Notícias de IA: 6 novos modelos e um concorrente do Nano Banana

Autoria: Matt Wolfe · 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: AI News: 6 New Models & A Nano Banana Killer · Canal: Matt Wolfe · 30:40 · Assistir no YouTube

Tópicos: Agentes de IA, Modelos de IA, Modelos locais e open source, Modelos multimodais, Robótica e sistemas autônomos

Resumo

A semana trouxe novos modelos de imagem, modelos de linguagem e modelos de pesos abertos, com destaque para os recursos de edição do Krea 3 e para os lançamentos de Gemini 4 Argon e Muse Wonder. O vídeo também aborda atualizações do Codex, novos decision models e ferramentas de voz, design e orquestração de agents. Entre os demais assuntos estão o uso de IA em redes sociais e jogos, além de novos dispositivos da Apple. O apresentador comenta testes próprios e compara capacidades, velocidade, custos e desempenho em benchmarks.

Pontos-chave

Krea 3 se destaca pela edição de imagens em linha, preservando elementos da imagem que não foram selecionados.
Flux 3 Image Klein e Qwen Image 2.1 Turbo são apresentados como modelos de imagem de pesos abertos; o primeiro pode ser executado em uma RTX 4070.
Gemini 4 Argon se sai bem em diversos benchmarks e custa menos por tarefa que Opus 5.5, segundo a comparação apresentada.
Muse Wonder aparece entre os modelos de melhor desempenho em benchmarks, enquanto Muse Spark Open é descrito como um modelo de pesos abertos otimizado para Mac Studio.
A lista de lançamentos da OpenAI para Codex e Work teve atualizações modestas, incluindo mais context window para GPT 6.1 Soul.
Microsoft Decision One e Nimble V4 são novos decision models que oferecem opções de resposta e pontuações de probabilidade ou rubrica.
Grok Voice 3.0 permite criar assistants de voz; ElevenLabs também lançou um recurso para gerar trilhas sonoras e efeitos para vídeos.
Kylon é apresentado como uma ferramenta de orquestração para vários agents e pessoas colaborarem em um sistema de mensagens.
Microsoft e Epic Games demonstram interesse em explorar usos de IA para jogos, embora o público gamer continue dividido sobre essa adoção.

Capítulos

Início	Capítulo	Resumo
00:01	Novos modelos de imagem	O vídeo começa com a edição de imagens no Krea 3 e apresenta Flux 3 Image Klein e Qwen Image 2.1 Turbo.
06:13	GenSpark Design	O apresentador demonstra como transformar referências visuais em um design de aplicativo editável.
07:16	Gemini 4 Argon	O vídeo resume os benchmarks, o custo e alguns testes do modelo do Google, incluindo geração de jogos e de um busto 3D.
10:55	Muse Wonder e modelos de pesos abertos	O apresentador compara o Muse Wonder e descreve lançamentos da Meta, Microsoft, Nvidia e Paper Instruments.
18:45	Atualizações do Codex e do Work	O vídeo revisa os lançamentos da OpenAI ao longo da iniciativa de 28 dias e observa que muitos foram modestos.
21:55	Decision models e voz	São apresentados Microsoft Decision One, Nimble V4 e Grok Voice 3.0, além de um recurso de áudio da ElevenLabs.
26:00	IA em redes sociais, agentes e jogos	O apresentador comenta recursos do Facebook e do Google, a ferramenta Kylon e iniciativas de IA no setor de jogos.
28:36	Dispositivos da Apple e encerramento	O vídeo comenta novos dispositivos da Apple e termina com um resumo da cobertura semanal de notícias de IA.

Citações

Se você precisa fazer edições rápidas em uma thumbnail, esta vai ser a nova ferramenta para isso. — 02:38

É um modelo de 816 bilhões de parâmetros com uma context window de 1 milhão de tokens. — 15:04

Nada que esteja deixando alguém super empolgado ou comemorando aos quatro ventos. — 21:23

Acho que boa parte da programação será feita por IA no futuro, seja em jogos ou não. — 28:36

Conceitos e entidades

Krea 3 (ferramenta): Ferramenta de geração e edição de imagens cuja edição em linha é o destaque do vídeo.
FLUX 3 Image Klein (modelo): Modelo de imagem de pesos abertos da Black Forest Labs, apresentado como executável em computadores com RTX 4070.
Qwen Image 2.1 Turbo (modelo): Versão acelerada do modelo de imagem Qwen Image 2.1, com foco em maior velocidade.
Genspark Design (ferramenta): Ferramenta de design que cria telas editáveis e permite exportar componentes e design tokens.
Gemini 4 Argon (modelo): Modelo do Google apresentado como competitivo em benchmarks e capaz de gerar, entre outras coisas, modelos 3D para impressão.
Muse Wonder (modelo): Modelo da Meta que, segundo os benchmarks citados, alcança desempenho próximo ao de outros modelos de ponta.
Muse Spark Open (modelo): Versão de pesos abertos do Muse Spark, descrita como otimizada para execução em Apple Mac Studio.
MAI base 2 (modelo): Modelo de pesos abertos da Microsoft que, no momento do vídeo, ainda não estava disponível e não havia concluído o post-training.
Nemotron 3.5 Super VL (modelo): Modelo de pesos abertos da Nvidia apresentado como especialmente rápido na geração de tokens.
Ultramarine 1 Flash (modelo): Modelo da Paper Instruments anunciado com foco em trabalho de conhecimento a custo reduzido.
Microsoft Decision-1 (modelo): Decision model da Microsoft que atribui probabilidades a opções e oferece respostas de múltipla escolha, sim ou não, entre outras.
Nimble V4 (modelo): Decision model da Bespoke Labs apresentado como concorrente de Jev e de outros modelos da categoria.
Grok Voice 3.0 (modelo): Modelo de voz usado no vídeo para criar um assistant de atendimento capaz de responder com informações de um site.
ElevenLabs (empresa): Empresa que lançou um recurso para criar trilhas sonoras e sincronizar efeitos sonoros com vídeos.
Kylon (ferramenta): Ferramenta de orquestração que permite a vários agents e pessoas colaborar em um sistema de mensagens.
OpenAI (empresa): Empresa que promoveu uma série de lançamentos para Codex e Work durante 28 dias.
Matt Wolfe (pessoa): Apresentador do vídeo, que mostra testes próprios de ferramentas e modelos de IA.

Tradução completa (pt-BR)

00:01 [gemendo] >> Uau. Foi mais uma semana muito movimentada no mundo da IA. Tivemos alguns novos modelos de imagem. Tivemos vários novos modelos de linguagem grandes. Há muita coisa para cobrir, então vamos direto ao assunto. Na verdade, vou começar por um lugar por onde normalmente não começo: um novo modelo de imagem. E quero começar por aqui porque provavelmente foi a coisa mais legal e divertida com que brinquei esta semana. E é o CreA 3. Esta semana

00:33 eles abriram a beta dele, e este é mesmo um modelo de edição de imagens. Ele pode gerar imagens e faz isso tão bem quanto qualquer outro modelo gerador de imagens. Mas onde ele realmente se destaca é na edição. Deixe-me mostrar por quê. Vou entrar no CreA e carregar uma imagem. Por exemplo, vou usar esta imagem, que foi um dos meus testes de miniatura de uma semana atrás. Agora que ela está aqui, se eu clicar na imagem, ela vai abrir em tela cheia. E é aí que fica muito legal,

01:03 porque posso simplesmente editar as coisas diretamente, assim. Por exemplo, vou selecionar este celular e dizer: “Deixe o fundo do celular azul”. Depois, vamos selecionar meus olhos e dizer: “Deixe meus olhos vermelhos e injetados de sangue”. Agora posso clicar em “Concluído” e enviar, e isso funciona muito rápido. Levou uns 10 segundos, e temos três variações. Esta provavelmente é a que mais se aproxima do que eu quero. E, de novo, se eu simplesmente

01:34 clicar aqui, meus olhos ficam vermelhos e injetados de sangue, e o fundo do celular fica azul, sem alterar mais nada na imagem. Agora vamos selecionar o texto no celular, assim, e dizer: “Faça este texto dizer Gemini para Argon”. Depois, posso selecionar o logotipo aqui e dizer: “Faça deste o logotipo do Google”. Envio essas duas alterações e, alguns segundos depois, temos duas novas variações praticamente iguais, mas posso continuar fazendo isso

02:06 sem parar. Vamos selecionar este texto aqui e trocá-lo por “novo modelo”. Vamos selecionar o logotipo no meu boné e trocá-lo por um logotipo de beisebol. Não sei o que estou fazendo. Certo, vamos enviar isso e vocês já entenderam a ideia. É uma das melhores experiências de edição de imagens que já tive e, para mim, faz um trabalho bem mais limpo com essas edições do que algo como a imagem do ChatGPT ou o nano banana. Agora, eu

02:38 imagino que seja só uma questão de tempo até os outros alcançarem esse nível, e o fluxo de trabalho parece semelhante, mas esta experiência é muito simples e fácil. Olha só a nova imagem. Estou com uma bola de beisebol no boné. Dá para ver que parece bordada no boné. O texto mudou para “novo modelo”, mantendo exatamente a mesma fonte e o mesmo esquema de cores. Se você precisa fazer edições rápidas em uma miniatura, esta vai ser a nova ferramenta para isso. Fiquei realmente muito impressionado com o Korea 3, por isso comecei o vídeo com ele e quis mostrá-lo primeiro. Acho muito

03:08 legal. Ele está em beta pública agora. Você pode usá-lo em korea.ai. Na verdade, tivemos três novos modelos de imagem ao todo esta semana. Temos um novo modelo da Forest Labs chamado Flux 3 image Klein, e este é um modelo de imagem com pesos abertos. Acredito que o modelo da Korea também vai ser aberto eventualmente, mas este foi lançado como aberto. Você pode clicar em “Baixar os pesos” e obtê-los agora no Hugging Face. Se rolarmos para baixo, também podemos

03:38 ver em que tipo de computador ele funciona. Olha só. Se você tem um DGX Spark, pode gerar texto para imagem em 7,3 segundos. Pode fazer edição de imagens em um DGX Spark em 16,2 segundos, mas, quero dizer, os DGX Spark são máquinas que custam uns quatro mil dólares. No entanto, é bem mais fácil encontrar RTX 4070. E, se você tiver uma, vai levar mais ou menos um segundo e meio a mais, mas poderá gerar texto para imagem, editar imagens e até gerar texto para imagem em resolução mais alta e editar imagens,

04:09 tudo isso em uma RTX 4070 de consumo. Quanto à qualidade das imagens geradas, sabe, é razoável. Quase sinto que a geração de imagens já está praticamente resolvida, então não falo tanto dela quanto antes. Mas este tem pesos abertos, e há uma forma de usá-lo de graça. Se eu voltar ao Hugging Face, estou na página do Flux 3 image Klein. À direita, você pode ver os Spaces usando a Black Forest Labs. Se eu clicar neste primeiro aqui, Flux image Klein, posso experimentar este gerador de imagens

04:39 de graça nos Spaces. Ele não vai ser super-rápido, porque, quando você usa o Hugging Face, é como se o processamento na nuvem fosse compartilhado. Então, muitas vezes, se muita gente estiver usando ao mesmo tempo, vai ser um pouco mais lento, mas você pode usá-lo aqui de graça agora mesmo. Aqui estão algumas das imagens em cache que eles já geraram: esta capa de disco Still Water, este pôster Lido Lido, uma placa de padaria com folha de ouro, uma natureza-morta holandesa, uma igreja brutalista. Quer dizer, de novo, não sinto que haja nada particularmente especial neste

05:11 gerador de imagens, além do fato de ser open source e de poder ser executado agora em computadores de consumo. Também tivemos outro modelo com pesos abertos, desta vez da Alibaba: o modelo Quin image 2.1 turbo. Este modelo também foi desenvolvido para ser muito rápido. Eles já lançaram o Quin image 2.1. Este modelo turbo é um checkpoint acelerado, então provavelmente há uma pequena perda de qualidade em troca de um pouco mais de velocidade. E, como o outro, ele está disponível para teste no

05:42 Hugging Face. Acesse o Hugging Face. No canto inferior direito, há este Hugging Apps Quinn image 2.1 turbo. Você pode selecioná-lo e ver um exemplo de pôster de química que ele gerou. Esta é uma noiva de anime transparente. Não acho que a noiva seja transparente; acho que o fundo é transparente. Uma interface de usuário de planejador de viagens. De novo, é difícil me impressionar com modelos de imagem, porque sinto que esses modelos já estão praticamente resolvidos há algum tempo. Fico mais impressionado com edição de imagens do que com geração de imagens, e este também consegue editar imagens. Mas, para mim, o grande destaque da semana em imagens é o Krea 3. Esta próxima novidade vem da GenSpark, que acabou de lançar uma nova ferramenta de design com IA chamada GenSpark Design. Vou ver se consigo transformar o site Future Tools em um aplicativo para celular totalmente mapeado. Posso adicionar aqui algumas capturas de tela do Future Tools como inspiração de design e, em seguida, pedir que mantenha o estilo geral, mas reconstrua a experiência para priorizar dispositivos móveis. E dá para ver que ela não criou apenas um mockup genérico. Ela

06:13 geração, que este também consegue fazer edição de imagens. Mas, para mim, o Krea 3 é o grande destaque da semana quando o assunto é imagem. Esta próxima atualização é da GenSpark, que acabou de lançar uma nova ferramenta de design com IA chamada GenSpark Design. Vou ver se consigo transformar meu site Future Tools em um aplicativo para celular totalmente mapeado. Aqui, posso inserir algumas capturas de tela do Future Tools como inspiração de design e, em seguida, pedir que mantenha um estilo geral semelhante, mas reconstrua a experiência para priorizar dispositivos móveis. E dá para ver que ele não criou apenas uma maquete genérica. Ele

06:45 projetou o aplicativo inteiro, com um feed inicial, páginas individuais para as ferramentas, busca, filtros e uma seção de notícias. E tudo o que ela gera vem em camadas e pode ser editado. Posso clicar em qualquer tela, reescrever o texto, mudar as cores, ajustar o espaçamento ou reestruturar completamente o layout sem começar de novo. O ótimo de criar tudo isso na GenSpark, em vez de usar algo como Figma, é que, no mesmo espaço de trabalho, também posso criar as imagens, lançar vídeos, sites e outros recursos de que preciso para o aplicativo, além de colaborar com toda a minha equipe.

07:16 E, quando o design estiver pronto, posso exportar seus componentes e tokens de design ou levá-lo para o GenSpark code para começar a transformá-lo em um produto funcional. Se quiser experimentar, você pode ganhar créditos grátis ao se inscrever no GenSpark Design usando o link na descrição. E muito obrigado à GenSpark por apoiar meu canal e patrocinar esta parte do vídeo de hoje. Também tivemos uma tonelada de novos modelos de linguagem grandes esta semana. Provavelmente, o maior modelo e o mais impressionante foi este Gemini 4 Argon

07:48 modelo. Não vou me aprofundar muito nesse modelo no vídeo de hoje, porque já fiz uma análise completa aqui, em um vídeo chamado “Google finalmente alcançou o Gemini 4 Argon”. Mas vou dar um pequeno resumo para quem não assistiu. Na verdade, esse modelo foi anunciado algumas semanas atrás, em 30 de setembro. Então, todos os benchmarks e tudo o que sabemos sobre ele já estavam, de certa forma, disponíveis ao público. Mas, no geral, ele alcançou o GPT-6 Astra e o Claude Opus 5.5 em quase todos os benchmarks. Ele é meio que

08:20 de última geração na maioria dos benchmarks. Quanto à disponibilidade, dá para usá-lo pela API e dentro do Gemini, se você tiver um plano AI Ultra ou Pro. Ou seja, um dos planos pagos. A API custa US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída. Mas esse preço é por tempo limitado, até o fim de novembro. Depois, praticamente dobra. Olhando para o Artificial Analysis, que é uma espécie de combinação de vários benchmarks agrupados para tentar descobrir qual é o modelo mais inteligente de forma objetiva, vemos que ele coloca o Gemini 4 aqui, com uma pontuação de 53. Cinco pontos inteiros abaixo do Opus 5.5. Porém, em termos de custo por tarefa, o Opus 5.5 está lá em cima, como o terceiro modelo mais caro por tarefa, enquanto o Gemini 4 está lá embaixo. Então, é um modelo bem mais barato por tarefa, com um nível de inteligência bastante parecido. É claro que rodei ele no Beuci Bench. Este foi o Beuci que ele gerou, e custou cerca de 34

08:51 centavos. Usou 34 mil tokens e levou cerca de quatro minutos para gerar. Mesmo assim, entrou no nosso ranking em segundo lugar, segundo a avaliação de um LLM judge dessas imagens. Também rodei minha bateria normal de testes e pedi ao Gemini 4 que gerasse sua versão do Mega Bonk. Foi isso que saiu. Não é ruim. Não é a melhor geração de jogos que já vimos, nem a mais bonita, mas, sabe, é decente. Não dá para reclamar muito. Ah, esta é uma única tentativa. Tenho ângulos de câmera

09:22 que posso movimentar. Posso pular. Posso correr. Só que os personagens e os gráficos não são muito bonitos. Já obtivemos gráficos com uma aparência melhor em alguns dos nossos outros modelos. Uma coisa interessante é que eu estava em uma chamada de prévia com a equipe do Google, alguns dias antes do lançamento, e eles compartilharam alguns detalhes. Um deles era que o modelo é muito bom em criar modelos para impressão 3D. Então, dei um prompt e pedi: “Gere um busto 3D de Gary Busey”. E, olha só, recebi meu busto do Gary

09:52 Busey aqui. Ele fez um bom trabalho. Se você olhar o perfil, não é incrível, mas de frente é um bom busto do Busey. Eu só pedi ao Gemini 4 Argon que gerasse um arquivo STL e dei a ele uma imagem da parte frontal do rosto de Gary Busey, dizendo: “Gere um busto 3D dessa pessoa que eu possa imprimir na minha impressora”. E, sim, ficou bem Busey. Certo, vamos em frente. Se quiser uma análise bem mais aprofundada do Gemini 4, confira aquele vídeo que mencionei. Você vai ver todos os prompts

10:24 que usei e muitos outros testes que fiz com ele. Mas, de novo, não quero me aprofundar demais neste vídeo, já que existe um outro vídeo inteiro sobre isso. Também tivemos o lançamento de outro modelo importante esta semana, que impressionou muita gente. Não posso dizer que fiquei muito impressionado [risos] com ele, para ser sincero. Foi mais ou menos. Mas Theo, que costuma ser bastante crítico com a maioria dos LLMs, afirma que ele é nível S. Ele diz: “Meu ranking atual de modelos: nível S: Opus 5.5 e Muse Wonder; nível A: GPT 6.1 Soul, bem abaixo de tudo o mais.” Então,

10:55 quero dizer, ele colocou o modelo no nível S. Mas aqui está o que você precisa saber sobre ele. No DeepSeek, o benchmark que a maioria das pessoas consulta para ver como esses modelos se saem em programação, o Muse Wonder marcou 79%, o que o tornaria o melhor modelo de ponta no DeepSeek. Aqui estão vários outros benchmarks: Superintelligence Index, Harvey Lab para trabalho jurídico e pesquisa de analistas financeiros. Você pode ver que ele obteve resultados de última geração em todos eles, e ficou no mesmo nível dos outros modelos de última geração nestes benchmarks. E, bem, como

11:25 podemos ver, parece mesmo um modelo muito, muito bom. De acordo com os benchmarks, a Meta alcançou os modelos de última geração. Quanto ao preço, são US$ 4 por milhão de tokens de entrada e US$ 20 por milhão de tokens de saída. Isso o coloca, acredito, mais ou menos no mesmo preço do Opus. Sim, o Claude Opus 5.5 custa praticamente o mesmo. Voltando ao Artificial Analysis, vemos que o Muse Wonder está lá em cima. Na verdade, ele pontua acima do Gemini 4 Argon, acima do Gemini, acima do GPT-6 Astra e acima do Claude

11:56 Fable 5.1, que, há alguns meses, estava deixando todo mundo de queixo caído e assustando as pessoas. Bem, este modelo pontua acima dele, e é da Meta, algo que acho que ninguém esperava da Meta. Empata com o Claude Sonnet 5.5 e fica apenas dois pontos abaixo do Opus 5.5. Em termos de custo por tarefa, ele está meio que lá em cima. É o quinto modelo mais caro, mas não chega a ser tão caro quanto os outros modelos da Anthropic. Também rodei este modelo no BeauC Bench e, bem,

12:29 este foi o BeauC que ele gerou. [risos] Custou cerca de 34 centavos, usou 17 mil tokens e levou pouco menos de quatro minutos para gerar. E não acho que tenha ficado entre os dez primeiros do meu ranking. Não, ficou em 14º lugar, segundo a avaliação do LLM as a judge. Também submeti este modelo ao teste Mega Bonk para ver como ele se sairia na geração e, bem, foi isso que obtivemos. Vamos fazer o Sir Bonk-a-Lot. E, sim, saiu um boneco de neve com um pedaço de pau. >> [risos] >> E é muito difícil, porque ele só acerta quando o bastão realmente

12:59 entra em contato. Mas isso foi com um único prompt, e temos controle de câmera, então posso movimentar a câmera. Posso pular. Posso correr um pouco. Ele fez o que deveria fazer. Na verdade, programou um jogo funcional e acertou todas as mecânicas. Só que, graficamente, não está no mesmo nível de alguns dos outros modelos que vimos. Definitivamente acho que o Argon se saiu melhor. >> Até agora, acho que o Opus 5.5 fez o melhor trabalho, seguido pelo GPT-6 Astra. Eu devia mesmo criar um site que mostrasse todos os

13:31 benchmarks desses vários testes do Mega Bonk. Então, esteticamente, não é o Mega Bonk mais bonito, mas, do ponto de vista de programar todas as funcionalidades, parece ter feito tudo corretamente. Mas tivemos ainda mais modelos esta semana. Na verdade, tivemos quatro modelos open weight diferentes. Também tivemos outro modelo da Muse, chamado Muse Spark Open. Antes, o Muse Spark era o melhor modelo da Meta, mas agora que saiu esse novo modelo Wonder, que é o novo modelo de ponta deles,

14:02 eles lançaram o Muse Spark em uma versão aberta. E, segundo o site deles, é o modelo open weight dos EUA mais capaz até hoje. Tem uma especificação interessante, né? É o modelo open weight dos EUA mais capaz, porque, obviamente, há muitos outros modelos open weight da China que talvez sejam mais capazes, mas este é o melhor dos Estados Unidos. Uma coisa interessante especificamente sobre esse modelo é que eles trabalharam com a Apple para otimizá-lo para rodar nos Mac Studio da Apple. Então, ele vai

14:33 rodar em um Apple M5 Ultra Mac Studio, o que é bastante impressionante, considerando que é um modelo com 816 bilhões de parâmetros e uma context window de 1 milhão de tokens. Geralmente, modelos desse tamanho nem rodam em nenhum tipo de computador, bem, de consumo. Não sei se chamaria um M5 Ultra de computador de consumo, já que você vai gastar cerca de 10 mil dólares para montar um sistema capaz de rodá-lo. Mas, enfim, ele roda em um Mac Studio. Quando olhamos para os benchmarks, dá para ver que ele não está sendo comparado com os modelos mais

15:04 rodar em um Apple M5 Ultra Mac Studio, o que é bem impressionante, considerando que se trata de um modelo com 816 bilhões de parâmetros e uma context window de 1 milhão de tokens. Normalmente, modelos desse tamanho nem conseguem rodar em nenhum tipo de computador, bem, de consumo. Não sei se eu chamaria mesmo um M5 Ultra de computador de consumo, já que custaria cerca de 10 mil para montar um sistema capaz de executá-lo. Mas, enfim, ele roda em um Mac Studio. Quando olhamos os benchmarks aqui, dá para ver que não o estão comparando com os mais

15:35 modelos de ponta. Ele está sendo comparado a outros modelos de pesos abertos, como Nemotron, Mr All Large 4, Qwen 3.8, GLM 5.3 e Kimiko 3. E, na maioria desses benchmarks, ele fica em primeiro lugar. No Deep Seek, que é o benchmark de programação ao qual damos mais atenção, não é tão bom quanto Kimiko 3. Rodei esse modelo no Busy Bench. Não houve custo para executá-lo. Ele gerou uma resposta em 1 minuto e 45 segundos e usou 9.280 tokens, mas, sabe, não vai ganhar nenhum concurso de beleza. Eu

16:06 ainda não instalei esse modelo para usá-lo offline. Infelizmente, não tenho um M5 Ultra. Esse modelo foi executado pelo Open Router. Não fiz nenhum teste para tentar ver se ele consegue, sabe, criar arquivos para impressão 3D ou construir um bom jogo de Mega Bonk porque, bem, é um modelo de pesos abertos e ainda não vai ser muito bom nessas coisas. A Microsoft também anunciou um novo modelo de pesos abertos. Eles dizem: “Concluímos recentemente o pré-treinamento do nosso novo modelo de ponta, MAI base 2.” Ele tem 80 bilhões de parâmetros ativos e, supostamente, supera todos os modelos de pesos abertos que eles testaram.

16:36 Esse modelo ainda não concluiu o pós-treinamento, então não está realmente disponível e ainda não foi totalmente avaliado em benchmarks após o pós-treinamento. Por isso, não temos muitas informações sobre ele e não temos acesso a ele. Então, ainda não consegui fazer nenhum teste com ele. A Nvidia também lançou um novo modelo de pesos abertos. Esse se chama Nemotron 3.5 Super VL. É um modelo com 120 bilhões de parâmetros. Eles compartilharam onde ele se posiciona no artificial analysis, e podemos ver que fica bem aqui, com uma pontuação de 26. Então, não chega ao nível de modelos como

17:09 Deep Seek e Qwen 3.8 ou GLM 5.3. Então, sabe, acho que é um modelo razoável, mas ainda não chega totalmente à fronteira da tecnologia, nem mesmo entre os modelos de pesos abertos. Mas parece ter sido projetado para ser muito, muito rápido. Em tokens de saída por segundo, podemos ver que ele está lá no alto, enquanto alguns dos outros modelos, como DeepSeek GLM 5.3, Qwen 3.8 etc., ficam bem abaixo em velocidade. Eles são mais inteligentes, mas nem de longe tão rápidos. Parece que esse é o maior atrativo

17:40 dele. Claro que rodei esse modelo no Busy Bench. Não teve custo, levou 2 minutos e meio e usou 14.400 tokens. E sim, essa é a interpretação dele de Busy. E, por fim, o último modelo de pesos abertos que recebemos esta semana: Ultramarine 1 Flash, da Paper Instruments. Eles afirmam que ele tem nível Fable em trabalho de conhecimento, mas custa 60 vezes menos que Fable. Podemos ver os benchmarks que eles selecionaram para mostrar aqui: Job bench, Pi knowledge work, Frontier

18:12 finance automation bench, Diligence bench e Apex agents. Dá para ver que ele se sai bem nesses testes. Mas os modelos usados na comparação incluem GLM Flash, Gemini 3.8, Claude Fable e 5.6 Soul, que na verdade ficam abaixo dele nesses testes. Só que nenhum desses é o modelo de ponta atual dessas empresas. O verdadeiro atrativo desse modelo é o custo. Estamos falando de 15 centavos por milhão de tokens de entrada e 50 centavos por milhão de tokens de saída. Isso o deixa com um custo bem próximo ao do GPT 6 Luna

18:45 Max, mas um pouco mais inteligente. Esse modelo ainda não estava disponível no Open Router quando gravei este vídeo, então ainda não consegui fazer nenhum benchmark com ele. Mas imagino que provavelmente fique mais ou menos nessa faixa, no nível de um Nematron ou Spark Open. Certo, na semana passada falei dos 28 dias de lançamentos da OpenAI. Tibo publicou este post em 4 de outubro: “Nos próximos 28 dias, a cada dia vamos lançar algo que seja uma melhoria clara e relevante para a maioria dos usuários do Codex/Work ou fazer uma reinicialização completa.”

19:17 No vídeo da semana passada, compartilhei tudo o que eles lançaram naquela semana. Então, vamos ver o que tivemos nesta semana. Um aviso rápido: não foi uma semana tão boa. Na última sexta-feira — gravo estes vídeos às quintas, então isso saiu depois que terminei a gravação —, eles lançaram as previsões do composer. Se você está se perguntando o que é isso, basicamente, quando você escreve um prompt e recebe uma resposta, o sistema tenta adivinhar qual será seu próximo prompt. Então, ele começa a digitar o próximo prompt por você. Esse foi o presente do quinto dia. Eles também lançaram a possibilidade de criar seu

19:49 dot diretamente pelo celular. Antes, você precisava criá-lo no aplicativo para desktop e depois podia usá-lo pelo celular, mas agora eles permitem que você também o crie pelo celular. Também deram a possibilidade de delegar trabalho no Codex ao seu dot. Então, se você estiver fazendo algo no Codex e tiver seu dot, agora eles conseguem se comunicar entre si. Foram três atualizações meio pequenas na última sexta-feira, que foi o quinto dia. Depois, no sexto dia, não houve atualizações; então, deram a todos uma reinicialização. No sétimo dia,

20:20 aumentaram o tamanho padrão da context window do GPT 6.1 Soul para 500.000 quando usado pelo Codex e Work, ou seja, um pouco menos que o dobro; antes eram 272. Então, agora você tem uma context window maior no 6.1. No oitavo dia, não houve atualizações, então tivemos uma reinicialização. No nono dia, implementaram otimizações na forma como o ChatGPT e o aplicativo para desktop do Codex armazenam o estado no disco, o que deve reduzir em 60% o espaço em disco usado para armazenamento. Foi meio que uma atualização do tipo “quem

20:51 se importa?”. As pessoas estão criticando, dizendo que isso não é tanto um recurso novo quanto uma correção de um bug que já existia no sistema. No décimo dia, não houve atualizações, então deram uma reinicialização. E, no décimo primeiro dia, que por acaso é o dia em que estou gravando isto, quinta-feira, implementamos uma série de mudanças e adicionamos mais capacidade computacional para reduzir significativamente a ocorrência da mensagem disruptiva “o modelo selecionado não está com a capacidade esgotada; tente outro modelo”. Então, a grande atualização do décimo primeiro dia foi a OpenAI conseguir mais capacidade computacional para parar de falhar tanto, o que

21:23 mais uma vez gerou reclamações de que isso não é uma melhoria, mas uma correção de bug, e que a confiabilidade básica do serviço não deveria ser a manchete de um evento de lançamentos de 28 dias. Mas essa foi a manchete do décimo primeiro dia, que é o dia em que estou gravando isto. Então, ainda devem vir mais 17 dias de atualizações ou reinicializações, e vou contar o que tivemos na semana seguinte nos vídeos da próxima sexta-feira. Mas, de novo, foram coisas bem pequenas; nada que deixe alguém superanimado e gritando aos quatro ventos. Certo, vamos seguir em frente. Tem muito mais que quero compartilhar, mas muita

21:55 coisa é menor e mais rápida. Então, vamos fazer uma rodada rápida. Recentemente, decision models como Jev têm estado em alta, e até a OpenAI lançou seu próprio decision model na semana passada. Eles não são LLMs; são modelos que leem textos ou analisam coisas e então tomam uma decisão rápida sobre elas, em vez de produzir um monte de texto. Bem, nesta semana tivemos

22:26 dois novos decision models. Um veio da Microsoft e se chama Microsoft Decision One. Faz praticamente a mesma coisa que Jev, mas, supostamente, com um pouco mais de precisão. E podemos ver que, assim como Jev, quando recebe um conjunto fixo de opções de resposta, o Microsoft Decision One fornece uma pontuação de probabilidade calibrada para cada opção. O modelo oferece opções de sim, não, múltipla escolha e avaliação, além de corrigir respostas de IA e ações de agents com base em uma rubrica. Então, faz a mesma coisa que Jev e que o modelo Decisions da OpenAI. Mas também tivemos um segundo decision model nesta semana, de uma empresa chamada Bespoke Labs. Eles lançaram Nimble V4 e Nimble V4 Max, que estão levando os decision models à fronteira da tecnologia. Aparentemente, eles também superam Jev. Aqui estão alguns benchmarks que compartilharam. Eles também oferecem múltipla escolha, sim, não e pontuações baseadas em rubricas, têm menos erros e, sim, quero dizer, é mais uma coisa que faz basicamente o mesmo que Jev, o decision model da Microsoft e o decision model da OpenAI.

22:56 que o decision model da OpenAI faz. Mas também tivemos um segundo decision model esta semana, de uma empresa chamada Bespoke Labs. Eles lançaram o Nimble V4 e o Nimble V4 Max, que estão levando os decision models à fronteira. Pelo visto, eles também superam o Jev. Aqui estão alguns benchmarks que compartilharam. Eles também têm opções de múltipla escolha, sim ou não e pontuações com base em rubricas, cometem menos erros e, sim, quer dizer, de novo, mais uma coisa que faz mais ou menos o mesmo que o Jev, o decision model da Microsoft e o decision model da OpenAI, de

23:27 modelo. Todos fazem a mesma coisa. >> [risos] >> São todos apenas pequenas diferenças de precisão. A IA da SpaceX, ou a IA da SpaceX, seja lá como eles estejam chamando, lançou um novo modelo de voz, Grok Voice 3.0, e ele é bem decente. Na verdade, criei um pequeno agent mais cedo que funcionou muito bem. Vou deixar links para tudo o que mencionei na descrição abaixo do vídeo, mas, se você clicar em “Experimente grátis”, há um pequeno ambiente de testes para você brincar com ele. Criei esta ferramenta futura, e ela simplesmente começou a me fazer perguntas

23:58 sobre o que eu queria que o suporte fizesse, e escreveu as instruções personalizadas, a mensagem de boas-vindas e todo esse tipo de coisa. Você escolhe a voz que quiser. Tem a Karina. >> Você ouviu a nova voz do Grok? Vou contar um segredo. Você ouviu a nova voz do Grok? >> Você ouviu a nova voz do Grok? >> Deu para entender. As vozes soam bem decentes, mas veja como ficou quando criei meu pequeno agent. Eu posso, na verdade… >> Parece que você foi interrompido. >> É, você estava falando quando eu estava tentando falar. Pare de falar quando eu estiver tentando falar. >> Você tem razão. Desculpe. Pode continuar. >> Faço vídeos no YouTube. Quais são algumas

24:29 boas ferramentas no Future Tools para quem faz vídeos no YouTube? >> Vou dar uma olhada no site. Aqui estão algumas que se destacaram. Tube Spanner é um kit completo de ferramentas para YouTube. Ele ajuda com roteiros, ideias de vídeo, miniaturas, títulos, capítulos e divulgação. InVideo permite transformar um prompt de texto em um vídeo completo com roteiros… >> Tá, espera, espera, espera. Tenho outra pergunta. Hum, quais são as últimas notícias do mundo da IA? >> Claro. As principais notícias de hoje no Future Tools são: a OpenAI está levando o GPT Rosalind para laboratórios de pesquisa acadêmica. A Meta

24:59 lançou o Muse Spark open, um modelo de pesos abertos com 816 bilhões de parâmetros. >> Deu para entender. Basicamente, criei um pequeno bot de suporte ao cliente para alguém ligar para o Future Tools, e ele só tem o contexto do site do Future Tools. Então, ele busca notícias no site, busca ferramentas no site e, se você conversar com esse assistente, ele usará isso como fonte de informação. E é bem rápido. Acho que era isso que eles estavam tentando demonstrar: que ele parece ágil. Tipo, faço uma pergunta e ele responde quase imediatamente. Ele faz menos

25:30 pausa, como se ficasse esperando depois que eu pergunto para pensar antes de responder. Já que estamos falando de áudio, vale mencionar isso também. A Eleven Labs lançou trilhas sonoras instantâneas. Você pode gerar uma trilha sonora e sincronizar efeitos sonoros para qualquer vídeo que enviar ao Eleven Creatives. Então, você dá um vídeo para ele, ele assiste ao vídeo e depois decide como criar a trilha sonora do vídeo inteiro. O Facebook fez uma atualização no algoritmo nesta semana que permite usar IA

26:00 para moldar o que você vê no Facebook. Então, aparentemente, agora você pode inserir diretamente os seus interesses para ajustar o que vê, e o sistema de classificação vai se adaptar em tempo real. Acho que não entro no Facebook há uns três anos, então nem testei isso. Mas, se você usa o Facebook, agora pode ajustar um pouco melhor o seu algoritmo, eu acho. O Google lançou um novo recurso para ajudar você a saber se uma mensagem de texto é mesmo um golpe. Então, quando chega uma mensagem, você pode pressionar e segurar nela, o que ativa o Circle to Search. Depois, desenha um círculo ao redor da mensagem e

26:31 uma visão geral feita por IA informa se há algum sinal de alerta. Não tenho um celular Android à mão agora, então não posso testar isso; e, mesmo que tivesse, precisaria ter uma mensagem de golpe ali para testar. Mas é bom saber que o Google está cuidando de você nesse tipo de coisa. Uma nova ferramenta de orquestração de agents de IA chamada Kylon foi lançada nesta semana. Estou compartilhando esta porque, na verdade, recebi uma demonstração dela no começo da semana e achei bem impressionante. É uma ferramenta em que vários agents e várias pessoas podem trabalhar juntos e se comunicar dentro de um sistema de mensagens de chat compartilhado

27:04 E, sim, achei que era uma ferramenta muito legal e quis mencioná-la para vocês conferirem. Ela se chama Kylan. Estamos vendo algumas mudanças no mundo dos jogos. Não sei se vocês têm visto ultimamente, mas há muitos vídeos de pessoas misturando jogos: pegam Minecraft e Grand Theft Auto, juntam os dois, e os personagens de Minecraft ficam andando por GTA. E as pessoas pegam Counter-Strike e colocam os caras em skates, como em Tony Hawk, ou algo assim, e eles ficam andando de skate pelo Counter-Strike, coisas desse tipo. E estão usando IA e ferramentas de engenharia reversa para fazer isso. Bem, a Microsoft viu isso e criou o Xbox Labs, uma espécie de divisão experimental do Xbox, onde vão começar a explorar essas coisas. Como a possibilidade de combinar jogos e usar IA para gerar jogos. É como se fosse um lado totalmente novo do Xbox, em que vão explorar misturas de jogos com IA e coisas assim. Pelo menos é isso que

27:34 entendi. E, aparentemente, a Epic Games também está adotando a IA. Tim Sweeney diz aqui: “Estamos fazendo uma grande mudança na Epic, realocando desenvolvedores para se requalificarem e aproveitarem ao máximo a aceleração proporcionada pela IA. Não estamos tentando fazer as mesmas coisas com menos pessoas, mas permitir que todos aqui criem mais coisas e coisas melhores.” Agora, não sei se a maioria das pessoas da comunidade de jogos está muito animada com essas mudanças. A comunidade de jogos é muito, muito resistente à IA. Então, como provavelmente podem imaginar, isso não está sendo muito bem recebido

28:06 se vocês lerem os comentários aqui. Mas, se me perguntarem, acho que é meio inevitável. Acho que muita programação será feita por IA no futuro, seja em jogos ou não. Acho que as pessoas ficam mais frustradas quando os recursos são feitos com IA, como os gráficos, os efeitos sonoros, as dublagens e coisas assim. Acho que as pessoas vão ficar mais frustradas com isso do que com o fato de parte do código ter sido escrita com IA. Se me perguntarem, acho que as pessoas vão superar isso bem rápido. Mas não sei. A Apple realizou um evento nesta semana em que revelou alguns novos aparelhos. Como a nova Apple TV

28:36 4K, que, é claro, vai ter a Siri integrada. E, por fim, a Apple lançou essa coisa nova chamada HomePod View, que, para mim, literalmente parece uma versão maior de um Apple Watch colocado sobre uma bancada. É como, acho, a versão deles daquele aparelhinho com tela e dock da Amazon Alexa. Ele faz praticamente tudo o que um iPad ou um Apple Watch faz, mas numa tela maior. E, claro, tem a Siri e foi projetado para você usar IA com a sua casa inteligente e coisas do tipo.

29:08 Nunca usei um, então não sei muito bem do que estou falando, mas eles lançaram esse aparelho. E é isso que tenho para vocês hoje. De novo, houve muitos modelos. Me diverti muito testando o Creodai nesta semana. Também me diverti muito explorando o Kilon nesta semana. Estou tentando testar mais ferramentas na prática, cada vez mais, e brincar mais com elas, em vez de apenas noticiar as novidades. Como toda semana, meu trabalho é passar a semana toda tentando acompanhar uma enxurrada de informações. Fico sobrecarregado, leio todas as notícias, acompanho todas as ferramentas, testo coisas e gasto meu próprio dinheiro para descobrir se elas valem a pena para vocês.

29:39 Não usei um, então não sei muito bem do que estou falando, mas eles lançaram essa coisa. E é isso que eu tinha para vocês hoje. De novo, houve muitos modelos. Me diverti bastante usando o Creodai esta semana. Também me diverti bastante mexendo no Kilon esta semana. Estou tentando colocar mais a mão na massa, testar cada vez mais dessas ferramentas e usá-las mais, em vez de apenas, digamos, noticiar as novidades. Como toda semana, meu trabalho é beber de uma mangueira de incêndio a semana inteira. Fico sobrecarregado. Leio todas as notícias, acompanho todas as ferramentas, testo coisas e gasto meu próprio dinheiro para tentar descobrir se elas valem a pena para vocês.

30:09 E continuar acompanhando tudo de perto. Então, se você quiser assistir a apenas um vídeo por semana, no qual recebe uma análise completa de tudo o que aconteceu na semana, fica sabendo de tudo o que precisa saber e se mantém totalmente por dentro da IA, bem, provavelmente deveria se inscrever neste canal e curtir este vídeo, porque este é aquele vídeo semanal. Vou fazer isso toda sexta-feira e deixar você totalmente por dentro. Agora, eu gravo esses vídeos na quinta-feira, então, se alguma notícia importante sair na sexta ou na noite de quinta-feira, ela geralmente fica para o vídeo da semana seguinte ou, sabe, eu faço um vídeo separado sobre isso.

30:40 Mas é isso que eu tinha para você hoje. Agradeço muito, muito por assistir, passar um tempo comigo e nerdar comigo. Muita coisa aconteceu esta semana. E, como toda semana, não acho que isso vá desacelerar tão cedo. Então, mais uma vez, considere se inscrever, e vou garantir que você esteja sempre por dentro com apenas um vídeo por semana. Eu faço mais de um vídeo por semana, mas esses vídeos de notícias, em que explico tudo em detalhes, são apenas um por semana. Então, mais uma vez, você sabe o que fazer. Obrigado de novo. Agradeço muito, muito a você. Espero ver você no próximo. Tchau!

Transcrição original

[00:01] [groaning] >> Woo. It’s been another really busy week in the world of AI. We got some new image models. We got a handful of new large language models. There’s a lot to cover, so let’s get straight into it. I’m actually going to start in a place where I don’t normally start, which is a new image model. And I want to start here because this is probably like the coolest, most fun thing I’ve played with this week. And that’s CreA 3. This week

[00:33] they opened up their beta for it, and this is really like an image editing model. It can generate images, and it kind of does it just as well as like any other image generator model. But where it really stands out is its editing. And let me show you why. I’m going to jump into CreA, and I’m going to go ahead and upload an image. For instance, I’ll use this image, which was uh one of my thumbnail tests from a week ago. And now that it’s in here, if I click on the image, it’ll open it in a large screen. And this is where it gets really cool,

[01:03] is I can just edit things in line like this. Like I’ll select this phone, for instance, and say make the phone background blue. And then let’s select my eyes and say make the eyes red and bloodshot. Now I can click done and submit this, and it actually works really fast. So it took, you know, 10 or so seconds, and we’ve got three variations. This one probably looks the closest to what I’m going for. And again, if I just

[01:34] click on this, I’ve got my red bloodshot eyes and a blue background on the phone, and it didn’t touch anything else about the image. Now let’s go ahead and select the text on the phone, like so, and then say make this text say Gemini for Argon. And then I can select the little logo here and say make this the Google logo. Submit those two changes and a few seconds later we’ve got two new variations that are both pretty much the exact same, but I can continue this on

[02:06] and on. Let’s select this text here, change the text to new model. Let’s select the logo on my hat, change this logo to a baseball logo. I don’t know what I’m doing. All right, let’s submit this and you kind of get the idea. It is one of the best image editing experiences I’ve had so far and to me it does actually quite a bit cleaner of a job with these edits than something like chat GPT image or nano banana. Now, I

[02:38] imagine it’s only a matter of time before those catch up and it feels like a similar workflow, but this is just such a simple easy experience. Like here’s our new image. I got a baseball on my hat. You can see it looks like it’s stitched onto a hat. The text changed to new model keeping the exact same font and color scheme. Like if you need to make quick edits on a thumbnail, this is going to be like the new tool to go do that. So, I was really really impressed with Korea 3, which is why I had it lead off this video and I want to show it off first. I think it’s really

[03:08] cool. It is in a public beta right now. You can use it over at korea.ai. We actually got a total of three new image models this week. We got a new model out of Forest Labs called Flux 3 image Klein and this is actually an open weight image model. I believe the Korea one is actually going to be open eventually as well, but this one was released as open. You can click on download the weights and grab them on hugging face right now and if we scroll down we can actually

[03:38] see what kind of computers this will work on and check this out. If you have a DGX Spark, you can do text image in 7.3 seconds. You can do image editing on a DGX Spark in 16.2 seconds, but I mean DGX Sparks are like four grand machines. However, RTX 4070s are much easier to find. And if you have one of these, well, it’s going to take like a second and a half longer, but you can do text to image, image editing, and even higher resolution text to image and image

[04:09] editing all on a consumer grade RTX 4070. Now, when it comes to how good it generates images, you know, it’s decent. I almost feel like image generation is fairly solved at this point, so I don’t talk about it quite as much as I used to. But this one is open weights, and there is a way to use it for free. If I jump back over to Hugging Face here, I’m on the Flux 3 image Klein page. Over on the right, you can see spaces using Black Forest Labs. If I click on this top one here, Flux image Klein, you can actually play around with this image

[04:39] generator for free on spaces. Now, it’s not going to be ultra fast cuz when you’re using Hugging Face, it’s sort of like shared cloud compute. So, a lot of times if there’s a lot of people playing with it at the same time, it’s going to be a bit slower, but you can actually use it here for free right now. Here’s some of the pre-cached images that they’ve already generated. This still water record cover, this Lido Lido poster, gold leaf bakery sign, Dutch still life, brutalist church. I mean, again, I don’t feel like there’s anything particularly special about this

[05:11] image generator other than the fact that it is open source and that you can run it on consumer grade computers right now. We also got another open weight model, this time out of Alibaba in their Quin image 2.1 turbo model. This model is also designed to be really fast. They already released Quin image 2.1. This turbo model is an accelerated checkpoint, so you probably lose a little bit of quality in exchange for a little more speed. And like the other one, it is available to test over on

[05:42] Hugging Face. Head over to Hugging Face. Down in the bottom right, there’s this Hugging Apps Quinn image 2.1 turbo. You can select that, and you can see here’s an example of like a chemistry poster that it generated. This is a transparent anime bride. I don’t think the bride’s transparent, I think the background is transparent. A travel planner user interface. Again, it’s hard to impress me with image models cuz I do feel like these image models have been fairly solved for a while now. I get more impressed by image editing than image

[06:13] generation, which this one can also do image editing. But for me, Krea 3 is the big winner of the week when it comes to image. This next update is from GenSpark, and they just launched a new AI design tool called GenSpark Design. I’m going to see if I can turn my Future Tools site into a fully mapped out mobile app. So here I can drop in some screenshots of Future Tools for design inspiration, and then I’m going to ask it to keep the overall style similar, but rebuild the experience so it feels mobile first. And you can see it didn’t just create one generic mock up. It

[06:45] designed the full app with a home feed and individual tool pages and search and filters and a news section. And everything it generates is layered and editable. So I can click into any screen, rewrite the text, change the colors, adjust the spacing, or completely restructure the layout without starting over. What’s great about designing all of this in GenSpark instead of in something like Figma in the same workspace, I can also create the images, launch video, website, and other assets I need for the app and collaborate on it with my whole team.

[07:16] And when the design is ready, I can export its components and design tokens or bring it into GenSpark code to start turning it into a working product. If you want to try it for yourself, you can get free credits when you sign up for GenSpark Design using the link in the description box. And thanks so much to GenSpark for supporting my channel and sponsoring this portion of today’s video. We also did get a ton of new large language models this week. Probably the biggest model and the most impressive one was this Gemini 4 Argon

[07:48] model. I’m not going to go too deep into this model on today’s video because I did already make an entire breakdown here in this video titled Google just caught up Gemini 4 Argon. I will however give you like a little bit of a TL didn’t watch. This model was actually announced a few weeks ago back on September 30th. So all of the benchmarks and everything we know about it was already sort of out into the public. But for the most part it’s caught up in almost all the benchmarks with GPT-6 Astra, Claude Opus 5.5. Like it is kind

[08:20] of state-of-the-art in most benchmarks. As far as availability you can use it via the API and you can use it inside of Gemini if you’re on an AI Ultra or Pro plan. So one of their paid plans. The API cost $2 per million input tokens, $10 per million output tokens. But that is for a limited time. That’s through the end of November. Then that price pretty much doubles. Taking a look at artificial analysis which is sort of this combination of a whole bunch of benchmarks that are all sort of mashed together to try to find like the

[08:51] objectively smartest model actually puts Gemini 4 down here with a score of 53. A full five points below Opus 5.5. However, as far as cost per task goes Opus 5.5 is way up here at the third most expensive cost per task model where Gemini 4 is way down here. So a lot cheaper per task of a model to use with a very sort of similar level of intelligence. I of course ran it on Beuci Bench. This was the Beuci that it generated and it did it for about 34

[09:22] cents. Used 34,000 tokens and took about four minutes to generate. It did however land on our leaderboard where an LLM judges these images at number two. I also ran it through my normal set of tests and had Gemini 4 generate its version of Mega Bonk and this is what we got out of it. It’s not bad. Not the best game generation we’ve ever seen. Not the prettiest we’ve ever seen, but you know, it’s decent. Can’t really complain. Uh this is one shot. I’ve got my camera

[09:52] angles that I can move around. I can jump. I can sprint. It’s just none of the characters or graphics look that pretty. We’ve definitely gotten better looking graphics out of some of our other models. Now one thing that was interesting was I was on this like pre-brief call with the Google team like a couple days before this launched and they were sharing some details. And one of the details they shared was that it’s really good at creating 3D print models. So I actually gave it a prompt and said generate a 3D bust of Gary Busey. And well, wouldn’t you know, I got my Gary

[10:24] Busey bust right here. It did it pretty good. Now if you look at the profile, it’s not amazing, but straight on that’s a pretty good Busey bust. that was me just asking Gemini 4 Argon to generate an STL and I gave it an image of the front of Gary Busey’s face and said generate a 3D bust that I can print on my printer of this person. And yeah, I mean it’s pretty Busey. All right, let’s move on. If you want a much deeper dive into Gemini 4, check out that video I mentioned. You’ll see all the prompts

[10:55] that I used and a lot more tests that I did with it. But again, don’t want to go too deep in this video since well, there’s a the whole other video about it already. We did get another big model release this week that’s impressed a lot of people. I can’t say I’ve been super impressed [laughter] with it if I’m being honest. It’s just been kind of okay, but Theo here who’s typically pretty critical about most LLMs claims that it’s S-tier. He says my current model rankings S-tier Opus 5.5 and Muse Wonder A-tier GPT 6.1 Soul gap everything else falls below that. So I

[11:25] mean, he put it as an S-tier model. But here’s what you need to know about it. On Deep Suey, the benchmark most people look at to see how good these models are at coding, Muse wonderful scored a 79%, which would make it the best top-tier model on Deep Sweet. Here’s a bunch more benchmarks, superintelligence index, Harvey lab for legal work, financial analyst research. You can see it scored in the state of the art for all of those, and it scored on par with the other state-of-the-art models for all of these benchmarks here. And well, as we

[11:56] can see, just seems like a really, really good model. Like Meta has caught up, according to the benchmarks, with the state-of-the-art models. As far as pricing goes, $4 per million input tokens, $20 per million output tokens. This puts it at, I believe, roughly the same pricing as Opus. Yeah, so Claude Opus 5.5, it’s about the same price as that. Looking back at artificial analysis here, we can see that Muse wonderful scores up here. It actually scores above Gemini for Argon, above Gemini, above GPT-6 Astra, above Claude

[12:29] Fable 5.1, which, like a couple months ago, was a model that was blowing everybody’s minds and freaking people out. Well, this one scores above that, and it’s from Meta, which I don’t think people saw coming from Meta. It’s tied with Claude Sonnet 5.5 and just two points below Opus 5.5. On a cost-per-task basis, it’s kind of up there. It’s the fifth most expensive model, but not quite as expensive as the other Anthropic models. I ran this one through BeauC bench as well, and well,

[12:59] this is the BeauC that it generated. [laughter] It cost about 34 cents, used 17,000 tokens, and it came in at just under 4 minutes to generate. And I don’t think it fell anywhere in the top 10 on my leaderboard. No, it fell in at number 14, according to the LLM as a judge. I also gave this one the mega bonk test to see how it would generate, and well, this is what we got with that. Let’s do Sir Bonk-a-Lot, and yeah, we got a a snowman with a stick. >> [laughter] >> And it’s actually really hard cuz it only hits him like if the bat actually

[13:31] makes contact. But this is one single prompt and we got camera control so I can move around the camera. I can jump. I can sprint a little bit. It did what it was supposed to. It actually coded up a working game and it got all the game mechanics right. It’s just graphically it’s not on par with some of the other models we’ve seen. I definitely think Argon did a better job. >> So far I think Opus 5.5 did the best job followed by GPT-6 Astra. I should really make a website that shows all the

[14:02] benchmarks of these various megabong benches. So aesthetically not the best looking of the megabongs, but from standpoint of actually coding up all the functionality, it seemed to do it all correctly. But we got even more models this week. In fact, we got four different open weight models this week. We got another model out of Muse called Muse Spark Open. So previously Muse Spark was Meta’s best model, but now that this new Wonder model came out and that’s their new state of the art, you

[14:33] know, internal state of the art, they released their Muse Spark in an open version. And according to their website, it is the most capable US open weight model to date. A lot of specification in there, right? It’s the most capable US open weight model cuz obviously there’s a lot of other open weight models out of China that are possibly more capable, but this is the best one from the US. One thing that’s interesting about this model specifically is that they actually worked with Apple to optimize it to run on Apple Mac Studios. So this will

[15:04] actually run on an Apple M5 Ultra Mac Studio, which is pretty impressive considering that it’s an 816 billion parameter model with a 1 million token context window. Usually models that size, you’re not even going to be able to run on any sort of, well, consumer computer. I don’t know if I’d really call an M5 Ultra a consumer computer, seeing as you’re looking about 10 grand to build a system that’ll run it. But hey, it’ll run on a Mac Studio. When we look at the benchmarks here, you can see it’s not comparing it with like the most

[15:35] state-of-the-art models. It’s comparing it to the other open weight models like Nemotron, Mr All Large 4, Qwen 3.8, GLM 5.3, Kimiko 3. And on most of these benchmarks, it is the top Deep Seek, which is the coding benchmark we pay attention to the most, it’s not quite as good as Kimiko 3. I ran this one through Busy Bench. There was no cost to run it. It generated 1 minute 45 seconds and used 9,280 tokens, but you know, it’s not winning any beauty contests. I

[16:06] haven’t installed this one offline. I unfortunately don’t have an M5 Ultra. This one ran through Open Router. I haven’t done any tests to try to see if it’ll, you know, make 3D print files or build a good Mega Bonk game because, well, it’s a open weight model that’s not going to be super great at that stuff yet. Microsoft also announced a new open weight model. They say, “We recently completed pre-training on our new state-of-the-art model MAI base 2.” It’s got 80 billion active parameters and supposedly outperforms every open

[16:36] weight model they tested. This model hasn’t completed post-training yet, so it’s not actually available and not totally benchmarked after post-training, so we don’t have a lot of information about it and it’s not one we have access to. So, I haven’t been able to do any testing with it or anything yet. Nvidia also released a new open weight model. This one’s called Nemotron 3.5 Super VL. This one’s a 120 billion parameter model. They actually shared where it lands on artificial analysis and we can see it falls right here with a score of 26. So, not quite up there with like

[17:09] Deep Seek and Qwen 3.8 or GLM 5.3. So, you know, it’s a decent model, I guess, but it’s not totally up within the state of the art or even really state of the art among open weight models yet, but it appears to be designed to be really, really fast. So, output tokens per second, we can see it’s all the way up here where some of those other models like DeepSeek GLM 5.3, Qwen 3.8, etc. are way down here in speed. They’re smarter, but not nearly as fast. Like that seems to be its biggest selling

[17:40] point. Of course, I Busy bench this one. It had no cost, took 2 and 1/2 minutes, and used 14,400 tokens. And yeah, that’s its interpretation of Busy. And finally, the last open weight model we got this week, Ultramarine 1 Flash from Paper Instruments. They claim this one is Fable class on knowledge work, but at 60 times cheaper than Fable. So, we can see the benchmarks that they sort of cherry-picked to show off here. Job bench, Pi knowledge work, Frontier

[18:12] finance automation bench, Diligence bench, Apex agents. You can see it does well on those. But, the models it’s comparing it to are models like GLM Flash, Gemini 3.8, Claude Fable and 5.6 Soul actually come in underneath on these, but neither of those are these companies current state of the art either. The real selling point on this one is the cost. You’re looking at 15 cents per million token input, 50 cents per million token output. So, that puts it at fairly close in cost to GPT 6 Luna

[18:45] Max, but slightly smarter. This one wasn’t available at the time of this recording inside of Open Router, so I haven’t been able to do any sort of benchmarking on it myself yet. But, I imagine it’ll probably, you know, look in this general range like a Nematron or Spark Open sort of level. Okay, so last week I talked about OpenAI’s 28 days of shipping. Tibo put this post out on October 4th. Over the next 28 days, each day we’ll either ship one thing that is a clear improvement and relevant for most Codex/Work users or ship a full

[19:17] reset. In last week’s video, I shared everything they shipped last week, so let’s see what we got this week. Quick spoiler, wasn’t as great of a week. So, last Friday, I record these on Thursdays, so this one came out after I recorded it, they released composer predictions. If you’re wondering what that is, basically when you prompt something and it gives you a response, it sort of guesses what it thinks your next prompt is going to be. So, it sort of pre-types the next prompt for you. So, that was the day five treat. They also released the ability to create your

[19:49] dot straight from your phone. Before you had to create it on the desktop app and then you can go and use it from your phone once it was created, but now they gave you the ability to actually create it from your phone. They also gave you the ability to delegate work in Codex to your dot. So, if you’re doing something in Codex and you have your dot, they can sort of communicate back and forth now. So, three, you know, kind of minor updates on last Friday, which was day five. Then day six, no new updates, so they gave everybody a reset. Day seven,

[20:20] they increased default context length for GPT 6.1 Soul to 500,000 when used through Codex and Work, which is, you know, a little less than double, 272 was the previous. So, you got a larger context length on 6.1. Day eight, no updates, so we got a reset. Day nine, they rolled out optimizations to how they store state on disk for ChatGPT and Codex desktop app that should reduce the amount of stored disk by 60%. This was kind of like a who

[20:51] cares update. People are calling them out saying this isn’t really as much of a feature as it is you fixing a bug that was already in the system. Day 10, no new updates, so they gave a reset. And then day 11, which happens to be the day I’m recording this, Thursday, we’ve landed a series of changes and more compute to very significantly decrease the occurrence of disruptive selective model isn’t at capacity, please try different model. So, their big update for day 11 was OpenAI got more compute so it wouldn’t screw up as much, which

[21:23] once again, people are complaining this isn’t improvement, this is a bug fix and basic service reliability shouldn’t be a headline of a 28-day shipping event. But, that was their headline for day 11, which is the day I’m recording this. So, there should be 17 more days of updates or resets and I’ll update you in the next Friday’s videos with what we got the following week. But, again, all fairly minor stuff, nothing that anybody’s getting super excited and shouting from the rooftops about. All right, so let’s move on. There’s a lot more that I want to share, but a lot of

[21:55] this is sort of smaller, quicker stuff. So, we’re going to jump into a rapid fire. So, recently decision models like Jev have been all the rage and even OpenAI put out their own decision model last week. These aren’t LLMs, these are models that they read text or look at things and then make a quick decision about those things as opposed to outputting a ton of text. Well, we got

[22:26] two new decision models this week. We got one out of Microsoft called Microsoft Decision One, pretty much does the exact same thing as Jev, but supposedly with a bit higher accuracy. And we can see just like Jev, when given a fixed set of answer options, Microsoft Decision One provides a calibrated probability score for each option. The model supports yes, no, multiple choice, and rating options, as well as a rubric-based grading of AI responses and agent actions. So, it does the same thing that Jev does and the same thing

[22:56] that the Decisions model out of OpenAI does. But, we also got a second decision model this week from a company called Bespoke Labs. They released Nimble V4 and Nimble V4 Max, which are pushing the frontier of decision models. Apparently, they also outperform Jev. Here’s some benchmarks they shared. They also have multiple choice, yes, no, and rubric scores, has fewer errors, and yeah, I mean, again, another thing that kind of does the same thing as Jev, Microsoft’s decision model, and OpenAI’s decision

[23:27] model. They all do the same thing. >> [laughter] >> They’re all just slight differences in accuracy. SpaceX’s AI or SpaceX’s AI, whatever they’re calling themselves, they released a new voice model, Grok Voice 3.0, and it’s pretty decent. I actually built a little like mini agent earlier that worked pretty well. I’m going to link up everything I talked about in the description below the video, but if you click on try it for free, they do have a little sandbox that you can play around with it in, and I created this like future tool support, and it actually just asked me questions

[23:58] about what I wanted support to do, and it wrote the custom instructions and the welcome message and all of that kind of stuff. You pick which voice you want. You’ve got Karina. >> Have you heard the new Grok voice? Let me tell you a secret. Have you heard the new Grok voice? >> Have you heard the new Grok voice? >> You get the idea. There’s pretty decent sounding voices, but here’s what it sounded like when I created my little agent. I can actually >> It sounds like you might have gotten cut off. >> Yeah, you were talking when I was trying to talk. Stop talking when I’m trying to talk. >> You’re right. I’m sorry. Go ahead. >> I make YouTube videos. What are some

[24:29] good tools over on Future Tools for people who make YouTube videos? >> Let me check the site for that. Here are a few that stood out. Tube Spanner is an all-in-one YouTube toolkit. It helps with scripts, video ideas, thumbnails, titles, chapters, and promotion. InVideo lets you turn a text prompt into a full-length video with scripts >> Okay, wait, wait, wait. I’ve got another question. Um what is the latest news in the AI world? >> Sure. Today’s top stories on Future Tools are OpenAI is bringing GPT Rosalind to academic research labs. Meta

[24:59] released Muse Spark open, an 816 billion parameter open weight model. >> You get the idea. I basically created a little customer support bot where somebody can call into Future Tools, and it only has the context of the Future Tools website. So, it pulls news from the site, it pulls tools from the site, and if you chat with this assistant, it will use that as its source of information. And it’s pretty fast. I think that’s what they were kind of trying to show off is that it feels quick. Like, I ask a question and it responds almost immediately. It has less

[25:30] of a pause where it’s like waiting after I ask to like think it through before responding. Since we’re talking about audio, might as well mention this as well. Eleven Labs introduced instant soundtracks. You can generate a soundtrack and synchronize sound effects for any video you upload in Eleven Creatives. So, you give it a video, it watches the video, and then figures out how to soundtrack that whole video. Facebook made an update to their algorithm this week where you can use AI

[26:00] to shape what you see on Facebook. So, now apparently you can directly input your interest to fine-tune what you see, and the ranking system will adapt in real time. I don’t think I’ve logged into Facebook in like 3 years, so I haven’t even tested this myself. But if you are somebody that’s using Facebook, well, now you can fine-tune your algorithm a little bit better, I guess. Google rolled out a new feature to help you see if a text message is actually a scam. So, when a text comes in, you can sort of long click on it, and that’ll activate Circle to Search, and then you draw a circle around the message, and

[26:31] then an AI overview will let you know if there’s any red flags around it. I don’t have an Android phone handy at the moment, so I can’t test this out, and even if I did, I would have to have like a scam text sitting there for me to test it with. But good to know that Google’s got your back on that stuff. A new AI agent orchestration tool called Kylon was launched this week. I’m sharing this one cuz it’s one I actually got a little bit of a demo of earlier this week and found it kind of impressive. It’s a tool where you can have multiple agents and multiple people all in a similar chat

[27:04] messaging system all working together and all communicating together. And yeah, I just thought it was a really cool tool and thought I’d shout it out for you to go check out. It’s called Kylan. We’re getting some AI shakeups in the gaming world. I don’t know if you’ve been seeing lately, but there’s been a lot of videos about people sort of mashing up games where they’re taking Minecraft and Grand Theft Auto and mashing them together and their Minecraft characters running around in GTA and people are taking like Counter-Strike and putting the guys on skateboards from like Tony Hawk or

[27:34] something and they’re like skating around in Counter-Strike and things like that. And they’re using AI and reverse engineering tools to be able to do that. And well, Microsoft saw that and they created Xbox Labs, which is an experimental sort of division of Xbox where they’re going to start playing with this stuff. Like the ability to merge games and use AI to generate games and it’s like this whole new side of Xbox where they’re going to explore like AI mashups and things. At least that’s

[28:06] my understanding of it. And apparently Epic Games is also embracing AI. Tim Sweeney here says, “We have a huge pivot underway here at Epic moving developers around to retool for maximum AI acceleration. They’re not trying to do the same stuff with fewer people, but to enable everyone here to build more and better stuff.” Now, I don’t know if most people in the gaming community are super excited about these changes. The gaming community is one that’s been very, very resistant of AI. So, as you can probably imagine, it’s not going over super well

[28:36] if you read the comments here. But if you ask me, I do think it’s kind of inevitable. I think a lot of coding is going to be done by AI in the future whether it’s with games or not games. I think more people get frustrated when assets are made with AI, like the graphics and the sound effects and the voiceovers and things like that. I think people are going to be more frustrated by that stuff than they are that some of the code was written with AI. I think people are going to start to get over that pretty quickly, if you ask me. But I don’t know. Apple had an event this week where they unveiled a few new gadgets. Like there’s the new Apple TV

[29:08] 4K, which is of course going to have a Siri baked into it. And finally, Apple launched this new HomePod View thing, which to me literally looks like a bigger version of an Apple Watch that sits on a counter. This is like, I guess, their version of an Amazon Alexa like little screen dock thing. It pretty much does everything like an iPad or an Apple Watch will do, but on a bigger screen. And of course, it has Siri and is going to be designed for you to use AI with like your smart home and stuff.

[29:39] I haven’t played with one, so I don’t totally know what I’m talking about, but they rolled this thing out. And that’s what I got for you today. Again, there was a lot of models. I had a lot of fun playing with Creodai this week. I had a lot of fun playing around with Kilon this week. I’m trying to get more hands-on and test more and more of these tools and play with them more as opposed to just like reporting the news. As with every week, it’s my job to drink from the firehose all week. I’ll be overwhelmed. I’ll read all the news and keep up with all the tools and test stuff and spend my own money to try to figure out if stuff is worth it for you.

[30:09] And just keep my finger on the pulse. So if you want to just watch one video a week where you get the full breakdown of the week of everything you need to know and be completely looped in on AI, well, you should probably subscribe to this channel and like this video cuz this is that one video every week. I’m going to do this every single Friday and completely loop you in. Now, I do record these videos on Thursday, so if any major news breaks on Friday or late Thursday night, that’ll usually end up in next week’s video or, you know, I’ll make like a standalone video about it.

[30:40] But yeah, that’s what I got for you today. I really, really appreciate you tuning in, hanging out with me, nerding out with me. Lots of stuff this week. And, just like every week, I don’t think this is slowing down anytime soon. So, again, consider subscribing, and I’ll make sure you’re always in the loop with just one video a week. I do make more than one video a week, but these news videos, where I break everything down, are just one video a week. So, again, you you know what to do. Thanks again. Really, really appreciate you. Hopefully, I’ll see you in the next one. Bye-bye.