A Moore Threads demonstrou no evento WAIC 2026 seu conceito de três fábricas de IA: fábrica de treinamento de modelos, fábrica de geração de tokens e fábrica de produção de agentes. Essas fábricas representam uma infraestrutura de produção abrangente necessária para a era da tokenômica, onde a demanda por poder computacional cresce exponencialmente devido ao consumo mútuo pelos sistemas de IA.
As três fábricas são construídas no cluster de computação Kuae e na arquitetura patenteada MUSA da empresa. Esta arquitetura combina de forma única aceleração de IA, renderização 3D, simulação física e codec de vídeo em um único chip.
A conquista mais significativa é o modelo EvoPhys-World — o primeiro modelo 5D do mundo totalmente treinado em GPUs MTT S5000 da Moore Threads. Este modelo ocupou o primeiro lugar no ranking mundial Stanford WorldScore na categoria geração de mundo por 37 dias consecutivos. O grupo de pesquisa da Universidade de Pequim utilizou o cluster Kuae com suporte total ao stack de software MUSA, demonstrando que a infraestrutura doméstica de GPU é capaz de suportar o treinamento de modelos globais avançados com qualidade, estabilidade e escalabilidade comparáveis aos padrões internacionais. Isso confirma o potencial das GPUs domésticas para tarefas complexas de IA que antes eram consideradas prerrogativa da NVIDIA.
A base técnica é o supernó MTT C256, que utiliza uma arquitetura de rede de camada única Scale-up. Ele garante conectividade total de 128 GPUs em um gabinete padrão de largura de nó único, com capacidade de expansão para 256 GPUs em configuração combinada. A estrutura ortogonal elimina problemas de perda de largura de banda e alta latência de redes multinível tradicionais. A taxa de utilização FLOPs do modelo atinge 60% para modelos densos e 40% para modelos MoE, o tempo de treinamento eficiente excede 90%, e a eficiência linear de escalonamento atinge 95%, mantendo a precisão de treinamento alinhada com os principais cartões de computação internacionais. O cluster Kuae demonstrou com sucesso a operação estável do treinamento em 1000 placas para o modelo multimodal Wan2.1 e concluiu o treinamento ponta a ponta do modelo base MoE-236B do zero.
A Moore Threads também apresentou dois terminais focados em IA: o centro doméstico de IA MTT AICUBE, posicionado como um centro inteligente familiar, e o notebook de computação de IA MTT AIBOOK para tarefas móveis de IA. Em conjunto com o modelo de código MusaCoder, o agente de programação MUSACODE AI e a Academia Moore, a empresa apresentou um stack completo de soluções — desde infraestrutura de supercomputação em nuvem até implantação na periferia e terminais de usuário final. Isso permite que a empresa se posicione como a única fabricante chinesa de GPUs que abrange simultaneamente os mercados corporativo e de consumo com uma estratégia completa de cobertura de cenários.
Além das três fábricas, a conclusão mais ampla é que o ecossistema chinês de GPUs domésticas atingiu um nível de prontidão para aplicação industrial. A BAAI utilizou o cluster Kuae com MTT S5000 para concluir todo o processo de treinamento do cérebro incorporado genérico RoboBrain 2.5. O benchmark BEVFormer na infraestrutura Moore Threads alcançou um throughput em uma e duas máquinas comparável às principais GPUs internacionais. Como o consumo diário de tokens na China ultrapassou 140 trilhões em março de 2026, aumentando 1000 vezes em dois anos, a capacidade de treinar, executar e implantar cargas de trabalho de IA em infraestrutura doméstica de GPU transformou-se de possibilidade teórica em realidade operacional.
A Dexmal apresentou um conjunto abrangente de produtos para inteligência artificial incorporada, visando superar a última barreira de engenharia entre modelos de IA e desempenho real. Entre os desenvolvimentos anunciados estão o modelo fundamental universal DM0.5, o robô universal Apex, o sistema operacional DexOS e a plataforma MaaS.
A estratégia da empresa é construída em um modelo de três estágios, semelhante a um foguete: a primeira fase é dedicada à criação de um modelo fundamental generalizado; a segunda fase inclui ferramentas para desenvolvedores, como MaaS e SO; e a terceira fase foca nas capacidades de resolução sistemática de cenários.
O modelo fundamental DM0.5 possui 4 bilhões de parâmetros e foi treinado com 150.000 horas de dados multissource. Isso representa um aumento de 4 vezes nos dados e 2 vezes nos parâmetros em comparação com o modelo DM0. O modelo demonstra baixa latência de inferência de 50 ms, melhoria de 25% na eficiência de inferência e alcançou o primeiro lugar no ranking RoboChallenge Table30 V2 com uma pontuação total de 60.1, mostrando 99.1% de desempenho complexo na avaliação LIBERO.
O avanço técnico chave é a capacidade de generalização. Em comparação com o DM0, o sucesso de navegação no modo zero-shot melhorou em 31%, no modo de múltiplos disparos em 45%, e o sucesso de ajuste fino em 20%. O custo do ajuste fino diminuiu em 60%, permitindo que tarefas de nível especialista sejam executadas em uma única GPU de consumidor RTX 4090 em apenas 18 horas.
Três plataformas auxiliares ajudam a eliminar a lacuna de engenharia entre as capacidades do modelo e a implementação real. O DFOL 2.0 utiliza o modelo mundial DW0.5 como simulação de alta precisão para realizar aprendizado por reforço em um ambiente virtual, reduzindo a necessidade de dados de robô real em 60% e os custos gerais de treinamento em 40%. O DexOS, o primeiro sistema operacional genérico para sistemas incorporados do setor, separa os modelos de IA do hardware do robô, permitindo que os desenvolvedores controlem, percebam e conectem robôs com apenas algumas linhas de código Python, independentemente da marca do robô.
A plataforma MaaS fornece inferência zero-shot com um único comando e uma área de trabalho visual para treinamento online e implantação com pagamento por uso.
Também foi apresentada a plataforma robótica universal Apex, projetada especificamente para aplicações de IA incorporada. Ela se destaca por sua construção modular com capacidade de troca rápida de efetores finais em menos de 60 segundos, varredura de 360 graus usando dois lidars, carga útil de um manipulador de 3 kg, precisão milimétrica e substituição de bateria com conexão quente em 30 segundos com modo de espera cerebral para operação 24 horas por dia. O valor alvo de MTBF excede 1000 horas.
O CEO Tang Wenbin afirmou que a IA incorporada está em um ponto crítico de inflexão, onde as leis de escalabilidade demonstram todo o seu poder, mas para passar de modelos para produtividade real, é necessário superar a última fronteira de integração de engenharia. A Dexmal colabora com fabricantes de robôs, incluindo Tiangong, Huaqin e Shihe, bem como com parceiros de chips, como Pingtouge, Moore Threads e Cambricon, para criar um ecossistema doméstico de IA incorporada.
A OpenAI divulgou a família GPT-5.6 na quinta-feira (9), apresentando três modelos com diferentes perfis de custo e capacidade. O lançamento foi acompanhado por uma demonstração ao vivo e declarações do CEO Sam Altman à CNBC.
Os três modelos introduzidos são: Sol, o mais robusto, focado em tarefas complexas; Terra, projetado para o uso diário e equilibrado; e Luna, caracterizado por ser o mais rápido e acessível.
Sam Altman afirmou à CNBC que as empresas estão focadas no retorno sobre o investimento em IA, e este é o foco principal da OpenAI. Especificamente, o GPT-5.6 Sol demonstrou ser 54% mais eficiente em tokens em tarefas de codificação agêntica e foi classificado como 'tão bom ou melhor' que os modelos concorrentes.
Em testes realizados no benchmark Agents’ Last Exam, que avalia fluxos de trabalho profissionais de longa duração em 55 áreas, o modelo Sol obteve 53,6 pontos, superando o Claude Fable 5 por 13,1 pontos. Mesmo utilizando o modo de raciocínio médio, o Sol superou o Fable 5 em 11,4 pontos, custando aproximadamente um quarto do valor estimado.
Adicionalmente, no índice de codificação da Artificial Analysis, o Sol alcançou 80 pontos com raciocínio máximo, superando o Fable 5 em 2,8 pontos, enquanto utilizou menos da metade dos tokens de saída, em menos da metade do tempo e com um custo cerca de um terço inferior. Os modelos Terra e Luna também demonstraram superioridade sobre o Fable 5 em codificação, com custos reduzidos em cerca de 1/16.
O GPT-5.6 incorpora um novo modo denominado 'ultra', que, por padrão, orquestra quatro agentes simultaneamente para demandas que requerem alta capacidade de processamento. Este modo prioriza resultados mais potentes e menor tempo de execução em tarefas intrincadas, trocando um maior consumo de tokens.
Nas áreas de cibersegurança e ciências, o Sol registrou avanços significativos. Em cibersegurança, ele atingiu 73,5% no ExploitBench (comparado a 47,9% do GPT-5.5) com um orçamento de tokens similar, e quase duplicou a taxa de sucesso do modelo anterior no ExploitGym. Na biociência, o Sol apresentou melhorias nos testes GeneBench Pro, LifeSciBench e MedChemBench quando comparado ao GPT-5.5.
O GPT-5.6 já está disponível desde quinta-feira no ChatGPT, no Codex e através da API. Os valores por milhão de tokens são definidos da seguinte forma: Sol custa US$ 5 para entrada e US$ 30 para saída; Terra tem custo de US$ 2,50 para entrada e US$ 15 para saída; e Luna custa US$ 1 para entrada e US$ 6 para saída. Usuários com assinaturas Plus, Pro, Business e Enterprise podem acessar o modelo Sol pelo ChatGPT, e ele também está acessível a desenvolvedores via API da OpenAI.
A OpenAI assegura que os novos modelos foram submetidos ao período de avaliação de segurança mais extenso da companhia. Isso incluiu cerca de 700 mil horas de testes automatizados de red teaming utilizando GPU A100e. Além disso, os filtros de cibersegurança implementados no Sol conseguem bloquear aproximadamente dez vezes mais atividades potencialmente nocivas se comparados às versões anteriores.
