Modelos de vídeo de IA secretos da Meta acabaram de vazar

Dois novos e misteriosos modelos de vídeo de IA, codinome Polaris e Vega, apareceram repentinamente nos placares de texto para vídeo da Artificial Analysis, gerando um burburinho significativo na indústria. Sua emergência não anunciada, notada pela primeira vez por Brent Lynch, imediatamente gerou intensa especulação sobre suas origens e capacidades, sinalizando uma força potente e inesperada no cenário de IA generativa em rápida evolução.

As demonstrações públicas iniciais revelam um desempenho robusto para ambos os modelos. As saídas são atualmente limitadas a clipes de 10 segundos em uma resolução nítida de 1080p, incluindo, crucialmente, áudio integrado. Essa alta fidelidade, combinada com a consistência de várias tomadas observada e a adesão ao prompt em visualizações iniciais, sugere que esses modelos já estão notavelmente bem desenvolvidos e potencialmente prontos para produção para diversas aplicações de conteúdo de formato curto.

Sua chegada abrupta interrompe fundamentalmente a hierarquia estabelecida da geração de vídeo por IA. Líderes como o Sora da OpenAI e o Veo do Google agora enfrentam desafiantes inesperados e formidáveis que aparentemente se materializaram da noite para o dia. Os modelos também desafiam preventivamente o tão aguardado Kling 4, forçando uma rápida reavaliação do campo competitivo. Embora a confirmação oficial esteja pendente, fortes conjecturas da indústria apontam para a Meta como a desenvolvedora de pelo menos um modelo, alinhando-se com os recentes avanços de IA dos Superintelligence Labs da Meta, incluindo Muse Image e Muse Glimmer.

A principal teoria aponta diretamente para a Meta. Seus Superintelligence Labs, sob a liderança de Alexandr Wang, envolveram-se recentemente em um ciclo de lançamento rápido, introduzindo modelos de IA significativos. Estes incluem o Muse Image, um poderoso modelo de geração de imagens, e o Muse Glimmer, um LLM agentic de código aberto de 30 bilhões de parâmetros. Essa onda de atividade cria um contexto claro para novos lançamentos de modelos fundamentais.

Crucialmente, a Meta anunciou explicitamente que um modelo de vídeo estava 'por vir' juntamente com o lançamento do Muse Image. O aparecimento repentino de Polaris e Vega nos placares da Artificial Analysis, sem atribuição oficial, alinha-se suspeitosamente com essa intenção declarada anteriormente. Esse timing sugere que a Meta pode estar lançando silenciosamente suas capacidades de vídeo generativo prometidas.

Este movimento reforça a estratégia agressiva da Meta no espaço de mídia generativa. A empresa constrói e lança consistentemente modelos fundamentais de código aberto e fechado, posicionando-se para competir diretamente com outros grandes players em IA avançada. O surgimento não confirmado desses novos modelos de vídeo seria um próximo passo lógico em seu roteiro anunciado.

Polaris se distingue rapidamente com uma notável consistência de várias tomadas. Uma saída impressionante apresenta um piloto escrevendo números em sua mão; esses dígitos permanecem estáveis e legíveis em várias mudanças de ângulo de câmera, um feito significativo para modelos de vídeo generativos. Essa capacidade sugere uma representação interna robusta de objetos e seu estado persistente.

Além disso, o Polaris demonstra uma compreensão impressionante de física e interações complexas. Um clipe que retrata um grande banner se desenrolando ilustra isso vividamente: o vento pega o tecido, transformando-o em uma vela que ondula realisticamente e quase levanta um trabalhador do chão. Essa simulação dinâmica marca um avanço claro em relação aos modelos anteriores, que frequentemente tinham dificuldades com respostas ambientais tão sutis.

Apesar desses pontos fortes, o Polaris apresenta pequenas imperfeições, como a renderização de texto limpo em emblemas de roupas, que muitas vezes parece distorcido. No entanto, sua aderência ao prompt é excepcional, gerando consistentemente detalhes específicos, como a respiração de um cachorro embaçando as narinas. O modelo até produz propriedade intelectual reconhecível, incluindo um adorável personagem 'Batbaby'. Para mais informações sobre as iniciativas mais amplas de IA generativa da Meta, incluindo trabalhos anteriores em modelos de imagem e vídeo, veja Introducing Muse Image and Muse Video - Meta AI.

O Vega, o segundo modelo emergente, apresenta capacidades distintas que o diferenciam. Ele demonstra uma notável sincronização labial multilíngue, um componente crítico para uma animação de personagem realista. Em um exemplo marcante, um falante de italiano em uma sala de espelhos vê todos os reflexos sincronizarem precisamente com suas palavras faladas, destacando a avançada coerência espaço-temporal e auditiva do Vega. Esse desempenho sutil sugere uma compreensão sofisticada da fala humana e sua manifestação visual.

Embora o Vega se mostre notavelmente apto na renderização de texto e sinalização na tela, mantendo uma consistência de fonte e ortografia impressionantes entre os quadros, ele não está isento de imperfeições. O modelo pode introduzir artefatos não solicitados, como "texto pop-up" aparecendo com um efeito de "pincel mágico". Esse fenômeno sugere que o modelo às vezes alucina elementos visuais, gerando conteúdo não especificado explicitamente no prompt de entrada.

A clara divergência em pontos fortes e fracos entre a consistência baseada em física do Polaris e a sutileza linguística e textual do Vega indica fortemente sua origem em famílias de modelos separadas. Isso aponta para uma abordagem de desenvolvimento multifacetada — sugerindo que um grande laboratório, provavelmente o Superintelligence Labs da Meta, está buscando caminhos arquitetônicos distintos para modelos de vídeo de IA. Essa estratégia de inovação paralela intensifica significativamente a pressão sobre todos os concorrentes, forçando-os a acelerar suas próprias pesquisas e expandir suas capacidades para acompanhar o ritmo.

O que são Polaris e Vega?

Polaris e Vega são codinomes para dois novos modelos de IA de texto para vídeo não anunciados que apareceram nos placares da Artificial Analysis, demonstrando capacidades avançadas em consistência, física e sincronização labial multilíngue.

A Meta está confirmada como a responsável pelo Polaris ou Vega?

Não há confirmação oficial, mas fortes evidências circunstanciais, incluindo atividades recentes do Superintelligence Labs da Meta e uma promessa anterior de um modelo de vídeo, apontam para o envolvimento deles.

Como o Polaris e o Vega se comparam a outros modelos de vídeo de IA?

Os resultados iniciais mostram que eles são altamente competitivos. O Polaris se destaca na consistência de várias tomadas e na simulação física, enquanto o Vega demonstra um manuseio de texto impressionante e sincronização labial multilíngue, posicionando-os como fortes concorrentes no campo.

Quais são as limitações atuais desses modelos?

As demonstrações públicas são limitadas a 10 segundos em 1080p. O Polaris apresenta pequenos problemas com a geração de texto, enquanto o Vega pode produzir artefatos de texto pop-up indesejados, apesar de sua força geral na renderização de texto.