Um guia sobre modelos, agentes, voz, imagem e pesos abertos — de Claude Opus 5.5 e Sonnet 5.5 a GPT-6.1 Sol, Grok 4.7 e Gemini 4 Argon, com o acesso inicial restrito deste último explicado. Inclui Apple Intelligence, Siri AI e fontes para confirmar capacidades, custos e disponibilidade.
Explorar
A Inteligência Artificial reúne métodos para reconhecer padrões, prever, gerar conteúdo e apoiar decisões. Sistemas baseados em regras, aprendizagem automática e redes neuronais continuam a coexistir. Os modelos generativos aprendem a partir de dados; a dimensão, por si só, não garante qualidade, e uma resposta convincente pode conter erros.
Redes neuronais com várias camadas aprendem representações dos dados, ajustando parâmetros durante o treino. A qualidade depende também dos dados e da avaliação.
Modelos como Claude 5.5, GPT-6.1 Sol e Gemini 3.8 Flash geram texto por tokens e podem usar ferramentas. As versões multimodais aceitam outros tipos de entrada; contexto longo e raciocínio não garantem exactidão.
Sistemas que planeiam, usam ferramentas e verificam passos de uma tarefa. Precisam de permissões adequadas, critérios de sucesso e supervisão ajustada ao impacto das acções.
Modelos que combinam modalidades como texto, imagem, áudio ou vídeo. As modalidades suportadas variam entre famílias e versões.
Quatro esquemas originais ligam os conceitos à prática. São simplificações para explicar o fluxo, não desenhos de um modelo específico.
Cada ligação tem um peso. Durante o treino, o sistema ajusta esses pesos para reduzir o erro; as camadas internas transformam gradualmente a representação dos dados.
Base técnica: Google ML Crash Course ↗
Um token pode ser uma palavra, parte dela, pontuação ou espaço inicial. Os quatro IDs mostrados foram calculados com o tokenizer o200k_base; outras famílias podem dividir a frase de outra forma.
Base técnica: tiktoken da OpenAI ↗
Os tokens tornam-se vetores com informação de posição. A autoatenção relaciona posições da sequência; blocos adicionais transformam a informação até à previsão seguinte. O esquema resume um modelo de linguagem do tipo decoder.
Base técnica: Attention Is All You Need ↗
No treino, exemplos e erro orientam o ajuste dos pesos. Na inferência, um novo pedido atravessa o modelo já treinado para produzir uma resposta; normalmente os pesos não são alterados por esse pedido.
Base técnica: Google ML Crash Course ↗Panorama revisto em 2 de outubro de 2026, com fontes dos criadores. As datas indicam anúncios ou lançamentos; as entradas de catálogo mostram a data de consulta. A disponibilidade de cada variante é indicada no texto.
Anunciado pela Google em 30 de setembro para programação, trabalho profissional e ciberdefesa. O acesso inicial é restrito ao programa Fairwind; a chegada mais ampla à API e aos utilizadores continua prevista. A Google anuncia até 1 milhão de tokens de saída — um limite de geração, não uma medida de exactidão.
Lançado em 29 de setembro para programação complexa, utilização do computador e trabalho profissional. Aceita texto e imagem, produz texto e tem contexto de 1,05 milhões de tokens e saída máxima de 128 mil. A OpenAI descreve-o como próximo de Astra a menor custo; as ferramentas usam a Responses API.
Lançado para tarefas quotidianas bem definidas, correcção de código e criação de documentos. Custa US$ 2/10 por milhão de tokens de entrada/saída. Segundo os testes da Anthropic, gera saída mais de 30% mais depressa e pode custar até 30% menos por tarefa do que Sonnet 5.
Modelo para programação prolongada, análise e utilização do computador, disponível em Claude e na API. O preço base é US$ 4/20 por milhão de tokens de entrada/saída. A Anthropic estima 40% menos custo em cargas típicas e geração mais de 30% mais rápida face a Opus 5; são resultados da empresa.
A Meta anunciou uma iniciativa empresarial que reúne modelos, agentes e infraestrutura, incluindo Muse, Meta Business Agent, Muse API e Muse Code. O anúncio descreve a estratégia e os produtos previstos; as condições de acesso devem ser confirmadas em cada serviço.
Combina diálogo de voz com vídeo gerado quase em tempo real. Está disponível no Gemini Enterprise; a criação de avatares personalizados exige autorização empresarial. É uma modalidade visual do diálogo Live, com condições próprias de acesso.
Modelos de síntese de voz: Flash TTS permite dirigir vozes e interpretações; Flash-Lite TTS privilegia volume e eficiência. A Google disponibiliza-os em AI Studio, Gemini API e produtos seleccionados, com funções e acessos a variar por produto.
Astra foi lançado em 3 de setembro para tarefas exigentes; Sol e Luna chegaram em 22 de setembro. Luna privilegia custo e latência. O catálogo principal já destaca GPT-6.1 Sol para o patamar intermédio. Estas versões aceitam texto e imagem; voz e geração de imagens usam modelos especializados.
Disponível na API, Cursor e Grok Build para programação e trabalho de conhecimento. A SpaceXAI, no domínio x.ai, declara melhorias na verificação do trabalho e gestão de contexto. O preço começa em US$ 2/6 por milhão de tokens de entrada/saída; a variante rápida custa o dobro.
Modelo com pesos publicados para gerar e editar imagens, incluindo transparência nativa. O componente de geração visual tem 7 mil milhões de parâmetros. Usa a Qwen Research License Agreement; a disponibilidade dos ficheiros deve ser distinguida dos direitos de uso concedidos pela licença.
Omni-Flash recebe texto, imagens, áudio e vídeo; a variante Realtime mantém interacções contínuas. LiveTranslate faz interpretação simultânea com identificação de interlocutores, incluindo português: 60 idiomas de entrada áudio/saída textual e 29 de saída áudio. São serviços API com funções diferentes.
Modelos para diálogo de voz em tempo real com contexto visual e chamadas de ferramentas em segundo plano. Live privilegia fluidez e escala; Extended Thinking acrescenta raciocínio para pedidos complexos. Disponíveis pela Gemini API, com integração no AI Studio e em produtos Google.
Modelo com compreensão visual nativa e pesos publicados: 552 mil milhões de parâmetros totais, com 8 mil milhões activos na entrada e 16 na saída. Está disponível na API como deepseek-flash. Os pedidos da antiga V4 Pro foram redireccionados para esta versão enquanto V4.1 Pro não é lançada.
GPT Image 2.5 Sunburst e Flare geram e editam imagens: Sunburst privilegia precisão na edição, Flare a rapidez. GPT-Live 1 já está disponível na API para diálogo de voz simultâneo com trabalho do modelo de apoio; o custo desse modelo e das ferramentas é cobrado separadamente.
A versão da Meta para programação e tarefas de várias etapas oferece raciocínio máximo em Muse Code e Meta Model API. A empresa ainda apresenta a publicação de pesos de Muse Spark como plano futuro. O acesso ao serviço não equivale a ter o modelo para executar localmente.
Flash é a variante de utilização geral para programação, agentes e raciocínio. Flash Cyber foi disponibilizada a defensores elegíveis no programa Fairwind. O anúncio de Gemini 4 Argon não torna automaticamente públicas estas variantes de acesso controlado.
Partilham o modelo subjacente, com níveis de salvaguardas diferentes. Fable 5.1 tem disponibilidade geral para programação, conhecimento e pesquisa; Mythos 5.1 usa programas de acesso de confiança para cibersegurança e ciências da vida. A escolha envolve também condições de acesso e tratamento de dados.
A família inclui os pesos Qwen3.8-2.4T-A95B, base do serviço Max, o modelo visual 27B e Flash-Next, uma antevisão da arquitectura Qwen4. Max alojado tem funções diferentes dos pesos publicados. As licenças Qwen variam entre versões; confirme-as no repositório oficial.
GLM-5.3 sucede a GLM-5.2 em programação e tarefas longas, com pesos publicados sob licença própria. Flash acrescenta compreensão visual nativa, 320 mil milhões de parâmetros totais e 18 mil milhões activos; os seus pesos usam MIT. Há acesso alojado e opções de execução com requisitos distintos.
Modelo multimodal com pesos publicados, 2,8 biliões de parâmetros totais e contexto de cerca de 1 milhão de tokens. Destina-se a programação, raciocínio e trabalho de conhecimento prolongado. Tem uma licença Kimi K3 própria; a execução requer capacidade de memória e infraestrutura adequadas.
O catálogo actual inclui Medium 3.5 para tarefas multimodais e agentes, Small 4 e Large 3 com pesos publicados, OCR 4.1 para documentos e variantes Voxtral para áudio. Os modelos têm licenças e acessos diferentes, desde Apache 2.0 e MIT modificada a serviços API próprios.
Opus 5.5 e Sonnet 5.5 já foram lançados. Fable 5.1 mantém-se no catálogo de maior capacidade, e Mythos 5.1 tem acesso controlado. Haiku 5.5 continua anunciado para as próximas semanas; o catálogo consultado ainda lista Haiku 4.5.
Trabalho complexo e programação prolongada. Preço base de US$ 4 na entrada e US$ 20 na saída por milhão de tokens; leitura de cache a US$ 0,20.
Tarefas bem definidas e iteração rápida. Preço base de US$ 2 na entrada e US$ 10 na saída por milhão de tokens; leitura de cache a US$ 0,20.
O mesmo modelo com salvaguardas e acesso diferentes. Fable é de disponibilidade geral; Mythos exige programas de confiança para domínios especializados.
Opus 5.5, Sonnet 5.5 e Fable 5.1 suportam 1 milhão de tokens de contexto e até 128 mil de saída. Estes limites não garantem que toda a informação seja recuperada correctamente.
Referências em US$ por milhão de tokens, verificadas em 2 de outubro de 2026. Entrada e saída são cobradas separadamente; subscrições, cache, ferramentas, modalidades e processamento especial têm condições próprias.
| Modelo | Entrada | Saída | Condição |
|---|---|---|---|
| GPT-6.1 Sol | US$ 2 | US$ 10 | Standard · pedido até 272 mil tokens de entrada |
| GPT-6 Luna | US$ 0,10 | US$ 0,50 | Standard · pedido até 272 mil tokens de entrada |
| Claude Opus 5.5 | US$ 4 | US$ 20 | Preço base · modos rápidos com tarifa distinta |
| Claude Sonnet 5.5 | US$ 2 | US$ 10 | Preço base |
| Grok 4.7 | US$ 2 | US$ 6 | A partir de · variante rápida ao dobro |
| Gemini 4 Argon | US$ 2 | US$ 10 | Preço introdutório anunciado · acesso inicial restrito |
Deslize a tabela para consultar todas as condições de acesso.
Modelos, agentes, open-source e IA local acompanhados semanalmente.
O setor de IA cruza produto, infraestrutura e mercado: uma franquia reconcilia numerário em menos 94% do tempo com o ChatGPT Work, a Anthropic propõe uma lei de segurança da IA que pode bloquear um modelo se mais de 50 pessoas puderem morrer, e a NVIDIA apresenta o Cosmos3-H-Dreams para simulação generativa de cirurgia clínica.
Uma franquia independente da Schlotzsky’s e da Cinnabon reduziu em 95% o tempo de atualização dos preços dos menus e criou um processo que pode libertar 100 mil dólares em fluxo de caixa.
OpenAIA política proposta parece proteger contra uma IA descontrolada, mas impede as agências federais de bloquear o lançamento de um modelo sem autorização de um juiz, caso mais de 50 pessoas possam morrer.
TechCrunchNVIDIA Cosmos3-H-Dreams: dar vida à cirurgia clínica através de simulação generativa.
Hugging FaceA OpenAI está a adquirir a Orchestra Bio para levar operações baseadas em IA à investigação e desenvolvimento das ciências da vida, ajudando as empresas biofarmacêuticas a acelerar o desenvolvimento de medicamentos e novos tratamentos.
OpenAIAntes de partilhar o documentário da Netflix "AI Gone Rogue", tenha em conta o aviso de Clem Delangue, cofundador da Hugging Face e participante no filme: a produção adoptou uma visão excessivamente catastrofista e não é rigorosa.
TechCrunchModelos no dispositivo e na nuvem, funções disponíveis e condições de Siri AI. Revisão de 2 de outubro de 2026, incluindo a situação em Portugal.
A nova geração chegou em 14 de setembro aos sistemas 27.0. Inclui pesquisa e edição de fotografias, Image Playground, recursos de navegação, escrita e automação de Atalhos. Muitas funções já suportam português; idiomas, dispositivos e regiões variam conforme a função.
A nova Siri consulta contexto pessoal, interpreta informação no ecrã e executa acções nas apps. A documentação de suporte consultada ainda indica inglês, com idioma do dispositivo e de Siri iguais, conta elegível e inscrição que pode envolver lista de espera.
Siri AI continua indisponível em iOS, iPadOS e watchOS na UE. Em Mac e Apple Vision Pro, o beta é acessível em inglês nas condições indicadas pela Apple. Português foi anunciado para outubro nestas duas plataformas; a chegada efectiva deve ser confirmada no suporte.
Sistemas 27.0: iPhone 15 Pro/Pro Max, iPhone 16 ou posterior e iPhone Air; iPad mini A17 Pro e iPad M1 ou posterior; Mac M1 ou posterior, MacBook Neo A18 Pro e Apple Vision Pro. Apple Watch Series 9, Ultra 2 ou posteriores e SE 3 exigem iPhone com Apple Intelligence.
A família criada com a Google inclui dois modelos no dispositivo. Core é denso, com 3 mil milhões de parâmetros; Core Advanced é multimodal e esparso, com 20 mil milhões totais e 1–4 mil milhões activos por pedido. Este último exige os equipamentos Apple Silicon mais capazes.
Na nuvem, AFM 3 Cloud privilegia eficiência, AFM 3 Cloud Pro tarefas exigentes e ADM 3 Cloud (Image) geração e edição de imagens. Usam Private Cloud Compute. A Apple declara que os dados destes pedidos não são guardados nem partilhados; essa política deve ser lida por serviço.
AFM Core Advanced alimenta vozes expressivas e ditado melhorado. A documentação lista iPhone Air e modelos Pro 17/18, iPad M4 ou posterior com pelo menos 12 GB, Mac M3 ou posterior com pelo menos 12 GB e Vision Pro M5. Compatibilidade Apple Intelligence geral não garante estas funções.
As acções dependem das apps, das permissões e da disponibilidade de cada função. Algumas funcionalidades da Siri AI usam servidores e limites diários. A Apple anunciou que níveis de utilização ampliados poderão ter custo futuro; o anúncio não fixa uma tarifa actual para esses níveis.
O que muda na escolha e utilização de IA: capacidade, modalidades, licença, custo, avaliação e acesso.
Opus 5.5, Sonnet 5.5 e GPT-6.1 Sol ampliam a oferta para tarefas profissionais. Gemini 4 Argon acrescenta um anúncio de fronteira com acesso inicial restrito. A escolha deve ser testada na tarefa concreta: ferramentas, contexto, esforço de raciocínio e revisão alteram o resultado.
Gemini Live e Live Avatar, Qwen Omni e GPT-Live tratam diálogo contínuo; TTS sintetiza voz, Transcribe converte fala em texto e LiveTranslate interpreta idiomas. Qwen-Image e GPT Image geram ou editam imagens. Cada modalidade tem requisitos e preços próprios.
DeepSeek V4.1 Flash, Qwen3.8, GLM-5.3 e Kimi K3 têm pesos publicados. As licenças diferem, incluindo MIT e termos próprios dos criadores. Acesso aos pesos não assegura autorização irrestrita nem execução simples num computador pessoal; confirme licença, memória e suporte de inferência.
Compare entrada, saída, cache, contexto longo, ferramentas e número de tentativas. Uma tarifa menor por token pode coexistir com maior custo por tarefa. O quadro acima distingue preços correntes e preços anunciados de acesso restrito; os resultados dos fornecedores precisam de avaliação no seu fluxo de trabalho.
A METR estima a duração humana de tarefas associada a uma probabilidade de sucesso do agente. O AI Index 2026 reúne dados mais amplos e destaca capacidades desiguais entre tarefas. Um resultado de programação ou uma janela de contexto maior não mede, por si só, fiabilidade geral.
O artigo 50.º do AI Act aplica obrigações de transparência desde 2 de agosto de 2026, com regras distintas para informação ao utilizador, marcação e divulgação de conteúdos. A disponibilidade regional de Siri AI segue condições Apple próprias. Datas legais e condições de acesso precisam de confirmação separada.
Duas medidas de evolução: capacidade em tarefas de software e custo histórico a desempenho comparável. O AI Index 2026 de Stanford complementa-as com dados de desempenho, adopção e responsabilidade. Estes indicadores exigem leitura no contexto de cada avaliação.
Deslize o gráfico para ler os pontos e os intervalos.
| Data | Modelo | Horizonte 50% | Intervalo de confiança |
|---|---|---|---|
| 2023-03-14 | GPT-4 | 4.0 min | 1.9–8.0 min |
| 2024-05-13 | GPT-4o | 7.0 min | 4.0–12.9 min |
| 2024-06-20 | Claude 3.5 Sonnet | 11.4 min | 5.5–22.4 min |
| 2024-12-05 | o1 | 38.8 min | 21.2–65.0 min |
| 2025-02-24 | Claude 3.7 Sonnet | 60.4 min | 33.0–104.2 min |
| 2025-08-07 | GPT-5 | 203.0 min | 112.6–405.6 min |
| 2025-11-24 | Claude Opus 4.5 | 293.0 min | 161.7–623.7 min |
| 2026-02-05 | Claude Opus 4.6 | 718.8 min | 316.7–3633.8 min |
| 2026-04-07 | Claude Mythos Preview | 1044.8 min | 508.9–3304.3 min |
Deslize o gráfico para ler os eixos.
Factos, planos anunciados e cenários editoriais aparecem separados pelo grau de certeza.
DeepSeek-R1, gpt-oss e a medição de horizontes de tarefas da METR tornaram mais concreta a discussão sobre capacidade, custo e fiabilidade.
GPT-6.1 Sol, Claude Opus 5.5 e Sonnet 5.5 e Grok 4.7 já foram lançados. Gemini 3.8 ampliou voz e Live Avatar; Gemini 4 Argon foi anunciado com acesso inicial restrito a Fairwind. Apple Intelligence recebeu novas funções e Siri AI iniciou o beta em inglês.
A Apple anunciou português para outubro, incluindo Mac e Apple Vision Pro em Portugal. O suporte consultado ainda lista inglês para Siri AI; o plano anunciado precisa de confirmação de disponibilização efectiva. Para iOS, iPadOS e watchOS na UE, continua sem data indicada.
Termina o período transitório previsto para a obrigação de marcação do artigo 50.º, n.º 2, aplicável a sistemas colocados no mercado antes de 2 de agosto de 2026.
As obrigações para casos do anexo III aplicam-se a partir de 2 de dezembro de 2027; para sistemas integrados em produtos regulados do anexo I, a partir de 2 de agosto de 2028.
É plausível que modelos multimodais trabalhem em tarefas mais longas. A utilidade dependerá da fiabilidade medida no contexto real, das salvaguardas, do custo e da responsabilidade por cada decisão.
Em 2026, escolher um modelo exige olhar para a tarefa, a qualidade verificada, o custo, a licença, a disponibilidade regional e a supervisão necessária. A adopção responsável depende dessas escolhas.
O ritmo de evolução exige literacia técnica e acompanhamento activo dos lançamentos e publicações.
Direitos de autor, consentimento de dados e viés algorítmico são desafios práticos e legais presentes hoje.
Ler as condições dos testes, verificar factos em fontes primárias e rever decisões automatizadas antes de lhes dar efeito.
Formatos interoperáveis, investigação aberta e cooperação internacional podem ampliar a participação. O acesso equitativo depende também de recursos, direitos, línguas e capacidade de avaliar os sistemas.
Modelos mais capazes ampliam possibilidades; a responsabilidade pela verificação e pelo uso continua a ser humana.