De fotos históricas a 3D interativo: Gemini 4 Carbon recria o processo de construção da Torre Eiffel com um único comando

Nota do autor: este artigo parte da demonstração da Torre Eiffel feita pelo Google para explicar como vários agentes organizam fotos históricas e documentos de engenharia em uma exposição 3D interativa.

Glossário rápido (to know)

• Agent (agente): programa de IA que consegue chamar ferramentas e executar tarefas. Ele não só responde perguntas, mas também planeja, executa e confere os resultados.
• Colaboração multiagente: vários agentes dividem subtarefas entre si e trocam os resultados intermediários de cada um.
• Antigravity: ferramenta de desenvolvimento com IA do Google, onde o Gemini 4 Carbon já está disponível.
• Swarm (/swarm): recurso em prévia do Antigravity para organizar a colaboração entre vários agentes, lançado em 10 de novembro de 2026.
• Desenhos de engenharia: documentos que expressam o projeto de engenharia com gráficos e cotas. São a principal fonte de geometria na reconstrução 3D.
• Three.js: biblioteca JavaScript para montar cenas 3D em páginas web, renderizando e permitindo interação direto no navegador.
• Estrutura treliçada: estrutura de sustentação formada pela combinação de muitas barras. A Torre Eiffel é um exemplo clássico de estrutura treliçada de ferro.

Em 10 de novembro de 2026, o Google liberou oficialmente o Gemini 4 Carbon e, no anúncio oficial, mostrou um caso com muita força visual: vários agentes Carbon, usando o recurso /swarm do Antigravity, transformaram fotos históricas e desenhos de engenharia em uma exposição 3D interativa em Three.js, recriando o processo de construção da Torre Eiffel entre 1887 e 1889. A tarefa inteira foi disparada por um único comando.

Isso não é “uma IA que desenhou uma torre qualquer”. O anúncio oficial do Google e o blog do Antigravity explicam tanto esse caso quanto o mecanismo do Swarm. Neste artigo, vamos separar três tipos de informação: fatos históricos, o que o Google descreve na demonstração oficial e as nossas próprias análises e inferências.

Valor central: depois de ler, você vai saber quais problemas técnicos a demonstração realmente resolve, qual é o papel dos vários agentes nela e como desenvolvedores podem testar, via API, um fluxo de trabalho parecido de “desenho para 3D”.

Resumo das informações principais da demo da Torre Eiffel com o Gemini 4 Carbon

Primeiro, vamos ver o que dá para confirmar no anúncio oficial do Google. A tabela abaixo lista apenas o que foi mencionado de forma explícita pela empresa; os detalhes que não foram divulgados aparecem separados.

Um ponto importante: “um único comando” não significa “geração em uma única rodada”. O usuário só dá a instrução uma vez, e o que vem depois (divisão da tarefa, processamento em paralelo e verificação) fica por conta de vários agentes dentro do framework Swarm. Entender isso é essencial para compreender o caso como um todo.

Por que a Torre Eiffel é uma prova de fogo para o Gemini 4 Carbon

Se a ideia fosse apenas gerar um modelo que “parece uma torre”, a demonstração não teria nada de especial. O verdadeiro desafio é que a Torre Eiffel, por si só, é uma obra de engenharia cheia de dados e com estrutura complexa. Os números abaixo vêm dos arquivos históricos do site oficial da Torre Eiffel.

A linha do tempo da obra também é bem documentada. A construção começou oficialmente em 26 de janeiro de 1887, e a instalação dos pilares teve início em 1º de julho do mesmo ano. O primeiro andar ficou pronto em 1º de abril de 1888, e o segundo em 14 de agosto. Em 31 de março de 1889, o topo e a montagem completa da estrutura foram concluídos. Para uma exposição que se propõe a “recriar o processo de construção”, esses marcos são o esqueleto da linha do tempo.

A estrutura em treliça da Torre Eiffel e o projeto contra o vento

Segundo os registros históricos oficiais, a concepção da torre partiu dos engenheiros Maurice Koechlin e Émile Nouguier. O arquiteto Stephen Sauvestre participou do projeto da aparência, e Gustave Eiffel impulsionou a versão final. O projeto original usava quatro pilares em treliça, separados na base e convergindo gradualmente em direção ao topo.

A curvatura dos pilares foi calculada matematicamente para melhorar a resistência da estrutura à força do vento. Cada peça metálica foi pré-fabricada em fábrica, com projeto e cálculo específicos, e os desenhos tinham precisão de um décimo de milímetro. Ou seja, reconstruir a torre não é simplesmente “empilhar formas geométricas”: é preciso entender as relações rigorosas entre as barras, as curvas e os níveis da estrutura.

Como o Gemini 4 Carbon transforma materiais históricos 2D em estruturas 3D

Esta parte é uma análise minha: o Google não divulgou os passos internos dessa tarefa. Olhando para a entrada e a saída, dá para deduzir que o trabalho precisa superar pelo menos três obstáculos.

1. Entender as fotos históricas: as fotos de obra foram tiradas de ângulos variados e têm nitidez limitada. É preciso identificar até qual andar a construção já tinha chegado, em que estágio estavam as colunas da torre e encaixar cada foto em um ponto da linha do tempo.
2. Extrair informações geométricas dos desenhos: os desenhos de engenharia trazem elevações, cortes, cotas e outros elementos, e deles é preciso ler parâmetros como a inclinação das colunas da torre, a altura das plataformas e a disposição das barras.
3. Inferir relações espaciais e organizar tudo em dados reconstruíveis: tanto as fotos quanto os desenhos são bidimensionais. Por isso, é necessário alinhar informações de vários pontos de vista, deduzir a posição de cada componente no espaço tridimensional e, por fim, organizar tudo numa descrição estruturada que consiga alimentar o código de modelagem.

O model card do Gemini 4 Carbon mostra que ele aceita texto, imagem, áudio e vídeo como entrada, produz texto como saída e tem uma cota total de contexto de 1.048.576 tokens. Dá para concluir, com razoável segurança, que a exposição foi entregue em forma de “texto”, ou seja, código Three.js: o efeito tridimensional aparece quando o navegador executa o código, e não porque o modelo gerou diretamente um arquivo 3D.

No mesmo comunicado, o Google mostrou outro caso que serve de referência: o Carbon processou 7 PDFs públicos de planejamento urbano, extraiu 206 vistas de desenhos de engenharia e, após 10 rodadas de iteração noturna, gerou um modelo arquitetônico interativo em Three.js com cerca de 906.000 faces triangulares. Os dois casos seguem uma lógica parecida: “materiais heterogêneos → informação espacial → 3D interativo”.

Como vários agentes do Gemini 4 Carbon colaboram na exposição da Torre Eiffel

O Google confirma que esse caso foi feito por vários agentes Carbon colaborando via /swarm, mas não divulgou como as tarefas foram divididas nesse trabalho específico. Por isso, o que vem a seguir descreve o mecanismo geral do Swarm apresentado no blog oficial do Antigravity, e não um relato fiel do que aconteceu nesse caso.

O Google afirma que os agentes não consomem tokens enquanto esperam ociosos, mas avisa que a execução paralela de vários agentes ainda aumenta bastante o consumo total. A recomendação oficial também é distribuir os modelos por função: arquitetura, coordenação de tarefas e auditorias complexas ficam com o Carbon, enquanto a implementação do dia a dia e as alterações paralelas em arquivos vão para modelos mais rápidos e leves.

Essa divisão faz bastante sentido na reconstrução a partir de materiais de engenharia. O coordenador precisa de raciocínio profundo para entender “quais materiais correspondem a qual etapa”, enquanto o trabalho repetitivo, como gerar as barras da estrutura e montar a cena, não exige o modelo mais caro a cada passo. A etapa de verificação funciona como um seguro de qualidade, já que uma estrutura 3D gerada em sequência por um único modelo costuma sofrer deriva de proporção.

Como testar uma tarefa parecida de desenho técnico para 3D com a API do Gemini 4 Carbon

O /swarm do Antigravity é um recurso interno do produto, então não dá para reproduzi-lo diretamente com um parâmetro de API. Mas você pode montar um fluxo simplificado usando a API e sentir na prática o caminho “ler a imagem → extrair parâmetros → gerar Three.js”. O ID oficial do modelo é gemini-4-carbon.

Exemplo mínimo: deixando o Carbon analisar uma foto de obra

import base64
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Interface unificada compatível com a OpenAI
)

with open("eiffel_1888.jpg", "rb") as f:
    img_b64 = base64.b64encode(f.read()).decode()

resp = client.chat.completions.create(
    model="gemini-4-carbon",
    messages=[{"role": "user", "content": [
        {"type": "text", "text": "判断照片中铁塔建到了哪一层，估算塔柱倾角与平台高度比例，输出 JSON。"},
        {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{img_b64}"}}
    ]}]
)
print(resp.choices[0].message.content)

import base64
import json
from concurrent.futures import ThreadPoolExecutor
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)
MODEL = "gemini-4-carbon"


def encode(path: str) -> str:
    with open(path, "rb") as f:
        return base64.b64encode(f.read()).decode()


def ask(content, system: str = "") -> str:
    messages = []
    if system:
        messages.append({"role": "system", "content": system})
    messages.append({"role": "user", "content": content})
    resp = client.chat.completions.create(model=MODEL, messages=messages)
    return resp.choices[0].message.content


def worker_extract(path: str) -> str:
    """Worker paralelo: extrai os parâmetros estruturais de uma única foto ou desenho"""
    return ask([
        {"type": "text", "text": "提取该资料中的结构信息：所属施工阶段、塔柱倾角、平台高度比例、可见杆件排布，只输出 JSON。"},
        {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{encode(path)}"}}
    ], system="你是结构工程资料分析员，数据不确定时标注 uncertain，不要编造。")


def builder(merged: str) -> str:
    """Construtor: gera a página Three.js a partir dos parâmetros já consolidados"""
    return ask(
        "根据以下结构参数，生成单文件 HTML，使用 Three.js 构建四根格构塔柱与两层平台，"
        "并提供 1887—1889 时间轴滑块按阶段显示结构：\n" + merged
    )


def verifier(merged: str, html: str) -> str:
    """Verificador: confere se o código está de acordo com os parâmetros"""
    return ask(
        "检查下列 Three.js 代码是否与结构参数一致，列出比例错误、阶段错误和无法运行的代码：\n"
        f"参数：{merged}\n代码：{html}"
    )


sources = ["photo_1887.jpg", "photo_1888.jpg", "drawing_elevation.jpg"]

with ThreadPoolExecutor(max_workers=3) as pool:
    results = list(pool.map(worker_extract, sources))

merged = json.dumps(results, ensure_ascii=False)
html = builder(merged)
report = verifier(merged, html)

with open("eiffel_exhibit.html", "w", encoding="utf-8") as f:
    f.write(html)
print(report)

Esse código é uma implementação simplificada que usa a API comum para simular a ideia do Swarm, e não uma solução interna do Google. Dois pontos merecem atenção: o Carbon ignora parâmetros de amostragem como temperature e top_p, e passar thinking_budget retorna um HTTP 400. Além disso, o nível de raciocínio padrão é MEDIUM, e níveis mais altos gastam mais tokens e deixam a resposta mais lenta.

🚀 Dica para começar rápido: em experimentos com várias imagens e várias etapas, o ideal é validar o efeito dos comandos primeiro com uma amostra pequena. Recomendamos pegar créditos gratuitos de teste no APIYI (apiyi.com): com uma única chave API, você alterna entre modelos como Gemini, Claude e OpenAI, o que facilita colocar em código a divisão de trabalho “modelo leve para extração em lote, modelo de raciocínio forte para planejamento e verificação”.

Comparação entre a exposição 3D interativa do Gemini 4 Carbon e os formatos tradicionais de entrega

O Three.js serve para rodar cenas tridimensionais direto no navegador. O público não precisa instalar nada para girar o ângulo de visão, dar zoom nos detalhes ou arrastar a linha do tempo e ver o estado da obra em diferentes anos. A tabela abaixo compara algumas formas comuns de apresentar materiais históricos.

O maior valor de uma exposição interativa está na “rastreabilidade”. Como ela é, no fundo, código, cada camada de plataforma e cada trecho de torre corresponde a parâmetros legíveis. Se depois se descobrir que algo não bate com as plantas, dá para corrigir só aquele ponto, em vez de refazer tudo do zero. É também essa característica que permite ao Agent de validação mostrar seu valor.

Análise do impacto da demo da Torre Eiffel com o Gemini 4 Carbon

Primeiro, um aviso sobre os limites: este é um caso apresentado oficialmente pelo Google, e não o resultado de uma verificação independente de terceiros. Ele mostra o que o Carbon junto com o Swarm consegue fazer, mas não permite concluir de forma geral que “qualquer material de arquitetura pode ser reconstruído de maneira estável”.

Impacto para desenvolvedores

• O fluxo de trabalho passa de chamada única para orquestração: por trás de um único comando existem vários agentes com tarefas divididas. O desenvolvedor precisa se preocupar com a decomposição das tarefas, o formato dos resultados intermediários e os mecanismos de validação.
• O custo deve ser calculado por tarefa, não por preço unitário: no lançamento, o Carbon custa US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída, e esses valores dobram a partir de 1º de dezembro. Os tokens de raciocínio entram na conta da saída, e o paralelismo de vários agentes ainda amplifica o consumo.
• Misturar vários modelos fica mais realista: a recomendação oficial é usar o Carbon só para planejamento, coordenação e auditoria, deixando a execução em lote para modelos mais leves. Isso é fundamental para controlar custos.

Impacto para o setor

• Digitalização de edifícios históricos: muitas construções que só existem em fotos e desenhos podem ser transformadas em modelos interativos com uma barreira de entrada menor, para que pesquisadores façam comparações.
• Reconstrução de documentação de engenharia: tanto o caso do PDF de planejamento urbano quanto o da Torre Eiffel apontam para a mesma direção, que é extrair informações espaciais de documentos heterogêneos.
• Exposições digitais e visualização educacional: museus e professores podem transformar números abstratos como “5.300 desenhos e 2,5 milhões de rebites” em cenas em que os alunos arrastam uma linha do tempo para observar a construção.

Também é preciso olhar para as limitações. O /swarm ainda é um recurso em prévia, e o model card avisa claramente que o Carbon pode alucinar, além de poder responder devagar ou até estourar o tempo limite nos níveis mais altos de raciocínio. Em cenários de engenharia que exigem precisão rigorosa, o resultado de uma reconstrução feita por IA ainda deve ser revisado por profissionais.

Perguntas Frequentes (FAQ)

Principais pontos da demo da Torre Eiffel com o Gemini 4 Carbon (Key Takeaways)

• Natureza do caso: vários Agents Carbon transformam fotos históricas e plantas técnicas em uma exposição interativa feita com Three.js.
• Um comando não é uma geração em uma única rodada: por trás dele há a decomposição de tarefas e a colaboração em paralelo do Swarm.
• A dificuldade de engenharia é real: 18.038 componentes e 5.300 desenhos, com exigência altíssima de precisão estrutural.
• O formato de entrega é código: o Carbon gera texto, e a exposição aparece como código Three.js que você pode modificar.
• O custo precisa ser visto no todo: o paralelismo de vários Agents multiplica o consumo, e misturar modelos de acordo com o papel de cada um sai mais barato.
• É preciso deixar os limites claros: a demo oficial não representa o desempenho em geral, e o Swarm ainda é um recurso em prévia.
• Como começar: dá para usar a interface unificada da APIYI (apiyi.com) e validar o fluxo de leitura de imagens e modelagem com uma amostra pequena.

Resumo

A demo da Torre Eiffel do Gemini 4 Carbon tem três pontos principais:

1. A entrada são materiais históricos heterogêneos: fotos e plantas de engenharia precisam ser compreendidas, alinhadas e convertidas em parâmetros espaciais.
2. O processo é uma colaboração entre vários Agents: um único comando dispara o Swarm, que divide o trabalho entre coordenação, execução e verificação.
3. A entrega é uma exposição 3D interativa: o Three.js permite navegar livremente, pelo navegador, pelo processo de construção entre 1887 e 1889.

Para quem desenvolve, o mais interessante de aproveitar é a lógica de orquestração: um modelo de raciocínio profundo cuida do planejamento, modelos mais leves executam e uma etapa de verificação garante a qualidade no final. Minha sugestão é usar a APIYI (apiyi.com) para rodar o fluxo primeiro com poucos materiais e só depois decidir se vale investir em tarefas maiores com vários Agents.

📚 Referências

1. Anúncio oficial do Google: Gemini 4 Carbon is now available: caso da Torre Eiffel e informações de lançamento do /swarm
2. Link: blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/

3. Descrição: relato original do caso, alcance da disponibilização e mudanças de preço

4. Blog oficial do Google Antigravity: Gemini 4 Carbon in Google Antigravity

5. Link: antigravity.google/blog/gemini-4-carbon-in-google-antigravity/

6. Descrição: coordenação do Swarm, trabalho em paralelo, verificação adversarial e o mecanismo de quadro de mensagens

7. Gemini 4 Carbon Model Card: model card do Google DeepMind

8. Link: deepmind.google/models/model-cards/gemini-4-carbon/

9. Descrição: modalidades de entrada e saída, limites de contexto e limitações conhecidas

10. Guia do desenvolvedor do Gemini 4 Carbon: documentação do Google Cloud

11. Link: docs.cloud.google.cn/gemini-enterprise-agent-platform/models/guides/gemini-4-carbon

12. Descrição: Thinking Level, limites de parâmetros e explicações sobre decodificação longa

13. Material histórico oficial da Torre Eiffel: La tour Eiffel

14. Link: toureiffel.paris/en/the-monument/history
15. Descrição: número de peças, quantidade de desenhos, cronograma da construção e contexto do projeto estrutural

Autor: Equipe técnica da APIYI
Troca de ideias técnicas: se você tiver dúvidas sobre orquestração multiagente ou geração 3D multimodal, fale com a gente pela página inicial do APIYI, apiyi.com

Artigos relacionados

• Faça o modelo escrever Three.js em vez de gerar diretamente arquivos 3D: 5 insights do fluxo de trabalho da camada intermediária de código: Usando o Qwen3.5-4B-GLB-3D-Coder como exemplo, decomponha o fluxo de trabalho da camada intermediária de código “texto→Three.js→GLB” e forneça etapas práticas de implantação local, integração na nuvem e validação no Godot.
• Análise do lançamento do Gemini 4 Carbon: com 59 pontos, supera o Opus 5.5 e vence em 15 de 17 testes, mas não é possível invocá-lo: O Gemini 4 Carbon lidera o índice de inteligência da Artificial Analysis com 59 pontos e vence 15 de 17 comparações oficiais, mas não tem ID de modelo na API nem prazo de lançamento; este artigo explica a pontuação, por que ele ainda está indisponível e sugere o gemini-4-argon aos desenvolvedores chineses.