Uma pagoda com jardim de 2.175 peças demonstra de maneira impressionante um agente de IA controlando um fluxo de CAD. Ainda não demonstra que alguém consiga construir o projeto com peças LEGO. Entre a expressividade digital do LDraw Nova e uma estrutura que resista à montagem e ao manuseio existe um problema que o próprio desenvolvedor não afirma ter resolvido.
A ferramenta aberta de Carlos Antelo permite que agentes de uso geral escrevam programas para gerar modelos LDraw. No relato de 4 de outubro, Sakura Garden reúne uma pagoda de cinco andares, cerejeiras, um torii e um lago de carpas. Claude Opus 5.5 recebeu um pedido aberto para imaginar o modelo mais bonito possível. As 2.175 peças são componentes de catálogo digital, não um conjunto físico concluído.
O agente modifica um programa, não milhares de coordenadas
LDraw Nova não é um modelo treinado especificamente para LEGO nem apenas um gerador de imagens. O agente lê instruções e exemplos, prepara um plano JSON do modelo e seus submodelos e escreve Python com primitivas de construção de alto nível e padrões reutilizáveis. O programa emite LDraw; um renderizador sem interface gráfica produz vistas que o agente multimodal inspeciona antes de revisar o programa.
A abstração importa porque LDraw explicita identificadores, cores, posições e transformações de orientação. As tentativas anteriores de Antelo de gerar diretamente longas listas de coordenadas e matrizes de rotação não funcionaram. Código reutilizável permite alterar um telhado, repetir uma parede ou ajustar um subconjunto inteiro sem milhares de comandos individuais de colocação.
A ferramenta oferece busca de peças e exemplos, verificações de colisões e espaços, renderização e aplicação web em Docker. Aceita OpenAI, Anthropic e OpenRouter. O reranqueamento semântico opcional exige uma API; a busca de texto completo continua como alternativa. A biblioteca LDraw é comunitária e não oficial, não um produto patrocinado pelo LEGO Group. As 16.873 formas e peças estampadas distintas correspondem à atualização de junho de 2026, não ao estoque disponível hoje.
O repositório preserva Python e LDraw editáveis, vistas, visualizador interativo, exportação glTF para Blender e a conversa e o raciocínio do agente. A galeria também mostra uma catedral e o Tidal Observatory atribuídos ao GPT-6 Astra, os apartamentos Copper Bean de um Claude Opus anterior e o Atlas Crane incompleto do Opus 5.5. São exemplos diferentes, não um ranking controlado dos fornecedores.
Um identificador válido não garante uma estrutura sólida
Peças de catálogo podem ser identificadas, ao contrário das inventadas numa imagem. Mas um identificador existente não garante determinada cor, quantidade suficiente ou a venda continuada de uma peça antiga. Compra e inventário precisam de verificações separadas.
Antelo reconhece a ausência de validação física. Segundo o relato, os modelos exibidos ainda não tinham sido montados fisicamente. Colisões e espaços revelam alguns erros geométricos, não força de encaixe, transmissão de cargas, equilíbrio ou resistência à torção. Tampouco comprovam que um telhado em balanço ou uma árvore sobreviva ao manuseio.
A ordem de montagem acrescenta outra restrição. A forma final pode parecer estável enquanto uma etapa intermediária desaba ou peças posteriores bloqueiam o acesso. Um plano executável precisa considerar conexões reais, acesso e quando o suporte fica disponível, não apenas mostrar o objeto pronto de ângulos atraentes.
A escala pode multiplicar falhas. Uma função auxiliar defeituosa pode repetir a mesma conexão ruim centenas de vezes. A renderização mostra superfícies, não forças. Mais peças aumentam a auditoria estrutural e de inventário em vez de torná-la dispensável.
O LegoGPT apresenta outro tipo de evidência
O estudo LegoGPT, apresentado em 2025 por colaboradores da Carnegie Mellon, aborda uma tarefa mais restrita: prever a próxima peça, não a próxima palavra. StableText2Lego contém mais de 47 mil estruturas, representando mais de 28 mil objetos 3D distintos, com descrições e estabilidade avaliada. A representação derivada de voxels abrange 21 categorias comuns.
As restrições reduzem a liberdade diante das cenas ambiciosas do Nova, mas colocam a validade física dentro da geração. LegoGPT usa verificações de validade e retrocesso orientado pela física: rejeita colocações inválidas e retorna a um estado válido anterior. A definição de estabilidade inclui ausência de peças flutuantes ou que desabam e forte integridade estrutural. A possibilidade de construção também envolve peças padrão e montagem sequencial humana ou robótica.
Resultados selecionados foram montados manualmente e com um robô de dois braços. Isso é evidência física mais forte que uma imagem, mas não garante todo resultado futuro nem constitui comparação direta com o jardim de 2.175 peças do Nova. O relato associa discussões posteriores ao nome BrickGPT; isso não comprova um lançamento novo equivalente nem um benchmark.
Os arquivos do Nova podem ser abertos no LeoCAD, que aceita LDR, MPD, submodelos e instruções em etapas. O suporte a formatos ajuda a editar e inspecionar. Não significa que o Nova já produza e valide instruções completas executáveis no mundo físico.
O retorno da física precisa mudar o projeto
O próximo passo promissor não é apenas atribuir uma nota de estabilidade à imagem pronta. Os resultados estruturais precisariam alterar plano, escolha de peças, subconjuntos e ordem. Grafos de conexão, estimativas do centro de massa e detecção de juntas fracas poderiam ajudar, mas são extensões possíveis, não funções demonstradas pelo Nova no relato.
Mesmo simulações sofisticadas simplificam encaixe, atrito, tolerâncias de fabricação e manuseio. Um protótipo físico continua decisivo. Testar um andar da pagoda, um canto do telhado, uma árvore ou uma junta do guindaste revelaria falhas diferentes sem comprar imediatamente todas as peças.
Antelo considerou imprimir um modelo menor em 3D. O relato não registra um teste concluído; uma miniatura impressa tampouco valida conexões LEGO. Uma demonstração útil publicaria CAD original, lista de materiais, instruções, tempo de montagem, correções manuais e falhas, além de mostrar manuseio normal.
Como reconhecer o próximo avanço
Três sinais seriam relevantes: uma montagem documentada com peças reais; revisões do programa pelo agente após falhas estruturais; e testes repetidos entre provedores e prompts com biblioteca fixa e critérios comuns. Tempo, colocações inválidas, intervenção humana, conflitos de fornecimento e falhas físicas seriam mais informativos que apenas o número de peças.
Minifiguras, máquinas Technic e motores são ideias de desenvolvimento, não capacidades estabelecidas. Eixos, pinos, juntas móveis, alinhamento e torque impõem outras restrições. Há visualização em VR, mas Antelo relatou problemas de desempenho e usabilidade. A imersão não substitui testes mecânicos ou de montagem.
Nova já ilustra um padrão útil de software: o agente opera uma ferramenta estruturada por código reutilizável, inspeciona a saída e a revisa. Para construtores, contudo, os arquivos permanecem pontos de partida editáveis, não kits certificados. O próximo marco não é uma captura mais elaborada, mas uma construção com peças, sequência e estrutura verificáveis.
Fontes: relato de 4 de outubro; entrada original de agregação da reportagem.