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

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. 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 tamanho do texto 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. 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. 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”.