Atualmente disponível em fase beta nos Estados Unidos, o Opal foi criado com um público-alvo bem específico em mente: pessoas que não sabem programar, mas que têm ideias de aplicativos e desejam transformar essas ideias em realidade sem depender de desenvolvedores. O Opal torna isso possível ao permitir a criação de miniaplicações web utilizando prompts em linguagem natural — ou seja, descrições simples escritas como se fossem frases do dia a dia.

O processo funciona de forma descomplicada: o usuário apenas precisa escrever o que deseja construir — por exemplo,

“quero um aplicativo para registrar meus gastos mensais”

e o Opal automaticamente gera a estrutura lógica do app, criando um fluxo visual e funcional. Em seguida, é possível personalizar esse fluxo por meio de um editor gráfico, adicionar componentes prontos com poucos cliques e ajustar detalhes visuais, tudo sem codificar manualmente.

Além disso, o Opal inclui a possibilidade de publicar e compartilhar os projetos criados diretamente pela plataforma, através de links. Isso amplia o alcance das criações e facilita a colaboração entre usuários, permitindo que ideias simples se tornem protótipos interativos em minutos — uma grande vantagem para criadores de conteúdo, empreendedores, educadores e designers.

O que torna esse modelo particularmente notável é que, além de seu alto desempenho, ele é totalmente open source, estando disponível sob a licença Apache 2.0, o que permite uso comercial e modificação livre — um diferencial importante em comparação com os modelos proprietários da OpenAI (como GPT-4) e da Google DeepMind (como Gemini).

Superando os gigantes: benchmarks colocam o Qwen3 no topo

Diversos testes de benchmark vêm demonstrando que o Qwen3-235B-A22B é, até agora, o modelo de raciocínio mais poderoso de código aberto já disponibilizado publicamente. Em avaliações especializadas, ele superou até mesmo modelos de ponta como:

• Gemini 2.5 Pro (Google)
  o4‑mini (OpenAI)
  DeepSeek‑R1 (DeepSeek)

Entre os benchmarks utilizados, destacam-se:

• AIME25: um teste focado em tarefas matemáticas e lógicas avançadas, onde o Qwen3 atingiu 92,3 pontos, ficando à frente de vários modelos comerciais;

• LiveCodeBench v6: avalia a capacidade de escrever e executar código com precisão; o Qwen3 obteve 74,1, superando concorrentes como Gemini 2.5 Pro (72,5) e o4‑mini (71,8);

• GPQA: voltado a perguntas de conhecimento avançado, onde obteve 81,1 pontos — quase empatando com o DeepSeek‑R1 (81,0) e se aproximando do topo da categoria;

• Arena-Hard v2: que mede preferências humanas em respostas complexas, no qual o modelo da Alibaba também liderou com 79,7 pontos.

Esses resultados colocam o Qwen3 entre os modelos mais sofisticados já desenvolvidos — e isso sem depender de APIs fechadas ou infraestrutura proprietária.

Arquitetura inteligente: o segredo da eficiência

O Qwen3-235B-A22B faz parte da geração Qwen 3, lançada oficialmente em abril de 2025. Ele foi construído sobre a arquitetura conhecida como MoE (Mixture of Experts) — um sistema que permite ativar apenas parte da rede neural conforme a tarefa executada. No caso do Thinking‑2507, o modelo possui 235 bilhões de parâmetros no total, mas apenas 22 bilhões são ativados por solicitação, tornando-o extremamente eficiente em termos de custo computacional e consumo de energia.

Esse modelo também se diferencia por incluir um modo de raciocínio dedicado. Ao contrário das versões anteriores, que alternavam entre diferentes modos de operação, o Qwen3-235B-A22B foi projetado para trabalhar de forma especializada em tarefas que exigem pensamento estruturado, dedução lógica, planejamento e codificação.

Um marco para a IA de código aberto

Além da potência técnica, a grande notícia para desenvolvedores, pesquisadores e empresas é a disponibilização gratuita e aberta do modelo. A Alibaba liberou o Qwen3 sob a licença Apache 2.0, o que significa que qualquer pessoa — física ou jurídica — pode usar, adaptar, treinar e integrar esse modelo em suas próprias soluções, sem pagar royalties nem depender de plataformas externas.

Esse tipo de iniciativa fortalece a comunidade global de IA e democratiza o acesso a tecnologias de ponta. Em um cenário onde muitos dos melhores modelos estão trancados atrás de paywalls ou restrições comerciais, a postura da Alibaba representa um avanço significativo para o ecossistema open source.

Conclusão: a IA que pensa — e é para todos

O Qwen3-235B-A22B “Thinking‑2507” representa uma virada no cenário da inteligência artificial. Com desempenho acima de gigantes como OpenAI e Google em tarefas complexas, arquitetura moderna baseada em especialistas, e uma política de código aberto, ele mostra que é possível combinar excelência técnica com acessibilidade.

Para o Brasil e demais países em desenvolvimento, esse tipo de iniciativa abre novas oportunidades para pesquisadores, startups, universidades e órgãos públicos que buscam soluções avançadas de IA sem os altos custos e limitações dos modelos comerciais.

O futuro da inteligência artificial está mais aberto — e mais inteligente — do que nunca.

Fonte: VentureBeat – It’s Qwen’s Summer

A DGM une duas ideias poderosas:

• A inspiração nos conceitos teóricos da máquina de Gödel (um sistema que prova matematicamente melhorias no próprio código), e

• Os princípios da evolução aberta, com IA buscando e testando automaticamente modificações que tragam ganhos reais.

Diferente de modelos fixos, a DGM consegue modificar seu código em Python, testar mudanças com base em benchmarks de codificação e incorporar incrementos que realmente melhoram seu desempenho.

Como ela funciona na prática?

1. Autogerenciamento do código
   A DGM entende sua estrutura e pode fazer ajustes como adicionar novas ferramentas de edição ou reorganizar fluxos internos.

2. Validação por benchmarking
   Cada versão proposta passa por testes (como SWE‑bench e Polyglot) para confirmar se o desempenho realmente aumentou. Só então a mudança é adotada.

3. Exploração aberta e contínua
   O sistema mantém um arquivo crescente de versões, cada uma evoluindo a partir de outras com abordagens distintas. Essa diversidade garante novas descobertas e evita estagnações.

Desempenho comprovado

• No benchmark SWE-bench, a DGM elevou sua performance de 20% para 50%

• Já no Polyglot, a evolução foi de 14,2% para 30,7%, superando agentes convencionais projetados manualmente.

Além disso, os aprimoramentos encontrados mostraram-se robustos ao operar com diferentes modelos de base e linguagens de programação — evoluções que se transferiram mesmo em ambientes novos.

Por que isso importa?

• Esse tipo de IA derruba limites do aprendizado estático — provando que sistemas podem se aperfeiçoar indefinidamente.

• O uso de validação empírica sobre lógica puramente formal traz segurança e eficiência.

• A abordagem evolutiva aberta abre caminho para descobertas inesperadas e soluções originais.

Os primeiros resultados são promissores: agentes de codificação que se adaptam melhor, aprendem mais rápido e podem ser usados como base para outras aplicações inteligentes.

Segurança e responsabilidade

A DGM foi projetada com práticas de segurança robustas: todas as modificações são feitas em ambientes controlados (sandbox), revisadas por supervisão humana e rastreáveis em um histórico transparente de evolução.

Conclusão

A Darwin Gödel Machine representa um marco no desenvolvimento de IA: uma máquina que aprende a aprender, que desafia a estrutura tradicional de programas “fixos” ao permitir que o próprio sistema se redesenhe com inteligência e propósito.

Esse caminho aponta para um futuro onde agentes autônomos podem evoluir continuamente, abrindo oportunidades para soluções mais eficientes, criativas e sustentáveis na codificação e em muitas outras áreas da tecnologia.

Referência

Conheça mais sobre a Darwin Gödel Machine e seus impactos na codificação:
https://www.robertodiasduarte.com.br/darwin-godel-machine-ia-autoaperfeicoavel-que-revoluciona-a-codificacao/

O Wide Research transforma a infraestrutura de computação em nuvem da Manus em um ambiente preparado para executar tarefas complexas simultaneamente. Cada agente é uma instância completa do Manus, funcionando de forma autônoma e colaborativa. O diferencial está na forma como esses agentes interagem e se dividem o trabalho — não apenas pela quantidade, mas pela capacidade de atuar de maneira coordenada e inteligente.

Como funciona e o que permite?

• Divisão de tarefas em paralelo: o Manus fragmenta uma demanda extensa em subtarefas que são processadas ao mesmo tempo, acelerando o tempo total de execução. Seja para mapear empresas da Fortune 500 ou comparar programas de MBA, o sistema lida com tudo simultaneamente.

• Agentes independentes e colaborativos: em vez de papéis fixos como “gerente” ou “programador”, cada subagente é uma instância Manus multifuncional, capaz de explorar diferentes tipos de problema.

Diferenciais técnicos

• O Manus escalona a infraestrutura virtual em nuvem de forma massiva — até 100 vezes mais poder computacional para o usuário final.

• A arquitetura escalável e eficiente permite processar grandes volumes de dados com alta performance.

• Wide Research já está disponível para usuários Pro, com plano de expansão para níveis Plus e Basic.

Exemplos de uso prático

• Pesquisa de mercado em escala: perfilamento de centenas de negócios ou programas acadêmicos em paralelo.

• Geração de conteúdos em lote: criação automatizada de imagens, apresentações ou textos a partir de um único prompt.

• A ferramenta automatiza a execução de grandes volumes políticos com rapidez e precisão.

Por que isso importa?

Wide Research redefine o que esperar de uma plataforma de IA: em vez de exigir a operação em um agente centralizado, ela entrega múltiplos agentes trabalhando simultaneamente em tarefas interdependentes. Isso torna possível realizar pesquisas profundas, gestão de dados e produção de conteúdo em alta escala — sem esforço manual adicional.

Conclusão

O lançamento do Wide Research marca um passo importante na evolução dos agentes inteligentes. A Manus demonstra hoje que é possível democratizar o acesso a uma infraestrutura de alto desempenho, empoderando usuários para realizar pesquisas robustas, automatizar processos e inovar com escala.

Saiba mais

Para conferir os detalhes técnicos e aplicações do Wide Research, acesse:
https://manus.im/pt-br/blog/introducing-wide-research