Microsoft lança modelo de 100 bilhões de parâmetros em uma única CPU: respostas até 6,17 vezes mais rápidas
A Microsoft liberou o bitnet.cpp, um framework de código aberto que executa modelos de linguagem em um processador comum, sem placa de vídeo. O segredo está nos modelos de 1 bit: cada peso vale apenas −1, 0 ou +1, então a multiplicação pesada é substituída por soma. As respostas saem até 6,17 vezes mais rápido, e o consumo de energia cai em até 82,2%. Para assistentes locais sem GPU, isso é uma oportunidade, mas o modelo precisa ser treinado já no formato de 1 bit.
Processado por IA de X: @simplifyinAI; editado por Hamidun News
Para rodar um grande modelo de linguagem localmente, normalmente é preciso comprar uma placa de vídeo cara, com muita memória. A Microsoft apresentou outro caminho: o framework de código aberto bitnet.cpp executa modelos em uma CPU (unidade central de processamento) comum, a mesma que está em um notebook ou servidor.
Segundo a empresa, é possível rodar até um modelo de 100 bilhões de parâmetros (100B), ou seja, com cem bilhões de configurações internas que determinam como ele "pensa". A velocidade de inferência, isto é, de geração da resposta, chega a 6,17 vezes mais que em implementações convencionais, e o consumo de eletricidade do processador cai até 82,2%. Tudo isso funciona apenas com modelos especiais, de 1 bit, e a seguir explicamos o que isso significa.
Como funciona, em termos simples
Em uma rede neural comum, cada peso é um número de ponto flutuante que ocupa 16 bits. Para gerar uma resposta, o processador multiplica bilhões desses números. Isso é pesado e consome muita energia.
Nos modelos da família BitNet, cada peso pode assumir apenas um de três valores: −1, 0 ou +1. Formalmente, isso equivale a cerca de 1,58 bit por peso, por isso são chamados de modelos de 1 bit. Imagine um contador que, em vez de multiplicar somas complexas, só precisa somar, subtrair ou pular um valor. Ele trabalha mais rápido e gasta muito menos papel, ou seja, memória.
O bitnet.cpp é um conjunto de núcleos otimizados para essa aritmética. Há versões separadas para x86 (processadores Intel e AMD) e para ARM (chips da Apple e smartphones).
O que os números mostram
Segundo a Microsoft, em processadores x86 a inferência acelera de 2,37 a 6,17 vezes em comparação com implementações convencionais, e o consumo de energia cai de 71,9% a 82,2%. Em ARM o ganho é menor: aceleração de 1,37 a 5,07 vezes e economia de energia de 55,4% a 70%. A publicação que circulou nas redes sociais citou apenas os máximos: "até 6,17 vezes" e "até 82,2%". O resultado real depende do processador e do tamanho do modelo.
O número mais chamativo é o modelo de 100 bilhões de parâmetros rodando em uma única CPU. De acordo com a descrição do projeto, a velocidade nesse caso é de 5 a 7 tokens por segundo, algo próximo da velocidade de leitura de uma pessoa. Para um chat ou um assistente local, em que ninguém precisa de respostas em milissegundos, isso é suficiente.
Quais são as limitações
Aqui é preciso uma ressalva importante. O formato de 1 bit não pode ser aplicado a qualquer modelo pronto, como Llama ou Qwen: se você comprimir um modelo a esse ponto depois do treinamento, a qualidade cai muito. O modelo precisa ser treinado desde o início com a restrição sobre os pesos, como o BitNet b1.58. Esses modelos existem, mas são pequenos: por exemplo, o BitNet b1.58 2B4T, com 2 bilhões de parâmetros.
A demonstração com 100B, até onde se sabe, foi feita com um modelo na arquitetura adequada, e não com um modelo já treinado e pronto para uso. Ainda não existe um modelo de 1 bit desse tamanho, com qualidade comparável aos melhores LLMs abertos. Ou seja, o bitnet.cpp mostra que a infraestrutura está pronta, mas os grandes modelos "inteligentes" para ela ainda precisam ser treinados.
O que os desenvolvedores podem fazer
Se você desenvolve assistentes locais, aplicações offline ou funcionalidades de IA embarcadas em dispositivos sem GPU, vale testar o bitnet.cpp com os pequenos modelos BitNet e medir velocidade e qualidade no seu próprio hardware.
Se você calcula os custos de inferência na nuvem, vale acompanhar essa linha. Quando grandes laboratórios começarem a lançar modelos de 1 bit, parte das tarefas poderá migrar de clusters com GPU para servidores comuns. Por enquanto, porém, trata-se de uma tecnologia promissora, e não de um substituto pronto para os modelos atuais.
- 22 de nov. de 2026bitnet.cpp da Microsoft acelera LLMs em CPUs comuns em até 6,17 vezes e corta o consumo de energia em 82%
- 22 de nov. de 2026Analistas fizeram as contas: em 2028, 87% da energia da Anthropic virá do gás e 11% do carvão
- 22 de nov. de 2026Agente da Microsoft escreveu os pesos de uma rede neural à mão e atingiu 100% de acurácia em 13 tarefas
- 22 de nov. de 2026SEC investiga a contabilidade da Nvidia: ações caem 14% em um único dia
Perguntas frequentes sobre a notícia
Como funciona, em termos simples?
Em uma rede neural comum, cada peso é um número de ponto flutuante que ocupa 16 bits. Para gerar uma resposta, o processador multiplica bilhões desses números. Isso é pesado e consome muita energia. Nos modelos da família BitNet, cada peso pode assumir apenas um de três valores: −1, 0 ou +1. Formalmente, isso equivale a cerca de 1,58 bit por peso, por isso são chamados de modelos de 1 bit. Imagine um contador que, em vez de multiplicar somas complexas, só precisa somar, subtrair ou pular um valor.
O que os números mostram?
Segundo a Microsoft, em processadores x86 a inferência acelera de 2,37 a 6,17 vezes em comparação com implementações convencionais, e o consumo de energia cai de 71,9% a 82,2%. Em ARM o ganho é menor: aceleração de 1,37 a 5,07 vezes e economia de energia de 55,4% a 70%. A publicação que circulou nas redes sociais citou apenas os máximos: "até 6,17 vezes" e "até 82,2%". O resultado real depende do processador e do tamanho do modelo.
O que se sabe sobre Quais são as limitações?
Aqui é preciso uma ressalva importante. O formato de 1 bit não pode ser aplicado a qualquer modelo pronto, como Llama ou Qwen: se você comprimir um modelo a esse ponto depois do treinamento, a qualidade cai muito. O modelo precisa ser treinado desde o início com a restrição sobre os pesos, como o BitNet b1.58. Esses modelos existem, mas são pequenos: por exemplo, o BitNet b1.58 2B4T, com 2 bilhões de parâmetros.
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.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.