Nvidia: Da "treinamento único" de grandes modelos para o Agent de "aperfeiçoamento pós-treinamento", a demanda por poder computacional está mudando

A Nvidia está ampliando a principal proposta de valor de sua próxima geração da plataforma Vera Rubin, passando de custos de inferência para eficiência no treinamento de modelos, apostando na métrica “inteligência por dólar” (intelligence per dollar) sob o entendimento de que, na era da IA agentiva, o pós-treinamento se tornará a necessidade de poder computacional mais central.

Segundo explicou a Nvidia em seu blog oficial, com a ascensão da Agentic AI (IA agentiva), o pós-treinamento deixou de ser uma etapa final única para se tornar uma carga de trabalho cíclica e contínua. Diferente dos modelos tradicionais generativos, os modelos agentivos precisam planejar, acionar ferramentas e corrigir erros autonomamente durante a execução, operando em ambientes que podem mudar semanalmente, levando a uma demanda crescente e contínua de poder computacional para pós-treinamento. A Nvidia informa que a plataforma Vera Rubin foi projetada para essa carga colaborativa, podendo treinar modelos de maior escala utilizando apenas um quarto do número de GPUs da geração anterior Blackwell.

Essa configuração impacta diretamente a lógica de vendas de poder computacional da Nvidia: ciclos ininterruptos de pós-treinamento significam que a demanda dos clientes por clusters de GPU deixará de ser por projeto e se tornará permanente, ampliando o potencial do mercado. Empresas como Prime Intellect, Perplexity e Together AI, que já operam cargas de trabalho de pós-treinamento em plataformas Nvidia, confirmaram planos de migrar ou expandir para a plataforma Vera Rubin.

O pós-treinamento se torna o principal motor computacional na era das IAs agentivas

A Nvidia detalhou, em seu blog, o posicionamento estratégico do pós-treinamento. A fase de pré-treinamento confere fluência linguística ao modelo, mas a verdadeira “inteligência”—incluindo escrita de código, planejamento de tarefas em múltiplos passos, uso de ferramentas de busca e recuperação de erros—é formada durante o pós-treinamento.

O pós-treinamento utiliza técnicas de aprendizado por reforço (RL): o modelo gera tentativas para uma tarefa (propagação direta), que são avaliadas e resultam na atualização dos pesos do modelo (retropropagação). Após milhões de iterações, a capacidade do modelo é progressivamente aprimorada. A Nvidia destaca que esse processo consome imenso poder computacional, exigindo milhares de ambientes gerando rollouts em paralelo, enquanto mantém os aceleradores operando em capacidade total.

A Nvidia posiciona a “inteligência por dólar” como um indicador superior ao “custo por token”: o primeiro avalia a eficiência operacional das usinas de inferência, enquanto o segundo mede se os custos para construir e manter continuamente um modelo implantável são justificáveis. Ambos são interligados: reduzir o custo por token também reduz o custo para construir a inteligência do modelo, enquanto modelos mais inteligentes elevam o valor de serviço de cada token.

Nemotron Ultra fornece benchmarks verificáveis de pós-treinamento

Para fundamentar essa tese, a Nvidia revelou detalhes do pós-treinamento de seu modelo open-source de pesos abertos, o Nemotron 3 Ultra. O modelo possui 550 bilhões de parâmetros, adota arquitetura de especialistas mistos (MoE) e todo o processo de pós-treinamento ocorreu na estrutura NeMo RL.

No benchmark SWE-bench Verified, um teste de programação no mundo real, o Nemotron 3 Ultra alcançou 71,7%, ou seja: em defeitos de software reais provenientes de projetos de código aberto, ele gera soluções eficazes que passam nos testes internos cerca de sete em cada dez vezes. A Nvidia informa que esses resultados são verificáveis e que o método de pós-treinamento está completamente aberto.

A Nvidia também afirma que a plataforma Blackwell já tornou economicamente viável a alta frequência de pós-treinamento necessária na era das IAs agentivas, ao reduzir o custo por execução; já a plataforma Vera Rubin estenderá ainda mais essa tendência — suportando mais rollouts, mais ambientes paralelos e ciclos de pós-treinamento contínuos.

Principais clientes validam a capacidade da plataforma e planejam migração

Diversas empresas que já executam cargas de trabalho de pós-treinamento em plataformas Nvidia divulgaram detalhes técnicos específicos, além de expressarem interesse em migrar para a Vera Rubin.

A Prime Intellect realiza continuamente pós-treinamento de modelos open-source de ponta na plataforma Blackwell, utilizando o NVIDIA Dynamo para orquestração de inferência. A empresa já integrou sua infraestrutura sandbox com o NVIDIA Vera CPU, e em testes de comparação direta com arquitetura x86, o Vera CPU apresentou média 30% superior de throughput em cargas de trabalho reais de RL. A Prime Intellect planeja, com o apoio da Vera Rubin, expandir o ambiente de aprendizado por reforço e acelerar o ciclo de iteração do treinamento à inferência.

A pilha de pós-treinamento RL da Perplexity roda de forma assíncrona em centenas de GPUs Nvidia, com seu motor baseado em RDMA permitindo sincronização de pesos de modelos com trilhões de parâmetros entre nós de treinamento e inferência em apenas dois segundos. O modelo Qwen3 235B, pós-treinado, é então implantado no sistema NVIDIA GB200 NVL72.

A Together AI oferece pós-treinamento como serviço, incluindo afinação supervisionada, aprendizado por reforço e otimização direta de preferências, entregando via API e SDK; atualmente roda em plataforma Nvidia e confirma estar buscando integração com a Vera Rubin.