Resumo

• Meta anunciou quatro chips MTIA (300, 400, 450, 500) para IA, com lançamentos semestrais até 2027.
• Os chips usam arquitetura de “chiplets” para atualizações rápidas e são otimizados para diferentes cargas de trabalho de IA.
• A empresa desenvolveu um ecossistema de software nativo em PyTorch, eliminando a necessidade de reescrever códigos para os novos chips.

A Meta anunciou quatro novas gerações de chips proprietários para infraestrutura de inteligência artificial. Os novos modelos — batizados de MTIA 300, 400, 450 e 500 — devem sustentar a operação de LLMs avançados em escala global com custos menores. Segundo a Meta, alguns já estão em fase de testes nos data centers da empresa e outros têm implantação prevista até 2027.

Os quatro compartilham características como a arquitetura baseada em “chiplets”, pequenos blocos independentes de silício que formam o processador. Segundo a Meta, eles permitem atualizações de hardware mais rápidas do que o modelo convencional. Com isso, a empresa afirma ser capaz de lançar um novo processador a cada seis meses, mantendo o hardware alinhado às necessidades do software

A empresa também implementou um ecossistema de software construído nativamente para o padrão PyTorch. Ele dispensa a necessidade de reescrever códigos para que os modelos funcionem nos novos chips.

MTIA (de Meta Training and Inference Accelerator) é uma família desenvolvida pela empresa em parceria com a Broadcom. As duas gerações anteriores — MTIA 1 e MTIA 2i, hoje chamadas de MTIA 100 e MTIA 200 — já foram testadas com os modelos de linguagem da companhia, como o Llama.

MTIA 300

O mais básico da nova linha, o MTIA 300 foi projetado como uma base de baixo custo. Ele é otimizado para trabalhos de classificação e recomendação da Meta (como os algoritmos de feed dos usuários), e já está em produção, segundo a empresa, atuando no treinamento desses algoritmos.

A arquitetura dele combina um chiplet de computação com núcleos RISC-V, dois chiplets de rede e pilhas de memória rápida HBM, que otimizam o trânsito de grandes volumes de dados. O chip opera a 800 W de consumo, oferece 216 GB de memória e 6,1 TB/s de largura de banda, atingindo 1,2 PFLOPs em cálculos no formato FP8/MX8 e 0,6 PFLOPs em BF16 — formatos de baixa precisão que tornam a execução da IA mais rápida e eficiente energeticamente.

Como diferencial, o modelo tem motores de mensagens dedicados, que aliviam o processamento de comunicação do sistema e reduzem a latência.

MTIA 400

O MTIA 400 é voltado para cargas de trabalho gerais de IA generativa. Para isso, combina dois chiplets de computação — dobrando a densidade de processamento — e eleva o consumo para 1.200 W. O chip tem 288 GB de memória e 51% mais largura de banda HBM em relação ao modelo 300, atingindo 9,2 TB/s. O desempenho chega a 6 PFLOPs no formato FP8/MX8 e 12 PFLOPs em MX4.

O chip já concluiu a fase de testes e está a caminho da implantação oficial. Na infraestrutura, 72 aceleradores são conectados em um único rack, com resfriamento líquido auxiliado por ar, o que pode permitir a instalação mesmo em data centers mais antigos.

MTIA 450

O MTIA 450 tem foco na etapa de geração de conteúdo para os usuários, ou etapa de inferência, com a IA já treinada. Para acelerar esse processo, o chip mantém os 288 GB de memória HBM com o dobro da largura de banda do modelo anterior, chegando a 18,4 TB/s, operando a 1.400 W. O chip também aumenta o desempenho em 75% ao utilizar o MX4, outro formato de dados de precisão ainda mais baixa otimizado para inferência.

Em desempenho, atinge 7 PFLOPs em FP8/MX8 e robustos 21 PFLOPs em MX4. Traz também aceleração em hardware para operações de Softmax e FlashAttention, algoritmos que as redes neurais usam para calcular probabilidades e entender o contexto durante a geração de texto.

A implantação em massa está prevista para o início de 2027.

MTIA 500

O mais avançado da nova linha tem uma configuração quadrada de chiplets de computação menores, cercados por pilhas de memória e rede.

A principal novidade é um chiplet SoC — que agrupa diversas funções em uma única peça —, responsável por oferecer conexão direta de alta velocidade com o processador principal do servidor.

Com consumo de 1.700 W, o chip eleva a largura de banda HBM para 27,6 TB/s e oferece capacidade de memória expansível entre 384 GB e 512 GB. O desempenho máximo chega a 10 PFLOPs em FP8/MX8 e 30 PFLOPs em MX4. A implantação em massa também está prevista para 2027.

Meta revela quatro chips MTIA para impulsionar IA

Resumo

• A Meta manipulou testes do Llama 4, usando variantes diferentes do modelo para otimizar resultados, o que levou à perda de confiança de Mark Zuckerberg no departamento de IA.
• Como consequência, a Meta investiu US$ 15 bilhões na Scale AI e nomeou Alexandr Wang para liderar uma nova unidade de pesquisa em IA, além de contratar cientistas de elite com bônus de até US$ 100 milhões.
• Yann LeCun, ex-chefe de IA da Meta, criticou a estratégia da empresa e fundou sua própria startup, a AMI Labs, em Paris, para focar em treinamentos de IA com vídeos e dados espaciais.

Yann LeCun, ex-chefe do departamento de inteligência artificial da Meta, confirmou que a empresa “manipulou um pouco” os testes de benchmarking do Llama 4. Segundo o executivo, os engenheiros usaram diferentes variantes do modelo em cada uma das provas para otimizar os resultados.

A declaração de LeCun, dada em uma entrevista ao Financial Times, retoma uma polêmica da época do lançamento do Llama 4, em abril de 2025. Poucos dias após o anúncio, especialistas observaram que os testes foram feitos com um modelo diferente do liberado para o público. Na ocasião, a Meta afirmou que usou diversas versões experimentais e que todas tiveram bons resultados.

A situação ficou mais feia quando usuários e desenvolvedores começaram a usar o Llama 4 e ficaram desapontados com o desempenho do modelo em condições reais.

Quais foram as consequências da manipulação?

LeCun relata que Mark Zuckerberg, CEO da Meta, não gostou da atitude e “basicamente perdeu a confiança em todos os envolvidos”. A resposta, nas palavras do ex-líder de IA, foi imediata, com a decisão de “jogar para escanteio” toda a organização de IA generativa. O cientista contou que “muitos já saíram, e muitos que ainda não saíram vão sair”.

A companhia, então, mudou sua estratégia: investiu US$ 15 bilhões na Scale AI e colocou Alexandr Wang, CEO da startup, para chefiar uma unidade de pesquisa em modelos de IA. Além disso, a empresa fez diversas contratações, atraindo cientistas de elite de concorrentes com bônus de até US$ 100 milhões.

LeCun critica estratégia da Meta

LeCun passou a ser chefiado por Wang — e não gostou. Na entrevista para o FT, ele dispara: o novo líder “não tem experiência em pesquisa ou como fazer pesquisas”. O até então chefe de IA da Meta tem um currículo acadêmico de peso, incluindo um prêmio Turing por seu trabalho com redes neurais profundas.

Além disso, LeCun discordou dos rumos da empresa, que aposta alto em escalar modelos de linguagem de larga escala (LLMs). Ele considera que esse tipo de IA não é capaz de atingir a superinteligência tão desejada por Zuckerberg. “Minha integridade como cientista não me permite fazer isso”, ressalta.

O cientista defende que os LLMs não conseguem processar informações suficientes para desenvolver inteligência. Para LeCun, uma criança de quatro anos recebe 50 vezes mais dados do que o presente em todos os textos publicados na internet.

Ele explica que tentar fazer um modelo desse tipo desenvolver inteligência é como tentar aprender carpintaria lendo todos os livros já publicados sobre madeira, mas sem tocar em um martelo. Por isso, o pesquisador acredita que treinamentos com vídeos e dados espaciais são necessários para a IA conseguir um aprendizado baseado em física.

Fora da Meta, LeCun criou sua própria startup, a AMI Labs. Ela tem sede em Paris, e seu fundador diz que há um motivo para isso. “O Vale do Silício está completamente hipnotizado por modelos generativos, então você tem que fazer esse tipo de trabalho longe de lá”, explica.

Com informações do Implicator.ai

Ex-chefe da Meta diz que benchmarks do Llama 4 foram manipulados

Resumo

• A Meta planeja lançar o modelo Llama 4 em 2026, abandonando o código aberto para competir com OpenAI e Google.
• A reestruturação visa priorizar a lucratividade, com investimentos de US$ 600 bilhões em infraestrutura de IA nos EUA.
• O desenvolvimento do modelo Avocado envolve o uso de dados de concorrentes e cortes em outras divisões da empresa.

A Meta estaria reestruturando a divisão de inteligência artificial para priorizar a lucratividade e o controle da tecnologia, de acordo com uma reportagem da agência Bloomberg. Com isso, a empresa de Mark Zuckerberg se afastaria da filosofia de código aberto que ela própria defendeu nos últimos anos.

O cerne da questão seria o modelo Llama 4, que ainda não foi lançado, mas já se tornou alvo de críticas por suposta manipulação de testes de desempenho. Ele está previsto para chegar ao mercado em meados de 2026 e deve ser um produto rigorosamente controlado pela Meta.

Por que a Meta decidiu mudar a estratégia?

Fontes ligadas à empresa relataram à Bloomberg que a transição foi acelerada após o cancelamento de um projeto intermediário chamado Behemoth. Desapontado com a trajetória dele, Zuckerberg teria descartado a ideia para focar numa nova arquitetura batizada de Avocado.

A mudança também responde a pressões financeiras. Segundo informações de reportagens da Bloomberg e do The Verge, o plano é alinhar a companhia aos modelos de negócios das rivais OpenAI e Google, buscando rentabilizar os investimentos trilionários no setor de IA.

Investidores de Wall Street têm questionado os gastos da Meta. Zuckerberg prometeu desembolsar US$ 600 bilhões (cerca de R$ 3,2 trilhões) em projetos de infraestrutura nos Estados Unidos nos próximos três anos, a maioria relacionada à inteligência artificial. O modelo de código aberto dificulta a monetização necessária para justificar as despesas.

Treinamento com tecnologia rival e desafios

O desenvolvimento do Avocado é de responsabilidade de um grupo de elite recém-formado por Zuckerberg, denominado TBD Lab. Para treinar o novo modelo, a equipe está utilizando dados extraídos de sistemas concorrentes, como Gemma (Google), gpt-oss (OpenAI) e Qwen (da gigante chinesa Alibaba).

Para financiar essa nova aposta, a gigante da tecnologia já realizou cortes. A unidade de pesquisa acadêmica (FAIR) sofreu redução de pessoal e verbas foram desviadas da divisão de realidade virtual e metaverso, sinalizando uma nova prioridade da empresa.

Além dos desafios técnicos, a Meta enfrenta obstáculos regulatórios. O uso interno do termo “superinteligência” para descrever projetos de longo prazo gerou reações negativas em pesquisas de mercado. Legisladores, especialmente na União Europeia, associam o termo a riscos de segurança descontrolados.

Meta pode abandonar código aberto e lançar IA paga