O modo mais rápido da OpenAI evita a Nvidia

750 tokens por segundo, em pré-visualização limitada

A OpenAI e a Cerebras anunciaram o modo Ultrafast para o GPT-5.6 Sol a 13 de agosto de 2026, com até 750 tokens de saída por segundo, até 14 vezes mais rápido do que o processamento padrão do modelo, segundo o próprio anúncio da OpenAI sobre a pré-visualização. O nível está disponível agora apenas para um grupo seleto de clientes enquanto a OpenAI avalia como a velocidade adicional muda produtos reais; outras empresas podem inscrever-se numa lista de espera submetendo os detalhes da sua carga de trabalho. O investigador da OpenAI Jeffrey Wang descreveu o efeito prático nos próprios materiais da empresa: 'Agora termina antes de eu sequer ter oportunidade de mudar de contexto. Torna-me muito mais produtivo.'

A OpenAI aponta interfaces de voz, apoio ao cliente, comércio, agentes para programadores, investigação financeira e resposta a incidentes de segurança como os casos de uso previstos, e afirma que os seus próprios programadores usaram a pré-visualização para analisar registos e rastos durante incidentes e para comprimir ciclos de investigação que antes duravam a noite inteira em várias iterações ao longo de um único dia de trabalho. O próprio GPT-5.6 Sol foi lançado em junho de 2026 juntamente com as variantes Terra (equilibrada) e Luna (focada em velocidade), e ficou amplamente disponível no ChatGPT, Codex e na API em julho.

O chip que faz o trabalho não é da Nvidia

O ganho de velocidade vem da Wafer-Scale Engine da Cerebras, que mantém os pesos completos de um modelo residentes no próprio chip, distribuídos por 44 gigabytes de SRAM integrados em cada processador do tamanho de um wafer, segundo a própria publicação no blogue da Cerebras sobre a parceria. Isso elimina as transferências repetidas entre memória e computação que geram latência em clusters de GPU convencionais, permitindo que os tokens fluam sem interrupção através de camadas do modelo organizadas em pipeline e distribuídas por vários wafers - um design pensado para escalar à medida que os modelos crescem, segundo a própria descrição técnica da Cerebras.

A Cerebras posiciona esta arquitetura há anos como uma alternativa mais rápida, embora menos flexível, aos clusters de GPU da Nvidia para cargas de trabalho de inferência, mas as suas parcerias públicas mais destacadas até agora inclinavam-se para laboratórios pequenos ou médios, e não para o maior comprador individual de capacidade Nvidia de todo o setor. Os próprios compromissos de infraestrutura da OpenAI com a Nvidia ascendem a centenas de milhares de milhões de dólares, uma relação que este órgão de comunicação já cobriu em detalhe, o que torna a escolha de encaminhar mesmo um nível de pré-visualização limitada através de uma arquitetura de chip rival num dado notável, e não uma simples diversificação rotineira de fornecedores.

O que a velocidade realmente compra

No GDP-Val, um teste de referência construído em torno de tarefas de trabalho economicamente valiosas, a OpenAI reporta uma aceleração de ponta a ponta de 5,6 vezes sem perda de qualidade medida. No Humanity's Last Exam, um teste de 2500 perguntas de nível de doutoramento, o GPT-5.6 Sol Ultrafast completou o conjunto inteiro em 11 horas e 11 minutos face às 78 horas e 27 minutos do Claude Fable 5, segundo a comparação publicada pela própria Cerebras - cerca de sete vezes mais rápido nesse teste concreto, juntamente com as afirmações separadas da Cerebras de um débito 11 vezes superior ao Claude Fable 5 e 5 vezes superior ao modo rápido do Claude Opus 4.8.

Nada disto torna o GPT-5.6 Sol um modelo mais inteligente. É o mesmo modelo, a responder da mesma forma, apenas mais rápido - o que importa especificamente para cargas de trabalho em que a própria latência é o estrangulamento e não a qualidade do raciocínio: um agente de apoio que um cliente não vai esperar, uma resposta de segurança que tem de acontecer a meio de um incidente ativo, ou um modelo financeiro que tem de correr vários cenários antes de o mercado fechar.

Uma proteção contra a Nvidia, mesmo para a OpenAI

A lição prática aqui não é que a Cerebras tenha batido a Nvidia num teste de referência. É que a empresa mais entrelaçada financeiramente com a expansão de IA da Nvidia teve, ainda assim, uma razão comercial para correr o seu nível de produto mais crítico em latência sobre uma arquitetura de chip diferente, porque a física de manter os pesos no próprio chip vence a física de os mover através de um cluster de GPU para esta tarefa concreta. Qualquer empresa europeia que construa uma estratégia de infraestrutura de IA de longo prazo em torno de um único fornecedor de computação, por dominante que esse fornecedor pareça hoje, deve encarar isto como prova de que até os maiores clientes se protegem quando uma carga de trabalho específica o exige.

Trata-se de uma pré-visualização limitada sem preços publicados, não de uma decisão de produto geral sobre a qual as empresas tenham de agir de imediato. O passo útil não é mudar de fornecedor com base num único anúncio, mas registá-lo como um dado a acompanhar: identificar quais das próprias cargas de trabalho estão realmente limitadas pela latência e não pelo raciocínio, porque são essas que, com o tempo, podem justificar uma segunda opção de infraestrutura, e não apenas um segundo contrato de nuvem, apesar da complexidade adicional.

Leia a seguir: A AMD cedeu metade da inferência a um chip rival  |  Alugar IA de fronteira é agora uma escolha, não uma obrigação