A

Relatório da MenteNova 

Alguém já anunciou que alcançou AGI.

Na conferência de resultados desta quarta-feira, Jensen Huang soltou a seguinte frase:

No mesmo dia, saiu uma entrevista extensa de mais de duas horas com Sam Altman. Ele deu a data: final de 2026.

Para Altman, estes 4 meses não serão apenas uma corrida técnica. Antes da abertura de capital no próximo ano, ele precisa mostrar suas cartas em relação à AGI.

Se não conseguir, no momento em que soar o sino, já terá um concorrente que abriu capital antes, com valor de mercado o dobro e já dando lucro.

OpenAI não tem mais espaço para recuar nesta batalha.

Naquela conferência, alguém perguntou o que ele achava dessa corrida desenfreada de OpenAI e outras empresas atrás da AGI.

Huang respondeu que já não há muito motivo para discutir isso agora. Todo o setor ainda não concordou nem sobre o que significa “inteligência”, quanto mais sobre como medir AGI.

Ele, no entanto, tem outra coisa em mãos.

A arquitetura AVO da Nvidia obteve 100% de pontuação em um teste chamado ARC-AGI-3, focado exatamente em verificar se agentes inteligentes conseguem trabalhar sozinhos por longos períodos.

Com essa conquista, ele fez uma previsão bastante ambiciosa:

Todos sabem que o ARC-AGI-3 é um teste pouco ortodoxo.

O agente inteligente é jogado dentro de um jogo desconhecido, sem regras ou objetivos explicados, dependendo só de si para apertar botões, observar e deduzir. Só dispõe de uma malha 64×64 e alguns botões; cada ambiente tem pelo menos seis fases, e enquanto a primeira pode ser vencida em cinco passos, a sexta exige cinquenta.

É difícil até para humanos, quanto mais para modelos de IA.

Eis o ponto: o modelo usado pela AVO é o Claude Opus 5.

A Nvidia apenas aplicou uma camada em cima dele. Não alterou nenhum peso do modelo, mas sua pontuação pulou de 30,16% para nota máxima.

Aqui, dois fatores foram decisivos.

• Primeiro, memória persistente: mesmo com o contexto cheio, a memória não é zerada, então o agente retoma do estado atual e não cai duas vezes na mesma armadilha.

• Segundo, o supervisor: não executa tarefas, apenas monitora todo o trajeto da busca; se percebe que o agente está girando em círculos, força-o a tentar outra estratégia.

Entretanto, estritamente falando, essa nota máxima não vale oficialmente.

Mais de três horas após o anúncio oficial da Nvidia, François Chollet, o criador do ARC-AGI, publicou no X:

De acordo com a própria descrição do ARC Prize, o conjunto público não serve para pontuação, os conjuntos que contam são o semi-privado e o privado - mas eles não aparecem no boletim de resultados da AVO.

Mais curioso: esta já é a terceira nota máxima nos últimos seis semanas.

Tycho foi o primeiro no final de julho, VISTA conseguiu em 5 de agosto, e a AVO foi a terceira. As abordagens são completamente diferentes, mas todos usam o mesmo modelo: Claude Opus 5.

Cada vez mais gente anuncia AGI, mas as únicas realmente capazes de construir AGI parecem ser apenas duas empresas.

E ninguém até agora realmente jogou essa carta.

Na entrevista, Altman soa bastante confiante:

Já o Chief Research Officer Mark Chen é um pouco mais cauteloso. Para ele, a OpenAI ainda está a 20% de distância da AGI.

Pode parecer ousado, mas eles têm algo em mãos de fato.

Neste ano, a OpenAI estabeleceu uma meta clara: criar um estagiário de pesquisa de IA verdadeiramente automático.

E esse “estagiário automatizado de IA” é o Astra.

Dê ao Astra uma ideia de experimento, e ele pode escrever código sozinho no repositório da OpenAI, rodar experimentos e entregar resultados.

Dê a ele um artigo, e Astra pode realizar em uma semana o trabalho que antes levaria uma semana para um pesquisador humano de elite concluir.

Em uma recente demonstração interna, executivos de grandes clientes viram pessoalmente.

Na tela, 16 agentes de IA dividiram um complicado problema de matemática em vários subproblemas.

Cada agente assumiou uma parte, checando o progresso dos outros no caminho, até reunir uma prova completa.

Tudo isso parecia um time bem entrosado reunido em uma reunião à portas fechadas.

O segundo demo foi ainda mais impressionante.

Astra abriu softwares de desktop comuns, alternando rapidamente entre diferentes aplicativos, criando arquivos, editando conteúdo e agendando tarefas, com uma velocidade impossível para humanos digitando.

Quem viu ficou convencido: Astra finalmente “desbloqueou” o agente persistente.

Altman foi além na previsão: “Acredito que este será o primeiro modelo a realmente inventar algo significativo; isso é uma característica fundamental de AGI”.

Note o termo “inventar algo novo”: significa criar do nada algo que a humanidade ainda não conhece.

Recentemente, o primeiro chip desenvolvido internamente pela OpenAI, o "Jalapeño", superou a GPU topo de linha da Nvidia.

E o principal responsável por isso foi o GPT-Astra.

Astra se envolveu diretamente, desde o design do circuito até o software.

Do lado do chip, ele otimizou os circuitos de base. Do lado do software, escreveu e otimizou os kernels principais, e ainda ajustou três dos maiores modelos open source.

O resultado: o multiplicador BF16 aumentou seu desempenho em 56%, enquanto a área da unidade de matriz diminuiu 10%.

Os dois principais módulos, “mecanismo de atenção” e “MoE”, ficaram de 1,5 a 1,8 vez mais rápidos que as versões escritas por especialistas humanos.

Vejam: é IA otimizando hardware no nível físico.

Curiosamente, a Nvidia está fazendo a mesma coisa.

AVO não foi desenvolvido para jogar: sua principal função é escrever códigos de baixo nível para GPU.

Em março, a Nvidia publicou um artigo propondo entregar toda a tarefa de “alterar código” para um agente que consegue trabalhar sozinho.

No teste prático, ele rodou autonomamente por 7 dias, sem nenhuma intervenção humana, testou mais de 500 direções de otimização e entregou 40 versões válidas de kernels.

O código produzido foi 3,5% mais rápido que a versão proprietária da Nvidia, e 10,5% mais rápido que a implementação open source mais avançada.

Agora, juntando essas duas situações, o que Altman disse faz muito sentido.

Cada iteração de modelo exige muito tempo de pesquisa humana. Mas se Astra começar a assumir essa tarefa, a velocidade de P&D mudará drasticamente.

Uma vez que esse ciclo começar, o resto depende de velocidade.

Na verdade, o que temos acesso (GPT-5.6 e Fable 5) são produtos da geração anterior.

Rumores indicam que ambos os lados já concluíram de fato a próxima geração.

• Spud (Sol): Pré-treinamento concluído em março, relacionado à série GPT-5.5 e 5.6 atualmente pública;

• Doug: Concluído de abril a maio, seguido de aprendizado por reforço; origem do Astra, também conhecido externamente como GPT-6;

• Bel: Pré-treinamento recém-terminado em agosto, com mais de 10 trilhões de parâmetros, quase tão grande quanto o GPT-4.5.

Dizem que, internamente, a OpenAI vê Bel como o “modelo básico após o GPT-6”, podendo até servir de base para um modelo que cruze o limiar da AGI.

No lado da Anthropic, em 18 de agosto, alguém percebeu que parte dos usuários da versão web do Claude que haviam escolhido Fable 5 foram transferidos secretamente para um novo modelo.

Este é o método tradicional da Anthropic para lançamentos, como foi feito com o Fable 5.

Logo, os codinomes foram descobertos.

• claude-melon-eap, provavelmente Fable 5.1;

• claude-marshmallow-eap, provavelmente Opus 5.1.

Relatos indicam que ambos já estão rodando em pequena escala, prontos para lançamento geral.

Quanto ao motivo da demora, acredita-se que quem lançar primeiro será ofuscado pelo concorrente em poucos dias.

Principalmente considerando que há rumores de que a Anthropic poderá assumir a liderança no início de 2027.

Isso deixa claro o tempo limite dessa guerra.

Faltam 4 meses em 2026.

Segundo algumas análises, Anthropic tem 88% de chance de abrir capital antes da OpenAI, sendo 26 de outubro deste ano a data mais provável, enquanto para a OpenAI seria 15 de julho do ano que vem.

No primeiro dia de abertura, o valor estimado de mercado é de 1,82 trilhões de dólares para a Anthropic, e 1,06 trilhão para a OpenAI.

O CFO da OpenAI disse em reunião geral de agosto que a empresa deve abrir capital em 2027 ou antes, desde que o negócio “continue acelerando”.

Ou seja, a AGI no fim do ano não é só um marco técnico.

É a página mais “crucial” do prospecto da oferta.

Se entregar, a narrativa da OpenAI muda de “gastamos dinheiro para treinar modelos” para “já estamos na linha de chegada”, mudando toda a lógica de avaliação. Se não entregar, quando for abrir capital em julho, ainda contará a história dos altos gastos.

E a razão para esta batalha ser inevitável está na ideia de autome-lhoria recursiva.

A frase de Huang, “40 mil supervisionando 4 milhões de agentes de IA”, e a da OpenAI, de que “IA já está ajudando a criar a próxima geração de IA”, mostram a mesma coisa: uma vez que a IA possa assumir a tarefa de criar a próxima geração, o progresso deixa de ser linear.

É por isso que todos apostam que, na corrida pela superinteligência artificial (ASI), o vencedor leva tudo.

Quem rodar de fato esse ciclo primeiro ficará com todo o resto. O segundo lugar talvez nem tenha chance de disputar.

Altman, agora, não tem mais onde recuar.

Edição: Moisés, Momoko