Startup diz ter criado IA mil vezes mais leve que o ChatGPT

Startup diz ter criado IA mil vezes mais leve que o ChatGPT Subquadratic anunciou modelo capaz de processar até 12 milhões de tokens de uma única vez. No entanto, dados ainda carecem de validação científica. Resumo - Startup afirma ter desenvolvido uma arquitetura de IA quase mil vezes mais leve que a dos modelos atuais.

- Dados divulgados pela empresa revelam a capacidade de processamento de 12 milhões de tokens de uma única vez. - Contudo, os dados ainda carecem de validação científica, motivo pelo qual a empresa prometeu divulgar um relatório técnico completo “em breve”. Uma startup de Miami chamada Subquadratic afirma ter desenvolvido uma arquitetura capaz de solucionar o alto custo do processamento de textos muito longos em grandes modelos de linguagem (LLMs) — um gargalo que hoje limita os sistemas de inteligência artificial de gigantes como OpenAI, Google e Anthropic.

Leia no AINotícia: Panorama Tech: Do Retrô ao Julgamento da IA e o Streaming

O carro-chefe do anúncio é o modelo fundacional SubQ 1M-Preview, que seria capaz de reduzir o poder computacional “em quase mil vezes”. Junto a ele, a startup liberou três produtos em fase beta: uma interface de programação (API) para integração com sistemas externos; Leia também: Deputado quer que Gov.br emita autorização para acesso a sites pornográficos

um agente de programação chamado SubQ Code; e um buscador próprio, o SubQ Search. O grande trunfo por trás dessas novidades estaria na matemática. Empresa adotou “atenção esparsa”

Para baratear a conta, a Subquadratic afirma ter adotado um método chamado atenção esparsa subquadrática (ou SSA, na sigla em inglês). Para entender o impacto da mudança, é preciso olhar para como a tecnologia atual funciona. Em modelos como o ChatGPT, o sistema precisa cruzar e comparar cada palavra com absolutamente todas as outras do texto para conseguir interpretar o contexto.

É um processo pesado: se o inserido dobra, a capacidade computacional exigida do servidor é multiplicada por quatro (um crescimento quadrático). Com o método da startup, a IA é treinada para focar só nas relações relevantes e ignorar o que é redundante, fazendo o custo ter um crescimento linear. Ou seja, dobrar a quantidade de dados exige apenas o dobro de poder de processamento.

Segundo a startup, esse ganho de eficiência decola de vez conforme o texto aumenta. Os números divulgados ilustram a promessa. Mais de tecnologia

Em uma janela de contexto de 128 mil tokens (a unidade usada para medir fragmentos de texto na IA), o SubQ seria 7,2 vezes mais rápido que os modelos tradicionais. Em análises massivas de 1 milhão de tokens, o desempenho seria 52 vezes superior, com suporte para processar inacreditáveis 12 milhões de tokens de uma só vez. Vale mencionar que o otimismo em torno da companhia não vem do nada.

Fundada por Justin Dangel (CEO) e Alexander Whedon (diretor técnico, ex-chefe de IA generativa na TribeAI e ex-Meta), a equipe reúne engenheiros vindos do Google DeepMind. De acordo com o site The New Stack, o projeto já atraiu investidores de peso, como a própria OpenAI e a Anthropic. A startup foi fundada para “construir uma nova classe de LLMs”, segundo a empresa. Leia também: Perdeu seguidores no Instagram? Não é só você

Dados ainda carecem de validação científica Apesar da ficha técnica impressionante no papel, os dados ainda são vistos com ressalvas. Especialistas apontam que os testes divulgados pela empresa parecem ter sido “escolhidos a dedo”, focando justamente nas tarefas em que o novo método de atenção esparsa tem vantagem natural, como engenharia de software e localização de dados em documentos gigantescos.

Há uma ausência de avaliações em áreas fundamentais para medir a inteligência geral da IA, como resolução de problemas matemáticos, diretrizes de segurança e fluência em múltiplos idiomas. Além disso, o fato de alguns testes terem sido executados apenas uma vez — eliminando a margem de erro estatístico — gerou desconfiança. Nos fóruns especializados, foi inevitável a comparação com a startup Magic.dev, que em 2024 prometeu ganhos similares, mas até hoje não viu seus modelos ganharem adoção prática no mercado.

Para tentar acalmar os ânimos e provar que a tecnologia funciona fora do papel, o diretor técnico Alexander Whedon afirmou que a empresa pretende publicar um relatório técnico completo “em breve”.

Leia também no AINotícia

Leia também