OpenAI lança modo Ultrafast do GPT-5.6 Sol, 14x mais rápido

Segundo a OpenAI, o Ultrafast é capaz de gerar até 750 tokens de saída por segundo. A empresa afirma que a novidade leva seu modelo mais inteligente a produtos e fluxos de trabalho em que cada segundo de resposta faz diferença.

O recurso está disponível, por ora, em preview limitado, restrito a um grupo seleto de clientes. A expectativa é que a velocidade se torne tão relevante quanto a inteligência do modelo em aplicações que dependem de respostas em tempo real.

O que muda com o GPT-5.6 Sol Ultrafast

A proposta central do Ultrafast é unir a inteligência do GPT-5.6 Sol a uma velocidade de resposta muito maior do que a disponível até então na API da OpenAI.

De acordo com a OpenAI, até a chegada do Ultrafast, obter velocidade suficiente para aplicações em tempo real geralmente significava optar por modelos menores ou especializados. Essa escolha, porém, trazia menos capacidade de raciocínio.

A empresa descreve o avanço como uma mudança de direção: em vez de trocar inteligência por velocidade, a proposta é aumentar a quantidade de trabalho realizado por segundo. Na prática, isso significa fazer "more useful work per second" (mais trabalho útil por segundo) com o mesmo modelo.

A tecnologia por trás do Ultrafast é uma parceria da OpenAI com a Cerebras, empresa especializada em chips para inferência de baixíssima latência. Inferência, aqui, é o processo de gerar respostas a partir de um modelo já treinado.

Diferenciais

Segundo a Cerebras, o ganho não é só de velocidade bruta. Em benchmarks internos com o GDP-Val, teste que mede tarefas de trabalho intelectual como laudos jurídicos, modelos financeiros e relatórios de engenharia, o Ultrafast mostrou resultados relevantes.

Na prática, a aceleração chegou a 5,6 vezes de ponta a ponta, sem perda de qualidade. O CEO da Cerebras, Andrew Feldman, resumiu o momento assim:

"GPT-5.6 Sol no modo Ultrafast é prova de que velocidade e inteligência deixaram de ser mutuamente exclusivas."

Como funciona o Ultrafast e o papel da Cerebras

A velocidade extra do Ultrafast vem da infraestrutura da Cerebras, empresa de chips especializada em inferência de baixa latência. A tecnologia por trás do ganho de desempenho é o Wafer-Scale Engine.

Esse chip mantém os parâmetros do modelo armazenados em memória on-chip, com 44 GB de SRAM por unidade. Isso evita mover os dados entre memória e armazenamento externo, como fazem as GPUs convencionais.

Na prática, elimina o gargalo de largura de banda que normalmente limita a velocidade de inferência de modelos de ponta.

Por que isso importa para quem trabalha com tecnologia

Para devs e times que constroem produtos com IA, o Ultrafast desloca um gargalo comum. Até agora, aplicações que exigiam resposta em tempo real, como suporte por voz ou checkout de e-commerce, costumavam sacrificar inteligência por velocidade, recorrendo a modelos menores e mais limitados.

A própria OpenAI lista, entre os casos de uso mais promissores para essa combinação de velocidade e capacidade:

• Resposta a incidentes: analisar logs, mudanças de código e relatos de engenheiros para identificar a causa de uma falha crítica enquanto ela ainda está ocorrendo.
• Pesquisa financeira e segurança: avaliar sinais de mercado e transações suspeitas enquanto as condições ainda estão mudando.
• Atendimento ao cliente e voz: resolver problemas complexos em tempo real, sem interromper a conversa.
• Comércio eletrônico: responder dúvidas sobre produtos e resolver problemas de checkout enquanto a pessoa ainda está decidindo a compra.

Vale uma ressalva: o Ultrafast ainda está restrito a um grupo pequeno de clientes em fase de testes. Isso significa que o impacto real em produção vai depender de como a OpenAI escala o acesso e o preço do serviço nos próximos meses.

Para quem já trabalha com engenharia de agentes de IA ou avalia ferramentas de IA para produtividade corporativa, a redução de latência importa de perto. Na prática, ela pode ser o fator que decide se um agente autônomo consegue operar no ritmo de uma conversa real ou de uma decisão financeira em andamento.

Quer entender melhor como aplicar IA em fluxos de trabalho reais?

A IA está evoluindo de modelos generativos para aplicações cada vez mais rápidas, autônomas e integradas ao dia a dia de produtos e empresas.

Se você quer se aprofundar nesse movimento, a Alura tem formações completas de IA aplicada e engenharia de agentes para você acompanhar essa transformação de perto.