io.net Re-poster

Open weights don't mean open infrastructure.

Run open models on hyperscaler GPUs and you're just swapping one lock-in for another.

It's the same vendor pricing, availability limits, and cost to leave.

The same 70B workload. Four GPUs. Twenty hours a day:
AWS on-demand: around $9,600 a month.
http://io.net: $3,576 a month.

Open models and open compute is what http://io.net was built for.

The White House just renamed AI "Super Intelligence."

New name.

Same GPU shortage.

You can rebrand the model. You can't rebrand the costs or the waitlists.

Whatever you call it, it runs on compute. We're making sure it's available to the many, not the few.

US$ 31,6 trilhões

É o que a PwC estima que será gasto com infraestrutura de IA até 2050.

E ainda assim você não consegue uma GPU.

A crise de computação de IA não é apenas uma falta de chips.

É um problema de coordenação.

A capacidade fica reservada, ociosa e compartimentada atrás de ciclos de aquisição.

Mais chips por si só não vai resolver isso. É por isso que a @ionet está construindo uma solução diferente.

GPUs não funcionam com previsões.

2 GW de capacidade para data centers nos EUA prevista para 2026 nem sequer começou a ser construída.

E mais da metade dos servidores de GPU vendidos entre 2026 e 2028 podem não ter energia suficiente para operar.

Os hiperescalares estão competindo para comprar mais chips enquanto lutam para colocar novos sites em funcionamento.

Há outra opção.

A @ionet disponibiliza computação subutilizada de todo o mundo agora. Não um dia.

"Não há adultos nesta sala."

É uma citação direta de um membro de um conselho consultivo de IA da UE.

Os governos estão anos atrás. Os laboratórios estão escrevendo suas próprias regras.

Mas as equipes que construem por cima assumem o risco.

A resposta não está esperando que um ou outro alcance. Ela é maior participação, acesso e transparência.

Foi para isso que o @ionet foi criado.

https://www.nytimes.com/2026/09/27/technology/ai-government-regulation.html

Custos de computação 60% mais baixos.

Mesmo resultado, uma API unificada.

Isso é a @kayos_ai, uma startup de IA que roda toda a stack de agentes deles na io.intelligence.

Antes, eles gastavam US$ 2.500/mês por cliente em uma configuração fragmentada (Groq, Cerebras, Anthropic, OpenAI).

Agora é US$ 1.000/mês, sem limites de taxa, um único provedor.

É isso que acontece quando a computação deixa de ser o gargalo.
https://io.net/blog/kayos-case-study

11 bilhões de tokens.

Em um dia.

Foi isso que o http://io.net fez na OpenRouter ontem. Acima de alguns bilhões por dia lá em julho.

Apenas o Nemotron 3.5 Lightning processou 4,82B tokens. O GLM 5.3 e o GLM 5.3 Flash adicionaram mais 4,24B combinados.

É assim que fica quando equipes encaminham cargas de trabalho reais via http://io.net, todos os dias.

US$ 28 milhões.

Os ganhos da rede não mentem.

A demanda real por GPUs, convertida em pagamentos reais, todos os meses.

É assim que a computação descentralizada funciona quando está realmente operando.

O Google acabou de colocar seus chips de IA em um foguete.

O Projeto Suncatcher está testando se o espaço pode hospedar computação de IA em larga escala.

Leia isso de novo.

Um dos maiores hiperescaladores do mundo está olhando além dos seus próprios data centers porque a computação centralizada, mesmo no nível do Google, tem um limite.

O gargalo nunca foi apenas chips.

É quem controla isso.

A computação descentralizada resolve esse problema hoje.
Sem foguete.

Todas as conversas sobre IA batem na mesma parede.

A computação é escassa, centralizada e controlada por uma pequena lista de hyperscalers.

A computação descentralizada é a resposta.

No podcast desta semana da Nephology, o Diretor de Brand & Comms da @ionet, David Sherman, se junta ao apresentador @crypjo091 para defender o argumento.

A computação centralizada nos trouxe até aqui.

Ela não nos levará para a próxima etapa da IA.
https://www.youtube.com/watch?v=bQ682LGGh8Y

A IA generativa atingiu 53% de adoção em três anos.

Mais rápida do que o PC.

Mais rápida do que a internet.

Mas há um problema de acesso.

Os EUA hospedam 5.427 data centers. Mais de 10x qualquer outro país.

A demanda é global.

A oferta está concentrada.

http://io.net existe para mudar isso.

Fonte: Stanford HAI, 2026 AI Index

A IA generativa atingiu 53% de adoção em três anos.

Mais rápido do que o PC.

Mais rápido do que a internet.

Mas existe um problema de acesso.

Os EUA hospedam 5.427 centros de dados. Mais de 10x qualquer outro país.

A demanda é global.

A oferta está concentrada.

http://io.net existe para mudar isso.

https://hai.stanford.edu/ai-index/2026-ai-index-report

Novos data centers levam de 18 a 36 meses e centenas de milhões em capex.

GPUs ociosas levam minutos.

Elas já estão em clusters empresariais e data centers neste exato momento, já energizadas e já em depreciação.

O problema de energia da IA tem duas respostas. A maior parte da indústria está acelerando em direção a uma.

@ionet funciona com a outra.

As Frontier Labs continuam pedindo ao mundo para desacelerar.

E, esta semana, @AnthropicAI e @OpenAI pediram aos governos para acelerarem.

Eles protocolaram submissões urgindo a Austrália a afrouxar sua proibição de direitos autorais de IA, mesmo enquanto publicamente defendem pausas de segurança e auditorias de modelos.

Proteções para todo mundo.

Isenções para eles mesmos.

Isso não vai levar a uma IA mais segura. Uma participação maior vai. E isso requer computação aberta e modelos abertos.

@ionet está tornando isso possível.

"Confie em nós" não é uma estrutura de segurança.

Um punhado de laboratórios controla os modelos, a computação na qual eles treinam e os benchmarks com os quais eles mesmos se avaliam.

Isso não é responsabilização. E não vai levar a uma segurança maior.

A verdadeira responsabilização exige transparência, abertura e acesso.

É exatamente isso que estamos construindo na @ionet.
https://io.net/blog/ai-safety-is-not-the-same-as-ai-accountability

Todo mundo está debatendo a velocidade do desenvolvimento da IA.

Mas o debate real é sobre controle.

A rapidez ou a lentidão com que as coisas estão avançando importa menos do que quem está segurando o volante.

Um punhado de laboratórios e fornecedores de chips decidindo o ritmo, as proteções e os termos é o risco real, qualquer que seja a velocidade que eles escolham.

Quando a infraestrutura não está concentrada em poucas mãos, a pergunta muda completamente.

@ionet está tornando isso possível.

https://www.cbc.ca/news/business/ai-slowdown-9.7349987

Zero espera: 96 GPUs em menos de 24 horas.

Foi isso que a @wonderaai levou para sair do modelo limitado por capacidade de computação e começar a entregar.

64 H100s e 32 H200s provisionados rapidamente na @ionet.

Sem ficar meses em uma lista de espera.

Os resultados:
- 200.000 usuários em 4 meses, em 171 países
- Crescimento de 50% mês a mês
- Lançamento 3 meses antes do previsto

É isso que acontece quando sua capacidade de computação acompanha a velocidade com que você consegue construir.
https://io.net/blog/wondera-case-study

O tempo de primeira resposta em menos de 100 ms é uma vantagem.

Para um chatbot com um humano encarando o cursor.

Mas, para inferência em lote, pipelines de RAG e fluxos de agentes rodando em segundo plano, ninguém está assistindo.

Vazão e custo por token são os únicos números que importam.

Mesmo trabalho, mesma saída, mas 2–3x a conta se você estiver pagando por uma latência que ninguém usa.

O http://io.net permite que você ajuste a infraestrutura à carga de trabalho. Não o contrário.

A Fundação Gates acaba de prometer US$ 1 bilhão para reduzir a lacuna de acesso à IA.

É um bom passo.

Mas ainda é um remendo.

O CEO da fundação admite que isso é uma "pequena proporção" do que os gigantes da tecnologia gastam em seus produtos comerciais.

O acesso à IA não deveria passar por ciclos de doação.

Ele precisa de uma cadeia de fornecimento de computação diferente, aberta e distribuída por padrão.

Foi para isso que o http://io.net foi criado.

A Nvidia arrecadou US$ 215,9 bilhões vendendo chips em 2026 até agora.

Então, quando Jensen Huang diz "não desacelere, é culpa dos laboratórios, não do hardware", leve isso com uma pitada de sal.

O mesmo vale para os laboratórios dizendo "confie em nós para regular a nós mesmos."

Nenhum dos lados é neutro.

Modelos abertos + redes abertas de computação significam que você não precisa apostar em que um deles seja honesto. Você pode apenas verificar por conta própria.

É para isso que o @ionet existe.