A NVIDIA afirma que, com cargas de trabalho do AgentX baseadas na SemiAnalysis e usando o modelo DeepSeek V4 Pro, o throughput por megawatt do Vera Rubin pode chegar a até 30 vezes o da geração anterior GB300 NVL72. O custo por token pode ser reduzido em até 35 vezes. A SpaceXAI vai adotar aceleração de CPU com o Vera para aplicações da próxima geração de IA de agentes, e pretende ampliar a construção de uma plataforma baseada no Vera Rubin. A SpaceXAI planeja estender a versão otimizada do Vera Rubin NVL72 ao espaço para a primeira geração de satélites de IA da Starmind.
A NVIDIA está acelerando a concorrência na infraestrutura de IA, avançando de desempenho de treinamento e inferência de modelos tradicionais para uma nova etapa focada na velocidade de geração de tokens, consumo de energia e custos em torno da IA de agentes (Agentic AI).
Na segunda-feira, dia 24, no horário do leste dos EUA, a Nvidia anunciou que o Groq 3 LPX para inferência interativa de IA entrou oficialmente em produção total. Como parte importante da plataforma Vera Rubin, o Groq 3 LPX foca na geração de tokens com latência extremamente baixa; a Nvidia diz que, nos testes do Artificial Analysis, ao usar o modelo Gemma 4 31B com contexto de 100.000 tokens, o Groq 3 LPX alcançou 3400 tokens de saída por segundo, estabelecendo o recorde máximo para esse modelo. Para cargas de trabalho de baixa latência, como programação para agentes, a velocidade de resposta chega a até 4 vezes a da plataforma concorrente mais recente.
Ao mesmo tempo, a Nvidia divulgou novos resultados de testes do Vera Rubin NVL72 em cargas de trabalho reais de agentes inteligentes: com o workload AgentX baseado em SemiAnalysis e adotando o modelo DeepSeek V4 Pro, o throughput por megawatt (MW) do Vera Rubin chega a até 30 vezes o do antecessor GB300 NVL72, enquanto o custo por token pode ser reduzido em até 35 vezes. A Nvidia enfatiza que as tarefas de agentes são diferentes de chats tradicionais ou resumos: o contexto da tarefa se acumula continuamente ao longo de centenas de etapas, chegando até a dezenas de milhares de tokens.
No mesmo dia, a Nvidia também anunciou que a SpaceXAI vai adotar a CPU Vera para acelerar as futuras aplicações de IA com agentes inteligentes, além de ampliar a construção da plataforma baseada na Vera Rubin; com a expansão do porte de sua capacidade de computação para a escala de vários GW. Além disso, a SpaceXAI planeja levar a versão otimizada do Vera Rubin NVL72 para o espaço, para o primeiro satélite de IA da Starmind.
Com o Groq 3 LPX em produção total, a Nvidia completa a “última milha” para agentes inteligentes
Desta vez, ao levar o Groq 3 LPX formalmente para produção em larga escala, o objetivo central não é substituir a GPU por chips especializados de inferência, mas sim complementar à Vera Rubin as capacidades de geração de tokens com baixa latência presentes na arquitetura tradicional de GPU.
Para agentes, uma tarefa muitas vezes já não é “pergunta e resposta”: o agente precisa ler arquivos, chamar ferramentas, executar código, verificar resultados e, então, continuar raciocinando com base nos resultados; isso pode se repetir em centenas ou até milhares de etapas. Nesse processo, a velocidade de geração de tokens em cada etapa influencia o tempo total para concluir a tarefa.
A Nvidia afirma que a IA para agentes traz, portanto, dois desafios de computação diferentes: por um lado, é necessário processar de forma eficiente o crescimento contínuo de grandes contextos; por outro, é preciso gerar tokens continuamente com latência extremamente baixa. O Vera Rubin NVL72 cuida de um treinamento e inferência mais amplos e do processamento de contexto, enquanto o Groq 3 LPX é otimizado para a velocidade de interação de um único usuário, aumentando a taxa de geração de tokens.
Os testes mais recentes da Nvidia mostram que o Groq 3 LPX atinge 3400 tokens de saída por segundo sob condições de Gemma 4 31B e contexto de 100K; em tarefas de agentes e em outras cargas de trabalho sensíveis a latência, a velocidade de resposta chega a até 4 vezes a das plataformas concorrentes mais recentes. A Nvidia afirma que essa velocidade permite que agentes concluam mais rapidamente tarefas sequenciais como escrever código, testar, chamar ferramentas e validar resultados.
No aspecto de comercialização, o provedor de serviços de nuvem NEBIUS se tornará o primeiro fornecedor de nuvem a adotar o Groq 3 LPX e planeja implantá-lo na plataforma de inferência do NEBIUS Token Factory. A Groq também planeja estar entre os primeiros adotantes dessa plataforma.
Isso significa que, à medida que o Groq 3 LPX entra em produção total, a capacidade formada a partir da aquisição anterior da tecnologia Groq pela Nvidia começa a ser integrada de verdade ao ecossistema de produtos da Vera Rubin para data centers.
30 vezes não é “velocidade” 30 vezes, e sim mais trabalho de agentes por megawatt
Em comparação com um indicador isolado de desempenho como 3400 tokens/segundo, o que vale mais atenção desta vez na Nvidia é sua ênfase no throughput por megawatt e no custo por token.
Os dados de testes divulgados pela Nvidia mostram que, sob o workload SemiAnalysis AgentX, o throughput por megawatt da Vera Rubin NVL72 chega a até 30 vezes o da GB300 NVL72, o que corresponde a uma redução de até 35 vezes no custo por token. O teste usa trajetórias reais de programação de agentes, preservando etapas como o crescimento real do contexto, chamadas de ferramentas e geração de subagentes.
Assim, aumentar até 30 vezes o throughput por megawatt é apenas uma forma de evidenciar o grande avanço na eficiência da inferência por IA — e não significa, simplesmente, que a velocidade de inferência do chip aumente 30 vezes.
Esse indicador é especialmente marcante em seu significado para data centers de IA.
Serviços tradicionais de grandes modelos costumam focar mais na latência e no throughput de uma única solicitação; já workloads de agentes consomem tokens continuamente. A Nvidia cita dados do OpenRouter e afirma que a carga de trabalho de IA para agentes pode consumir até 15 vezes mais tokens do que uma solicitação simples de chat. A razão é que um agente pode primeiro consultar um banco de dados, depois buscar notícias e documentos, chamar subagentes para análise, executar código e validar repetidamente; durante todo o processo, o contexto se acumula continuamente.
Isso também faz com que uma nova forma de medir a economicidade da infraestrutura de IA comece a surgir: com a mesma potência de um megawatt, afinal, quantas tarefas de agentes inteligentes e efetivas conseguem ser realizadas?
Diante do contexto em que energia e recursos de data center estão se tornando gargalos cada vez maiores para a expansão da IA, aumentar a quantidade de tokens que cada unidade de energia consegue produzir pode ser mais importante do que apenas elevar o poder de computação de pico.
Vera Rubin deixa de ser apenas uma “plataforma de GPU” e vira uma fábrica completa de IA
Do ponto de vista da arquitetura, o Groq 3 LPX não é um produto isolado, mas sim parte da linha de “projeto de co-engenharia definitiva” da Nvidia para a Vera Rubin.
A Nvidia já definiu a Vera Rubin como uma plataforma de fábrica de IA voltada para a era de IA com agentes inteligentes. O sistema inteiro não é composto apenas por GPU: trata-se de um projeto de co-engenharia em torno de computação, rede, armazenamento e software, incluindo componentes como a Rubin GPU, a CPU Vera, o Groq 3 LPX, o BlueField-4 DPU e o Spectrum-6 SPX.
Nesse conjunto, a Rubin GPU assume tarefas como treinamento e inferência em grande escala e processamento de contexto; o Groq 3 LPX fica responsável pela geração rápida de tokens; e a CPU Vera processa grande quantidade de trabalho intensivo em CPU gerado entre chamadas de modelos pelos agentes, incluindo orquestração de ferramentas, execução de código, processamento de dados e simulação.
As informações de arquitetura divulgadas anteriormente pela Nvidia mostram que a plataforma Vera Rubin é projetada em conjunto por meio de sete chips e cinco racks especializados, com o objetivo de fazer com que diferentes hardwares assumam as tarefas que são mais adequadas para cada um — e não para que um tipo de processador resolva toda a carga de trabalho de IA.
Isso significa que a Nvidia está elevando a infraestrutura de IA de “cluster de GPUs” para um sistema de computação heterogêneo.
Para provedores de nuvem de IA, o significado dessa arquitetura está em poder alocar recursos de forma direcionada para diferentes etapas, como treinamento, inferência de contexto longo, geração de tokens e chamadas de ferramentas, aumentando assim a utilização do data center inteiro e o retorno econômico.
SpaceXAI reforça a Vera: IA de agentes sai do data center e vai para o espaço
Bem no momento em que o Groq 3 LPX entrou em produção total, a SpaceXAI também anunciou a adoção adicional do ecossistema Nvidia Vera Rubin.
Em 24 de agosto, a Nvidia anunciou que a SpaceXAI vai implantar a CPU Vera para aplicações futuras de IA com agentes inteligentes. A Vera foi projetada especificamente para cargas de trabalho na CPU além da inferência do modelo, incluindo chamadas de ferramentas, execução de código, processamento de dados, orquestração de tarefas e simulação.
A Vera utiliza 88 núcleos Olympus projetados pela própria Nvidia e vem com memória LPDDR5X de alta largura de banda, com bandwidth máxima de 1,2 TB/s. A Nvidia afirma que, em cargas de trabalho como IA para agentes, aprendizado por reforço e processamento de dados, a velocidade de conclusão de tarefas da Vera pode chegar a até 1,8 vezes a de CPUs x86.
Para a SpaceXAI, o valor da Vera não está apenas em melhorar o desempenho da CPU.
Durante a execução do agente, muitas tarefas ocorrem entre as inferências feitas na GPU — por exemplo, executar código, processar dados, chamar ferramentas e coordenar diferentes agentes. Se essas tarefas forem processadas na CPU com velocidade insuficiente, a GPU pode ficar em espera, reduzindo a utilização de toda a fábrica de IA.
Por isso, a SpaceXAI quer usar a Vera para lidar com esses trabalhos “fora do modelo”, fazendo com que a GPU se concentre mais no treinamento e na inferência do modelo, elevando a eficiência do sistema como um todo.
Ao mesmo tempo, a SpaceXAI planeja expandir a infraestrutura de Grok AI baseada na Vera Rubin; à medida que o poder de computação se expande para a escala de vários GW, além disso, a empresa planeja usar a versão otimizada do Vera Rubin NVL72 para o primeiro satélite de IA da Starmind.
Isso significa que o sistema de computação acelerada da Nvidia está se estendendo do data center terrestre para a computação em órbita.
Da “robô de bate-papo” para a “execução autônoma”, a demanda por capacidade computacional de IA muda de marcha
Do Groq 3 LPX em produção total, passando pelo anúncio da Vera Rubin de 30 vezes mais throughput por megawatt, até o fato de a SpaceXAI estender a Vera Rubin para o satélite Starmind, as informações liberadas em sequência desta vez pela Nvidia apontam para a mesma mudança: as aplicações de IA estão passando de gerar conteúdo para concluir tarefas de forma autônoma.
Em cenários de chat e resumo, os usuários geralmente precisam apenas que o modelo forneça rapidamente um trecho de texto; já no caso de agentes, o modelo precisa raciocinar continuamente, chamar ferramentas, executar código, acessar dados externos e validar os resultados de forma contínua.
Isso significa que, no futuro, o indicador central da infraestrutura de IA também pode mudar — deixando gradualmente de focar em “treinar um modelo maior” e passando a focar em quantos tokens efetivos podem ser gerados por unidade de eletricidade, quantas tarefas podem ser concluídas por unidade de custo e quanto tempo, na verdade, um agente precisa para completar uma tarefa complexa.
Desta vez, a Nvidia colocou o Groq 3 LPX, a CPU Vera e a GPU Rubin na mesma estrutura de fábrica de IA, justamente para redesenhar a infraestrutura em resposta a essa mudança.
Enquanto isso, a SpaceXAI oferece uma direção de aplicação mais imaginativa: se esse conjunto de sistemas puder, no fim, se estender de data centers terrestres para a órbita, os limites da computação de IA deixarão de ficar restritos às salas tradicionais de data centers.
