Início 23/11Turma 3 ao vivo de Vibe Coding & Agentes de IA: 3 semanas, 9 aulas ao vivoTurma 3 (23/11) →
LançamentoAnálise · No radarMarkTechPost→ original

Yuan 3.0 Ultra: um trilhão de parâmetros com eficiência recorde

A YuanLab AI lançou o Yuan 3.0 Ultra, um modelo multimodal aberto com arquitetura Mixture-of-Experts e um trilhão de parâmetros. A cada momento, apenas 68,8 bilhões são ativados. Segundo os desenvolvedores, o total de parâmetros foi reduzido em 33,3% em relação a abordagens anteriores, e a eficiência do pré-treinamento subiu 49%. O modelo é posicionado como solução principal para uso corporativo e é distribuído com código aberto.

Processado por IA de MarkTechPost; editado por Hamidun News
Yuan 3.0 Ultra: um trilhão de parâmetros com eficiência recorde
Fonte: MarkTechPost. Colagem: Hamidun News.
Ouvir artigo

A corrida por modelos de trilhões de parâmetros entra em uma nova fase, e a principal medida deixa de ser o tamanho e passa a ser a capacidade de usá-lo bem. O laboratório chinês YuanLab AI apresentou o Yuan 3.0 Ultra, um modelo multimodal aberto com arquitetura Mixture-of-Experts que opera com um trilhão de parâmetros, mas ativa apenas 68,8 bilhões a cada momento. Por trás dos números secos há uma mudança de fundo na filosofia de construção dos grandes modelos de linguagem: em vez de ampliar o poder computacional na força bruta, os desenvolvedores apostam em precisão cirúrgica no uso de recursos.

Para entender a dimensão do anúncio, é preciso contexto. A arquitetura Mixture-of-Experts não é novidade. O Google a usa no Gemini, ela está na base do Mixtral, da Mistral AI, e, segundo diversos vazamentos, também do GPT-4, da OpenAI.

A ideia é que o modelo seja composto por muitas sub-redes "especialistas" e que, para processar cada requisição, apenas uma pequena parte delas seja ativada. Isso dá ao modelo uma enorme capacidade de conhecimento sem a necessidade de passar cada token por todos os parâmetros. O Yuan 3.

0 Ultra leva essa ideia ao limite lógico: do trilhão de parâmetros, menos de sete por cento trabalham ao mesmo tempo. Em comparação, a proporção entre parâmetros ativos e totais do Mixtral 8x7B era bem menos agressiva.

Os indicadores de eficiência declarados são especialmente notáveis. De acordo com a YuanLab AI, o total de parâmetros do modelo foi reduzido em 33,3% em relação a arquiteturas de capacidade equivalente, e a eficiência do pré-treinamento aumentou 49%. Isso significa que, para atingir uma qualidade de resposta comparável, são necessários bem menos recursos computacionais e tempo de treino. Em uma época em que treinar um único modelo principal custa dezenas ou centenas de milhões de dólares e o acesso a clusters de GPU continua sendo um gargalo para a maioria das empresas, esse ganho não é apenas uma conquista técnica, mas um argumento econômico.

A multimodalidade do Yuan 3.0 Ultra é outro ponto importante. O modelo é posicionado como capaz de trabalhar não só com texto, mas também com outros tipos de dados, o que o torna adequado a uma ampla gama de tarefas corporativas: da análise de documentos com imagens a cenários complexos que exigem compreender contexto de diferentes modalidades. Os detalhes das decisões de arquitetura que sustentam a multimodalidade ainda não foram totalmente revelados, mas o simples fato de integrar esses recursos a um modelo MoE em escala de trilhão indica maturidade da abordagem.

A decisão de abrir o modelo merece atenção à parte. Nos últimos um ano e meio, os laboratórios chineses de IA vêm ampliando de forma consistente sua presença na comunidade aberta: DeepSeek, Qwen, da Alibaba, Yi, da 01.AI.

Todos lançam modelos com pesos abertos, criando uma alternativa poderosa aos sistemas fechados ocidentais. O Yuan 3.0 Ultra se encaixa nessa tendência, mas eleva o patamar: um modelo MoE de um trilhão de parâmetros com acesso aberto é um desafio não só para concorrentes comerciais, mas para todo o ecossistema de IA aberta.

A questão é se pesquisadores e empresas fora dos maiores provedores de nuvem conseguirão de fato implantar e usar um modelo dessa escala. Mesmo com "apenas" 68,8 bilhões de parâmetros ativos, a inferência de um MoE de um trilhão exige infraestrutura robusta para armazenamento e roteamento entre especialistas.

Para a indústria, o Yuan 3.0 Ultra é mais uma confirmação de que o MoE está se tornando a arquitetura dominante dos modelos da próxima geração. Os transformers densos, em que cada parâmetro fica ativo a cada chamada, parecem cada vez mais uma abordagem desperdiçadora de uma era passada. Ao mesmo tempo, o modelo acirra a concorrência entre laboratórios chineses e americanos: se os indicadores de eficiência declarados forem confirmados por benchmarks independentes, será um argumento forte de que a liderança tecnológica em IA deixou de ser monopólio do Vale do Silício.

Ainda assim, grandes declarações pedem ceticismo profissional. Enquanto não forem publicados resultados em benchmarks padrão em comparação com GPT-4o, Claude 3.5, Gemini Ultra e outros modelos principais, falar em "eficiência incomparável" é prematuro. O verdadeiro teste do Yuan 3.0 Ultra começará quando a comunidade tiver acesso aos pesos e puder fazer uma avaliação independente. Só então ficará claro se o modelo é um avanço real ou mais um lançamento ambicioso, porém superestimado, numa corrida de escala superaquecida.

História
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…