A última batalha de Altman! Entrega de AGI em 4 meses

Relatório do Novo Gênio 

AGI já foi proclamada como realizada por alguém.

Na conferência de resultados desta quarta-feira, Huang disse:

No mesmo dia, foi divulgada uma entrevista longa de mais de duas horas com Altman. Segundo ele, o prazo é até o fim de 2026.

Para Altman, esses 4 meses não são apenas uma corrida técnica. Antes de abrir o capital no ano que vem, ele precisa revelar sua carta da AGI.

Se não conseguir, quando soar o sino, já terá à sua frente um concorrente que abriu o capital antes, cujo valor é o dobro e ainda é lucrativo.

Nesta batalha, a OpenAI não tem para onde recuar.

Na ligação dos resultados, alguém perguntou: OpenAI e outras empresas estão correndo atrás da AGI, o que você acha?

A resposta de Huang foi que não há motivo para discutir isso agora. Toda a indústria ainda nem concordou sobre o que é “inteligência”, quanto mais sobre como medir a AGI.

Mas ele tem outra carta na manga.

A arquitetura AVO da NVIDIA obteve 100% de pontuação no ARC-AGI-3, um teste focado em “se um agente pode trabalhar autonomamente por longos períodos”.

A partir desse resultado, ele fez uma grande previsão:

Todo mundo sabe que o método do ARC-AGI-3 é bem “diferente”.

O agente é jogado direto em um jogo desconhecido, sem regras nem objetivos explícitos; tudo depende da tentativa e erro, da observação e dedução. Com apenas uma grade de 64×64 e alguns botões, cada ambiente tem pelo menos seis níveis; o primeiro pode ser passado em cinco passos, o sexto pode exigir cinquenta.

Até para humanos já é difícil, para modelos, nem se fala.

Mas o ponto chave é: o modelo usado pelo AVO é o Claude Opus 5.

A NVIDIA colocou apenas uma “casca” sobre ele. Sem alterar um parâmetro do modelo, a pontuação saltou de 30,16% direto para o 100%.

Aqui, duas coisas realmente fizeram a diferença.

• Primeiro, memória persistente: mesmo com o contexto cheio, a memória não é zerada, então o agente continua do ponto onde parou, não precisa cometer o mesmo erro várias vezes.

• Segundo, o supervisor, que não faz o trabalho principal, mas observa toda a trilha de busca e puxa o agente principal para outra estratégia se ele começar a “andar em círculos”.

No entanto, tecnicamente, essa pontuação perfeita na verdade não conta.

Poucas horas após o anúncio da NVIDIA, François Chollet, o criador do ARC-AGI, disse no X:

De acordo com o próprio ARC Prize, o conjunto público não serve como base de avaliação: o que vale mesmo são os conjuntos semi-privados e privados, e o AVO não tem notas nestes.

Mais sutil ainda: essa já é a terceira pontuação máxima em seis semanas.

Tycho conseguiu isso no fim de julho, VISTA fez o mesmo em 5 de agosto, e o AVO foi o terceiro. As abordagens são completamente diferentes, mas todos usam o modelo Claude Opus 5.

Cada vez mais proclamam ter criado AGI, mas a verdade é que só duas empresas parecem realmente capazes disso.

E essa carta ainda não foi realmente posta na mesa.

Na entrevista exclusiva, Altman está confiante:

O Chief Research Officer Mark Chen é um pouco mais cauteloso. Para ele, a OpenAI ainda está a 20% de distância da AGI.

Pode soar ousado, mas eles têm algo concreto em mãos.

Este ano, a OpenAI definiu um objetivo claro: construir um estagiário de pesquisa em IA realmente funcional e automatizado.

Esse “estagiário de IA automático” é o Astra.

Dê ao Astra uma ideia experimental e ele pode programar, experimentar e entregar resultados no repositório de código da OpenAI.

Se jogar um artigo científico, Astra pode fazer em poucos dias o que antes levava uma semana para um dos melhores pesquisadores humanos.

Em uma recente demonstração interna, dezenas de executivos clientes puderam ver de perto.

Na tela, 16 agentes de IA decompuseram um problema de matemática de nível de pesquisa em vários subproblemas.

Cada um assumiu uma tarefa, conferindo uns aos outros no meio do caminho, e por fim, juntos, montaram a prova completa.

A impressão era de uma equipe muito entrosada trabalhando a portas fechadas.

O segundo demo foi ainda mais impressionante.

Astra abriu softwares comuns de desktop, alternando entre aplicativos, criando e editando arquivos, agendando tarefas—a velocidade era surreal para um humano ao teclado.

Quem viu percebeu: Astra desta vez realmente desbloqueou a “agência persistente”.

E Altman já prevê: “Acho que este será o primeiro modelo a inventar coisas realmente importantes. Isso é algo tipicamente AGI”.

Repare na expressão “inventar coisas novas”—isso implica criar do zero algo que nem os humanos ainda conhecem.

Recentemente, o primeiro chip proprietário da OpenAI, o “Jalapeño”, superou a GPU topo de linha do Huang.

O principal responsável foi o GPT-Astra.

Ele atuou diretamente em todo o processo, do design elétrico até o software.

No hardware, otimizou a eletrônica básica. No software, implementou e aprimorou os kernels essenciais e ainda calibrando três grandes modelos open source.

O resultado: o multiplicador BF16 ficou 56% mais eficiente, enquanto o die de matriz ficou 10% menor.

Os dois módulos essenciais—atenção e MoE—ficaram de 1,5 a 1,8 vez mais rápidos do que as versões feitas por especialistas humanos.

Veja, AI está literalmente refazendo circuitos físicos.

Curiosamente, a NVIDIA está fazendo exatamente a mesma coisa.

O AVO não foi feito para jogos, mas sim para escrever código de baixo nível para GPU.

Em março, a NVIDIA publicou um artigo, propondo delegar toda a modificação do código para um agente autônomo.

Em testes, ele operou por 7 dias consecutivos, sem intervenção humana, explorou mais de 500 direções de melhoria e submeteu 40 versões de kernels válidas.

O código resultante foi 3,5% mais rápido que as versões closed-source da própria NVIDIA, e 10,5% mais eficiente que as implementações open source de ponta.

Agora, conectando as duas histórias, a frase de Altman faz todo o sentido.

Cada ciclo de modelo consome imenso tempo de pesquisa humana—mas se o Astra assumir esse papel, a velocidade de desenvolvimento se transforma completamente.

Quando esse ciclo se inicia, o resto é pura questão de velocidade.

Na verdade, o GPT-5.6 e Fable 5 que temos hoje já são produtos da rodada anterior.

Mas rumores apontam que as verdadeiras próximas gerações de ambos já estão prontas.

• Spud (Sol): pré-treino terminado em março, corresponde aos atuais GPT-5.5/5.6;

• Doug: concluído entre abril e maio, recebeu treinamento adicional; é o Astra, o futuro GPT-6;

• Bel: pré-treino terminou em agosto, com mais de 10 trilhões de parâmetros, quase do tamanho do GPT-4.5.

Segundo vazamentos, o Bel é visto internamente como “o modelo básico pós-GPT-6” e pode mesmo ser a base para ultrapassar o limiar da AGI.

No Anthropic, em 18 de agosto, foi percebido que alguns usuários da versão web do Claude/Fable 5 foram migrados discretamente para um novo modelo.

Essa é uma tradição do Anthropic—Fable 5 também foi lançado assim.

Pouco depois, os codinomes foram expostos.

• claude-melon-eap, provavelmente Fable 5.1;

• claude-marshmallow-eap, provavelmente Opus 5.1.

Ambos já estão rodando em áreas restritas e podem ser lançados publicamente a qualquer momento.

Quanto a por que estão segurando o lançamento, analistas apontam: quem lançar primeiro será ofuscado pela resposta do concorrente em poucos dias.

Especialmente porque dizem que a Anthropic pode já no início de 2027 assumir a dianteira.

Isso delimita exatamente o tempo da guerra atual.

Restam 4 meses de 2026.

Analistas estimam que Anthropic tem 88% de chance de abrir o capital antes da OpenAI, provavelmente em 26 de outubro deste ano, enquanto OpenAI tem previsão para 15 de julho do ano que vem.

No primeiro dia de negociação, a Anthropic vale 1,82 trilhão de dólares, OpenAI 1,06 trilhão.

O CFO da OpenAI afirmou em agosto que a empresa abrirá capital até 2027, ou antes, desde que o negócio “continue decolando”.

Ou seja, a tal AGI de final de ano é mais do que um marco técnico.

É a página mais crítica do prospecto de IPO.

Se entregar, a narrativa da OpenAI muda de “queimamos dinheiro com modelos” para “já cruzamos a linha de chegada”, e o valuation muda completamente. Se não entregar, em julho do ano que vem, o sino soará ainda contando a história do dinheiro queimado.

E essa guerra é inadiável por causa de quatro palavras: melhoria recursiva de si mesma.

A frase de Huang, “40 mil humanos comandando 4 milhões de agentes AI”, e a da OpenAI, “a IA já está criando a próxima geração”, dizem a mesma coisa: quando a IA faz sua própria sucessora, o avanço deixa de ser linear.

Por isso todos apostam: na corrida pela Superinteligência Artificial (ASI), o vencedor leva tudo.

O primeiro a acionar esse ciclo leva tudo o que vier depois. O segundo colocado pode nem ter chance de tentar alcançar.

Altman não tem mais para onde fugir.

Edição: Moisés, Momoko