Nós amamos isso, para compartilhar os sucessos das comunidades de IA do Google ao longo do mês. Valorizamos o trabalho árduo e a dedicação dos membros da nossa comunidade. Sem mais delongas, aqui estão os principais destaques!

Destaques do produto

Gêmeos 3.1 Pró

https://Medium.com/media/f2c4d7b237ceba04efb1fef29c870812/href

[👀34,5k+] Gêmeos 3.1 Pró: O modelo, que ninguém esperava por AI GDE Muhammad Farooq (EUA) explicado, por que esta publicação com os resultados do benchmark representa um grande passo em frente para a IA. Ele também discute [👀45,3k+] O avanço 100x da IA, que ninguém falaintrodução Aletheia (o novo agente de pesquisa matemática do Google DeepMind) e explicar, por que “tempo de reflexão” é a nova lei de escala e que impacto ela tem no futuro do desenvolvimento da IA.

Tutorial: Primeiros passos com o Google Gemini 3.1 Pró por AI GDE Tarun Jain (Se) examinado, que foi atualizado no novo modelo, incluindo modelo mental, Uso de ferramentas personalizadas, multimodalidade etc..

Gêmeos

Gêmeos 3 Visão Agente: Vá além do simples prompt de imagem (Caderno Colab) por AI GDE Connie Leung (Hong Kong) descreve em detalhes, como criar um “Docente Digital” usando Python e Gemini SDK, melhorar a acessibilidade visual para usuários com deficiência visual. O modelo usa um ciclo pensar-agir-observar, que escreve e executa código Python de forma autônoma, para adaptar e melhorar áreas específicas com base na opinião do usuário.

[👀18,9k+] Web Scraper nativo do Gemini: 100 % “gratuito” e multimodal por AI GDE Muhammad Farooq (NÓS) explora os gêmeos Contexto do URL Ferramenta para extrair dados da web, incluindo imagens e PDFs. Este vídeo mostra exemplos práticos e extensões funcionais, como configurar e usar a API Gemini.

Gêmeos-CLI

[👏161+] Execute o agente autônomo Gemini CLI em uma sandbox do Docker: O guia definitivo para agentes de codificação seguros por AI GDE Ifeanyi Idiaye (Nigéria) apresenta o novo recurso Docker Sandbox e descreve as etapas para executar com segurança o agente de codificação autônomo Gemini CLI em uma micro VM isolada. Será destacado, como este ambiente permite a produtividade no “modo YOLO”., habilitando o agente, Execute código e gerencie arquivos com segurança, sem colocar em risco o sistema host.

[👏108+] Desenvolvimento local de MCP com .NET, C# e Gemini CLI por AI GDE William McLean (NÓS) explica detalhadamente, como criar um servidor C# MCP usando Gemini CLI. Ele fornece instruções passo a passo para configurar um ambiente .Net e valida a solução usando Gemini CLI como cliente MCP.

IA Agente

WebMCP

[👏106+] Além da raspagem de tela: Criando um aplicativo web nativo do agente com WebMCP (Repositório) por AI GDE Hugo Zanini (Brasil) demonstra a implementação do Google WebMCP dentro de um aplicativo de reserva de viagens React, em torno da raspagem de DOM frágil por meio de estruturas, Substituindo ferramentas baseadas em API. Chega até você 100 % fluxo determinístico, reduzindo significativamente o consumo de token e o tempo de execução em comparação com métodos tradicionais.

WebMCP: O Chrome acaba de transformar todos os sites em uma API para agentes de IA por AI GDE Rohit Ghumare (Reino Unido) apresenta WebMCP, uma nova API, que permite sites, Cadastre ferramentas estruturadas no navegador, permitindo que agentes de IA interajam sem capturas de tela ou raspagens. Essa abordagem contribui para isso, reduza o uso de tokens e melhore a precisão, enquanto ao mesmo tempo um JavaScript- e registro de ferramenta baseada em HTML é oferecido.

ADK

Habilidades em vez de vibrações: Ensine agentes de IA, escrever código limpo (Repositório) por AI GDE Ertuğrul Demir (Turquia) examinado, quão importante é, Ensinando agentes de IA, escrever código limpo, aplicando o seguinte Código limpo Princípios através de arquivos de instruções chamados “Habilidades”. Destaca o aumento da complexidade do código devido à introdução da IA ​​e enfatiza o uso de sistemas de controle para manter a qualidade.

Do agente único à arquitetura multiagente pronta para produção com ADK, PCM, A2A e AG-UI por AI GDE Henry Ruiz (EUA) explicado, como construir um aplicativo de IA de agente único (Continuação de seu artigo anterior) usando protocolos ADK, PCM, A2A e AG-UI desenvolvidos em um sistema multiagente escalável. Isso mostra, como a decomposição da lógica em agentes especializados cria modularidade, Escalabilidade e capacidade de manutenção aprimoradas para tarefas complexas.

[Tutoriais] API de conhecimento do desenvolvedor

[👩🏻‍💻Codelab] Dominando a API de conhecimento do desenvolvedor e a visão geral de login do servidor MCP de AI ONDE Vrijraj Singh (Se) detalha a integração da API Developer Knowledge e do servidor MCP para ancorar a IA na documentação do Google, ativando a API e configurando um servidor remoto.

[👏77+] Acesse a documentação do Google com Gemini CLI por meio da API Developer Knowledge da AI GDE William McLean (EUA) explica como usar o servidor MCP da Developer Knowledge API para acessar diretamente a documentação do produto Google.

API de conhecimento do desenvolvedor do Google e servidor MCP: Instale a base de conhecimento oficial para o seu assistente de IA por AI GDE Evan Lin (Taiwan) discute a API e o servidor MCP, Assistentes de IA fornecem acesso em tempo real à documentação oficial legível por máquina. Isso explica, como essas ferramentas melhoram a precisão da IA, e contém instruções para configurar o Gemini CLI com o Knowledge MCP Server.

Gema

Um serviço web de tradução offline baseado em TranslateGemma (Caderno Colab | Repositório) por AI GDE Yu-wei Liu (Taiwan) apresenta um novo modelo de tradução, o 55 Idiomas e entrada de imagem suportados. Também inclui um projeto pessoal para criar um site de tradução offline seguro, que se inspira no modelo e oferece exemplos práticos para experimentar.

[👩🏻‍💻Codelab] De tokens a ferramentas: Descubra Gemma 3 por AI GDE Krupa Galiya (Se) é um laboratório de código, que você obtém usando Gemma 3 com ligações Hugging Face. Inclui experimentos práticos, incluindo mobiliário ambiental, Loja de modelos, Tokenização e geração de texto. Além disso, despesas estruturadas e ferramentas(funcional)Chamadas demonstradas, fornecendo assim ao modelo funções Python reais para tarefas como pesquisa meteorológica, Conversão de moeda etc.. está integrado.

A “Alma de Taiwan” defende as fronteiras digitais: Um mergulho profundo na série T1 – um modelo Google Gemma 3 localizado para Taiwan por AI GDE Jerry Wu (Taiwan) apresenta Twinkle AI (baseado em Gemma 3-4B-T1-it) e enfatiza a importância da IA ​​Soberana. O modelo é caracterizado pela localização profunda, Potencial robusto de agente de IA por meio de chamadas de função otimizadas e fácil implantação para segurança de dados, superando o Gemma original 3 em tarefas taiwanesas.

Workshop prático antes do estágio (Apresentações) por AI GDE Tarun Jain (Se) foi um evento de dois dias, que cobriu os seguintes tópicos: Usando prompts do sistema e várias técnicas de prompt; Inferência de LLM de código aberto (Qwen e Gemma 3) usando HuggingFace e vLLM; e instruções práticas para implementação de sistemas RAG (Caderno Colab).

https://Medium.com/media/d10e9d2804eb0ab3bb8ce48f0515c372/href

Usando Android Studio e VSCode para codificar com modelos de IA off-line (Vídeo) de TFUG Islamabad (Paquistão) e programas AI GDE Georgios Soloupis, como criar um seguro integrando Gemma com Android Studio e VSCode, cria um fluxo de trabalho de codificação totalmente offline para total independência das ferramentas da nuvem.

Nuvens

Da prova de conceito à produção: Construindo uma plataforma pronta para empresas para sistemas de IA (Repositório) por AI GDE Rubens Zimbres (Brasil) apresenta uma arquitetura de referência abrangente para implantação de sistemas de IA multiagentes no GCP, que foi desenvolvido com o objetivo expresso, Permita que os desenvolvedores integrem qualquer sistema de agente de IA em uma infraestrutura robusta.

Como reduzimos pela metade a latência em PHP com o modo de consulta curta do BigQuery por AI GDE Marton Kodok (Romênia) mostra, como reduzir a latência de consulta com SQM 50 % pode reduzir. Está explicado lá, como ignorar a criação tradicional de empregos- e consultar o ciclo de vida para pequenos, A pesquisa frequente pode reduzir significativamente o esforço de orquestração.

JAX e TPU

Por que JAX? O NumPy, que você sabe, mas mais rápido por AI GDE Wesley Kambale (Uganda) explicado, como JAX usa XLA, para acelerar operações matemáticas. Ele serve como uma introdução amigável ao poder da estrutura para iniciantes.

Executando PyTorch nativo em TPUs sem alterações de código eles ESTÃO ONDE Rishiraj Acharya (Se) apresenta o TorchTPU, para permitir a execução de modelos PyTorch não modificados em TPUs com alto desempenho e foco na experiência nativa do desenvolvedor.

Resumo das notas de lançamento do JAX 0.9 por AI GDE Sho Tanaka (Japão) resume as atualizações do JAX 0.9.0, incluindo versionamento baseado em esforço (EffVer), novos recursos como jax.thread_guard e suporte explícito à fragmentação em jax.export. A migração do pmap para o shard_map também é discutida.

Vetorização automática com vmap e gradientes com graduação em Jax por AI GDE Wesley Kambale (Uganda) cobre as transformações JAX mais importantes do JIT para velocidade, VMAP para lote e Grad para gradientes, para treinar redes neurais do zero.

dl-jax101 por AI GDE Muhammad Ghifary (Indonésia) é um recurso de aprendizagem (escrito em indonésio) compreender e implementar conceitos de aprendizagem profunda usando a estrutura JAX. O foco está na otimização e alto desempenho, que é o ecossistema JAX (incluindo Linho e Optax) ofertas.

Nano-MoE-JAX de AI GDE Kartikey Tratamento (Se) é fácil, mistura pedagógica de especialistas (Ministério da Educação)-Modelo de linguagem estilo GPT (inspirado em nanoGPT), que foi construído do zero em JAX/Flax.

tudo

Tradução gratuita de trabalhos acadêmicos com TranslateGemma (Caderno Colab) por AI GDE Jimmy Liao (Taiwan) apresenta TranslateGemma, uma ferramenta para traduzir artigos arXiv em HTML bilíngue usando a GPU T4 gratuita do Colab. O artigo fornece instruções de configuração passo a passo, Configuração e exibição de resultados, com foco na qualidade e desempenho da tradução.

DESLIGADO

[👏218+] RAG no dispositivo para desenvolvedores de aplicativos: Incorporações, Pesquisa vetorial, e além de AI GDE Sasha Denisov (Alemanha) explora a construção de um pipeline RAG totalmente offline no dispositivo usando o plug-in Flutter Gemma e o AI Edge LocalAgents RAG SDK. Ele descreve e demonstra em detalhes a implementação de embeddings no dispositivo e pesquisa vetorial, como as limitações da pesquisa semântica podem ser superadas com a implementação do Agentic RAG.

#JAX [👏252+] Construir e implantar no modelo de ML do dispositivo por AI GDE Joan Santoso (Indonésia) explora a transição para ODML usando JAX, Linho NNX e AI Edge LiteRT, para criar um aplicativo Flutter com reconhecimento de dígitos. Ele demonstra um fluxo de trabalho prático para conversão de modelos e prevê um futuro com modelos especializados, agentes de IA com eficiência de recursos no dispositivo. Ele também deu um falar sobre o assunto, Prática recomendada para implantação de modelo para ML baseado em dispositivo (Apresentações)com um componente de demonstração ao vivo para integração com Flutter.

[👏123+] Chamada de função no dispositivo usando FunctionGemma por AI GDE Sasha Denisov (Alemanha) apresenta o FunctionGemma e o compara em detalhes com outros concorrentes com guias para desenvolvedores móveis/web.

Destaques da comunidade

Engenheiro de IA do agente do Google | ADK, Vertex AI e multiagente | Udacidade

IA GDE Allen Firstenberg (EUA) e Nobre Ackerson (EUA) começamos juntos Engenheiro de IA do Google Agentic (Nanograu de Udacity) com 5 outros treinadores. Este programa (55 horas em 4 cursos com 4 projetos finais) abrange prompts avançados, Fluxos de trabalho do agente e a estrutura do RAG- e sistemas multiagentes usando Gemini, ADK-, VertexAI- e infraestrutura do GCP.

Campanhas de treinamento de IA

https://Medium.com/media/e74bff3b91885366ced8c3e4c35ac689/href

Matemática para ML por Tanmoy Tanoy (Bangladesh) chapéu 4 Sessões concluídas, no qual ele ensinou princípios matemáticos básicos para ML e sobre 3500 visualizações alcançadas.

Clubes de leitura de papel AI (Lista de reprodução) de TFUG Islamabad (Paquistão) envolvido em pesquisa avançada de IA, que variou desde o aprendizado de linguagem visual CLIP até IA genética explicável e segurança AGI distribuída.

Discretização, Valores discrepantes, Dimensionamento de recursos, Pipelines de ML de Comunidade de aprendizado de máquina, PARA, Aprendizado profundo e PNL – Bangladesh (Bangladesh) examinou quatro técnicas principais de pré-processamento de dados, usado em fluxos de trabalho de ML, e ao mesmo tempo sugeriu a Vertex AI como uma plataforma ideal.

---

[fevereiro 2026] Os destaques e conquistas das atividades da comunidade de IA foram publicados originalmente no Google Developer Experts on Medium, onde as pessoas continuam a conversa, destacando e respondendo a esta história.