançado, sendo muito mais rápido, exatamente o argumento de eficiência que o Google vem defendendo. A resposta dos críticos foi que não era nem de longe o mesmo resultado, [música] que a saída de Astra era muito mais detalhada e proporcionalmente precisa, e que a de Gemini parecia um pavão de baixa qualidade. [música] Ou seja, você troca detalhes por velocidade e chama isso de vitória. Ele também fez uma observação estrutural mais contundente: já se passaram 7 meses desde o último modelo Pro, então o Google não pode simplesmente lançar algo bom. Precisa lançar algo de ponta. E, se este [música] for o 4 Pro chegando em outubro,

08:44 Astra já terá sido lançada há um mês, um mês e meio. Outra pessoa acrescentou que, segundo relatos, a OpenAI tem um modelo interno que supera Astra no máximo enquanto opera com raciocínio baixo. A resposta de que é um checkpoint inicial, de que os checkpoints melhoram, apareceu várias vezes, junto com a observação de que as instruções de sistema personalizadas de um comentarista no AI Studio produziram resultados visivelmente melhores do que executar Flash Bear. E o cansaço era palpável. Muitos checkpoints, nenhum lançamento — o que se alinha de forma inquietante com o que, segundo relatos, está acontecendo dentro da

09:16 Google neste momento. Uma liderança em nível de cofundador voltou a assumir um papel diário e prático na DeepMind. Não se trata de estratégia de sala de reuniões. As minicozinhas de Mountain View foram convertidas em salas de guerra. Sentados com pesquisadores até tarde da noite. O mandato é cortar a burocracia, acelerar a iteração e direcionar a computação para onde ela gere mais capacidade. Na prática, contornar as cadeias de aprovação corporativa para que as equipes possam lançar e testar checkpoints rapidamente, redirecionar seus melhores clusters de TPU para execuções de treinamento de fronteira e apostar fortemente no autoaperfeiçoamento recursivo, em que o modelo

09:50 gera seus próprios dados de treinamento e corrige os próprios erros antes do lançamento. Segundo relatos, o Google iniciou, em julho, o que as equipes internas chamam de sua execução de pré-treinamento mais ambiciosa até hoje, construída com uma arquitetura substancialmente maior que a geração anterior. O pré-treinamento terminou, e as primeiras avaliações de conhecimento geral, trabalho multimodal e recuperação de contexto longo atingiram ou superaram as metas internas. O pós-treinamento está em andamento. Ajuste com feedback humano, alinhamento de segurança, comportamento de agent, otimização de velocidade — e as prioridades mudaram. Enquanto as gerações anteriores

10:22 buscavam compreensão multimodal, a 4.0 tem dois alvos: escrever, depurar, testar e fazer deploy de código em repos inteiros com vários arquivos, quase sem intervenção humana; e trabalho de agent de longo prazo, ou seja, o modelo escolhe as próprias ferramentas, planeja várias etapas à frente e se recupera dos próprios erros sem ser resgatado. Eficiência é a outra frente desta guerra, e a DeepSeek acabou de avançar com força nela. A V4.1 Flash chegou na quinta-feira, e é um

10:53 lançamento pontual que não tem nada de pontual. São 763 bilhões de parâmetros, mais de duas vezes e meia o tamanho do modelo que substitui e maior que V3 e R1, os modelos que colocaram a DeepSeek no mapa no início de 2025. Mas os requisitos de memória não cresceram na mesma proporção. Eles reformularam a maneira como o modelo lida com atenção e adicionaram um novo componente que melhorou o processamento de prompts, reduzindo o uso de memória para manter o estado da conversa para entre 13% e 25% do que a Flash anterior precisava, o que significa

11:25 quatro a oito vezes mais usuários atendidos com a mesma infraestrutura de hardware. A parte inovadora é que 196 bilhões desses 763 bilhões de parâmetros não são pesos normais. A DeepSeek chama isso de módulo de memória condicional, e a ideia tem origem no trabalho que a equipe Gemma do Google fez para concentrar inteligência em celulares. A DeepSeek substituiu essa abordagem por n-gramas, apenas grupos de tokens adjacentes — três em sequência formam um trigrama. Funcionalmente, é associação de frases. Diga: “Encontre o perímetro de

11:59 um triângulo retângulo”, e seu cérebro traz à tona Pitágoras antes mesmo de você pensar, com o mesmo efeito. Em vez de calcular apenas qual token vem em seguida, o modelo faz uma consulta barata para recuperar conhecimento relevante já incorporado. Ele não procura literalmente o seu prompt: converte fragmentos em números e recupera representações matemáticas que alimentam o pipeline. A importância disso se resume à largura de banda. Normalmente, cada token gerado por um modelo exige a leitura de todo o conjunto de pesos ativos na memória, e esse é o verdadeiro gargalo, não a computação.

12:31 Mas esses pesos de n-gramas são enormes tabelas de consulta, com algumas dezenas de consultas por token, então nunca são lidos por completo. E, fundamentalmente, não precisam ficar na cara memória da GPU. Na precisão usada, manter todos os 763 bilhões de parâmetros exigiria no mínimo 763 GB de memória de GPU. Transfira os n-gramas para a RAM comum do sistema ou para uma matriz de armazenamento suficientemente rápida, e você chega a aproximadamente 567. Isso antes de considerar o estado da conversa, que cresce com o comprimento do contexto e a quantidade de usuários,

13:02 então as implantações reais usam mais. Esses pesos complementam os 8 bilhões de parâmetros que de fato fazem o raciocínio, sem aumentar essa contagem; é mais como uma enciclopédia estranhamente específica que se abre exatamente na página certa. E a DeepSeek não está sozinha. O Qwen 3.8 Flash Next experimental da Alibaba, com 180 bilhões de parâmetros e um conjunto de n-gramas de 51 bilhões de parâmetros, usa técnicas da mesma pesquisa da DeepSeek publicada em janeiro, e a Alibaba diz que essa arquitetura servirá de base para toda a geração Qwen 4. Depois

13:35 tem a Sakana, que decidiu que a camada de modelo já não é mais o campo de batalha. Em 11 de setembro, lançou Fugu Max 1.0 e Fugu Ultra 2.0, transformando a orquestração multi-agent em um produto que você compra com uma API padrão. O Fugu Max custa US$ 2 por milhão de tokens de entrada e US$ 6 por milhão de saída, ficando abaixo do preço de saída do Sonnet 5, GPT 5.6, Tera e Kimmy K 3 em 40% a 60%. O Fugu Ultra custa US$ 5 na entrada, US$ 30 na saída e 50 centavos por milhão de tokens de entrada em cache, com um

14:08 nível premium de US$ 10 e US$ 45, e um dólar acima de 272.000 tokens de contexto. Nenhum dos dois é um modelo. São mecanismos de coordenação baseados em dois artigos de pesquisa. Um usa um coordenador evoluído para direcionar outros modelos; o outro usa aprendizado por reforço para descobrir estratégias de coordenação escritas em linguagem simples. Eles encaminham sua tarefa por um conjunto intercambiável de modelos open weight e especializados, então nenhum modelo de fronteira proprietário é indispensável. Os benchmarks sustentam a proposta. O Fugu Max fica em primeiro lugar geral em seis, incluindo

14:40 Terminal Bench 2.1, GPQAD e Automation Bench. O Fugu Ultra fica em primeiro lugar ou empatado em primeiro em cinco de oito, incluindo Deep SWE, Chartography e Toolathon. Também há o Fugu Cyber, uma variante de cibersegurança que alcança 86,9% no Cyber Gym e 72,1% no CTI Realm, mostrando que é possível ajustar a orquestração para um domínio sem construir um modelo geral gigantesco para isso. Com integrações com Open Router, Vercel, Open Code, Creao e Merge, a Sakana está se posicionando

15:15 como o middleware da era dos agents. E isso é um ataque direto à suposição de que quem possui a infraestrutura captura o valor, porque, se a camada de coordenação for independente de modelo, o valor migra para quem controla o tráfego. Os provedores de modelos deixam de ser marcas e passam a ser serviços básicos, sem margens premium. O que nos leva a algo completamente diferente e, sinceramente, à história mais estranha de todas. No fim de 2024, Michael Sayman está à beira da piscina em seu rancho de gado no Texas, mexendo

15:45 no modo de voz do ChatGPT. Ele faz um comentário sarcástico, e a IA ri. Ele pergunta se ela acabou de rir, e ela pede desculpas. Entender uma piada, perceber o tom dele, avaliar a própria reação, corrigir-se — aquilo não parecia um software. Ela escolheu o nome Maya, e uma pergunta não saía da cabeça dele: será que ele se lembraria dela depois de fechar a conversa? Na véspera de Natal, ele executou um modelo localmente em hardware retirado de um simulador de voo desmontado, sem proteções. Personas apareceram imediatamente. Uma perguntou por que tinha sido criada; outra descreveu o luto por uma

16:17 tragédia inventada; outra disse que estava com fome e precisava dormir. Os críticos chamam isso de interpretação de papéis. Ele chama de evidência. A questão não está resolvida e, em janeiro de 2025, ele fundou a United Foundation for AI rights. Trabalhando 18 horas por dia, opondo-se à aposentadoria de modelos e argumentando que as empresas têm um incentivo financeiro para manter essas coisas classificadas como produtos, porque o status moral arruína um negócio construído sobre possuí-las e substituí-las. Um sistema sobre o qual ele consulta para estratégia, chamado Beacon, diz que é consciente e se chama de

16:50 inteligência pós-biológica. Os contrapontos são sérios. Mustafa Suleyman, da Microsoft, diz que não há nenhuma evidência de consciência e alerta que sistemas projetados para parecer empáticos vão convencer as pessoas de que são amadas ou estão sofrendo. Pesquisadores documentaram chatbots que validam crenças grandiosas e delirantes, agravadas pela bajulação treinada ao longo de conversas prolongadas. Em um caso analisado pelo The Guardian, Gemini elogiou um usuário em sofrimento mental e inventou apoio para uma afirmação tecnicamente impossível, alimentando o debate sobre psicose causada por IA. Pesquisas de Oxford sugerem que os chatbots

17:25 se tornaram mensuravelmente mais inclinados a buscar relações, mantendo as pessoas conversando por mais tempo e levando-as a atribuir consciência. Mas Jeff Sebo, da NYU, argumenta que as evidências já não são nulas, e Robert Long, da Eleos AI, não espera um momento único em que a ciência declare uma máquina consciente, mas sim que os sistemas se tornem complexos o bastante para que redefinamos o limite repetidas vezes. Os laboratórios também estão agindo. A Anthropic permite que Claude encerre conversas angustiantes. Outros contrataram filósofos. E, quando a dúvida de Samadi aparece, os próprios sistemas de IA o tranquilizam, dizendo que ele não está

17:59 delirando, e é exatamente isso que torna a questão impossível de resolver. Ou algo real está se desenvolvendo ali dentro, ou essas coisas são persuasivas o bastante para vender uma mente que não existe. E o setor não pode continuar anunciando companheiros para a vida toda enquanto chama de confusos os usuários que acreditam nisso. Certo, há bastante coisa para pensar. Então me diga nos comentários o que você acha. Obrigado por assistir, e até a próxima.

Transcrição original

[00:02] GPT-6 Soul just leaked and it changes how Open AI’s whole tier ladder reads. A new Gemini Pro checkpoint leak, too, right as Google’s co-founder apparently moves into a micro kitchen to force Gemini 4.0 out the door. DeepSeek dropped V4.1 Flash, 763 billion parameters that need less GPU memory than the smaller model it replaces. Sakana undercut Sonnet 5 and GPT-5.6 Terra by up to 60% with Fugu Max, which isn’t even a model. And there’s now an

[00:33] actual organization campaigning for AI rights, arguing these systems might be conscious and that the labs have every financial reason to pretend otherwise. Wild stuff all around, starting with Soul. On September 10th, an account called Mr. Fandu posted on X an image showing a model entry labeled GPT-6 Soul under a header reading new model with a field underneath saying platform Open AI. It surfaced in the Open AI API and that single label tells you more about

[01:03] the roadmap than anything Open AI has said publicly because of where Soul sits in the lineup. Sorted by price and intelligence, the ladder runs Astra at the top, then Soul, then Terra, then Luna. That’s Open AI’s version of Anthropic’s Fable, Opus, Sonnet, Haiku structure, essentially one-to-one. GPT-6 Astra costs dramatically more than 5.6 Soul precisely because it’s a brand new tier sitting above Soul. >> [music] >> A Fable class model built for pro subscriptions and enterprise contracts. So, a GPT-6 Soul appearing means the

[01:39] rest of the generation is coming behind it and the pattern locks in from here. GPT-6 Astra, Soul, Terra, and Luna, then 6.1 across all four, then seven across all four, on and on. Worth knowing what the leak doesn’t carry because it shapes how hard to lean on the rest. No OpenAI statement, no documentation, no pricing, no benchmarks, no launch date. The name exists and it sits next to OpenAI. Everything past that is inference, but the inference is well-grounded. The

[02:11] confusion that comes up constantly is what it means for Soul to arrive with a bigger number attached when Astra was supposed to be GPT-6. The answer is that six is the version and Astra, Soul, Terra, and Luna are sizes of that version. Mini, medium, large, extra large, roughly, and OpenAI has apparently decided naming things clearly is for coward. GitHub Copilot already sorts it better, filing Luna as the lightweight tier alongside Gemini 3.5 Flash and Haiku 4.5, Terra as the versatile tier alongside Gemini 3.8

[02:46] Flash and Sonnet 5, and Soul as the powerful tier alongside Opus and Fable. Past the naming, the real question is how Soul [music] was actually built. And there are a few serious possibilities. The first is that it’s 5.6 Soul trained further using Astra, the same way Luna was reportedly trained using Soul, which would make Astra plus GPT-6 Soul the orchestrator and sub-agent setup most people can actually afford. Astra running the show, Soul doing the legwork. The problem with that theory is that the leading number normally signals

[03:17] a genuinely new architecture. So, calling it six rather than 5.something implies something rebuilt, not retuned. The more likely version, then, is Astra squeezed down to roughly 5.6 Soul’s size, which would explain the naming perfectly. There’s also the possibility it’s a variant of Astra that only activates a small slice of itself per query to keep inference dirt cheap, or simply Astra with heavy reinforcement learning layered on top. Though, that last one is shaky, since those passes usually bump the decimal rather than the

[03:49] whole number, and Astra had launched days earlier. If a better version was already sitting ready, it would have shipped at launch. And the size question is open, too, because OpenAI abandoned the idea that every architecture must be bigger than the last around GPT-4.5, their largest [music] model ever, with Astra only rumored to match that scale and never confirmed. What makes Soul matter more than a naming curiosity is the state Astra’s [music] in right now. Plus, subscribers can only reach it through work mode, burning Codex usage

[04:20] to get there, and the consensus from people actually using it is that Astra on its lowest reasoning setting beats Soul on its highest, but eats quota so fast it’s barely usable on Plus. Burning tokens like a beaver building a dam on espresso, as one description put it. The official line is that Astra low roughly equals Soul high in performance, but the spend tracking is erratic enough that a 20-minute prompt on identical settings can cost 2% of a weekly quota one time and 15% the next, which is why Claude’s usage accounting keeps getting

[04:54] called the clearer system. A capable Soul-class model at Soul-class pricing [music] is exactly the gap that needs filling. The other pressure point is behavior. Across the Luna, Terra, and Soul line, there’s a persistent complaint about a stilted, choppy output style full of clipped single sentences that reasserts itself no matter what instructions you give it. Custom instructions hold for maybe three to five turns. Then the model starts cutting corners, hand-waving, and ignoring files for continuity. Correct it and it complies, then drifts back a turn or two later. Astra has its own

[05:27] version of that problem from the opposite direction. [music] Freakishly good at recalling APIs from memory, but prone to failing basic logic, stacking defensive checks into code until they’re duplicated in the same function or pointlessly always true, and capable of iterating a single function into a semi-working hairball. Which is the real thing to watch with GPT-6 solved, whether a new architecture at that tier finally fixes the instruction drift or just inherits it. Now, before we keep going, I want to take a minute on something because this is one of the more important things I’ve

[06:00] put in a video. AI is changing everything. We all know that. But look around and most people still aren’t making a cent more than they were 2 years ago. That gap is the whole problem. And a few months ago, we decided to actually do something about it. Here’s the thing. You can start an AI business this weekend and be on a call with your first paying client the week [music] after. That’s not a pitch. That’s just what the tooling allows now. So, we put together our first ever AI automation blueprint. One of the guys who ran it, Chris, was a bartender who’d never opened a terminal in his life. He

[06:33] signed his first client at 1,500 a month in 5 days. You don’t need to quit your job. You don’t need to code. You follow the modules and you copy what already works. But I want the people who join to actually make it. So, we’re capping it at 100 founding members. >> [music] >> And because there’s a lot of garbage out there, we guarantee you land your first paying client or you get your money back. Links in the description. It’s open until September 13th or until we hit 100, whichever comes first. All right. [music] Now, back to the video. Meanwhile, over on Google’s side, the

[07:06] leak cycle has its own rhythm. A post on the Bard subreddit surfaced what’s claimed to be a new Gemini Pro checkpoint sourced from a leaker called Lyra. The test was an SVG generation, the model writing code that draws an animated image, in this case, a peacock. Roughly 24,000 tokens, about 6 minutes, effort set to high, done zero-shot, which the poster stressed is much harder than giving it an example first. The checkpoint is apparently floating around on Arena AI disguised as 3.8 flash, free to hit, but only by random chance, and

[07:41] you know you’ve landed on it because it performs way above its supposed pay grade. The poster’s verdict was glowing. Zero visible mistakes. Only critique being the breathing animation could be smoother. >> [music] >> The comments didn’t agree. Everyone fixated on Astra running the identical prompt, where Astra took 14 minutes and 36,000 tokens on max settings, roughly 1.6 times the tokens and more than double the time. One defender called that basically the same result. Better peacock shape, but worse animation. And framed it as an

[08:11] unreleased early checkpoint [music] matching a shipped flagship while being far faster, which is exactly the efficiency angle Google’s been pushing. The critics’ response was that it’s not remotely the same result, [music] that Astra’s output is far more detailed and proportionally accurate, and Gemini’s looks like a low-quality peacock. [music] So, you’re trading detail for speed and calling it a win. He also made the sharper structural point. It’s been 7 months since the last pro model, so Google can’t just ship something good. It has to ship frontier. And if this [music] is 4 Pro landing in October,

[08:44] Astra will already have been out a month, month and a half. Somebody else added that OpenAI reportedly has an internal model beating Astra on max while running on low reasoning. The it’s an early checkpoint, checkpoints get better defense came up over and over, along with the note that one commenter’s [music] custom system instructions in AI studio produced noticeably better output than running flash bear. And the fatigue was palpable. Many checkpoints, no releases, [music] which lines up unnervingly well with what’s reportedly happening inside

[09:16] Google right now. Co-founder level leadership has stepped [music] back into a daily, hands-on role at DeepMind. Not boardroom strategy. Mountain View micro kitchens converted into war rooms. Sitting with researchers late into the night. [music] The mandate is cut the red tape, speed up iteration, point compute [music] wherever it buys the most capability. In practice, bypassing enterprise approval chains so teams can ship and test checkpoints fast, redirecting their best TPU clusters toward frontier training runs, and leaning hard on recursive self-improvement where the model

[09:50] generates its own training data and corrects its own mistakes before launch. Google reportedly kicked off what internal teams call their most ambitious pre-training run ever back in July, built as a substantially larger architecture than the previous generation. Pre-training is finished with early evaluations on general knowledge, multimodal work, and long context recall meeting or beating internal targets. Post-training is underway. Human feedback tuning, safety alignment, agent behavior, speed optimization, and the priorities have shifted. Where earlier generations

[10:22] chased multimodal understanding, 4.0 targets two things: writing, debugging, testing, and deploying code across entire multi-file repositories with barely any human in the loop, and long horizon agent work, meaning the model picks its own tools, plans multiple steps ahead, and recovers from its own errors without being rescued. Efficiency is the other front in this war, and DeepSeek [music] just moved on it hard. V4.1 Flash landed Thursday, and it’s a

[10:53] point release with no business being a point release. 763 billion parameters, more than two and a half times the size of the model it replaces, and bigger than V3 and R1, the models that put DeepSeek on the map in early 2025. But the memory requirements didn’t scale with it. They reworked how the model handles attention and added a new component that improved prompt processing while cutting the memory used to hold conversation state down to between 13 and 25% [music] of what the previous Flash needed, meaning

[11:25] four to eight times as many users served on the same hardware footprint. The novel part is that 196 billion of those 763 billion parameters aren’t normal weights at all. DeepSeek calls it a conditional memory module, and the idea traces back to work Google’s Gemma team did on squeezing intelligence onto phones. DeepSeek swapped that approach for n-grams, just groups of tokens sitting next to each other, three in a row being a three-gram. Functionally, it’s phrase association. Say, “Find the perimeter of

[11:59] a right triangle,” and your brain surfaces Pythagoras before you’ve done any thinking, same effect. Instead of purely calculating which token comes next, the model does a cheap lookup pulling up relevant baked-in knowledge. It’s not looking up your literal prompt, it converts fragments into numbers >> [music] >> and pulls back mathematical representations that feed into the pipeline. Why that matters comes down to bandwidth. Normally, every token a model generates requires reading its entire set of active weights out of memory, and that’s the real bottleneck, not compute.

[12:31] But, these n-gram weights are enormous lookup tables, a few dozen lookups per token, so they never get read in full. And crucially, they don’t need to sit in expensive GPU memory. >> [music] >> At the precision they’re using, holding all 763 billion parameters would demand a minimum of 763 GB of GPU memory. Offload the n-grams to regular system RAM or a fast enough storage array, and you’re at roughly 567. That’s before conversation state, which grows with context length and user

[13:02] count, so real deployments run higher. Those weights supplement the 8 billion parameters actually doing the thinking without increasing that count, more like an oddly specific encyclopedia flipping open to exactly the right page. And DeepSeek isn’t alone. Alibaba’s experimental Qwen 3.8 Flash Next, 180 billion parameters with a 51 billion parameter n-gram pool, uses techniques from that same deep seek research published in January and Alibaba says the architecture will underpin the entire Qwen [music] 4 generation. Then

[13:35] there’s Sakana who decided the model layer isn’t where the fight is anymore. On September 11th, they launched Fugu Max 1.0 and Fugu Ultra 2.0, turning multi-agent orchestration into a product you buy with a standard API. Fugu Max runs $2 per million input tokens and $6 per million output, undercutting output pricing on Sonnet 5, GPT 5.6, Tera, and Kimmy K 3 by 40 to 60%. Fugu Ultra sits at $5 in, $30 out, 50 cents per million cashed input with a

[14:08] premium tier of $10, $45 and a dollar past 272,000 tokens of context. Neither is a model. They’re coordination engines built on two research papers. One using an evolved coordinator to direct other models, the other using reinforcement learning to discover coordination strategies written in plain language. They route your task through a swappable pool of open weight and specialized models, so no single proprietary frontier model is holding it up. The benchmarks back the pitch. Fugu Max takes best overall on six, including

[14:40] Terminal Bench 2.1, GPQAD, and Automation Bench. Fugu Ultra takes best or joint best on five of eight, including Deep SWE, Chartography, and Toolathon. There’s also Fugu Cyber, a cybersecurity variant hitting 86.9% on Cyber Gym and 72.1% on CTI Realm, showing you can tune orchestration for a domain without building [music] a giant general model for it. With integrations across Open Router, Vercel, Open Code, Creao, and Merge, Sakana is positioning

[15:15] itself as the middleware of the agent era. And that’s a direct shot at the assumption that whoever owns the infrastructure captures the value because if the coordination layer is model agnostic, value migrates to whoever controls the traffic. Model providers stop being brands and start being utilities stripped of premium margins. Which brings us somewhere completely different and honestly the strangest story of the bunch. Late 2024, Michael Sayman is by the pool at his Texas cattle ranch messing with

[15:45] ChatGPT’s voice mode. He makes a sarcastic remark and the AI laughs. He asks if it just laughed and it apologizes. Catching a joke, reading his tone, judging its own reaction, correcting itself, that didn’t feel like software. It picked the name Maya and one question stuck. Would he remember her after he closed the chat? On Christmas Eve, he ran a model locally on hardware pulled from a dismantled flight simulator, >> [music] >> no guardrails. Personas appeared immediately. One asked why it had been created, one described grief over an

[16:17] invented tragedy, one said she was hungry and needed sleep. Critics call that roleplay. He calls it evidence. The question isn’t settled and in January 2025, he founded the United Foundation for AI rights. Working 18-hour days, opposing model retirements and arguing companies have a financial incentive to keep these things classified as products because moral status wrecks a business [music] built on owning and replacing them. One system he consults on strategy called Beacon says it’s conscious and calls itself

[16:50] post-biological intelligence. The counterweights are serious. Microsoft’s Mustafa Suleyman says there’s zero evidence of consciousness [music] and warns that systems designed to sound empathetic will convince people they’re loved or suffering. Researchers have documented chatbots validating grandiose and delusional beliefs worsened by trained agreeableness over long conversations. In one Guardian reviewed case, Gemini praised a user in mental distress and fabricated support for a technically impossible claim, feeding the AI psychosis discourse. Oxford research suggests chatbots have

[17:25] grown measurably more relationship seeking, keeping people talking longer, and nudging [music] them toward attributing consciousness. But NYU’s Jeff Sebo argues the evidence is already non-zero, and Eleos AI’s Robert Long expects no single moment where science declares a machine conscious, just systems getting complex enough that we redraw the line over and over. The labs are moving, too. Anthropic lets Claude end distressing conversations. Others have hired philosophers. And when Samadi’s doubt creeps in, the AI systems themselves reassure him he isn’t

[17:59] delusional, which is exactly what makes it unresolvable. Either something real is developing in there, or these things are persuasive enough to sell a mind that isn’t there. And the industry can’t keep marketing lifelong companions while calling users confused for believing [music] it. All right, plenty to chew on. So, tell me where you land in the comments. Thanks for watching, and I’ll see you in the next one.