A atualização de 13 de agosto de 2026 reforça quatro frentes importantes da Lovable: autenticação para aplicativos profissionais, integração de dados corporativos, recursos de IA multimodal e produtividade no editor. Para quem cria SaaS, sistemas internos e apps com a Lovable no Brasil, as mudanças reduzem trabalho de configuração e ampliam o que pode ser entregue dentro do próprio produto.
Resumo das novidades da Lovable em 13 de agosto de 2026
- Login com Microsoft para usuários dos aplicativos criados na Lovable.
- Dashboards e KPIs usando Snowflake Semantic Views e definições de métricas.
- Edição de imagens com GPT Image 2 e GPT Image 1 Mini dentro dos recursos de IA do app.
- Abertura rápida de projetos por URL ou ID usando a paleta de comandos.
Login com Microsoft chega aos aplicativos criados na Lovable
A Lovable passou a permitir que os usuários finais de um aplicativo façam login com uma conta Microsoft, além das opções já conhecidas como Google e Apple. A configuração fica em Lovable Cloud, na área Users > Auth settings.
Na prática, isso é especialmente relevante para sistemas B2B, portais de clientes, ferramentas internas e SaaS vendidos para empresas que já usam Microsoft 365. Em muitos cenários corporativos, permitir o acesso com a identidade Microsoft reduz atrito no cadastro e deixa o fluxo de autenticação mais alinhado ao ambiente que a empresa já utiliza.
O que muda na configuração do login Microsoft?
Segundo o changelog oficial, a Lovable gerencia o OAuth por padrão. Isso diminui a quantidade de configuração necessária para colocar a autenticação em funcionamento. Quem precisar de uma identidade própria do aplicativo ou de regras específicas ligadas à organização pode usar credenciais próprias do Azure.
Snowflake Semantic Views agora podem orientar dashboards e KPIs
Quando um projeto está conectado ao Snowflake, a Lovable agora verifica a existência de semantic views e definições de métricas. Se essas camadas estiverem disponíveis, a plataforma pode usá-las como referência para construir dashboards e indicadores, em vez de depender apenas de consultas diretamente nas tabelas de origem.
Isso importa porque uma semantic view pode centralizar a definição de métricas como receita, churn, pipeline, margem ou conversão. Assim, o dashboard criado na Lovable tende a seguir a mesma lógica usada pela área de dados ou BI da empresa, reduzindo o risco de cada aplicação calcular o mesmo indicador de uma forma diferente.
Exemplos de aplicação com Snowflake na Lovable
- Painel de receita seguindo a definição oficial de faturamento da empresa.
- Dashboard comercial com pipeline e taxa de conversão já padronizados no Snowflake.
- Painel operacional com KPIs calculados pela camada semântica da organização.
- Aplicações internas que consultam métricas corporativas sem recriar toda a lógica no front-end.
A novidade depende de o projeto ter acesso ao warehouse, role e semantic views necessários. Caso essas definições não existam ou não estejam acessíveis, a Lovable pode continuar usando o fluxo alternativo disponível para os dados conectados.
GPT Image 2 e GPT Image 1 Mini passam a editar imagens nos apps
A atualização também amplia os recursos de IA que podem ser incorporados aos aplicativos. Além de gerar imagens, os apps agora podem usar modelos da OpenAI para editar imagens existentes com GPT Image 2 e GPT Image 1 Mini.
Essa é uma das mudanças com maior potencial prático para novos produtos. Um SaaS criado na Lovable pode, por exemplo, permitir que o usuário envie uma foto e solicite alterações de fundo, ajustes de elementos visuais, variações criativas ou edições direcionadas a uma região da imagem.
Onde a edição de imagens pode ser usada?
- E-commerce para adaptar fotos de produtos e cenários.
- Ferramentas de marketing para criar variações de peças visuais.
- Apps imobiliários para trabalhar apresentações e imagens de ambientes.
- Produtos de conteúdo que transformam uma imagem enviada pelo usuário.
- SaaS verticais que combinam formulários, banco de dados e edição visual por IA.
A Lovable informa suporte a fluxos de edição da imagem inteira e também a edições com máscara. Como o recurso usa modelos de IA dentro do aplicativo, o consumo de créditos deve ser considerado no desenho do produto e na experiência oferecida aos usuários.
