Redes neurais rodam 2 vezes mais rápido: FlashAttention-3, da NVIDIA
A Together AI apresentou o FlashAttention-3, um novo algoritmo para acelerar transformers em grandes modelos de linguagem. Ele roda duas vezes mais rápido que o FlashAttention-2. A GPU H100 agora é aproveitada em 75%, contra 35% antes. O algoritmo suporta cálculos em FP8, de baixa precisão, mantendo a exatidão dos resultados. Isso permite que os LLMs processem sequências longas de texto com mais eficiência, sem desacelerar os cálculos, e reduz custos.
Processado por IA de Together AI Blog; editado por Hamidun News
As redes neurais agora rodam de 1,5 a 2 vezes mais rápido: Together AI, NVIDIA e Meta lançaram o FlashAttention-3, algoritmo que acelera a atenção em transformers e usa 75% da capacidade da GPU, em vez dos 35% anteriores.
Por que acelerar redes neurais economiza dinheiro?
A computação em nuvem está mais cara, e os LLMs exigem cada vez mais recursos. Cada ponto percentual de eficiência agora vira dinheiro.
- 1 de nov. de 2026Camada de proteção MoneyGate barrou os 42 pedidos fraudulentos feitos a IAs locais
- 31 de out. de 2026Gateway de LLM open source KTMS 1.0 conecta GPUs próprias à nuvem e sobrevive a falhas
- 31 de out. de 2026LTX-2.5 de 22 bilhões de parâmetros roda em RTX 3080 de 10 GB, mas leva 5 minutos por plano
- 29 de out. de 2026T-Tech cria o método LIMe, que treina modelos de linguagem com 15% menos computação
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.