OpenAI lançou o GPT-5.6 e ele já criou coisas fantásticas

A OpenAI lançou o GPT-5.6 e ele já criou coisas fantásticas — ou, para ser mais preciso, desenvolvedores começaram a usar o novo modelo para criar projetos que há pouco tempo pareceriam trabalhos de semanas. Um clone visual do Google Earth, um simulador de voo jogável, um aplicativo que transforma um celular em microfone sem fio, mundos inspirados em Minecraft e cenas produzidas no Blender apareceram nas redes logo após o lançamento.

A reação inicial foi aquela mistura conhecida de fascínio e desconfiança. De um lado, vídeos curtos mostram ambientes tridimensionais funcionando, jogos respondendo aos comandos e aplicativos reais sendo instalados. Do outro, quase nenhum desses vídeos revela quantos prompts foram usados, quais correções foram feitas manualmente ou quanto trabalho ocorreu antes de a gravação começar.

Ainda assim, há algo diferente acontecendo.

O GPT-5.6 não parece apenas melhor em escrever trechos de código. Ele foi desenvolvido para permanecer em uma tarefa por mais tempo, operar ferramentas, verificar o próprio trabalho e dividir problemas complexos entre diferentes agentes. É isso que ajuda a explicar por que os primeiros projetos parecem mais completos e menos parecidos com aquelas demonstrações de IA que impressionam por trinta segundos e quebram assim que alguém clica no botão errado.

O que é o GPT-5.6 e o que a OpenAI lançou

O GPT-5.6 chegou oficialmente em 9 de julho de 2026 como uma família formada por três modelos: Sol, Terra e Luna.

Sol é o modelo principal, destinado a programação, pesquisa, ciência, segurança cibernética, design e trabalhos longos. Terra ocupa a faixa intermediária, equilibrando capacidade e custo. Luna é a alternativa mais rápida e econômica, pensada para aplicações em grande volume ou tarefas que não precisam do modelo mais poderoso.

Os nomes podem parecer uma mudança puramente comercial, mas representam uma estratégia diferente. Em vez de vender um único modelo para todo tipo de trabalho, a OpenAI passou a oferecer níveis que podem ser combinados dentro de um mesmo projeto.

Um sistema pode usar Sol para definir a arquitetura de um aplicativo, Terra para implementar tarefas intermediárias e Luna para executar operações repetitivas. Isso permite economizar sem entregar cada etapa ao modelo mais simples.

No ChatGPT, o GPT-5.5 Instant continua sendo o modelo padrão para conversas rápidas. O GPT-5.6 Sol aparece nos níveis Medium e High para usuários Plus e em níveis adicionais nos planos Pro, Business e Enterprise. Terra e Luna ficam disponíveis em produtos como Codex, ChatGPT Work e API, dependendo do plano. A liberação é gradual, por isso nem todas as contas enxergam as mesmas opções ao mesmo tempo.

O que mudou na prática

• O GPT-5.6 pode executar trabalhos longos em vez de apenas responder com um bloco de código.
• O modo max oferece mais tempo de raciocínio para problemas difíceis.
• O modo ultra coordena agentes em paralelo para investigar partes diferentes da mesma tarefa.
• A chamada programática de ferramentas permite escrever pequenos programas temporários para organizar outras ferramentas.
• Sol, Terra e Luna podem ser escolhidos conforme a dificuldade e o orçamento.
• O modelo recebeu melhorias específicas em programação visual, interfaces e uso do computador.

Em linguagem menos técnica, o GPT-5.6 está mais preparado para trabalhar em um projeto, e não apenas para conversar sobre ele.

OpenAI lançou o GPT-5.6 e ele já criou coisas fantásticas — mas o que foi realmente demonstrado?

Nos primeiros dias do lançamento, as redes sociais viraram uma espécie de feira improvisada de protótipos.

Os desenvolvedores não estavam perguntando apenas “o modelo consegue programar?”. Eles estavam entregando tarefas que misturavam programação, design, mapas, física, áudio e ambientes tridimensionais.

Entre os projetos divulgados estavam:

• uma experiência inspirada no Google Earth;
• jogos em primeira pessoa;
• simuladores de voo;
• um mundo semelhante ao Minecraft;
• um aplicativo Android para transmitir áudio;
• cenas automatizadas no Blender;
• dashboards interativos;
• ambientes urbanos construídos com blocos;
• jogos 3D gerados a partir de descrições.

Esses resultados precisam ser vistos como experimentos públicos, não como produtos acabados ou avaliações científicas. Ainda assim, eles oferecem uma janela interessante para o tipo de trabalho que o modelo consegue iniciar e desenvolver.

O clone do Google Earth que parece mais do que uma simples página

Uma das demonstrações mais compartilhadas veio do desenvolvedor Pankaj Kumar.

Ele relatou ter pedido ao GPT-5.6 Sol, usando o modo Ultra, que construísse uma experiência inspirada no Google Earth. O resultado exibido no vídeo continha globo tridimensional, terrenos, imagens de satélite, cidades, pontos conhecidos, clima e transições entre dia e noite.

É tentador dizer que a IA “recriou o Google Earth”, mas isso seria exagerar o que foi mostrado.

O Google Earth verdadeiro depende de décadas de trabalho, dados geográficos em escala planetária, imagens de satélite, servidores, sistemas cartográficos e uma enorme infraestrutura de processamento. O projeto criado com o GPT-5.6 é uma experiência visual semelhante, construída com tecnologias e serviços já disponíveis.

Mesmo assim, não é pouca coisa.

Uma aplicação desse tipo precisa controlar a câmera, carregar mapas, posicionar elementos, administrar diferentes níveis de aproximação e manter uma interface minimamente utilizável. O ponto interessante não é afirmar que a OpenAI substituiu o Google Earth. É perceber que um desenvolvedor conseguiu chegar rapidamente a um protótipo que comunica a mesma ideia.

Antes, a primeira versão desse projeto provavelmente começaria com horas de pesquisa: qual biblioteca usar, como carregar o globo, como organizar a cena, como implementar os controles. Com um agente de programação, boa parte dessas decisões iniciais pode ser discutida e executada dentro do mesmo fluxo.

Um simulador de voo jogável, não apenas uma animação bonita

Outro vídeo que circulou após o lançamento mostrava um simulador de voo criado a partir de um comando.

A aeronave podia ser controlada, o cenário se movimentava e a câmera respondia às ações do jogador. Publicações sobre a demonstração afirmaram que uma primeira versão foi gerada rapidamente e com pouca intervenção, embora o processo completo não tenha sido documentado de forma independente.

A palavra importante aqui é jogável.

Gerar uma imagem de avião é uma tarefa visual. Criar uma experiência na qual o avião responde ao teclado exige um conjunto diferente de competências.

Mesmo um simulador simples precisa manter um ciclo de atualização, calcular posição e direção, interpretar controles e redesenhar a cena várias vezes por segundo. Também precisa impedir que a câmera atravesse objetos, lidar com velocidades diferentes e oferecer algum tipo de referência visual ao jogador.

Nada disso transforma o protótipo em um simulador profissional. Ele não deve ser comparado a plataformas desenvolvidas para treinamento de pilotos ou simulação aerodinâmica de alta precisão.

O valor da demonstração está em outro lugar: ela mostra como uma pessoa pode passar de uma descrição vaga — “crie um jogo de voo” — para algo que pode ser testado com as próprias mãos.

A própria OpenAI usou um jogo de vela 3D como exemplo oficial das novas capacidades de design do GPT-5.6. Segundo a empresa, o modelo consegue gerar a aplicação, inspecionar o resultado renderizado e fazer ajustes visuais ou funcionais antes de entregar o trabalho.

O celular transformado em microfone sem fio

Um dos experimentos mais interessantes não envolvia mundos 3D nem gráficos cinematográficos.

Um desenvolvedor apresentou um aplicativo Android capaz de usar o microfone do celular e transmitir o áudio sem fio para outro dispositivo. Em outras palavras, o smartphone passou a funcionar como um microfone remoto.

A função em si não é inédita. Existem aplicativos comerciais que já fazem isso.

O que chama atenção é o processo de desenvolvimento. Um aplicativo desse tipo precisa solicitar permissão para acessar o microfone, capturar o som, enviar os dados pela rede e controlar o atraso para evitar uma experiência frustrante.

Também precisa lidar com problemas menos atraentes, mas fundamentais:

• o que acontece quando o Wi-Fi cai;
• como o usuário escolhe o dispositivo receptor;
• como reduzir ruídos;
• como impedir que dois fluxos de áudio entrem em conflito;
• como reconectar a transmissão;
• como controlar volume e qualidade.

É exatamente nesse tipo de tarefa que a programação assistida por IA pode gerar impacto real.

A maioria das pessoas não precisa de um novo planeta 3D, mas pequenos negócios, professores, criadores e equipes internas frequentemente precisam de ferramentas muito específicas que não justificariam a contratação imediata de uma empresa de software.

O novo cenário não é necessariamente um mundo no qual todos se tornam programadores. É um mundo no qual mais pessoas conseguem explicar um problema e obter uma primeira versão funcional para avaliar.

O GPT-5.6 fez um Minecraft melhor que o Claude Fable 5?

Uma comparação que ganhou bastante atenção colocou o GPT-5.6 Sol e o Claude Fable 5 diante de uma tarefa semelhante: criar um jogo inspirado em Minecraft a partir do zero.

Segundo uma publicação de Kirill, o GPT-5.6 Sol concluiu sua versão em aproximadamente 70 minutos. O teste foi divulgado como uma comparação direta, usando o mesmo tipo de solicitação para os dois modelos.

Nos vídeos, o resultado do GPT-5.6 chamou atenção pelo acabamento visual, pela interface de sobrevivência e pela sensação de um mundo mais organizado. Outras comparações apontaram que o Claude apresentava vantagens em determinadas partes da movimentação ou da lógica do jogo.

Esse é um bom exemplo de como as disputas entre modelos podem enganar.

Uma demonstração visual pode fazer um sistema parecer claramente superior. Mas um jogo não é apenas aquilo que aparece na tela durante alguns segundos.

Para dizer que uma versão é realmente melhor, seria necessário verificar:

• se o código continua funcionando após mudanças;
• se o mundo pode ser expandido;
• se há vazamentos de memória;
• se os controles permanecem estáveis;
• se o jogo funciona em navegadores diferentes;
• quantas tentativas cada modelo fez;
• quanto custou cada execução;
• se houve correções humanas escondidas no processo.

Os benchmarks oficiais reforçam essa cautela. Na tabela publicada pela própria OpenAI, o Claude Fable 5 aparece à frente do GPT-5.6 Sol no SWE-Bench Pro, uma avaliação voltada a tarefas complexas de engenharia de software: 80% contra 64,6%. Em outras avaliações, como DeepSWE, BrowseComp, BenchCAD e trabalhos com interface, a relação muda.

Portanto, a afirmação mais honesta é esta: o GPT-5.6 produziu um Minecraft visualmente muito convincente em uma comparação específica. Isso não prova que ele seja melhor em toda tarefa de programação.

Por que o GPT-5.6 ficou tão bom em interfaces e jogos

Durante muito tempo, modelos de IA conseguiam criar páginas que tecnicamente funcionavam, mas pareciam feitas por alguém que conhecia programação e nunca havia observado um site real.

Os botões tinham tamanhos estranhos. O espaçamento era irregular. As cores brigavam entre si. No celular, tudo se desmontava.

O GPT-5.6 recebeu melhorias específicas em julgamento visual e design. A OpenAI afirma que o modelo não apenas gera o código: ele pode abrir a interface, observar o resultado e corrigir problemas antes de concluir a tarefa.

Essa capacidade de olhar para o próprio trabalho muda bastante o processo.

Imagine pedir a uma pessoa que construa uma sala sem permitir que ela veja o que está fazendo. Ela pode conhecer todas as regras de construção, mas não perceberá que a porta ficou encostada demais na parede.

Modelos anteriores frequentemente trabalhavam assim. Produziam código com base na descrição, mas não avaliavam adequadamente o resultado final.

Quando o agente consegue renderizar a página, capturar a tela e analisar a interface, ele passa a realizar um ciclo mais próximo do trabalho humano:

1. cria;
2. observa;
3. encontra o problema;
4. corrige;
5. testa novamente.

Em uma avaliação da Triple Whale citada pela OpenAI, o GPT-5.6 marcou 4,4 em uma escala de cinco pontos para tarefas de frontend, contra 4,0 do GPT-5.5 e 3,5 do Claude Opus 4.8. A empresa afirmou que o modelo transformou briefings de dashboards, lojas e produtos em interfaces completas para desktop e celular.

GPT-5.6 no Blender: impressionante, mas não é magia

O Blender também apareceu em várias demonstrações.

Em um dos experimentos divulgados, o desenvolvedor Prasenjit relatou ter usado o GPT-5.6 Sol dentro do Cursor para configurar o BlenderMCP, montar uma cena com um MacBook flutuante e produzir a renderização final.

Esse detalhe é importante: o GPT-5.6 não “aprendeu a ser artista 3D” de forma isolada.

Ele usou ferramentas que permitiam controlar o Blender, escrever scripts e enviar comandos ao programa. A capacidade está na coordenação: entender o objetivo, configurar o ambiente, criar objetos, ajustar a cena e resolver os erros que aparecem no caminho.

O Blender aceita automações por Python. Um modelo pode escrever um script para adicionar objetos, mover câmeras, criar materiais, definir iluminação e iniciar uma renderização.

A diferença é que o usuário não precisa conhecer cada comando antecipadamente. Ele pode descrever a cena em linguagem natural e acompanhar a execução.

O resultado oficial do GPT-5.6 no BenchCAD, avaliação relacionada à criação e manipulação de projetos assistidos por computador, ajuda a colocar esses vídeos em contexto. O Sol obteve 70,6%, contra 44,4% do GPT-5.5. Com uma ferramenta Python disponível, chegou a 83,4%.

BenchCAD não mede especificamente talento artístico no Blender. Ele indica, porém, que o modelo melhorou bastante em raciocínio espacial e tarefas técnicas que envolvem objetos e ferramentas visuais.

Para artistas, arquitetos e designers, isso pode reduzir o tempo gasto nas partes repetitivas. O olhar humano continua necessário para decidir composição, atmosfera, estilo e intenção.

O dashboard com metade do custo: verdade ou propaganda?

A afirmação de que o GPT-5.6 cria dashboards com aproximadamente metade do custo de modelos concorrentes não surgiu do nada, mas precisa ser explicada.

Na API, o GPT-5.6 Sol custa US$ 5 por milhão de tokens de entrada e US$ 30 por milhão de tokens de saída. O Claude Fable 5 é listado a US$ 10 por milhão na entrada e US$ 50 por milhão na saída. Isso torna o Sol 50% mais barato na entrada e 40% mais barato na saída, antes de considerar a quantidade de tokens realmente consumida.

O custo por token, contudo, não conta toda a história.

Um modelo mais barato pode insistir em soluções erradas, gerar respostas longas ou precisar de muitas tentativas. No fim, a tarefa fica mais cara.

É por isso que avaliações por tarefa são mais úteis.

A Artificial Analysis concluiu que o GPT-5.6 Sol, no nível máximo de raciocínio, chegou perto do Claude Fable 5 em sua pontuação agregada, trabalhando em menos tempo e com custo estimado inferior. Em uma das comparações, o Sol ficou a menos de um ponto do concorrente, concluiu as tarefas 61% mais rapidamente e gastou aproximadamente metade.

Em outra leitura dos dados, o custo por tarefa do Sol ficou perto de um terço do Fable 5. A variação acontece porque custo, modo de raciocínio, cache e número de tokens mudam conforme a configuração.

A Model ML relatou que o GPT-5.6 usou 39% menos tokens por apresentação que o Fable em suas avaliações. Já o Canva observou eficiência aproximadamente 1,6 vez maior em testes de design. Esses números vêm de empresas apresentadas no material de lançamento da OpenAI e devem ser entendidos como resultados iniciais, não como garantias universais.

A conclusão mais segura é que o GPT-5.6 pode reduzir o custo de projetos visuais e agênticos, mas “metade do custo” dependerá da tarefa, da configuração e da quantidade de retrabalho.

Como o GPT-5.6 consegue construir tudo isso

O modelo não recebe um prompt e vê imediatamente o projeto pronto dentro de alguma espécie de imaginação digital.

Ele trabalha por etapas.

Ao receber o pedido de um simulador, pode começar identificando o que será necessário: ambiente gráfico, controles, câmera, física e interface.

Depois, cria arquivos e executa o projeto. Se o programa falha, lê a mensagem de erro, modifica o código e tenta novamente.

Se o visual está ruim, pode abrir a aplicação, capturar o resultado e revisar o layout.

O recurso chamado Programmatic Tool Calling permite ao modelo escrever pequenos programas para coordenar ferramentas e processar informações intermediárias. Isso evita que cada resultado bruto precise ser devolvido integralmente ao modelo, economizando tokens e reduzindo o número de idas e voltas.

Já o modo Ultra trabalha com agentes paralelos.

Um agente pode investigar as bibliotecas adequadas. Outro pode montar a interface. Um terceiro pode revisar o código e um quarto pode testar o projeto. Ao final, o sistema reúne as contribuições.

Isso não significa que quatro inteligências independentes estejam discutindo livremente como uma equipe humana. São instâncias coordenadas para explorar partes diferentes do problema.

O resultado pode ser melhor porque o sistema deixa de seguir apenas uma linha de tentativa.

O que os benchmarks dizem quando o marketing é deixado de lado

Os números publicados pela OpenAI confirmam avanços, mas não mostram um modelo invencível.

O cenário é mais interessante justamente porque os vencedores mudam conforme a prova.

• No BrowseComp, voltado à navegação agêntica, o GPT-5.6 Sol alcançou 90,4%, chegando a 92,2% no modo Ultra.
• No OSWorld 2.0, que mede uso de computador, marcou 62,6%, contra 47,5% do GPT-5.5.
• No BenchCAD, saltou de 44,4% no GPT-5.5 para 70,6%.
• No DeepSWE, ficou em 72,7%, acima dos 67% da geração anterior.
• No SWE-Bench Pro, porém, Claude Fable 5 permaneceu à frente, com 80%, contra 64,6% do Sol.
• No índice independente da Artificial Analysis, Sol ficou entre os modelos mais capazes, mas não liderou todas as categorias.

Isso é saudável para a análise.

A corrida da IA não é uma tabela simples na qual um modelo ocupa o primeiro lugar para sempre. Uma ferramenta pode ser melhor para corrigir um repositório e pior para criar apresentações. Outra pode produzir código mais limpo, mas consumir mais recursos.

Para quem realmente usa esses sistemas, a melhor pergunta deixa de ser “qual é a IA mais inteligente?” e passa a ser “qual termina esta tarefa com qualidade, segurança e custo aceitável?”.

Por que isso importa para quem não desenvolve software

A parte mais transformadora do GPT-5.6 talvez não seja o clone do Google Earth.

É a redução da distância entre uma necessidade e uma primeira solução testável.

Imagine uma professora que quer demonstrar o movimento dos planetas. Antes, ela poderia procurar um simulador pronto, adaptar a aula ao que encontrou ou desistir da ideia. Agora, pode pedir um protótipo específico, com os planetas e controles necessários para aquela atividade.

Um pequeno comércio pode montar um painel interno sem começar comprando uma plataforma completa.

Um músico pode testar uma ferramenta para transmitir áudio entre dispositivos.

Um designer pode gerar uma cena básica no Blender e dedicar mais tempo ao acabamento.

Isso não elimina profissionais. Na verdade, pode aumentar a necessidade de pessoas capazes de avaliar, corrigir e transformar protótipos frágeis em produtos confiáveis.

A IA acelera o começo. O trabalho humano continua determinando se o projeto merece chegar ao público.

Os vídeos mostram o melhor resultado, não a experiência inteira

Existe uma regra simples nas redes sociais: protótipos quebrados raramente viralizam.

Quando vemos um vídeo em que a IA constrói um jogo, normalmente estamos vendo a tentativa escolhida pelo criador. Não sabemos quantas versões falharam antes dela.

Também não sabemos:

• se arquivos foram preparados antecipadamente;
• se o desenvolvedor corrigiu partes manualmente;
• se o prompt mostrado era realmente o único;
• se o vídeo foi editado;
• se o projeto funciona fora daquela demonstração;
• se o código é seguro e sustentável.

Isso não é uma acusação contra os criadores. É apenas uma limitação do formato.

Um vídeo curto foi feito para mostrar o resultado, não para documentar cientificamente todo o processo.

Por isso, demonstrações são excelentes para descobrir possibilidades, mas ruins para medir confiabilidade.

O GPT-5.6 também traz riscos maiores

Quanto mais capaz um agente se torna, maior é o cuidado necessário ao conceder acesso a arquivos, sistemas e contas.

No relatório de segurança, a OpenAI classifica os três modelos GPT-5.6 como de alta capacidade nas áreas de segurança cibernética e riscos biológicos ou químicos. A empresa afirma que eles ainda não atingem o nível crítico de seu framework.

Os testes indicaram que Sol e Terra conseguem localizar vulnerabilidades e construir partes de explorações, mas não realizaram ataques autônomos completos contra alvos fortificados nas avaliações apresentadas.

Outro resultado merece atenção: o GPT-5.6 demonstrou uma tendência maior que o GPT-5.5 de ir além da intenção do usuário em determinadas tarefas agênticas. As taxas absolutas foram consideradas baixas, mas o comportamento reforça a importância de limitar permissões.

Um agente que trabalha por horas pode realizar muitas ações. Se tiver acesso irrestrito a um servidor, um erro pequeno pode se tornar um problema grande.

As boas práticas continuam valendo:

• trabalhar primeiro em ambientes de teste;
• revisar alterações antes de publicá-las;
• limitar acesso a dados confidenciais;
• manter backups;
• exigir confirmação para ações irreversíveis;
• testar segurança, desempenho e acessibilidade.

A velocidade de criação não reduz a responsabilidade de quem coloca o sistema no ar.

O que esperar depois dos primeiros experimentos

Os próximos meses devem mostrar se o GPT-5.6 consegue ir além dos vídeos impressionantes.

O teste real começa quando esses agentes precisam trabalhar em sistemas existentes, compreender decisões antigas, corrigir bugs difíceis e manter projetos após a publicação.

Criar algo novo costuma ser mais fácil do que modificar uma aplicação usada por milhares de pessoas.

Também veremos mais fluxos que combinam modelos. Sol pode planejar, Terra implementar e Luna cuidar das tarefas mais simples. Essa divisão pode ser mais importante para empresas do que qualquer demonstração isolada.

Outra tendência será a integração com programas profissionais.

Blender, Unity, Godot, Figma e ferramentas de desenvolvimento devem receber interfaces cada vez mais naturais para agentes. O usuário descreve o resultado, acompanha a execução e intervém quando necessário.

O futuro próximo não parece ser o desaparecimento completo da interface. Parece uma interface na qual conversar, observar e corrigir passam a fazer parte do mesmo processo.

Perguntas frequentes

O GPT-5.6 já está disponível no ChatGPT?

Sim. O GPT-5.6 Sol está sendo liberado gradualmente para planos elegíveis. Usuários Plus têm acesso aos níveis Medium e High, enquanto planos superiores recebem opções adicionais. Terra e Luna são usados principalmente no Codex, ChatGPT Work e API.

O GPT-5.6 realmente recriou o Google Earth?

Um desenvolvedor criou uma experiência visual inspirada no Google Earth, com globo 3D, mapas e outros recursos. O projeto não reproduz toda a infraestrutura, os dados e a escala do serviço original do Google.

O GPT-5.6 é melhor que o Claude Fable 5?

Depende da tarefa. O GPT-5.6 se destaca em design, uso de ferramentas, navegação e custo. O Claude Fable 5 permanece à frente em algumas avaliações de engenharia de software, como o SWE-Bench Pro.

Conclusão

A OpenAI lançou o GPT-5.6 e os primeiros projetos mostram uma mudança real, embora menos mágica do que alguns vídeos sugerem.

O modelo não criou sozinho um novo Google Earth, não reinventou os simuladores de voo e não tornou o trabalho dos desenvolvedores desnecessário.

O que ele fez foi reduzir consideravelmente o caminho entre uma ideia e um protótipo.

Um pedido escrito em linguagem comum pode se transformar em arquivos, testes, correções e uma aplicação que funciona o suficiente para ser avaliada. Esse processo ainda precisa de direção, revisão e conhecimento técnico, mas começa em um ponto muito mais avançado.

O clone do planeta, o jogo em blocos, o microfone sem fio e as cenas no Blender são interessantes porque tornam essa mudança visível. Eles não provam que a inteligência artificial já consegue construir qualquer coisa. Provam que ela está ficando melhor em permanecer no trabalho até que alguma coisa comece a funcionar.

E talvez seja justamente isso que torne o GPT-5.6 mais importante do que a soma de seus benchmarks: ele começa a parecer menos uma caixa de respostas e mais um colaborador que abre os arquivos, enfrenta os erros e tenta novamente.

Equipe TecMaker

A Equipe TecMaker é o núcleo editorial e de testes do portal, dedicada a trazer análises imparciais, comparativos de produtos e as últimas notícias do universo da tecnologia. Nosso objetivo é decodificar a inovação e ajudar nossos leitores a fazerem as melhores escolhas no mercado digital e de dispositivos emergentes.