Lucas S. Vieira


O que é IA hoje?


Nomenclaturas de IA


Guilda de IA

O Problema

  • Muita gente usa termos como se fossem a mesma coisa
  • Não são
  • Entender a diferença é fundamental

Cinco termos principais

  • IA (Inteligência Artificial)
  • LLM (Large Language Model)
  • Difusão (Modelos de Difusão)
  • RAG (Retrieval Augmented Generation)
  • Agente (AI Agent)

1. IA - Inteligência Artificial

  • O que é: Campo geral
  • Qualquer sistema que faz algo "inteligente"

Exemplos de IA

  • Spam filter do email → IA
  • Reconhecimento facial → IA
  • Chess engine → IA
  • ChatGPT → IA

2. LLM - Large Language Model

  • O que é: Um TIPO de IA generativa
  • Modelo que prevê próxima palavra

Capacidades que importam (pra construtores)

  • Tool calling → Consegue chamar ferramentas externas
  • Raciocínio → Pensamento passo a passo explícito
  • Contexto longo → Para agentes: 64K mínimo; conversacional pode ser menos
  • Multimodalidade → Imagem, áudio, vídeo

Dica: o essencial pra agentes

Para construir agentes, o essencial é tool calling + contexto longo. Modelos densos (não-MoE) tendem a ser mais consistentes nisso.

O panorama (Setembro 2026)

  • Frontier proprietário: GPT-6 Astra, Claude Fable 5.1, Gemini 3.8 Flash
  • Open weights topo: GLM-5.3 (MIT), Kimi K3, DeepSeek V4 Pro
  • Custo-benefício: DeepSeek V4 Flash, GLM-5.3 Flash, MiniMax M3
  • Edge/celular: Gemma 4 E2B, Qwen3.5-4B, LFM2.5-2.6B
  • Agentes locais: Qwen3.8-27B, Qwen 3.6-35B-A3B, Ornith-1.5

Destaques da semana (03-04/09)

  • GPT-6 Astra (ontem!): computer use nativo — primeiro modelo classificado CRÍTICO em cybersecurity, lançamento com monitoramento total de trajetórias
  • Claude Fable 5.1 / Mythos 5.1 (01/09): mesma arquitetura, salvaguardas diferentes; Fable tem fallback automático pro Opus 5
  • Gemini 3.8 Flash (ontem): workhorse rápido

GPT-5.6 ficou em três tiers: Sol (topo), Terra (~GPT-5.5 por 2x menos), Luna (econômico).

Open weights: os destaques

  • GLM-5.3 vs Flash: 5.3 é o topo em coding; Flash é rápido, barato e tem visão nativa (o 5.3 não tem)
  • DeepSeek V4 Flash: ~USD 0.14/0.28 por M tokens — 14x mais barato que o V4 Pro, 1M de contexto
  • Pequenos que rodam em tudo: LFM2.5-2.6B (denso, o destaque pra celular) e Qwen 3.6-35B-A3B / Ornith-1.5 (MoE, 3B ativos)

Paradoxo da eficiência

  • 2023: GPT-4 era o estado da arte, com ~1,8 trilhão de parâmetros (estimativa)
  • 2026: Qwen3.5-4B tem 4 bilhões de parâmetros e rivaliza com o GPT-4o
  • Modelos modernos são ~450x menores e igualmente capazes

Como? Mais dados de treino, destilação, MoE e pós-treino.

Sobre o termo "AGI"

  • "AGI virou um termo de hype, não um termo com significado preciso" — Andrew Ng (Google Brain)

Para quem constrói: o que importa são capacidades mensuráveis. O modelo faz tool calling? É estável? Foco no que você pode testar.

Modelos Densos vs MoE

  • Densos: todos os parâmetros ativos em cada inferência
  • MoE (Mixture of Experts): só uma fração dos parâmetros ativa por token
  • Densos tendem a ser mais estáveis em tool calling; MoE pode variar mais de um modelo pra outro
  • MoE é amigável ao hardware: modelo maior, custo de inferência menor
  • A escolha entre "27B denso ou 35B MoE" é, na prática, uma decisão de hardware: quanta memória de vídeo você tem (e se vale offload)

O que LLM NÃO faz

  • Não calcula (234 × 987 = ? → ele chuta)
  • Não sabe fatos específicos (suas notas, documentos)
  • Não tem memória de longo prazo

3. RAG - Retrieval Augmented Generation

  • O que é: Técnica para fazer LLM "saber" coisas
  • Usado para documentos que não estavam no treinamento
  • Fluxo: pergunta → busca em documentos → documentos + pergunta → LLM → resposta
  • (Aula inteira sobre isso na Semana 9!)
"Quando foi fundada a Liga de IA?"
→ LLM sem RAG: "Não sei" ou inventa data
→ Com RAG: busca no documento, encontra "2025", responde "2025"

4. Agente (AI Agent)

  • O que é: Sistema que usa LLM + ferramentas + memória
  • Diferença: LLM só fala, Agente faz coisas

Comparação

LLM puro:
Usuário: "Quanto é 234 × 987?"
LLM: "230.898" (pode estar errado, ele chutou)

Agente:
Usuário: "Quanto é 234 × 987?"
Agente: "Deixa eu calcular..."
→ Usa ferramenta de calculadora
→ Responde: "230.958" (correto)

Componentes de um agente

  1. LLM → faz inferência com linguagem natural
  2. Ferramentas → o que ele pode fazer
  3. Memória → histórico da conversa
  4. Decisão → lógica de quando usar cada ferramenta

LLM só fala. Agente fala E faz coisas.

5. IA Generativa além do texto — Modelos de Difusão

  • LLM é IA generativa de texto
  • Difusão é outra família de IA generativa: gera imagem, vídeo e música
  • Funciona por "denoising": começa com ruído, remove em passos até formar a mídia

Modelos de difusão: onde os LLMs não chegam

  • LLM gera texto; difusão gera pixels e áudio
  • Z-Image (imagem) → difusão de imagem, rápida e local
  • MiniMax H3 → vídeo com áudio nativo
  • MiniMax Music 3 → música completa (letra + melodia + vozes)

Demo 1: Z-Image — geração de imagem

  • A imagem foi gerada por difusão a partir de um prompt de texto
  • Texto legível no quadro ("AI = fun") — desafio histórico dos geradores, hoje resolvido
  • Geração local: RTX 3050 6GB, ~4 minutos, 1024x1024

z-image-demo.png

Demo 2: MiniMax H3 — vídeo a partir de uma referência

  • O clipe foi gerado a partir de uma imagem de referência
  • 4 segundos com áudio nativo (fala, efeitos e movimento no mesmo passe)
  • Geração local: RTX 3050 6GB, ~11 minutos

Demo 3: MiniMax Music 3 — música completa

  • Faixa gerada com o Music 3: letra fornecida, melodia e vozes geradas
  • Ouça a qualidade da geração:

Os três modelos de difusão da demo

  • Z-Image → imagem a partir de texto
  • MiniMax H3 → vídeo a partir de referência, com áudio nativo
  • MiniMax Music 3 → música completa a partir de letra

Exemplos independentes — cada um demonstra sua própria modalidade.

Resumo Visual

Termo O que é Exemplo
IA Campo geral (contém tudo) Spam filter, Xadrez, ChatGPT
LLM IA generativa de texto GPT-6 Astra, GLM-5.3, Gemma 4
Difusão IA generativa de imagem/vídeo/música Z-Image, MiniMax H3, Music 3
RAG Busca + geração Chatbot que consulta PDFs
Agente LLM + ferramentas + memória Assistente que calcula, busca, age

Confusões Comuns

Frase Termo correto
"Vou usar IA para responder" LLM ou Agente
"Meu RAG responde perguntas" Agente com RAG
"O agente alucina" LLM alucina
"Preciso treinar minha IA" LLM fine-tuning

Roadmap

Semana Conceito
1 IA, LLM, RAG, Agentes (conceitos)
2 Prompting básico
3 Demo prática de agentes
4-5 Python mínimo, Python + API de LLM
6-8 Estrutura de um agente, ferramentas, ferramentas múltiplas
9 Embeddings, similaridade e RAG
10 Fine-tuning
11 Apresentação final

Perguntas?

Agora, você vai ouvir "RAG", "Agente", "LLM" e saber exatamente o que é.