Startup de Mira Murati lança IA de 594 bilhões de parâmetros e negocia rodada que pode elevar seu valor a US$ 40 bilhões

A Thinking Machines Labs, fundada por Mira Murati, ex-CTO do OpenAI Group PBC, lançou nesta quinta-feira o Inkling 2 Small, um modelo de linguagem grande (LLM) voltado à automação de treinamento de inteligência artificial, programação e tarefas empresariais. Paralelamente, a startup negocia uma rodada de financiamento de US$ 5 bilhões liderada pela Accel, que pode elevar sua avaliação para US$ 40 bilhões.

O Inkling 2 Small foi desenvolvido para executar tarefas que atualmente exigem equipes especializadas de cientistas de dados e engenheiros de aprendizado de máquina, como o pós-treinamento de redes neurais, o ajuste fino de outros modelos de linguagem e a otimização de componentes internos. A Thinking Machines apresenta o LLM como um motor de automação para o desenvolvimento de IA, com potencial para acelerar ciclos de testes e reduzir custos de experimentação.

Segundo a empresa, o modelo foi submetido a centenas de milhares de desafios complexos de programação, incluindo exercícios de “autoresearch”, nos quais o próprio sistema precisa projetar, pós-treinar e otimizar outros sistemas de inteligência artificial. Nessas tarefas, o LLM teria atuado como uma espécie de pesquisador automatizado, ajustando arquiteturas e kernels de modelos concorrentes.

Em testes práticos, o Inkling 2 Small foi utilizado para ajustar o modelo de código aberto Qwen3.5-4B com foco em previsões meteorológicas. “Inkling 2 Small dobrou a pontuação do modelo Qwen3.5-4B em previsões meteorológicas em 4,5 horas”, informou a Thinking Machines. A empresa também afirmou que o desempenho superou o de concorrentes como Spark Open e Kimi K3 em benchmarks de conhecimento e em conjuntos de tarefas financeiras.

O lançamento ocorre em meio à disputa global pelo desenvolvimento de modelos de linguagem mais eficientes e baratos de operar, capazes de funcionar em escala empresarial e de se adaptar rapidamente a aplicações específicas. Ao combinar um grande número de parâmetros com foco na automação do treinamento, a Thinking Machines busca ocupar um espaço de infraestrutura para outros modelos de IA, além de competir diretamente com eles.

A estratégia da empresa é direcionada a grandes clientes corporativos e laboratórios de pesquisa interessados em modelos que aprendam mais rapidamente e exijam menos tempo de processamento durante o pós-treinamento. De acordo com a Thinking Machines, o novo modelo aprende mais rápido que versões anteriores, o que pode reduzir os custos dessa etapa.

O Inkling 2 Small soma 594 bilhões de parâmetros e foi treinado em clusters proprietários GB300 NVL72, que combinam alto poder de processamento com redes de comunicação de alta velocidade. Cada cluster reúne 72 GPUs Blackwell Ultra e um conjunto de CPUs de apoio, formando a infraestrutura utilizada no pré-treinamento em larga escala.

Segundo a empresa, o pré-treinamento foi concluído em 68 horas. O refinamento posterior, realizado com aprendizado por reforço, durou nove dias e envolveu várias etapas intermediárias. Nesse processo, o modelo teria aprendido padrões de linguagem natural, código, lógica de otimização e estratégias de pesquisa automatizada.

Uma das características destacadas pela Thinking Machines é a capacidade de ajustar dinamicamente o uso de recursos computacionais. Na prática, o sistema pode ativar mais ou menos parâmetros e utilizar diferentes níveis de processamento de GPU conforme a complexidade da tarefa. Com isso, o usuário pode priorizar a qualidade máxima ou reduzir os custos de operação.

Do total de parâmetros informados para o Inkling 2 Small, 292 milhões pertencem ao codificador visual integrado. Esse componente é responsável por interpretar imagens e verificar visualmente os resultados produzidos pelo próprio modelo. A combinação entre linguagem e visão amplia as possibilidades de automação, especialmente em aplicações que dependem de interfaces gráficas.

No comércio eletrônico, por exemplo, o LLM pode criar uma loja virtual, revisar o código da página em busca de erros e inspecionar visualmente as telas renderizadas para verificar se botões, imagens e textos estão posicionados corretamente. A mesma abordagem pode ser aplicada a painéis financeiros, mapas e gráficos técnicos, nos quais falhas visuais podem indicar problemas no código ou nos dados.

A capacidade de processamento visual também pode ser utilizada em áreas como meteorologia e geociências, que trabalham com mapas, imagens de satélite e modelos gráficos de previsão. Ao reunir análise numérica, textual e visual em um único sistema, o Inkling 2 Small pretende funcionar como uma infraestrutura integrada para equipes de dados e engenharia.

Para usuários avançados, a Thinking Machines oferece a possibilidade de pós-treinamento do modelo com dados próprios de empresas ou laboratórios. Caso a velocidade de aprendizado informada pela companhia se confirme, a customização poderá ser realizada em menos tempo e com menor custo, reduzindo tanto o período de desenvolvimento quanto as despesas com serviços de computação em nuvem.

A combinação de automação de pesquisa, visão integrada e personalização rápida é direcionada principalmente a grandes empresas que precisam de modelos adaptados a seus setores, como bancos, seguradoras, varejistas online e companhias de energia, mas não desejam construir uma infraestrutura de inteligência artificial do zero.

O Inkling 2 Small está disponível desde o lançamento no Tinker, serviço de nuvem da própria Thinking Machines. A plataforma permite que clientes acessem o modelo por meio de uma API e integrem seus recursos a aplicativos, chatbots, sistemas internos e pipelines de dados.

Além do acesso em nuvem, a empresa anunciou que pretende liberar os pesos do LLM sob uma licença de código aberto na próxima semana. A medida pode ampliar o uso do modelo por pesquisadores, startups e comunidades independentes de desenvolvedores, que poderão realizar ajustes, criar versões especializadas e adaptar o sistema a diferentes tipos de hardware.

A abertura dos pesos também pode aumentar a pressão sobre concorrentes para que adotem tecnologias mais transparentes ou interoperáveis, em um momento de debate entre governos e órgãos reguladores sobre explicabilidade de decisões algorítmicas e segurança em aplicações sensíveis.

Em paralelo ao lançamento, a Thinking Machines negocia uma rodada de financiamento de US$ 5 bilhões liderada pela Accel. Se concluída nos termos divulgados, a operação poderá elevar a avaliação da empresa para US$ 40 bilhões e colocá-la entre as startups mais valiosas do setor de inteligência artificial, apesar de sua existência relativamente recente.

Os recursos deverão ser destinados à expansão da infraestrutura de computação, à contratação de equipes de pesquisa e ao desenvolvimento de novas versões da família Inkling. O aporte também poderá facilitar parcerias com grandes empresas de tecnologia, provedores de serviços em nuvem e clientes corporativos globais dos setores financeiro, varejista e industrial.

A liderança de Mira Murati acrescenta relevância ao movimento. Com experiência em grandes laboratórios de inteligência artificial, a executiva agora comanda uma empresa que busca disputar espaço em um mercado concentrado em poucos participantes. A composição da liderança também pode influenciar a cultura interna, as políticas de contratação e a abordagem da companhia em relação à segurança e à responsabilidade no uso de IA.

Nos próximos meses, a adoção comercial do Inkling 2 Small, a recepção da comunidade de código aberto e a conclusão da rodada com a Accel deverão indicar se a aposta da Thinking Machines em automação de treinamento e abertura de tecnologia resultará em uma vantagem competitiva sustentável no setor de inteligência artificial.

Fonte: Miraí Broadcast