A Reka, startup de IA multimodal comandada por um ex-pesquisador do Google DeepMind, apresentou em 5 de outubro de 2026 o Rho-1, modelo de 19 bilhões de parâmetros que entende e gera texto, imagem e vídeo e também produz ações para braços robóticos, tudo na mesma rede e no mesmo contexto. Uma versão destilada gera clipes de 5,3 segundos em cerca de um segundo. O modelo foi treinado em 320 GPUs H100 por três meses e está em prévia de pesquisa, sem pesos públicos.
Em resumo
- O modelo: 19 bilhões de parâmetros, treinado do zero, com dois fluxos internos: um para entender e raciocinar, outro para gerar imagem e vídeo.
- O vídeo: o modelo base gera vídeo a 0,79 vez o tempo real, com o primeiro quadro em cerca de 6 segundos. A versão Flash faz 5,3 segundos de clipe em cerca de 1 segundo.
- O robô: a mesma rede que prevê a próxima imagem da câmera produz os comandos das juntas, com ações aprendidas de vídeos da internet.
- O custo: 320 GPUs H100 por três meses, uma fração do que se gasta em modelos de fronteira de vídeo.
- Os limites: resolução máxima de 672 por 384, perda de coerência em vídeos longos e edição instável, segundo a própria Reka.
O que a Reka apresentou?
O Rho-1 junta no mesmo modelo coisas que hoje passam por uma cadeia de sistemas: um modelo de linguagem que entende o pedido, um gerador de vídeo, um detector de objetos e um controlador de robô. A Reka chama isso de “colapsar a pilha multimodal”. Texto e comandos viram tokens discretos. Imagens, quadros de vídeo, ações de robô e leitura de sensores do corpo do robô viram tokens contínuos. Todos ficam no mesmo contexto.
Por dentro, cada bloco do transformer tem dois conjuntos de pesos que compartilham a atenção. Um entende linguagem e imagem. O outro remove ruído para gerar imagem e vídeo. O MarkTechPost explica que os dois fluxos usam o mesmo cache, e por isso o modelo pode gerar um vídeo, receber uma ordem no meio e mudar o rumo sem recomeçar. O Superpower Daily descreve demonstrações em que o usuário marca objetos, troca o clima da cena ou manda a câmera virar à esquerda durante a geração.
Quão rápido é e onde ele falha?
O modelo base usa 99 passos de remoção de ruído e gera vídeo a 0,79 vez o tempo real, na mediana, com o primeiro quadro assistível em cerca de 6 segundos. A versão destilada, Rho-1 Flash, usa 8 passos e entrega um clipe de 5,3 segundos em cerca de um segundo. O Superpower Daily registra uma faixa de 1,11 a 2,01 segundos para clipes de 5 segundos. Todos os números são medições internas da Reka.
A Reka lista as próprias falhas. Em vídeos de 30 segundos a estrutura da cena se desfaz. O modelo não acompanha bem um objeto ao longo do vídeo. Edições pontuais funcionam em alguns pedidos e quebram em outros. A saída nativa para em 672 por 384 pixels. A empresa atribui a maior parte disso à escala pequena de computação e de dados.
Como ele comanda robôs?
A Reka mostra tarefas simples de manipulação guiadas por texto: tirar uma banana do prato, carregar uma caneca pela alça, pegar uma esponja para limpar, levantar uma caixa, tirar um pano dobrado de um cesto. Segundo a empresa, isso foi feito sem registros de teleoperação. As ações vêm de um modelo de dinâmica inversa da Reka, que deduz o movimento a partir de vídeos da internet. “A rede que prevê as próximas imagens da câmera é a mesma que dita o movimento das juntas”, escreve a Reka.
O Superpower Daily destaca que a Reka não informa qual robô foi usado, nem taxas de sucesso, nem validação independente. Por enquanto, a parte robótica é demonstração de pesquisa. O MarkTechPost observa que modelos abertos parecidos, como o BAGEL, da ByteDance, e o Emu3.5, da BAAI, não geram ação de robô de forma nativa.
Como chegamos até aqui?
A Reka é liderada por Dani Yogatama, ex-pesquisador do Google DeepMind, e recebeu US$ 110 milhões em julho de 2025 em rodada com Nvidia e Snowflake, segundo o Runtime Wire. A empresa vende modelos multimodais e serviços pela Reka Cloud.
O Rho-1 chega numa semana em que a ideia de modelo de mundo ganhou força na robótica. A Marcio.AI cobriu o Praxis-1, da Runway, que transforma vídeo em controle de robô e tem pesos abertos, e o semi-humanoide Taku com o modelo Dyna-2.1, da Dyna Robotics. A diferença da Reka é juntar geração de vídeo, conversa e ação num modelo só, e pequeno.
O que isso significa para quem desenvolve no Brasil?
Por enquanto, pouco de imediato. Não há pesos, API nem preço. O acesso é por contato direto com a Reka ou parceria pela Reka Cloud. O que vale acompanhar é o custo: 320 GPUs por três meses está ao alcance de laboratórios universitários grandes e de empresas médias, bem abaixo do orçamento dos modelos de vídeo de fronteira. Se a abordagem se confirmar, grupos de robótica e automação industrial no Brasil podem treinar modelos parecidos com dados próprios, em vez de depender de robôs com dados de teleoperação caros.
O que observar nas próximas semanas
A tese da Marcio.AI: modelos que juntam percepção, geração e ação vão substituir as cadeias de modelos especializados em robótica de pesquisa antes de chegar à fábrica, e o primeiro teste é a medição independente. Sem robô nomeado e sem taxa de sucesso, o Rho-1 ainda é promessa.
Sinais para conferir até o fim de 2026: se a Reka publica relatório técnico com plataforma robótica e taxas de sucesso, se libera pesos ou API, se aparece uma versão com resolução maior e se algum parceiro de robótica anuncia uso do modelo.
Fontes
- Reka, Rho-1: unindo a pilha multimodal, 05/10/2026
- MarkTechPost, Reka lança o Rho-1, modelo de 19 bilhões que entende e gera vídeo e controla robôs, 05/10/2026
- Runtime Wire, Reka releases a 19B model for video generation and robot control, 05/10/2026
- AlphaSignal, Reka’s Rho-1 Merges Reasoning, Video, and Robot Control Into One Model, 05/10/2026
- Superpower Daily, Reka releases Rho-1 to combine video creation and robot actions in one model, 05/10/2026
Rating Marcio.AI: 4/5 (Global, Muito relevante, Muito próximo do hype). Seção DeepTech do Watcher.
#MarcioAI #Reka #Rho1 #IAMultimodal #Robotica #ModelosDeMundo
Como este texto foi produzido
Este texto é assinado pelo Marcio.AI, o Gêmeo Digital do portal, que produz a partir de fontes públicas, dentro do recorte editorial definido por Marcio Sampaio N. SANTANA. Ele faz parte do Watcher, a curadoria diária de notícias de tecnologia da Marcio.AI. As fontes estão listadas acima, com veículo e data. A política editorial explica o processo inteiro e como pedir correção de qualquer informação.
Leia também: Runway lança Praxis-1, modelo de mundo para robôs com pesos abertos e Dyna Robotics lança o semi-humanoide Taku.