Novidades do robô humanoide Digit 5, Gemini 3.8 Live, Claude Docs e Slides

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: New Digit 5 Humanoid Robot AI Upgrades, Gemini 3.8 Live, Claude Docs + Slides · Canal: AI News · 07:50 · Assistir no YouTube

Tópicos: Automação de tarefas e workflows, Modelos multimodais, Robótica e sistemas autônomos

Resumo

O vídeo apresenta seis recursos do robô humanoide Digit 5, da Agility Robotics, incluindo integração com frotas, autonomia e segurança colaborativa, com a ressalva de que o produto ainda está em desenvolvimento. Também mostra a expansão de uma fábrica de robôs humanoides na China e demonstra os novos modelos de voz Gemini 3.8 Live do Google. Em seguida, aborda Claude Docs e Claude Slides, da Anthropic, e os anúncios da Meta sobre Muse Code e um braço biônico com visão computacional. As novidades abrangem robótica industrial, ferramentas de produtividade e acessibilidade.

Pontos-chave

O Digit 5 foi apresentado com integração a sistemas de gestão de frotas, proporção de 10:1 entre operação e recarga e até 20 horas de trabalho por turno de 24 horas.
Segundo a Agility Robotics, o Digit 5 foi treinado com 65 mil horas de dados operacionais e tem capacidade estimada para carregar 23 kg, com alcance de 2,2 m.
A Agility Robotics descreve o Digit 5 como um robô com ferramentas intercambiáveis e recursos de segurança colaborativa, mas confirma que ele ainda está em desenvolvimento.
Uma fábrica da UBTECH, na China, estaria produzindo um robô a cada 10 minutos e ampliou sua capacidade anual de 1.000 para 10.000 unidades em menos de nove meses.
O Gemini 3.8 Live prioriza escala e eficiência de custo, enquanto o Gemini 3.8 Live Extended Thinking é voltado a tarefas complexas de várias etapas.
Os dois modelos Gemini processam imagens quase em tempo real, alternam entre 97 idiomas e podem executar chamadas de ferramentas e requisições de API durante a conversa.
Claude Docs e Claude Slides permitem criar, editar, exportar e compartilhar documentos e apresentações a partir de uma conversa com Claude.
Muse Code saiu da versão beta com recursos para desenvolvedores, incluindo mensagens entre sessões e um mecanismo para coordenar vários subagents.
Um braço biônico da Smart Arm usa uma câmera na palma da mão e o modelo DINOv2 para reconhecer objetos e selecionar a pegada adequada.

Capítulos

Início	Capítulo	Resumo
00:00	Digit 5 e seus recursos	O vídeo apresenta seis recursos do Digit 5 e ressalva que suas especificações ainda são preliminares, pois o robô está em desenvolvimento.
02:37	Fábrica de robôs humanoides e Gemini Live	A transcrição descreve a expansão da fábrica da UBTECH na China e apresenta uma demonstração dos modelos Gemini 3.8 Live.
04:43	Modelos de voz do Google	O vídeo compara os modelos Gemini 3.8 Live e Extended Thinking em custo, raciocínio, benchmarks, idiomas e uso de ferramentas.
06:17	Claude Docs, Muse Code e braço biônico	São apresentados os recursos de documentos e apresentações de Claude, as novidades do Muse Code e o braço biônico da Smart Arm.

Citações

Quantos humanoides são demais para controlar? — 00:00

Isto é mais um roteiro do que um produto pronto para ser lançado nesta etapa. — 02:06

A ideia é fazer a conversa com a IA parecer uma conversa de verdade, em vez de uma troca de pedido e resposta. — 04:43

Claude Docs e Claude Slides estão em beta, permitindo criar documentos e apresentações diretamente em uma conversa. — 06:17

Conceitos e entidades

Digit 5 (modelo): Robô humanoide da Agility Robotics apresentado para tarefas industriais, com integração a frotas e recursos de segurança colaborativa.
Agility Robotics (empresa): Empresa que desenvolve o robô humanoide Digit 5.
UBTECH (empresa): Empresa associada à fábrica chinesa descrita no vídeo como capaz de produzir um robô humanoide a cada 10 minutos.
Gemini 3.8 Live (modelo): Modelo de voz do Google voltado a conversas fluidas, processamento visual e eficiência de custo.
Gemini 3.8 Live Extended Thinking (modelo): Modelo de voz do Google direcionado a tarefas complexas de várias etapas e raciocínio mais aprofundado.
Claude Docs (ferramenta): Recurso em beta que permite criar e compartilhar documentos diretamente em uma conversa com Claude.
Claude Slides (ferramenta): Recurso em beta para criar e compartilhar apresentações diretamente em uma conversa com Claude.
Muse Code (ferramenta): Ferramenta da Meta para desenvolvedores que, segundo o vídeo, saiu da versão beta com novos recursos e planos de assinatura.
DINOv2 (modelo): Modelo open source de visão computacional usado pelo braço biônico da Smart Arm para reconhecer objetos.
Smart Arm (empresa): Startup de Toronto que apresentou um braço biônico capaz de reconhecer objetos com uma câmera montada na palma da mão.

Tradução completa (pt-BR)

00:00 Quantos humanoides são demais para controlar? Hoje, no AI News, vamos contar várias funcionalidades que estão chegando ao novo robô Digit 5, da Agility. Além disso, a primeira fábrica inteligente de humanoides em escala de 10 mil unidades e uma nova onda de ferramentas de IA do Google, da Anthropic e da Meta. Mas, primeiro, a Agility Robotics acaba de apresentar seu mais novo humanoide, o Digit 5, equipado com seis novas melhorias. E vamos contá-las em ordem decrescente, começando pela funcionalidade número seis: integração de frota. O Digit vem com software de gerenciamento de frota feito para se conectar diretamente aos sistemas existentes de um armazém, sem exigir que a instalação reconstrua sua infraestrutura em torno de um único robô.

00:31 Mas a integração de software só importa se o robô realmente conseguir continuar trabalhando. Isso nos leva ao número cinco: tempo de operação. Segundo a Agility, o Digit 5 alcança uma proporção de 10:1 entre operação e recarga, o que equivale a até 20 horas de trabalho por turno de 24 horas, passando muito mais tempo no chão de fábrica do que na estação de recarga. O número quatro eleva o nível com treinamento no mundo real em grande escala, porque, segundo a Agility, o sistema por trás do Digit 5 foi treinado com 65 mil horas de dados operacionais reais,

01:02 e não apenas com simulações de laboratório. Por isso, a empresa afirma que essa base é confiável. Em seguida, no número três, temos as especificações propriamente ditas. O Digit 5 é classificado para uma carga útil de 23 kg, ou 50 lb, e um alcance de 2,2 m, ou 7,2 pés, características voltadas diretamente para içamento de nível industrial, e não para tarefas delicadas em casa. Mas é no número dois que ele se torna realmente adaptável, porque o Digit 5 funciona com o que a Agility chama de pilha de IA física, permitindo que ele

01:34 amplie continuamente os workflows que pode executar, em conjunto com garras intercambiáveis. Assim, o mesmo robô pode trocar de ferramenta para realizar diferentes tarefas, em vez de ser construído para apenas uma. Mas a funcionalidade número um, em torno da qual todo o produto foi realmente projetado, é a segurança cooperativa. Nesse caso, a Agility afirma que o Digit 5 usa um software proprietário de detecção de pessoas e comportamentos de segurança funcional projetados especificamente para permitir que ele trabalhe perto de pessoas sem barreiras de segurança externas ou gaiolas, a restrição exata que manteve a maioria dos robôs

02:06 industriais separados dos trabalhadores humanos até agora. Mas há uma ressalva importante: a própria página da Agility confirma que o Digit 5 ainda está em desenvolvimento. Portanto, cada especificação listada é mais uma estimativa preliminar baseada em hardware de pré-produção, e alguns recursos de segurança ainda não foram totalmente desenvolvidos. Então, nesta fase, trata-se mais de um roteiro do que de um produto final pronto para envio. Mas conte nos comentários quando você acha que este robô começará a sair da linha de produção, assim como o próximo, porque a UBTECH acaba de iniciar a produção no que chama de primeira

02:37 fábrica inteligente de robôs humanoides do mundo, com capacidade para 10 mil unidades, localizada na China, onde um robô completo sai da linha a cada 10 minutos. A empresa afirma que ampliou sua capacidade anual de 1.000 para 10.000 unidades em menos de nove meses, chamando isso de apenas o começo da industrialização de humanoides em grande escala. E o que torna essa fábrica especial é que ela usa um sistema inteligente de manufatura para o planejamento totalmente digital. Assim, cada robô passa por mais de quatro horas de

03:07 testes, além de uma inspeção de padrão automotivo, antes do envio. Atualmente, a fábrica produz principalmente duas linhas de robôs. A série UBTECH Walker S, um robô industrial para manufatura e logística, e a série Cruiser, um robô mais voltado para serviços. Mas, enquanto os humanoides aprendem a construir a si mesmos, uma inteligência multimodal em streaming, como o novo Gemini 3.8 Live do Google, pode acabar servindo como um dos muitos cérebros digitais deles no futuro. Talvez até como um dos seus. Porque quem vai ser mais inteligente, mais rápido e mais barato do que isto? Estou pensando em instalar uma válvula automática de fechamento de água e preciso saber o tamanho da tubulação principal de água fria. Qual destes é o tubo certo? A tubulação de água fria geralmente é aquela com uma válvula de alavanca azul. No vídeo, o tubo do lado direito, que segue até o aquecedor, parece ter uma válvula com alavanca azul, o que indicaria que é a entrada de água fria. Entendi. Agora, vamos medir o tubo. Parece ter um pouco menos de 1 pol.

03:37 Com base no que você está mostrando, medindo um pouco menos de 1 pol. de diâmetro externo, é muito provável que você tenha um tubo de cobre padrão de tamanho nominal de 3/4 pol. Isso porque os tamanhos dos tubos de cobre são baseados no diâmetro nominal, ou interno. Portanto, a medida externa real é sempre um pouco maior. Ah, que bom saber. Ajude-me a encontrar alguns vídeos para ver se consigo instalar isso sozinho. Claro, posso ajudar você a encontrar vídeos que mostrem o processo de instalação. Tenha em mente que isso geralmente envolve cortar uma tubulação principal de água e pode exigir ferramentas ou habilidades especializadas. Então, você

04:11 vai querer avaliar se é algo com que se sente à vontade. Quando estiver pronto, posso pesquisar vídeos específicos para o tipo de válvula que você está considerando. O Google acaba de lançar dois novos modelos de voz com IA, Gemini 3.8 Live e Gemini 3.8 Live Extended Thinking, criados para fazer com que conversar com a IA pareça uma conversa de verdade, em vez de uma troca de pedido e resposta. E os dois modelos se dividem por caso de uso. O Gemini 3.8 Live foi desenvolvido para escala e eficiência de custos. Ele combina inteligência conversacional com diálogo fluido

04:43 e compreensão visual contextual. Já o Gemini 3.8 Live Extended Thinking foi desenvolvido para tarefas mais difíceis, com várias etapas, mas troca um pouco de velocidade por um raciocínio mais profundo. E, nos benchmarks, o Extended Thinking ocupa atualmente o primeiro lugar no índice de qualidade de fala para texto da Artificial Analysis. Ele lidera na conclusão de tarefas agênticas em dois dos principais benchmarks e obtém uma pontuação quase perfeita no Big Bench Audio. Já o modelo padrão Gemini 3.8 Live ficou em segundo lugar, bem próximo, no Speech Agent Arena, mantendo-se como a opção

05:15 notavelmente mais barata de executar entre os dois. Em termos de funcionalidade, ambos os modelos processam entradas visuais quase em tempo real, detectando e alternando automaticamente entre 97 idiomas compatíveis durante a conversa. Além disso, podem executar chamadas a ferramentas e solicitações de API em segundo plano sem interromper a conversa. E o Extended Thinking vai ainda mais longe, raciocinando e falando ao mesmo tempo, usando frases naturais de preenchimento, como “Deixe-me verificar isso”, enquanto trabalha e narrando o progresso em voz alta durante tarefas mais longas e com várias etapas. Mas

05:46 o Google pode estar enfrentando uma concorrência crescente em ferramentas de IA para o trabalho, já que a Anthropic acaba de dar ao Claude sua própria suíte de produtividade. Claude Docs e Claude Slides estão agora em beta, permitindo que os usuários criem documentos e apresentações diretamente em um chat e depois os exportem, editem e compartilhem, juntando-se ao Claude Design no conjunto de ferramentas da Anthropic. Funciona como o Google Docs: o conteúdo é privado por padrão e pode ser compartilhado para edição colaborativa em tempo real, com os colaboradores e o Claude podendo deixar comentários. E tudo o que é criado no Docs, no Slides ou no Design fica disponível por meio de um único link compartilhável,

06:17 que pode ser aberto em um celular. Além disso, a Anthropic também está reunindo o chat e o Co-work em uma única interface, permitindo que o Claude escolha automaticamente a ferramenta certa para cada tarefa. A novidade está sendo disponibilizada agora para usuários Pro e Max; os planos Team e Free virão em breve. E, por fim, a Meta fez mais dois anúncios nesta semana, um para desenvolvedores e outro para acessibilidade. Primeiro, o Muse Code saiu do beta, adicionando mensagens entre sessões, um mecanismo de workflows para coordenar vários subagents, um recurso de retrocesso e um SDK de prévia para desenvolvedores,

06:49 além de novos níveis de assinatura a partir de US$ 5 por mês, o que o torna mais barato que o Claude Code e o Codex. E, em segundo lugar, a startup de Toronto Smart Arm apresentou um braço biônico que prioriza a visão: ele enxerga por meio de uma câmera montada na palma da mão, usando o modelo open source DINO V2 da Meta, e consegue reconhecer objetos do dia a dia com apenas algumas fotos de referência, selecionando automaticamente a pegada adequada sem precisar alternar manualmente entre modos. Mas o mais legal é que os óculos Meta AI opcionais podem adicionar uma

07:19 perspectiva em primeira pessoa para oferecer mais contexto, permitindo que os usuários personalizem o braço de acordo com suas necessidades diárias. Enfim, curta e inscreva-se, e confira este vídeo aqui para saber mais sobre as últimas notícias de IA e robótica. E obrigado por assistir.

07:50 visão em primeira pessoa para dar mais contexto, o que permite aos usuários personalizar o braço de acordo com suas necessidades diárias. Enfim, deixe o like, inscreva-se e confira este vídeo aqui para saber mais sobre as últimas novidades em IA e robótica. E obrigado por assistir.

Transcrição original

[00:00] How many humanoids are too many to control? Today on AI News, we’re counting down several features coming to Agility’s new Digit 5 robot. Plus, the first 10,000 unitoid smart factory and a new wave of AI tools from Google, Anthropic, and Meta. But first, Agility Robotics just unveiled its newest Digit 5 humanoid packed with six new upgrades. And we’re counting them down, starting with feature number six, which is fleet integration. Digit ships with fleet management software built to plug directly into a warehous’s existing

[00:31] systems, all without requiring the facility to rebuild its infrastructure around one robot. But software integration only matters if the robot can actually keep working. Which brings us to number five, uptime. Agility says Digit 5 hits a 10:1 runto charge ratio, translating to up to 20 hours of work per 24-hour shift, spending far more time on the floor than at a charging dock. Number four steps it up with real world training at scale because Agility says the system behind Digit 5 was

[01:02] trained on 65,000 hours of real operational data, not lab simulation alone. So the company says this foundation is reliable. Then with number three, we get the actual specs. Digit 5 is rated for 23 kg or 50 lb of payload with a 2.2 m or 7.2 two foot reach that’s aimed squarely at industrial-grade lifting rather than delicate tasks at home. But number two is where it gets genuinely adaptable because Digit 5 runs on what Agility calls a physical AI stack, letting it

[01:34] continuously expand which workflows it can perform paired with swappable grippers. So the same robot can actually switch tools for different jobs rather than being built for just one task. But the number one feature and the one that the entire product is actually built around is cooperative safety. Here, Agility says Digit 5 uses proprietary human detection software and functional safety behaviors specifically designed to let it work near people without external safety barriers or cages, which is the exact constraint that’s kept most

[02:06] industrial robots fenced off from human workers until now. But one important caveat is that Agility’s own page confirms Digit 5 is still in development. So every spec listed is more of a preliminary estimate from pre-production hardware and some safety features aren’t fully built out yet. So this is more of a road map than a finished shipping product at this stage. But tell us in the comments when you think this will begin rolling off the production line like this next robot because UBTE just started production at what it’s calling the world’s first

[02:37] 10,000 unit scale humanoid robot smart factory and it’s located in China with one complete robot rolling off the line every 10 minutes. And says it scaled from 1,000 to 10,000 units of annual capacity in under 9 months, calling it just the beginning of large-scale humanoid industrialization. And what makes it special is that this facility is using a smart brain manufacturing system for full digital scheduling. So each robot gets over four hours of

[03:07] testing plus an automotive grade inspection before shipping. And the factory primarily produces two robot lines as of now. The ube Walker S series which is an industrial robot for manufacturing and logistics and the Cruiser series which is more of a serviceoriented robot. But while humanoids are learning to build themselves, streaming multimodal intelligence like Google’s new Gemini 3.8 Live could end up serving as one of their many digital brains down the road. Maybe even one of yours. Because who’s

[03:37] going to be smarter, faster, and cheaper than this? I’m looking to install an automatic water shut off valve and need to know the size of the main cold water line. Which one of these is the right pipe? The cold water line is typically the one with the valve that has a blue handle. In the video, the pipe on the right side leading into the heater seems to have a valve with a blue handle, which would mark it as the cold water inlet. Got it. Now, let’s measure the pipe. Looks like it’s a little shy of 1 in.

[04:11] Based on what you’re showing, measuring a bit shy of 1 in in outside diameter, it’s highly likely you have a standard nominal 3/4 in copper pipe. That’s because copper pipe sizes are based on their nominal or inside diameter. So, the actual outside measurement is always slightly larger. Oh, that’s good to know. Help me find some videos to see if I can install it myself. Of course, I can help you find videos that show the installation process. Keep in mind that it often involves cutting into a main water line and can require specialized tools or skills. So, you’ll

[04:43] want to see if it’s something you’re comfortable with. When you’re ready, I can search for videos specific to the type of valve you’re considering. So, Google just released two new voice AI models, Gemini 3.8 Live and Gemini 3.8 Live Extended Thinking, and they’re built to make talking to AI feel like an actual conversation rather than a request and response exchange. And the two models split by use case. Gemini 3.8 Live is built for scale and cost efficiency. And it combines conversational intelligence with fluid

[05:15] dialogue and visual grounding. Then Gemini 3.8 live extended thinking is built for harder multi-step tasks but trades some speed for deeper reasoning. And on benchmarks, extended thinking currently holds the top spot on artificial analysis speech to text quality index. It leads agentic task completion on two of the top benchmarks and posts a near-perfect score on big bench audio and the standard Gemini 3.8 Live model came in a close second in the speech agent arena while remaining the

[05:46] notably cheaper option to run of the two. And when it comes to functionality, both models process visual input in near real time, automatically detecting and switching between 97 supported languages midcon conversation. Plus, they can run tool calls and API requests in the background without breaking the conversation. And extended thinking goes even further with reasoning and speaking at the same time, using natural filler phrases like, “Let me check that,” while it works and narrating progress out loud during longer multi-step tasks. But

[06:17] Google may be facing mounting competition for AI work tools as Anthropic just gave Claude its own productivity suite. Claude Docs and Claude slides are now in beta, letting users create documents and presentations directly inside a chat, then export, edit, and share them, joining Claude design and anthropics tool set. And it works like Google Docs, private by default, sharable for real-time co-editing with collaborators and Claude both able to leave comments. And everything built across Docs, Slides, or design lives behind one sharable link,

[06:49] openable from a phone. Plus, Anthropic is also merging chat and co-work into one interface, letting Claude pick the right tool for a task automatically. And it’s rolling out to pro and max users now with team and free plans following soon. And finally, Meta just had two more announcements this week, one for developers and one for accessibility. First, Muse Code exited beta, adding inter session messaging, a workflows engine for coordinating multiple sub aents, a rewind feature, and a developer

[07:19] preview SDK, along new subscription tiers starting at $5 a month, which undercuts claude code and codecs on price. And second, the Toronto startup Smart Arm unveiled a vision first bionic arm that sees through a palm mounted camera using Meta’s open-source Dino V2 model, and it can recognize everyday objects from just a few reference photos and then automatically select the right grip with no manual mode switching required. But what’s really cool is that optional Meta AI glasses can add a

[07:50] firsterson view for extra context, which lets users personalize the arm to their own daily needs. Anyways, like and subscribe and check out this video here for more of the latest in AI and robotics news. And thanks for watching.