Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoCódigo / SDK · Pronto p/ usoThe Decoder→ original

Nvidia está perto de comprar a Inception por US$ 500 milhões para apostar em LLMs de difusão

A Nvidia está perto de comprar a startup Inception por no mínimo US$ 500 milhões, segundo o The Information. A Inception ensina modelos de linguagem a escrever a resposta de uma vez, e não um token por vez, como o ChatGPT: primeiro vem o rascunho da página inteira, depois várias passadas de revisão, como nos geradores de imagens. Se a abordagem funcionar, a Nvidia fortalece os modelos abertos Nemotron, e os desenvolvedores ganham LLMs mais rápidos para agentes e autocompletar código.

Processado por IA de The Decoder; editado por Hamidun News
Nvidia está perto de comprar a Inception por US$ 500 milhões para apostar em LLMs de difusão
Fonte: The Decoder. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalThe Decoder ↗
Editor-chefe
Negóciono mínimo US$ 500 milhões, com bônus para mais de 30 funcionários da Inception
Dado-chave #2Os cofundadores e professores Ermon, Grover e Kuleshov vão para a Nvidia
Dado-chave #3O Mercury 3, segundo a Inception, é mais rápido que o GPT-6 Luna e o Claude Haiku 5.5

Os modelos de linguagem convencionais escrevem como uma pessoa que dita uma carta: palavra por palavra, e cada nova palavra depende das anteriores. Por isso, respostas longas demoram, e numa cadeia de dezenas de passos de um agente os atrasos se acumulam. Segundo o The Information, a Nvidia decidiu comprar uma equipe que testa outro caminho: os modelos de linguagem (LLMs) de difusão, que criam de uma só vez um rascunho da resposta inteira e o refinam várias vezes, como um editor que revisa a página toda em vez de escrevê-la da esquerda para a direita.

De acordo com três fontes do veículo, a Nvidia está perto de adquirir a startup Inception por no mínimo US$ 500 milhões. Por enquanto, a compra não está confirmada: nem a Nvidia nem a Inception comentaram a notícia de imediato. Para o desenvolvedor, o sentido prático é simples: se essa abordagem funcionar em grande escala, autocompletar código, assistentes de voz e agentes poderão responder de forma bem mais rápida.

O que a Inception faz e o que a diferencia

A Inception existe há cerca de dois anos, fica na região da Baía de São Francisco e tem mais de 30 funcionários. A startup constrói modelos de linguagem baseados em difusão, abordagem conhecida dos geradores de imagens. Neles, a imagem começa como ruído e vai aparecendo ao longo de várias passadas.

Aqui, a mesma ideia é aplicada ao texto. Um modelo convencional, como os que estão por trás do ChatGPT e do Claude, gera a resposta um token por vez (token é um pedaço de palavra). Já o modelo de difusão cria um rascunho da resposta inteira e o melhora passo a passo. Em teoria, isso traz ganho de velocidade, porque muitos tokens são processados em paralelo.

O lançamento mais recente da startup é o Mercury 3. Segundo o The Decoder, em outubro a Inception afirmou que o modelo supera o GPT-6 Luna e o Claude Haiku 5.5 com latência bem menor. Essa é uma afirmação da própria empresa; a fonte não traz medições independentes.

Por que isso interessa à Nvidia

Segundo o The Information, a compra deve reforçar a linha aberta Nemotron e os modelos físicos para robôs. O Nemotron já é usado pela Palantir e por órgãos do governo dos EUA como alternativa aos modelos abertos chineses. Para a Nvidia, esse é um mercado importante: se a empresa tem modelos abertos fortes, fica mais fácil para os clientes continuarem em seu hardware e software.

Há também o contexto competitivo. A OpenAI e a Anthropic, conforme a reportagem, estão desenvolvendo chips próprios para inferência, ou seja, para executar modelos já treinados. A Nvidia lucra porque o mercado roda modelos em suas GPUs, e os chips próprios dos concorrentes enfraquecem esse modelo de negócio. Uma arquitetura rápida e barata de executar ajuda a mostrar que a plataforma da Nvidia continua sendo o melhor lugar para inferência.

O negócio inclui bônus por desempenho para os funcionários da Inception. Os cofundadores, os professores Stefano Ermon, Aditya Grover e Volodymyr Kuleshov, devem passar a trabalhar na Nvidia em tempo integral. As negociações, segundo o veículo, começaram antes da saída do CEO da Nvidia, Jensen Huang, e depois que a Microsoft demonstrou interesse na startup. O The Decoder tratou da saída em outra reportagem: em 12 de novembro, ela veio na esteira de um escândalo de espionagem, após o qual o valor de mercado da empresa caiu US$ 1,4 trilhão.

O que isso significa para os desenvolvedores

Primeiro, os LLMs de difusão deixam de ser curiosidade. Quando o maior fabricante de aceleradores paga a partir de meio bilhão de dólares por uma equipe de pouco mais de 30 pessoas, ele aposta na tecnologia, e não na receita atual.

Segundo, se você desenvolve produtos em que a latência importa (autocompletar código, assistentes de voz, agentes com dezenas de passos), vale olhar para esses modelos já agora. A velocidade de resposta em cadeias de agentes se acumula a cada passo, e o ganho pode ser mais perceptível do que um avanço em qualidade.

Há também limitações. O negócio ainda não foi fechado, o preço é informado como mínimo, e as comparações do Mercury 3 com os concorrentes partem da própria startup. Não se sabe como a abordagem de difusão se comporta em tarefas de raciocínio muito complexas e em contextos longos. Também não está claro se os pesos abertos da Inception vão aparecer dentro do Nemotron. Por ora, a conclusão prática é esta: acompanhe benchmarks independentes do Mercury 3 e teste modelos de difusão nas suas próprias tarefas em que o tempo de resposta é crítico.

História

Perguntas frequentes sobre a notícia

O que a Inception faz e o que a diferencia?

A Inception existe há cerca de dois anos, fica na região da Baía de São Francisco e tem mais de 30 funcionários. A startup constrói modelos de linguagem baseados em difusão, abordagem conhecida dos geradores de imagens. Neles, a imagem começa como ruído e vai aparecendo ao longo de várias passadas. Aqui, a mesma ideia é aplicada ao texto. Um modelo convencional, como os que estão por trás do ChatGPT e do Claude, gera a resposta um token por vez (token é um pedaço de palavra).

Por que isso interessa à Nvidia?

Segundo o The Information, a compra deve reforçar a linha aberta Nemotron e os modelos físicos para robôs. O Nemotron já é usado pela Palantir e por órgãos do governo dos EUA como alternativa aos modelos abertos chineses. Para a Nvidia, esse é um mercado importante: se a empresa tem modelos abertos fortes, fica mais fácil para os clientes continuarem em seu hardware e software. Há também o contexto competitivo.

O que isso significa para os desenvolvedores?

Primeiro, os LLMs de difusão deixam de ser curiosidade. Quando o maior fabricante de aceleradores paga a partir de meio bilhão de dólares por uma equipe de pouco mais de 30 pessoas, ele aposta na tecnologia, e não na receita atual. Segundo, se você desenvolve produtos em que a latência importa (autocompletar código, assistentes de voz, agentes com dezenas de passos), vale olhar para esses modelos já agora.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…