1. O que é o mischief 1?
2. Como o mischief 1 funciona: da bancada à nuvem
3. A pesquisa com neurônios vivos por trás do mischief 1
4. Computação biológica: do Pong ao mischief 1
5. Lançamento, preço e como acessar o mischief 1
6. Quais são as limitações do mischief 1?
7. O que o mischief 1 indica para o futuro da IA
Nos últimos dias, uma piada tomou conta das redes: a Matrix teria chegado, agora com neurônios humanos trabalhando para a inteligência artificial. O exagero tem um fundo de verdade. A The Biological Computing Co. (TBC), startup de San Francisco, lançou o mischief 1, um modelo de vídeo cujo ganho de eficiência vem de experimentos com neurônios vivos cultivados em laboratório, e que já está aberto a qualquer desenvolvedor.
O detalhe que desfaz a imagem de um cérebro dentro de uma caixa é que nenhum neurônio participa da geração dos vídeos. As células ficam na bancada, onde servem para descobrir princípios computacionais. O que chega ao usuário é software rodando em GPU comum, sobre um modelo aberto já conhecido do mercado, e é essa tradução da biologia para o código que torna o lançamento relevante para quem acompanha o custo das IAs que geram vídeos.
Este artigo explica o que é o mischief 1, como a TBC transforma medições de neurônios em uma camada de software, o que a pesquisa por trás do método de fato demonstrou, quanto custa usar o modelo e quais perguntas o lançamento ainda deixa sem resposta.
O mischief 1 é um modelo de inteligência artificial que transforma uma imagem estática em um vídeo curto, guiado por um comando em texto. Ele foi construído sobre o Wan 2.2, modelo de vídeo de pesos abertos da Alibaba, e recebeu uma camada adicional de software derivada de medições de neurônios vivos. Segundo a empresa, essa camada torna a geração cinco vezes mais rápida que a do modelo-base, com qualidade equivalente (TBC, 2026).
A companhia por trás do modelo nasceu como Biological Black Box e adotou o nome atual ao sair do modo stealth, em fevereiro de 2026, com US$ 25 milhões em rodada seed (Fortune, 2026). Os fundadores, Alex Ksendzovsky (CEO) e Jon Pomeraniec (COO), são neurocirurgiões, e a operação se divide entre Baltimore e San Francisco, onde fica o laboratório que cultiva as células.
Na prática, o mischief 1 joga em outra faixa que a dos geradores de vídeo de fronteira. Ele não busca a melhor imagem do mercado, e sim o menor custo por clipe: a própria listagem do modelo o recomenda para ideação, pré-visualização, moodboards e testes de variações (OpenRouter, 2026).
O método da TBC tem três etapas, e só a última envolve o produto que o cliente usa. Essa separação é o que permite vender um modelo derivado de biologia sem exigir nenhum equipamento biológico de quem gera os vídeos.
A primeira etapa acontece no laboratório. A TBC identifica um gargalo em um modelo de IA, como lentidão na geração ou custo alto de computação, e desenha um experimento para investigá-lo. Dados de vídeo são convertidos em padrões de estimulação elétrica e enviados a redes de neurônios cultivadas sobre um chip com eletrodos (TBC, 2026).
Os mesmos eletrodos fazem o caminho inverso: registram como a atividade elétrica se espalha pela rede e muda ao longo do tempo. Ao comparar o estímulo enviado com a resposta registrada, os pesquisadores procuram padrões de tempo e de interação entre neurônios que sugiram formas mais econômicas de processar a mesma informação.
Os padrões promissores são convertidos em algoritmos e testados em modelos de deep learning, sempre contra a versão original, para verificar se o modelo modificado fica melhor, mais rápido ou mais barato. No mischief 1, o resultado é uma camada leve acoplada aos blocos de difusão do Wan 2.2, que acrescenta menos de 0,1% ao número de parâmetros do modelo original.
Essa proporção explica por que a abordagem se parece mais com um ajuste fino do que com um modelo novo. A arquitetura do Wan 2.2 continua lá. A contribuição da TBC está na forma como a informação circula entre as etapas da geração, com regras extraídas do comportamento de neurônios reais, e não da matemática que deu origem às redes neurais artificiais.
A terceira etapa é a que o mercado enxerga. O mischief 1 roda em chips convencionais de IA e é distribuído por plataformas de inferência como a fal e a OpenRouter. Os neurônios ficam no laboratório; o que sai dele é um conjunto de pesos e algoritmos que se comporta como qualquer outro modelo de vídeo acessado por API.
Para o desenvolvedor, isso significa que não há nada de biológico para instalar, manter ou alimentar. Para a TBC, significa que cada descoberta feita na bancada pode, em tese, ser reaplicada a outros modelos sem repetir todo o ciclo de pesquisa.
A parte biológica do método costuma gerar mais curiosidade do que o produto, e com razão. Cada chip usado pela TBC abriga de 100 mil a 500 mil neurônios, cultivados a partir de células-tronco reprogramadas para se comportar como células do córtex frontal (The Deep View, 2026). No início, a empresa trabalhava com neurônios extraídos de ratos, mas vem migrando para células de origem humana.
As células crescem sobre uma matriz de alta densidade com 4.096 eletrodos, capaz de estimular e registrar a atividade da rede com resolução fina (TBC, 2026). Ksendzovsky descreve a lógica com um exemplo simples: os pixels de uma imagem correspondem aos eletrodos, e a informação de cada pixel entra na rede como corrente elétrica (Junko Yoshida, 2026).
A resposta dos neurônios, registrada ao longo do tempo, é então decodificada em representações numéricas que alimentam os algoritmos. A escala é deliberadamente pequena: o cérebro humano tem dezenas de bilhões de neurônios, e a TBC trabalha com uma fração mínima disso porque o objetivo é observar como uma rede processa um tipo específico de informação, sem tentar reproduzir um cérebro.
A evidência pública mais detalhada do método não vem do mischief 1, e sim de um estudo anterior com o Oasis, modelo aberto que gera mundos interativos no estilo Minecraft. Nele, a TBC acoplou ao modelo um adaptador derivado de neurônios com cerca de 156 mil parâmetros, treinado em sequências de vídeo do jogo.
O problema atacado era a degradação em vídeos longos: conforme a geração avança, pequenos erros se acumulam e as imagens ficam borradas. Com o adaptador, a qualidade de imagem medida pela empresa melhorou cerca de 19% em relação ao Oasis original, superou em aproximadamente 15% um ajuste fino com o mesmo número de parâmetros e ficou cerca de 5% acima da técnica LoRA.
Os próprios autores registram os limites do estudo. Os testes ficaram restritos a um ambiente de Minecraft e, com 40 passos de remoção de ruído, configuração mais pesada, o modelo original praticamente empatou com a versão adaptada. A TBC argumenta que o cenário relevante é o de produção, que costuma operar entre 10 e 20 passos para manter a inferência rápida.
Um segundo artigo técnico da empresa, também sobre o Oasis, deixa claro que os ganhos de velocidade divulgados naquele caso combinaram mudanças no modelo com otimizações comuns de servidor, como cache do contexto já processado, redução do trabalho de amostragem e atendimento simultâneo de várias sessões (TBC, 2026).
Isso não invalida a abordagem, mas mostra que nem todo ganho de desempenho vem dos neurônios. Separar uma contribuição da outra ainda depende de testes controlados que a empresa não publicou.
Computação biológica, ou biocomputação, é o campo que usa neurônios vivos cultivados em laboratório como substrato para processar informação ou para descobrir novas formas de computar. Até o fim de 2026, o campo avançava sobretudo em demonstrações de laboratório e plataformas de pesquisa, sem produto de IA vendido em escala.
Os marcos recentes mostram essa trajetória. Em 2022, a australiana Cortical Labs mostrou que cerca de 800 mil neurônios cultivados sobre eletrodos aprendiam a jogar Pong, em estudo publicado na revista Neuron (Monash University, 2022).
Dois anos depois, a suíça FinalSpark passou a alugar acesso remoto a organoides cerebrais por US$ 500 por mês (Tom's Hardware, 2024). Em 2025, a própria Cortical Labs colocou à venda o CL1, computador biológico com cerca de 800 mil neurônios humanos, por US$ 35 mil (IEEE Spectrum, 2025).
O mischief 1 muda o tipo de entrega. Em vez de vender acesso aos neurônios, a TBC vende o que aprendeu com eles, empacotado como software. Segundo a empresa, é o primeiro modelo de vídeo derivado de neurônios disponível ao público, e a cobrança por uso coloca a biocomputação na mesma prateleira dos modelos de IA convencionais.
O mischief 1 foi lançado em 30 de outubro de 2026, data conhecida nos Estados Unidos como Mischief Night, a véspera travessa do Halloween que ecoa no nome do modelo. Ele está disponível na fal e na OpenRouter, duas plataformas de inferência usadas por desenvolvedores, e no aplicativo próprio da TBC, voltado a criadores (fal, 2026).
O lançamento veio cinco semanas depois do anúncio de uma colaboração com a Amazon Web Services para levar a tecnologia a clientes corporativos, com uso do Trainium e do Amazon SageMaker AI e distribuição prevista pelo AWS Marketplace (TBC, 2026). Com a fal e a OpenRouter, o acesso passa a incluir desenvolvedores individuais e estúdios.
O preço parte de US$ 0,005 por segundo de vídeo em 480p e sobe para US$ 0,01 por segundo em 720p. Na resolução menor, um clipe de cinco segundos custa 2,5 centavos de dólar, e cem clipes saem por US$ 2,50. A TBC afirma que é o modelo de imagem para vídeo mais barato nas duas plataformas, comparação feita pela própria empresa.
Como referência, o Kling 2.5 Turbo Pro, também listado na fal, cobra US$ 0,35 pelos primeiros cinco segundos (fal, 2026), embora dispute outra faixa de qualidade. Entre os primeiros usuários do mischief 1 está a Wonder Studios, estúdio criativo nativo em IA que testou o modelo em seu fluxo de produção e destacou a possibilidade de iterar mais vezes dentro do mesmo orçamento.
O número mais citado do lançamento, a geração cinco vezes mais rápida, vem da própria TBC e não passou por testes independentes (The Next Web, 2026). O mesmo vale para a redução de 80% no custo de inferência, que a empresa calcula em comparação com o modelo aberto original.
Também faltam detalhes para reproduzir a comparação. A TBC não informou qual versão do Wan 2.2 serve de base, entre as variantes de 5 bilhões e de 14 bilhões de parâmetros, nem o hardware, a precisão numérica ou o número de passos usados nos testes (XenoSpectrum, 2026).
Há ainda a distância entre pesquisa e produto. O estudo mais detalhado sobre o método foi feito com um modelo de Minecraft, e não com o Wan 2.2, e a arquitetura comercial do mischief 1 segue fechada. A tese de que os ganhos vêm de neurônios é, por definição, difícil de auditar de fora do laboratório.
Por fim, o escopo do produto é estreito: clipes de no máximo cinco segundos, resolução de até 720p e nenhuma geração a partir de texto puro. O modelo não disputa qualidade com os geradores de vídeo mais avançados; disputa custo, e faz sentido onde volume e velocidade de iteração pesam mais que acabamento.
Em síntese, o mischief 1 está mais perto de uma camada de software com origem incomum do que de um cérebro dentro de uma caixa. A TBC usa neurônios vivos como laboratório, traduz o que observa em algoritmos e entrega um modelo de vídeo que roda em hardware comum, com preço por segundo abaixo dos concorrentes listados nas mesmas plataformas.
Os três eixos do lançamento se sustentam e se limitam ao mesmo tempo. O método explica o apelo, a pesquisa com o Oasis dá base técnica à tese e o preço torna o produto testável por qualquer desenvolvedor. Por outro lado, a falta de benchmarks independentes e a mistura entre ganhos biológicos e otimizações convencionais deixam aberta a pergunta central: quanto da eficiência vem, de fato, dos neurônios.
A próxima etapa amplia a aposta. A TBC já aplica o processo a modelos de vídeo abertos mais novos, com ganhos iniciais maiores, e trabalha em versões para modelos de linguagem e IA física. No longo prazo, Ksendzovsky projeta a computação biológica em tempo real, em que os próprios neurônios entram no circuito de inferência, e estima de cinco a dez anos para que isso vire produto (GamesBeat, 2026).
Para empresas, o ponto prático está no custo de inferência. Se a eficiência derivada de biologia se confirmar fora do laboratório, ela entra ao lado de quantização, destilação e cache na lista de recursos para reduzir o gasto com IA generativa em escala, sem troca de infraestrutura.
Acompanhar quais dessas promessas viram resultado medido faz parte do trabalho de quem decide onde investir em IA. Assine a AI Factory News e receba análises sobre lançamentos como o mischief 1 uma vez por semana.
