logo
  • Ambientes
  • Empresas
  • Preços
DeveloperAug 13, 2026

Criar um modelo CAD a partir de vídeo: Gemini 3.7 Flash vs. 3.6 Flash

EigentEigent
Criar um modelo CAD de um clipe com Gemini 3.7 Flash
Automate Everything with
AI Workforce on Desktop
Download Eigent

De um clipe a um modelo 3D articulado

Um personagem mecânico normalmente exige vistas frontal, lateral e traseira, detalhes das juntas e especificações de material. Aqui, o Eigent recebe apenas um vídeo e o Gemini 3.7 Flash transforma o que vê em uma malha .glb articulada. Na gravação, o 3.7 Flash terminou muito mais rápido e criou um modelo com mais camadas mecânicas; o 3.6 Flash foi mais simples e blocado.

1Prepare o vídeo de referência

Use um clipe que mostre o personagem inteiro, vários ângulos e ombros, cotovelos, quadris, joelhos, tornozelos e coluna com clareza. Evite borrão de movimento, cortes rápidos e obstruções; mantenha a resolução original. Um clipe gera uma malha conceitual, mas superfícies fora da câmera são inferidas. Para maior fidelidade, forneça um vídeo de rotação lenta ou imagens extras.

2Configure o Gemini 3.7 Flash

Em Settings → Agents → Models → Gemini, informe a chave API, o API Host se necessário e escolha Gemini 3.7 Flash. O demo usa single-agent, mantendo análise, plano, geração e resposta no mesmo contexto.

3Anexe o clipe e envie o prompt

Crie uma tarefa em Cowork with Single Agent, anexe o vídeo e confirme que ele aparece na mensagem. Use:

Analyze the transformers character in the uploaded reference video and generate a production-ready, highly detailed 3D CAD/mesh model exported as a .glb file. Analyze style, silhouette, armor, joints, panel lines, wiring, pistons, energy cores, and greebles. Build precise hard-surface geometry, separate armor around logical pivots for rigging, use layered metallic PBR materials, and pack Diffuse, Normal, Roughness, Metallic, and Emissive maps into a clean, manifold, real-time-ready GLB.

O prompt especifica observação, organização da malha e empacotamento. Sem essas restrições, o resultado pode parecer um robô, mas ser difícil de riggar ou editar.

4Analise, construa e inspecione

O Gemini extrai silhueta, blocos de armadura, posições das juntas, cores e características de superfície, criando um plano 3D. O GLB reúne geometria e PBR em um arquivo, pronto para um visualizador web ou Blender. Gire o modelo em todos os eixos e examine laterais, traseira, vãos entre placas e alinhamento dos pivôs. O resultado 3.7 Flash do demo tem cabeça, torso e membros segmentados, camadas mais legíveis e mais regiões de cor e material.

5Compare 3.7 Flash e 3.6 Flash

No vídeo, 3.7 Flash foi mais rápido e mostrou mais componentes, variações de superfície, segmentação legível e detalhes de cor. 3.6 Flash foi mais lento e mais blocado. Isto é uma demonstração, não um benchmark controlado: vídeo, prompt, carga do provedor, ferramentas e complexidade alteram o tempo.

6Valide antes do uso em produção

Verifique topologia non-manifold, faces duplicadas, buracos e auto-interseções; escala, origem e eixos; separação de peças e colisões nas juntas; mapas Base Color, Normal, Metallic, Roughness e Emissive; contagem de triângulos, texturas, draw calls e tamanho; e fidelidade a todos os quadros disponíveis. GLB é entrega de malha, não CAD paramétrico: para fabricação ou tolerâncias, reconstrua ou valide em CAD.

7Melhore a próxima execução

Peça uma auditoria do GLB com contagem de triângulos, hierarquia, canais de material, geometria non-manifold, texturas ausentes, pivôs e diferenças em relação ao vídeo; corrija problemas críticos e exporte uma segunda versão. Também é possível solicitar uma versão low-poly, hierarquia pronta para rig com ossos nomeados ou LODs.

Other use cases

Gemini 4: transforme tutoriais em vídeo em habilidades de engenharia de RL em produção

Gemini 4: transforme tutoriais em vídeo em habilidades de engenharia de RL em produção

Assista às palestras do YouTube listadas e transforme seus métodos e insights em 2–4 habilidades de agente reutilizáveis baseadas em arquivos, usando apenas esses vídeos como fontes primárias. Para cada palestra, monte um roteiro com marcações de tempo, registre os principais insights, resultados e alertas, e rotule cada afirmação como OBSERVED, INFERRED ou UPDATED. Dê a cada habilidade um SKILL.md com uma seção de insights principais e um caminho independente de ferramentas, além de um evidence.md. Valide cada habilidade e publique um relatório HTML em modo claro servido a partir de 127.0.0.1, com as palestras incorporadas, marcações de tempo clicáveis, uma comparação entre as palestras, uma matriz de cobertura que mostra as lacunas e uma lista clara de limitações.

Declaração de IVA automatizada a partir de recibos e faturas

Declaração de IVA automatizada a partir de recibos e faturas

Processe todos os recibos e faturas na pasta "VAT", incluindo fotos, PDFs digitalizados e faturas digitais. A saída final deve incluir apenas dois arquivos: (1) vat_return.xlsx — o arquivo Excel deve incluir uma linha por recibo ou fatura, listar todos os campos extraídos, mostrar se cada item é elegível para recuperação de IVA, mostrar o valor de IVA recuperável para cada item elegível, incluir o motivo de exclusão para itens não recuperáveis, sinalizar claramente os itens que exigem revisão manual e incluir uma planilha de resumo mostrando o valor total de IVA recuperável. (2) vat_return.html — crie um arquivo HTML autônomo que possa ser aberto diretamente e compartilhado com a equipe de contabilidade. O arquivo HTML deve mostrar todos os itens de recuperação de IVA, o valor de IVA recuperável de cada item, os itens excluídos e os motivos da exclusão, os itens que exigem revisão manual e o valor total de IVA recuperável. Não invente nenhuma informação incerta.

Tarefa de longo horizonte: GLM-5.1 vs GLM-5.2 no Eigent

Tarefa de longo horizonte: GLM-5.1 vs GLM-5.2 no Eigent

Faça uma pesquisa aprofundada sobre 26 empresas do ecossistema de infraestrutura de IA — o principal fio condutor mais certo de toda a cadeia de valor da IA. Cubra estes 6 subsegmentos (escolha empresas representativas em cada um, de líderes de grande capitalização até participantes menores): Data Center de IA (infraestrutura de computação / expansão); GPU / Chips de IA (silício para treinamento e inferência, ASICs, IP); Servidores, Rede e Módulos Ópticos (switches, NICs, interconexão óptica); Energia, Resfriamento Líquido e Armazenamento de Energia (fonte de alimentação, térmica, gestão de energia); Cloud de IA / Plataforma de Computação (hyperscalers, GPU clouds, plataformas de aluguel de computação); Ecossistema de Suporte (HBM / empacotamento avançado, foundry, conectores e outros componentes críticos). Para cada empresa, pesquise: nome da empresa, subsegmento, sede / país; produtos principais e seu papel específico na cadeia de IA; pública ou privada (ticker + bolsa se listada; se privada, informe a avaliação / rodada de captação mais recente); valor de mercado ou tamanho da avaliação (usado para ranqueamento); posicionamento e moat no ecossistema (1–2 frases); principais clientes / concorrentes. Ordenação: dentro de cada subsegmento, classifique da maior para a menor (por valor de mercado / avaliação). Estruture tudo de forma top-down: do panorama completo do ecossistema de hardware até cada empresa individual. Requisitos de saída: Primeiro, gere um arquivo de dados estruturado ai_infra_data.json — contendo todas as 26 empresas com os campos acima, as 6 classificações de subsegmentos, uma flag público/privado e uma matriz de comparação entre empresas (subsegmento × dimensões-chave). Depois, gere um relatório HTML refinado a partir desse JSON: inclua um diagrama do panorama / camadas do ecossistema, seções por setor, cards de empresas, um indicador visual claro para público vs. privado (tags ou codificação por cor), um gráfico de ranqueamento por valor de mercado e uma tabela de comparação ordenável / filtrável. Faça o design profissional, rico em informações e interativo. Verifique primeiro a precisão dos dados da pesquisa (status de listagem, tickers, avaliações — use as cifras mais recentes e cite as fontes), e só então gere o relatório. Envie a tarefa em modo single-agent.

Automate everything with AI workforce on desktop
Download Eigent

Experimente o Eigent hoje

Baixe o app desktop open source e comece a automatizar com uma força de trabalho de IA na sua máquina.

Baixar Eigent
Eigent

Receba as últimas novidades e tutoriais sobre automação de workforce com IA.

Obrigado por se inscrever!

ProdutoEigentAmbientesPreçosEmpresarial
ExplorarSoluçõesCasos de usoHabilidadesPluginsBlog
DesenvolvedoresDocumentaçãoGitHubCAMEL-AIFundo Open SourceParceiro
BaixarPara código aberto
EmpresaSobre nósMarcaCarreirasSuporteTermos de usoPolítica de privacidadeSegurança e confiançaPolítica de cookiesPolítica de reembolso e teste

Todos os direitos reservados © 2026 EIGENT UK LTD