Recentemente, estive observando o Pexo criado por @evanLiaoQ — acho que este projeto vale uma discussão. Atualmente, o espaço de vídeos de IA já está extremamente competitivo. Kling, Veo, Seedance, Sora, Runway — a cada período, a capacidade dos modelos avança um pouco mais: qualidade da imagem, duração, consistência de personagens e efeitos de movimento estão melhorando rapidamente. Mas, após realmente usá-los, percebe-se um problema: Mais modelos não significam que criar um vídeo completo se tornou mais simples. Você ainda precisa escolher um tema, escrever um roteiro, dividir cenas, selecionar o modelo, escrever prompts, gerar repetidamente, e depois fazer a dublagem, música, legendas e edição. Muitas vezes, gerar uma cena leva apenas alguns minutos; o que realmente consome tempo é transformá-la em um vídeo completo, pronto para ser publicado, usado ou utilizado em marketing. É exatamente nisso que o Pexo quer resolver. Ele não está criando outro modelo de vídeo de base, mas sim construindo um AI Video Agent sobre esses modelos. Simplificando: Antes, você mesmo operava várias ferramentas de IA. Agora, você apenas diz ao Pexo: “Quero fazer um vídeo sobre isso.” O resto fica por conta do Agent. Ele pode entender sua necessidade, ler páginas da web ou materiais de referência, organizar informações, gerar roteiros, dividir cenas e, em seguida, chamar diferentes modelos de imagens, vídeos e áudios conforme o contexto, combinando tudo em um vídeo final. Por isso, o que acho realmente interessante no Pexo não é quantos modelos ele integrou, mas sim sua tentativa de mudar a interação com vídeos de IA de: Generate a clip → para: Make me a video. Esses dois conceitos são muito diferentes. O primeiro vende uma “capacidade de geração”; o segundo vende um “resultado”. Por exemplo, o Pexo já consegue diretamente inserir uma URL de site de produto, fazer o Agent ler as informações do produto e automaticamente transformá-las em um Product Video. Para SaaS, marcas, e-commerce e projetos de Crypto, esse cenário é extremamente prático. Antes, para criar um vídeo de apresentação de produto, você precisava contratar roteiristas, designers e editores — talvez até uma equipe externa. Agora, talvez baste apenas enviar o site, screenshots do produto e alguns pontos-chave para o Agent, e ajustar por meio de conversa contínua. Outra funcionalidade que tenho acompanhado de perto é o Mark to Fix. O problema atual nos vídeos de IA já não é mais “se é possível gerar”, mas sim: Como editar depois que foi gerado. Um logo muito grande, cor da roupa do personagem errada, área que precisa ser substituída, legenda mal posicionada — se toda vez você tiver que regerar todo o vídeo inteiro, a eficiência é baixa demais. A abordagem do Pexo é simples: circule diretamente na tela e diga ao Agent: “Troque isso.” “Não mexa nisso.” “Substitua isso por outra versão.” Se essa capacidade de modificação local e manutenção de contexto for bem mantida, os vídeos de IA realmente avançarão de “ferramenta de sorteio” para “ferramenta de produção”. Além disso, o Pexo já não é mais apenas um site independente. Eles começaram a lançar Pexo Skills e estão integrando ambientes de Agent como Claude Code, Codex, Cursor, Manus e OpenClaw. Essa etapa acho ainda mais relevante. Porque no futuro, provavelmente não abriremos ativamente dezenas de sites de IA. Em vez disso, diremos ao nosso General Agent: “Me ajude a criar um produto.” “Me ajude a escrever o site oficial.” “E faça também um Launch Video.” E o General Agent chamará automaticamente Agents verticais como o Pexo para produzir o vídeo. O General Agent cuidará da compreensão geral da tarefa; o Pexo cuidará de tornar a parte de vídeo suficientemente profissional. Essa pode ser exatamente a posição que o Pexo quer ocupar. O fundador do Pexo, Evan Liao, tem longa experiência em vídeos e geração de conteúdo com IA — já trabalhou na Tencent, ByteDance e Vidu — então a trajetória deste projeto é muito coerente. Do Apex Context até o atual Pexo, eles sempre enfatizaram um conceito: Context. Os modelos ficarão cada vez mais poderosos e mais baratos. Mas o que realmente determinará se um Agent é útil ou não pode não ser quantos modelos ele integra — e sim se ele consegue realmente entender o que o usuário quer expressar, lembrar do contexto da marca e dos personagens, saber qual modelo chamar em cada cenário e corrigir automaticamente quando algo falha. Acho que isso é justamente o que mais vale a pena observar nos Vertical Agents. Quando os modelos subjacentes se tornarem cada vez mais padronizados, a verdadeira competição provavelmente mudará de “qual modelo é o mais forte” para “quem entende melhor a tarefa, entende melhor o usuário e está mais próximo do resultado final”. O que o Pexo está fazendo agora é apostar exatamente nessa direção. De AI Video Generator → para AI Video Agent. Vou continuar acompanhando para ver se ele conseguirá realmente conectar geração, edição, contexto e fluxo de trabalho de Agent em um sistema completo de produção de vídeo. @evanLiaoQ