Novo robô Raynex G3 com IA, «cérebro» da Unitree, ChatGPT Images 2.5 e DeepSeek V4.1 Flash

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: Novo robô Raynex G3 com IA, «cérebro» Unitree, ChatGPT Images 2.5, Deepseek V4.1 Flash · Canal: AI News · 07:33 · Assistir no YouTube

Tópicos: Agentes de IA, Geração de conteúdo com IA, Modelos de IA, Robótica e sistemas autônomos

Resumo

O vídeo apresenta o modelo H1 1.0 da Unitree, que coordena 64 tarefas robóticas e usa previsão de mudanças na cena antes de agir, além de discutir se isso representa progresso rumo à AGI incorporada. Também mostra o humanoide Raynex G3, projetado para força física, com capacidades de levantamento e transporte de cargas. Em seguida, destaca melhorias do ChatGPT Images 2.5 e novos recursos do ChatGPT Work, incluindo operação de aplicativos com permissão e um agente de dados. Por fim, aborda o DeepSeek V4.1 Flash, cuja arquitetura busca reduzir o uso de memória para tarefas longas com uma janela de contexto de 1 milhão de tokens.

Pontos-chave

O Unitree H1 1.0 coordena 64 tarefas e foi treinado com cerca de 2.500 horas de dados de robôs reais.
O modelo da Unitree prevê mudanças na cena por meio do fluxo óptico e combina essa previsão com um sistema de aprendizado de ações.
A Unitree disponibilizou código, pesos do modelo e conjuntos de dados para outros desenvolvedores.
O Raynex G3 foi apresentado como um humanoide voltado à força, capaz de levantar até 100 kg e caminhar com uma carga de 80 kg nas costas.
O ChatGPT Images 2.5 promete mais precisão em edições e até 50% menos latência que o Images 2.0.
O ChatGPT Work pode operar aplicativos de desktop e navegador com permissão, além de incluir um agente de dados para consultas em linguagem natural.
O DeepSeek V4.1 Flash ativa 8 bilhões de parâmetros para processar entradas e 16 bilhões para gerar respostas.
O DeepSeek V4.1 Flash oferece uma janela de contexto de 1 milhão de tokens e requer menos memória de alta velocidade que o V4 Flash.

Capítulos

Início	Capítulo	Resumo
00:00	O modelo robótico da Unitree	O vídeo apresenta o H1 1.0, suas tarefas, sua capacidade de prever mudanças no ambiente e a discussão sobre AGI incorporada.
02:40	O humanoide Raynex G3	São descritas a estrutura, a força e as capacidades de carga do Raynex G3, ainda sem preço ou data de lançamento anunciados.
04:16	Novidades de imagem e produtividade da OpenAI	O vídeo aborda o ChatGPT Images 2.5, o GPT-6 Astra no ChatGPT Work e os recursos de automação e análise de dados.
06:26	DeepSeek V4.1 Flash	A apresentação destaca a arquitetura do modelo, a quantidade de parâmetros ativados e sua eficiência de memória para contextos longos.

Citações

Até que ponto estamos perto da AGI incorporada, e você confiaria neste robô dentro da sua casa? — 00:00

A AGI no mundo real não pode escolher suas tarefas. — 02:40

Não foram anunciados preço nem data de lançamento. — 04:16

Com permissão, o ChatGPT Work pode operar os aplicativos de desktop e o navegador de uma pessoa. — 05:53

Isso deve reduzir significativamente o custo de executar tarefas longas de agent. — 07:33

Conceitos e entidades

Unitree H1 1.0 (modelo): Modelo de uso geral da Unitree voltado ao controle de humanoides em dezenas de tarefas.
Unitree (empresa): Empresa que desenvolveu o modelo H1 1.0 e divulgou seus dados e pesos.
Raynex G3 (modelo): Humanoide apresentado como um robô voltado à força e ao transporte de cargas.
9 Ray Group (empresa): Empresa citada como responsável por apresentar o Raynex G3.
ChatGPT Images 2.5 (ferramenta): Modelo de geração e edição de imagens da OpenAI com recursos de esboço e modelos prontos.
GPT-6 Astra (modelo): Modelo que, segundo a OpenAI, alimenta o ChatGPT Work para tarefas profissionais.
ChatGPT Work (ferramenta): Produto da OpenAI para tarefas profissionais, análise de dados e interação autorizada com aplicativos.
DeepSeek V4.1 Flash (modelo): Modelo da família V4 da DeepSeek que usa uma arquitetura assimétrica e uma janela de contexto de 1 milhão de tokens.
DeepSeek (empresa): Empresa responsável pela família de modelos V4 mencionada no vídeo.

Tradução completa (pt-BR)

00:00 Até que ponto estamos perto da AGI incorporada, e você confiaria nisso dentro da sua casa? Hoje, nas notícias de IA, vamos dar uma olhada mais de perto em um humanoide novíssimo, além de novas tecnologias da OpenAI e da DeepSeek. Mas, primeiro, estes são 10 dos movimentos autônomos mais impressionantes do recém-lançado Unitree >> [música] >> Unitree H1 1.0, um novo modelo de base de uso geral feito para controlar robôs humanoides em dezenas de tarefas com um único cérebro. Em vez de treinar um modelo neural para cada skill, como a maioria do setor ainda faz,

00:32 o modelo tem 6 bilhões de parâmetros e foi treinado com cerca de 2.500 horas de dados de robôs reais, não apenas de simulações. Uma única instância dele coordena 64 tarefas no total: 54 tarefas de manipulação sobre mesas e 10 tarefas de manipulação de corpo inteiro. Mas, o que é fundamental, ele também generaliza entre diferentes hardwares, funcionando tanto com pinças simples de dois dedos quanto com vários tipos de mãos hábeis de cinco dedos

01:03 sem precisar retreinar um modelo separado para cada uma. Por dentro, a Unitree dividiu o sistema em duas partes conectadas. A primeira é um modelo de raciocínio incorporado, baseado no modelo Open Qwen 3 VL 4B e treinado com mais de 5 milhões de amostras que abrangem detecção de objetos, previsão de trajetórias espaciais e raciocínio com múltiplas imagens. A Unitree diz que esse componente agora supera concorrentes open source em sete dos 16 benchmarks espaciais e multimodais avaliados e tem desempenho comparável ao de modelos proprietários próximos nos demais,

01:36 incluindo versões recentes do GPT e do Gemini. Mas o que eles chamam de previsão dinâmica de regiões é o que torna isso realmente interessante. Em vez de apenas reagir a uma única imagem estática, o modelo de IA observa o fluxo óptico entre os quadros do vídeo para descobrir quais partes de uma cena estão prestes a mudar e, em seguida, prevê essa mudança antes de executar qualquer ação física. Essa etapa de previsão do futuro é então combinada com um sistema separado de aprendizado de ações discretas, que codifica de forma independente a posição da pinça, os movimentos da mão e dos dedos e os movimentos da parte inferior do corpo em suas próprias sequências comprimidas de tokens

02:09 Tudo isso é alinhado em um único modelo compartilhado. Isso significa que o robô não está apenas imitando uma demonstração gravada, mas modelando causa e efeito na cena à sua frente antes de decidir como agir. Na verdade, a Unitree disponibilizou como open source o código, os pesos do modelo e conjuntos de dados de treinamento, incluindo um conjunto separado de 500 horas de dados do mundo real, para que outros desenvolvedores possam trabalhar diretamente sobre a mesma base em vez de começar do zero. Então, eis a verdadeira questão: isso representa um avanço real rumo à AGI incorporada, ou

02:40 é apenas um vídeo de demonstração mais longo? Um modelo que executa 64 tarefas com modelagem preditiva do mundo é um avanço técnico legítimo, mas ainda foi testado em condições controladas e selecionadas. Já a AGI no mundo real não pode escolher suas tarefas. Então, contem nos comentários o que acham: um robô consegue entrar em uma situação não roteirizada e simplesmente dar conta dela, sem laboratório nem roteiro? Mas, enquanto a Unitree corre para construir o cérebro de robô mais inteligente, uma nova empresa corre para construir o corpo de robô mais forte. A 9 Ray Group acaba de apresentar o Raydex G3, um novo humanoide feito

03:13 especificamente para priorizar a força física bruta. Em termos de porte, o Raydex G3 tem 173 cm de altura, cerca de 5 pés e 8 polegadas, e pesa 60 kg, cerca de 132 libras, além de ter 32 graus de liberdade. Ainda mais notável é que suas articulações usam um projeto personalizado de motor de torque sem estrutura, com densidade de empuxo de pico especificada em 4.500 N por kg. Em termos de força bruta, o G3 consegue levantar 100 kg no levantamento terra, cerca de

03:44 220 libras. Ele consegue caminhar com uma carga de 80 kg nas costas, cerca de 176 libras, e tem capacidade de carga com os dois braços de até 60 kg, ou cerca de 132 libras. A manipulação precisa com as duas mãos de cargas de até 30 kg, ou cerca de 66 libras, é sustentada por 44 unidades independentes de controle de força distribuídas pelo corpo, para movimentos complacentes e resistentes a perturbações. A bateria que alimenta tudo isso foi projetada para 8 horas de uso contínuo, e as articulações foram testadas por mais de 10.000 horas de

04:16 durabilidade. Ainda não foram anunciados preço nem data de lançamento. Então, contem nos comentários quanto estariam dispostos a pagar por um Rayna X G3 e o que gostariam de ver esse robô fazer em seguida. >> [música] >> Mas, saindo da IA incorporada e passando para a IA generativa, a OpenAI acaba de lançar o ChatGPT Images 2.5, dizendo que esse novo modelo de geração de imagens de ponta melhora os detalhes, a precisão das edições e a velocidade em uma plataforma que já gera mais de 3 bilhões de imagens por semana. A OpenAI afirma que o modelo preserva melhor pessoas e objetos das fotos de referência e mantém mais consistência

04:49 ao longo de várias rodadas de edição em uma conversa, além de reduzir em até 50% a latência de geração em comparação com o Images 2.0. Junto com ele, chegam dois novos recursos. O Sketch transforma um desenho grosseiro em uma imagem finalizada, e os modelos prontos oferecem formatos comuns, como pôsteres e fotos de produtos. Para desenvolvedores, a OpenAI está lançando dois novos modelos de API: GPT Image 2.5 Flare, a opção padrão mais rápida, e GPT Image 2.5 Sunburst, feito para trabalhos criativos mais lentos e de maior

05:19 precisão. Na verdade, Adobe, Runway e Midjourney já integraram os novos modelos aos próprios produtos. O Images 2.5 já está disponível no ChatGPT, no ChatGPT Work e no Codex para desktop, dispositivos móveis e web. Além disso, a OpenAI também confirmou que o ChatGPT Work agora funciona com GPT-6 Astra, que a empresa apresenta como seu modelo mais poderoso até hoje para o trabalho profissional. A empresa diz que o Astra melhora a capacidade do ChatGPT Work de entender a intenção real por trás de um pedido, buscar informações relevantes nos aplicativos e arquivos conectados de um usuário e produzir relatórios, apresentações e análises que exigem menos ajustes manuais e se aproximam mais dos modelos e estilos de escrita existentes.

05:53 A mudança maior, porém, está nas ações, >> [música] >> pois, com permissão, o ChatGPT Work agora pode operar os aplicativos de desktop e o navegador de uma pessoa, clicando, digitando e alternando entre janelas para preencher formulários e atualizar planilhas e ferramentas de acompanhamento. Mas tem mais: a OpenAI também lançou um agent de dados dedicado, que permite a funcionários sem conhecimentos técnicos analisar dados da empresa fazendo perguntas

06:26 em linguagem simples. A partir daí, ele pode criar painéis interativos dentro do ChatGPT ou diretamente em ferramentas como Tableau, Power BI ou ThoughtSpot e, depois, compartilhar as descobertas pelo Slack ou por e-mail. O acesso é baseado em permissões. Os administradores escolhem quais fontes de dados ficam disponíveis e para quem, e cada consulta continua respeitando as restrições existentes nos níveis de tabela, linha e coluna. A OpenAI afirma que quase toda a sua equipe de produto e dois terços da equipe de go-to-market já usam agents de dados. Por fim, a DeepSeek lançou discretamente o

06:58 V4 Flash, o menor modelo de sua mais nova família de arquiteturas — embora “menor” seja relativo neste caso. Ele ainda soma 552 bilhões de parâmetros. E, como outros modelos recentes da DeepSeek, o V4.1 Flash usa uma arquitetura de mistura de especialistas, que ativa apenas uma fração dos parâmetros por tarefa. Agora, ele é baseado em uma nova arquitetura assimétrica de codificador e decodificador, que ativa 8 bilhões de parâmetros para processar as entradas e 16 bilhões para gerar uma resposta. Para comparar, o V4 Flash anterior ativava 13 bilhões dos seus 284 bilhões de parâmetros totais, enquanto o carro-chefe V4 Pro [música] ativa 49 bilhões dos seus 1,6 trilhão.

07:33 Mas a maior mudança aqui está na eficiência de memória: o V4.1 Flash precisa de um quarto da memória de alta velocidade e de um oitavo do espaço de armazenamento exigidos pelo V4 Flash para manter o contexto, ainda oferecendo uma context window completa de 1 milhão de tokens, o que deve reduzir significativamente o custo de executar tarefas longas de agents de IA. Então, curta e se inscreva, e confira este vídeo para ver mais das últimas notícias sobre IA e robótica. Obrigado por assistir.

Transcrição original

[00:00] How close is embodied AGI, and would you trust this inside of your home? Today on the AI news, we’re taking a closer look at a brand new humanoid, plus new tech from OpenAI and DeepSeek. But first, these are 10 of the most impressive autonomous executions from Unitree’s newly released >> [music] >> Unitree H1 1.0, which is a new general purpose foundation model that’s built to control humanoid robots across dozens of tasks with a single brain. Rather than training one neural model per skill, which is the way that most in the

[00:32] industry still do it. And the model runs on 6 billion parameters and was trained on roughly 2,500 hours of real robot data, not simulation alone. And a single instance of it coordinates 64 total tasks, splitting these between 54 tabletop manipulation tasks and 10 full whole body manipulation tasks. Critically though, it generalizes across hardware too, working with both simple two-finger grippers and multiple different five-finger dexterous hands

[01:03] without needing a separate model to retrain for each one. And under the hood, Unitree split the system into two connected pieces. The first is an embodied reasoning model built on top of the Open Qwen 3 VL 4B model and trained on more than 5 million samples covering object detection, spatial trajectory prediction, and multi-image reasoning. And Unitree says this component now leads open-source competitors on seven of 16 spatial and multimodal benchmarks tested and performs comparably to close proprietary models on the rest,

[01:36] including recent versions of GPT and Gemini. But something they’re calling dynamic region prediction is where this really gets interesting. So, instead of just reacting to a single still image, the AI model watches optical flow between video frames to figure out which parts of a scene are about to change, then predicts that change ahead of time before it ever commits to a physical action. That future prediction step is then fused with a separate discrete action learning system, which independently encodes gripper position, hand and finger movement, and lower body motion into their own compressed token

[02:09] sequences. And all of that gets aligned inside of one shared model, meaning the robot isn’t just imitating a recorded demo, but modeling cause and effect in the scene in front of it before it decides how to act. In fact, Unitree has open-sourced the code model weights as well as training data sets, including a separate 500-hour real-world data set, so that other developers can build directly on top of the same foundation rather than starting over. So, here’s the real question: Is this actual progress towards embodied AGI, or is

[02:40] this just a bigger demo reel? One model running 64 tasks with predictive world modeling is a legitimate technical leap, but it’s still tested, controlled, and curated. Whereas, real-world AGI doesn’t get to pick its tasks. So, tell us in the comments what you think a robot walks into an unscripted situation and just handles it with no lab or script. But, while Unitree is racing to build the smartest robot brain, a new company is racing to build the strongest robot body. As 9 Ray Group just unveiled Raydex G3, a new humanoid that’s built

[03:13] specifically around raw physical strength. And when it comes to stature, Raydex G3 stands 173 cm, about 5 ft 8 in tall, and weighs 60 kg, about 132 lb, while packing 32 degrees of freedom. Even more notable is that its joints use a custom frameless torque motor design that’s rated for a peak thrust density of 4,500 N per kg. And on raw power, the G3 can perform a 100-kg deadlift, about

[03:44] 220 lb. It can walk with an 80-kg load on its back, about 176 lb, and it features a dual arm carrying capacity of up to 60 kg or about 132 lbs. And precise dual hand manipulation of up to 30 kg or about 66 lbs are all backed by 44 separate force control units across the body for compliant disturbance resistant movement. And the battery to run it all is rated for 8 hours of continuous use with its joints being tested for over 10,000 hours of

[04:16] durability. And there’s no pricing info or release date that’s been announced yet. So, tell us in the comments how much you’d be willing to pay for a Rayna X G3 and what would you like to see this robot do next? >> [music] >> But moving from embodied to generative AI, OpenAI just released ChatGPT Images 2.5 saying this new state-of-the-art image model improves detail, editing accuracy, and speed across a platform already generating more than 3 billion images a week. And OpenAI says the model better preserves people and objects from reference photos, holds up more

[04:49] consistently across multiple rounds of edits in one conversation, and cuts generation latency by up to 50% compared to Images 2.0. And two new features ship alongside it. Sketch, which turns a rough drawing into a finished image, and ready-made templates for common formats like posters and product shots. And for developers, OpenAI is releasing two new API models, GPT Image 2.5 Flare, the faster default option, and GPT Image 2.5 Sunburst, built for slower, higher

[05:19] precision creative work. In fact, Adobe, Runway, and Midjourney have already integrated the new models into their own products. And Images 2.5 is now live across ChatGPT, ChatGPT Work, and Codex on desktop, mobile, and web. On top of this, OpenAI also confirmed that ChatGPT Work is now running on GPT-6 Astra, positioning it as the company’s strongest model yet for professional work. The company says Astra improves how well ChatGPT Work understands the actual intent behind a request, pulling relevant information from a user’s

[05:53] connected apps and files to produce reports, presentations, and analyses that need less manual cleanup and match existing templates and writing styles more closely. The bigger shift, though, is on the action side, >> [music] >> where with permission, ChatGPT Work can now operate a person’s actual desktop apps and browser, clicking, typing, and switching between windows to fill out forms, update spreadsheets and trackers. But, there’s more because OpenAI also launched a dedicated data agent, which allows non-technical employees to analyze company data by asking questions

[06:26] in plain language. From there, it can build interactive dashboards inside of ChatGPT or directly inside tools like Tableau, Power BI, or ThoughtSpot, then share findings through Slack or email. And access is permission-based. Administrators choose which data sources are available and to whom, and every query still respects existing table, row, and column level restrictions. And OpenAI says nearly its entire product team and 2/3 of its go-to-market staff already use data agents. And last but not least, DeepSeek has quietly released

[06:58] V4 Flash, the smallest model in its newest architecture family, though smallest is relative here. It still totals 552 billion parameters. And like DeepSeek’s other recent models, V4.1 Flash uses a mixture of experts design that only activates a fraction of its parameters per task. Now built on a new asymmetric encoder-decoder architecture that activates 8 billion parameters for processing inputs and 16 billion parameters for generating a response. And for comparison, the previous V4 Flash activated 13 billion parameters of

[07:33] its 284 billion total parameters, while the flagship V4 Pro [music] activates 49 billion of its 1.6 trillion. But, the bigger change here is memory efficiency because V4.1 flash needs a quarter of the high-speed memory and an eighth of the storage space that V4 flash required to hold context, while still supporting a full 1 million token window, which should meaningfully cut the cost of running long AI agent tasks. So, like and subscribe and check out this video here for more of the latest in AI and robotics news, and thanks for watching.