Eficiência da IA: por que modelos maiores já não são suficientes
A escala construiu a inteligência artificial moderna. Mas a história sugere que tecnologias maduras avançam quando aprendem a fazer mais com menos.
Durante grande parte da última década, a estratégia por trás da inteligência artificial foi simples: acrescentar mais poder computacional.
Pesquisadores treinaram redes neurais maiores com conjuntos de dados cada vez mais extensos, utilizando clusters progressivamente mais caros de chips especializados. O método funcionou. Mais computação produziu modelos de linguagem melhores, imagens mais realistas, ferramentas científicas mais poderosas e sistemas capazes de resolver problemas cada vez mais complexos.
Essa corrida ainda não terminou. Desde 2020, a capacidade computacional empregada no treinamento de modelos de linguagem de fronteira tem crescido aproximadamente cinco vezes por ano. Ao mesmo tempo, o custo estimado dos maiores treinamentos aumentou drasticamente: de alguns milhões de dólares no início da década para centenas de milhões em determinados projetos.
Mas uma segunda corrida está se tornando igualmente importante.
Não é a corrida para utilizar mais computação. É a corrida para extrair o máximo de inteligência de cada chip, de cada watt e de cada dólar.
A fronteira da eficiência computacional
Para qualquer quantidade fixa de poder computacional, existe um limite prático para o desempenho que os algoritmos atuais conseguem alcançar. Pesquisadores podem melhorar um modelo adicionando processadores, dados ou tempo de treinamento, mas os ganhos geralmente se tornam progressivamente menores.
Isso não significa que a inteligência artificial tenha alcançado um limite permanente. A própria fronteira pode se deslocar. Uma nova arquitetura, um método de treinamento mais eficiente ou uma otimização de software pode permitir que o mesmo hardware produza resultados muito superiores.
A diferença é fundamental.
Adicionar mais computação significa avançar ao longo da fronteira existente. Inventar um algoritmo melhor significa deslocar a própria fronteira.
As leis modernas de escala indicam que o desempenho dos modelos geralmente melhora de acordo com uma lei de potência. Aumentar a escala, portanto, continua funcionando, mas dobrar o orçamento computacional normalmente não significa dobrar a inteligência ou a precisão.
Avanços maiores exigem investimentos cada vez mais elevados.
Essa é a versão tecnológica dos retornos marginais decrescentes: mais recursos ainda ajudam, mas cada unidade adicional tende a contribuir menos do que a anterior.
O custo está se tornando físico
O problema já não se limita ao preço das GPUs ou TPUs.
Sistemas de inteligência artificial precisam de eletricidade, equipamentos de refrigeração, memória de alta largura de banda, infraestrutura de rede, terrenos e enormes volumes de capital. Durante o treinamento, milhares de processadores precisam trocar dados e permanecer sincronizados.
À medida que os clusters aumentam, atrasos de comunicação e gargalos de memória podem impedir que a adição de novos chips produza ganhos proporcionais.
A Agência Internacional de Energia estima que o consumo mundial de eletricidade dos centros de dados poderá alcançar aproximadamente 945 terawatt-hora em 2030, cerca do dobro do nível registrado em 2024.
Isso não significa que a inteligência artificial ficará sem eletricidade amanhã. Significa que a eficiência está deixando de ser apenas uma preferência acadêmica para se tornar uma exigência econômica e de infraestrutura.
A pergunta central está mudando.
Antes:
Até onde podemos aumentar o tamanho do modelo?
Agora:
Quanta capacidade podemos obter dos recursos que já estão disponíveis?
Chinchilla: um modelo menor, treinado de forma mais inteligente
Um dos exemplos mais claros dessa mudança surgiu com o Chinchilla, desenvolvido pela Google DeepMind.
Antes do Chinchilla, muitos desenvolvedores presumiam que a melhor maneira de utilizar um orçamento fixo de treinamento era construir o maior modelo possível. Os pesquisadores da DeepMind argumentaram que vários modelos de linguagem importantes possuíam parâmetros demais e haviam sido treinados com dados insuficientes.
O Chinchilla foi treinado com 70 bilhões de parâmetros, apenas um quarto dos 280 bilhões do Gopher, mas recebeu aproximadamente quatro vezes mais dados durante o treinamento.
Quando foi apresentado, em março de 2022, o Chinchilla havia utilizado praticamente o mesmo volume total de computação que o Gopher, mas o superou em uma ampla variedade de avaliações. Também exigia menos recursos durante sua utilização, porque o modelo final era menor.
A conclusão não foi que modelos pequenos são sempre superiores.
A conclusão foi que o equilíbrio entre tamanho do modelo, quantidade de dados e orçamento computacional é tão importante quanto o volume total de recursos.
Um bilhão de dólares mal distribuído pode produzir menos inteligência do que uma fração desse valor empregada de maneira eficiente.
Mixture of Experts: nem todos os neurônios precisam trabalhar o tempo todo
Outra estratégia consiste em evitar que o modelo inteiro seja ativado para processar cada palavra.
Sistemas conhecidos como Mixture of Experts, ou mistura de especialistas, dividem a rede neural em módulos especializados. Um mecanismo de roteamento decide quais especialistas devem processar cada token.
O modelo pode conter um número total muito elevado de parâmetros, mas utilizar apenas uma fração deles em cada operação.
O Mixtral 8x7B, apresentado pela Mistral AI em dezembro de 2023, possui aproximadamente 46,7 bilhões de parâmetros, mas ativa apenas cerca de 12,9 bilhões por token. Nas avaliações divulgadas por seus desenvolvedores, igualou ou superou o desempenho do Llama 2 70B, lançado em julho de 2023, realizando o volume de cálculos de um modelo ativo consideravelmente menor.
O DeepSeek-V3, apresentado em dezembro de 2024, aplicou um princípio semelhante em escala muito maior. O modelo contém 671 bilhões de parâmetros no total, mas ativa aproximadamente 37 bilhões por token.
Seus desenvolvedores relataram 2,788 milhões de horas de processamento em GPUs Nvidia H800 durante o treinamento oficial. Considerando um valor hipotético de dois dólares por hora de GPU, essa fase teria custado aproximadamente US$ 5,6 milhões.
Esse número exige uma ressalva importante.
Ele representa o custo estimado do treinamento final relatado, e não o custo total de desenvolvimento da empresa, coleta e processamento de dados, compra de infraestrutura, experimentos anteriores ou testes de arquiteturas alternativas. O relatório técnico exclui explicitamente a pesquisa preliminar e os experimentos de ablação.
A importância do exemplo, portanto, não está na afirmação de que um modelo de fronteira possa ser criado do zero por US$ 5,6 milhões.
Está na demonstração de que escolhas arquitetônicas e avanços de engenharia podem reduzir substancialmente a computação necessária para o treinamento final.
FlashAttention: às vezes, a matemática não é o problema
Aumentar a eficiência nem sempre exige mudar aquilo que a rede neural calcula. Em alguns casos, o avanço surge ao mudar a maneira como o cálculo é executado.
Modelos Transformer movimentam repetidamente informações entre diferentes níveis da memória das GPUs. Essas transferências podem se tornar um grande gargalo, principalmente quando os modelos processam documentos extensos.
O FlashAttention, apresentado em maio de 2022, reorganizou o cálculo tradicional da atenção para reduzir a movimentação desnecessária entre a memória de alta largura de banda, mais lenta, e a memória interna do chip, muito mais rápida.
O sistema calcula o mesmo resultado matemático, em vez de substituir a atenção por uma aproximação de qualidade inferior.
O trabalho original relatou uma aceleração de aproximadamente três vezes no treinamento do GPT-2 em um dos testes. Trabalhos posteriores registraram ganhos de duas a quatro vezes no tempo efetivo de execução e reduções de memória que, em determinadas configurações, chegaram a uma ordem de magnitude ou mais.
Nenhuma inteligência adicional foi obtida pela simples adição de GPUs.
A melhoria surgiu da compreensão de como o hardware realmente movimenta os dados.
Esse tipo de otimização pode parecer menos espetacular do que o anúncio de um modelo com trilhões de parâmetros. Mas, multiplicada por milhões de usuários e bilhões de consultas, pode produzir um impacto econômico extraordinário.
O preço da inteligência já está caindo
A evidência mais forte da revolução da eficiência talvez esteja na inferência — o processo de executar um modelo já treinado para responder a uma solicitação.
Segundo o AI Index 2025, da Universidade Stanford, o custo de utilização de um modelo com desempenho aproximadamente equivalente ao GPT-3.5 no benchmark MMLU caiu de cerca de US$ 20 por milhão de tokens, em novembro de 2022, para US$ 0,07 em outubro de 2024.
Isso representa uma redução superior a 280 vezes em menos de dois anos.
Os modelos não ficaram mais baratos porque a inteligência artificial perdeu valor. Os preços caíram devido a chips melhores, modelos menores e mais capazes, técnicas de quantização, softwares de inferência mais eficientes, maior competição e novas arquiteturas.
Pesquisas mais recentes estimam que o preço necessário para obter um nível fixo de desempenho vem diminuindo entre cinco e dez vezes por ano em várias categorias. A eficiência puramente algorítmica, por sua vez, pode estar melhorando a uma taxa próxima de três vezes por ano.
Isso poderá ter mais importância econômica do que outro pequeno avanço em um benchmark.
Um modelo que custa um centésimo do preço original pode ser utilizado em escolas, hospitais, pequenas empresas, dispositivos pessoais e serviços públicos que jamais poderiam pagar pelo sistema anterior.
James Watt e a reinvenção da máquina a vapor
Essa mesma transição apareceu repetidamente na história da tecnologia.
A máquina a vapor de Thomas Newcomen, desenvolvida no início do século XVIII, era útil, mas extremamente ineficiente. Ela aquecia e resfriava repetidamente o mesmo cilindro, desperdiçando grandes quantidades de combustível.
O projeto era economicamente viável principalmente em minas de carvão, onde combustível barato estava disponível e a máquina podia ser utilizada para bombear água.
A inovação decisiva de James Watt não foi simplesmente construir um motor maior.
Watt introduziu um condensador separado, permitindo que o cilindro principal permanecesse quente enquanto o vapor era condensado em outro compartimento.
Essa redução do desperdício térmico transformou a economia da energia a vapor. Uma máquina anteriormente viável sobretudo nas proximidades de carvão barato passou a ser utilizada em um conjunto muito mais amplo de indústrias e regiões.
Newcomen demonstrou que a energia a vapor funcionava.
Watt tornou essa energia eficiente o suficiente para se espalhar.
Revoluções tecnológicas frequentemente começam com capacidade bruta, mas se tornam economicamente transformadoras por meio da eficiência.
Aviação: aeronaves melhores, não apenas motores maiores
A aviação comercial seguiu uma trajetória semelhante.
Os primeiros avanços dependeram parcialmente do aumento da potência dos motores. Mas as aeronaves modernas não se tornaram bem-sucedidas pela simples ampliação indefinida do empuxo.
Engenheiros aperfeiçoaram motores turbofan de alta razão de desvio, aerodinâmica, desenho das asas, sistemas de navegação, peso estrutural e materiais compostos.
A Organização da Aviação Civil Internacional estima que as aeronaves modernas sejam aproximadamente 80% mais eficientes no consumo de combustível por passageiro-quilômetro do que os aviões da década de 1960.
Um avião comercial moderno pode viajar mais longe, transportar mais passageiros e consumir muito menos combustível por pessoa transportada.
A indústria madura da aviação, portanto, não é definida pelo fabricante capaz de instalar o maior motor possível em uma aeronave.
É definida pela eficiência com que todo o sistema transforma combustível em transporte seguro.
A inteligência artificial está avançando em direção ao mesmo tipo de pensamento sistêmico.
Da velocidade de clock aos processadores multicore
A computação pessoal oferece outro exemplo.
Durante muitos anos, fabricantes melhoraram o desempenho dos processadores principalmente reduzindo o tamanho dos transistores e aumentando a frequência de clock. Frequências maiores permitiam que o processador executasse mais instruções por segundo.
Com o tempo, porém, o calor e o consumo energético se tornaram limitações sérias. Elevar ainda mais a frequência exigia energia excessiva e tornava os processadores difíceis de resfriar.
A indústria migrou então para processadores multicore, execução paralela, aceleradores especializados, melhores hierarquias de memória e arquiteturas desenvolvidas para cargas de trabalho específicas.
O enfraquecimento da Lei de Moore e, sobretudo, o fim do escalonamento de Dennard limitaram a estratégia tradicional de aumentar continuamente a frequência dos processadores. A continuidade do avanço passou a depender de arquiteturas multicore, paralelismo e aceleradores especializados.
A continuidade do progresso passou a depender cada vez mais de novas arquiteturas, e não apenas do aumento da frequência de um processador de uso geral.
Os aceleradores modernos de inteligência artificial são, eles próprios, produtos dessa transição.
As GPUs se tornaram importantes não porque cada núcleo individual fosse universalmente mais rápido, mas porque muitos cálculos podiam ser executados em paralelo com maior eficiência.
Das lâmpadas incandescentes aos LEDs
A iluminação talvez ofereça o exemplo mais simples.
Uma lâmpada incandescente produz luz aquecendo um filamento até que ele brilhe. Grande parte da energia recebida é, portanto, perdida na forma de calor.
Um LED produz luz por meio de um processo físico fundamentalmente diferente.
Segundo o Departamento de Energia dos Estados Unidos, LEDs modernos podem utilizar até 90% menos eletricidade e durar até 25 vezes mais do que lâmpadas incandescentes tradicionais.
O LED não venceu por se tornar a lâmpada incandescente mais quente ou mais potente já fabricada.
Venceu porque mudou o mecanismo pelo qual a eletricidade era convertida em luz.
É assim que ocorre um verdadeiro deslocamento da fronteira da eficiência.
Eficiência não significa o fim da escala
Existe um paradoxo importante.
Uma inteligência artificial mais eficiente pode não reduzir a demanda total por computação. Pode aumentá-la.
Quando o custo de gerar uma resposta diminui, empresas desenvolvem mais aplicativos, usuários fazem mais solicitações e a inteligência artificial é incorporada a um número crescente de produtos.
A inteligência mais barata pode criar demanda suficiente para compensar — ou até superar — a economia obtida em cada operação individual.
É por isso que a eficiência algorítmica e os enormes centros de dados podem crescer simultaneamente.
Desenvolvedores de fronteira provavelmente continuarão construindo sistemas maiores, enquanto modelos eficientes se espalharão por celulares, computadores, veículos, robôs e equipamentos industriais.
O futuro dificilmente será uma escolha entre escala e eficiência.
Será escala multiplicada por eficiência.
Uma empresa que melhora seus algoritmos pode utilizar a economia para reduzir preços — ou para treinar um sistema ainda mais poderoso com a mesma infraestrutura.
O próximo avanço pode parecer menor
O próximo grande avanço da inteligência artificial talvez não seja anunciado como a maior rede neural já construída.
Pode ser um modelo que iguale o desempenho de um concorrente muito maior ativando apenas um décimo dos parâmetros. Pode processar documentos extensos utilizando uma fração da memória. Pode funcionar localmente, sem enviar cada solicitação para um centro de dados. Pode aprender com informações melhor selecionadas, em vez de simplesmente consumir volumes indiscriminados de dados.
Esses avanços podem parecer menos espetaculares do que outro cluster de treinamento recordista.
Ainda assim, poderão determinar quais sistemas de inteligência artificial serão economicamente sustentáveis e amplamente acessíveis.
A primeira fase da inteligência artificial moderna demonstrou que a escala funciona.
A próxima fase determinará com quanta inteligência essa escala será utilizada.
A história da tecnologia sugere que indústrias maduras raramente são definidas por quem constrói as maiores máquinas. A energia a vapor se espalhou quando os motores passaram a desperdiçar menos carvão. A aviação avançou ao transportar passageiros mais longe com menos combustível. A computação superou os limites da velocidade de clock por meio de novas arquiteturas. A iluminação foi transformada não por um filamento maior, mas pelo LED.
A inteligência artificial está se aproximando do mesmo ponto de inflexão.
Os vencedores ainda poderão possuir enormes infraestruturas computacionais. Mas o hardware, por si só, não será suficiente.
A vantagem decisiva pertencerá àqueles capazes de transformar computação em capacidade com o mínimo de desperdício.
Na próxima era da inteligência artificial, a inteligência não será medida apenas pelo que um modelo consegue fazer.
Será medida também pela eficiência com que consegue fazê-lo.
Referências
Epoch AI. 2026. “Trends in Artificial Intelligence.” Updated February 5, 2026.
International Energy Agency. 2025. Energy and AI. Paris: IEA.
Hoffmann, Jordan, Sebastian Borgeaud, Arthur Mensch, Elena Buchatskaya, Trevor Cai, Eliza Rutherford, Diego de Las Casas, et al. 2022. “Training Compute-Optimal Large Language Models.” Advances in Neural Information Processing Systems 35: 30016–30030.
Mistral AI Team. 2023. “Mixtral of Experts.” December 11, 2023.
DeepSeek-AI, Aixin Liu, Bei Feng, Bing Xue, Bingxuan Wang, Bochao Wu, Chengda Lu, et al. 2025. “DeepSeek-V3 Technical Report.” arXiv:2412.19437 [cs.CL].
Dao, Tri, Daniel Y. Fu, Stefano Ermon, Atri Rudra, and Christopher Ré. 2022. “FlashAttention: Fast and Memory-Efficient Exact Attention with IO-Awareness.” Advances in Neural Information Processing Systems 35: 16344–16359.
Stanford Institute for Human-Centered Artificial Intelligence. 2025. The 2025 AI Index Report. Stanford, CA: Stanford University.
Gundlach, Hans, Jayson Lynch, Matthias Mertens, and Neil Thompson. 2025. “The Price of Progress: Price Performance and the Future of AI.” MIT FutureTech Working Paper.
National Museums Scotland. n.d. “The Newcomen Atmospheric Engine.” Accessed July 22, 2026.
International Civil Aviation Organization. 2010. ICAO Environmental Report 2010: Aviation and Climate Change—Chapter 2, Aircraft Technology Improvements. Montreal: ICAO.
Al Amin, Md. Tanvir. 2010. “Multi-core: Adding a New Dimension to Computing.” arXiv:1011.3382 [cs.OH].
U.S. Department of Energy. 2021. Consumer Guide to Energy-Efficient Lighting. DOE/EE-2465. Washington, D.C.: U.S. Department of Energy.
Editorial transparency note: This article, as with all articles published on this site, was conceived, directed, written, and reviewed by Prof. Maurício Veloso Brant Pinheiro. Artificial intelligence was used as an assistant for editorial refinement, formatting, image generation, SEO metadata, and publication workflow.
Copyright 2026 AI-Talks.org
