GPT-5.2: OpenAI faz seu modelo rodar 40% mais rápido (sem «esteroides»)

Você já se perguntou por que seu chatbot favorito às vezes «trava» por alguns segundos antes de entregar uma resposta que ele claramente já sabe? No mundo dos grandes modelos de linguagem, tempo não é só dinheiro: é experiência do usuário e, no fim das contas, a sobrevivência do produto no mercado. Hoje a equipe da OpenAI Developers jogou lenha na fogueira da corrida por velocidade ao anunciar uma aceleração significativa dos seus modelos atuais. Trata-se do GPT-5.2 e do modelo especializado Codex, que de repente passaram a rodar 40% mais rápido.

O mais intrigante da notícia é o lado técnico. Os engenheiros da OpenAI destacaram que a aceleração foi obtida sem alterar a estrutura do modelo e sem recalcular os pesos. Para quem não conhece os detalhes: normalmente, para deixar um modelo mais rápido, é preciso «podá-lo» (destilação) ou treiná-lo do zero com menos parâmetros. Aqui vemos pura mágica de otimização de inferência. Parece que a equipe de Sam Altman achou um jeito de usar melhor o hardware existente sem sacrificar o «cérebro» da rede neural.

Por que isso importa agora? Estamos num ponto em que a qualidade das respostas dos modelos de ponta, seja GPT, Claude ou Gemini, chegou a certo platô. A diferença de raciocínio é cada vez menos perceptível para o usuário comum. Agora a disputa passa para o campo da eficiência. Se o seu modelo gera um código tão bom quanto o do concorrente, mas quase uma vez e meia mais rápido, os desenvolvedores vão escolher você. Para o Codex, é questão de vida ou morte: ao escrever código numa IDE, até meio segundo de atraso irrita e quebra a linha de raciocínio.

Esse salto de 40% também atinge startups de hardware como a Groq, que baseiam seu marketing exclusivamente na velocidade absurda de geração de tokens. Se a OpenAI conseguir continuar otimizando o software nesse ritmo, a necessidade de «aceleradores» especializados pode ser menos urgente do que previam os analistas. É um sinal para todo o mercado: antes de comprar mais dez mil H100, tente reescrever seus kernels CUDA e otimizar o batching.

Para as empresas, a atualização significa economia direta. Inferência mais rápida quer dizer menos tempo de servidor por requisição. Ainda não está claro se isso vai se refletir no preço dos tokens na API, mas historicamente a OpenAI sempre tentou converter eficiência técnica em redução de preços para ganhar participação de mercado. Muito provavelmente, nas próximas semanas veremos uma atualização da tabela de preços que vai fazer Anthropic e Google coçarem a cabeça de novo.

No fim das contas, a era da «força bruta», em que o progresso vinha apenas do aumento da escala de computação, vai sendo gradualmente complementada por uma era de engenharia refinada. A OpenAI deixa claro que não apenas aluga enormes clusters da Microsoft, mas também sabe extrair o máximo deles. É um bom sinal para toda a indústria: o potencial das arquiteturas atuais está longe de se esgotar.

O principal: a OpenAI está deslocando o foco da «inteligência» para a «velocidade», e 40% é só o começo. Os concorrentes estão prontos para esse tipo de otimização sem perda de qualidade?