A Anthropic apresentou um exemplo que pode ter consequências importantes para o mercado de inteligência artificial e aceleradores gráficos. Segundo informações divulgadas durante sua apresentação para investidores, o Claude Mythos Preview conseguiu realizar grande parte do trabalho necessário para adaptar um modelo às GPUs AMD MI355X em apenas três dias, reduzindo consideravelmente a dependência de longos processos de engenharia.

O resultado chama atenção principalmente porque a NVIDIA construiu uma posição dominante no mercado de aceleradores de IA não apenas pelo desempenho de suas placas, mas também pelo ecossistema CUDA, que oferece ferramentas, bibliotecas e tecnologias utilizadas no desenvolvimento e na execução de modelos.

Caso esse tipo de automação se torne comum, empresas poderão encontrar menos dificuldades para migrar suas cargas de trabalho entre diferentes fabricantes de hardware.

Claude Mythos reduziu de meses para dias o processo de adaptação

O dado mais importante apareceu no material utilizado pela Anthropic durante seu roadshow de IPO, apresentado em novembro de 2026.

A empresa explicou que, historicamente, preparar uma nova plataforma de aceleradores para executar seus modelos poderia exigir o trabalho de dezenas de engenheiros durante aproximadamente 6 a 12 meses.

Entretanto, utilizando o Claude Mythos Preview, a Anthropic conseguiu realizar uma adaptação relacionada ao processamento inicial de prompts em aproximadamente três dias, utilizando as GPUs AMD Instinct MI355X.

Segundo a apresentação, o Claude conseguiu portar ou escrever praticamente 100% dos kernels necessários para essa tarefa.

Kernels são pequenos programas responsáveis por executar operações específicas nos aceleradores gráficos. Eles são fundamentais para tarefas como multiplicação de matrizes, processamento de tensores e outras operações matemáticas utilizadas por modelos de inteligência artificial.

A automatização desse trabalho representa uma mudança importante, pois desenvolver e otimizar esses componentes para arquiteturas diferentes costuma exigir conhecimento técnico especializado.

O que isso significa para a NVIDIA e o ecossistema CUDA?

O CUDA é uma das principais vantagens competitivas da NVIDIA. A plataforma permite que desenvolvedores utilizem bibliotecas otimizadas, ferramentas de programação e recursos específicos para aproveitar o potencial das GPUs da empresa.

Com o passar dos anos, esse ecossistema se tornou uma referência para pesquisadores, empresas de tecnologia e desenvolvedores de inteligência artificial.

O problema para os concorrentes é que migrar aplicações desenvolvidas para CUDA nem sempre é simples. Mesmo quando outro fabricante oferece hardware competitivo, adaptar códigos, bibliotecas e operações para uma arquitetura diferente pode representar meses de trabalho.

É justamente nesse ponto que o avanço apresentado pela Anthropic ganha importância.

Se modelos como Claude Mythos conseguirem automatizar boa parte desse processo, a barreira de entrada para plataformas concorrentes poderá diminuir. Empresas poderão considerar aceleradores da AMD ou de outros fabricantes sem necessariamente enfrentar os mesmos custos de adaptação de antigamente.

Isso não significa que o CUDA tenha perdido sua relevância. A NVIDIA ainda possui uma extensa base de desenvolvedores, ferramentas maduras, bibliotecas especializadas e tecnologias de comunicação entre GPUs, como NVLink e InfiniBand.

Portanto, a vantagem da empresa não depende exclusivamente da dificuldade de migrar aplicações. Também envolve desempenho, estabilidade, suporte, disponibilidade de hardware e integração entre diferentes componentes.

AMD MI355X ganha importância na disputa por infraestrutura de IA

As GPUs AMD Instinct MI355X fazem parte da estratégia da fabricante para disputar o mercado de aceleradores utilizados em inteligência artificial e computação de alto desempenho.

Baseadas na arquitetura CDNA 4, elas oferecem até 288 GB de memória HBM3E e largura de banda de até 8 TB/s por acelerador.

Essas características são importantes porque modelos de inteligência artificial exigem grandes quantidades de memória e capacidade de processamento. Em determinadas aplicações, a possibilidade de executar modelos maiores utilizando menos aceleradores pode representar uma vantagem operacional.

A AMD também desenvolve o ROCm, seu ecossistema de software para computação em GPUs. A plataforma oferece ferramentas para desenvolvimento, execução e otimização de aplicações de inteligência artificial.

Entretanto, ter hardware competitivo não é suficiente. A compatibilidade com frameworks, bibliotecas e aplicações existentes continua sendo um fator decisivo para empresas que operam grandes centros de dados.

A demonstração da Anthropic sugere que a inteligência artificial pode ajudar justamente a reduzir essa dificuldade.

O resultado não significa que qualquer modelo já possa ser migrado em três dias

Apesar do resultado impressionante, é importante observar o escopo da demonstração.

O prazo de aproximadamente três dias está relacionado à preparação do processamento inicial de prompts, conhecido como prefill, para um modelo da Anthropic nas GPUs AMD MI355X.

Isso não significa que todo o processo de treinamento, otimização e implantação de qualquer modelo de inteligência artificial possa ser concluído nesse período.

Também não representa uma comprovação independente de que todas as operações apresentaram desempenho equivalente ao obtido em plataformas NVIDIA.

A diferença é importante porque colocar um modelo em funcionamento é apenas uma parte do trabalho. Garantir estabilidade, eficiência energética, escalabilidade e desempenho consistente em produção exige etapas adicionais.

Ainda assim, automatizar a criação e adaptação de kernels pode representar uma economia considerável de tempo e recursos humanos.

Anthropic aposta em diferentes fabricantes de chips

Outro aspecto relevante é que a Anthropic está ampliando sua estratégia de utilização de diferentes fornecedores de processamento.

A empresa trabalha com GPUs da NVIDIA, aceleradores AMD, Google TPU e AWS Trainium. Essa abordagem permite diversificar a infraestrutura e diminuir a dependência de um único fabricante.

Na prática, quanto mais fácil for adaptar modelos para diferentes arquiteturas, maior será a liberdade para escolher equipamentos considerando preço, disponibilidade e capacidade de processamento.

Essa flexibilidade também pode fortalecer a concorrência entre fabricantes, já que fornecedores precisarão disputar clientes não apenas pelo desempenho de seus produtos, mas também pela facilidade de utilização de suas plataformas.

Para a AMD, isso representa uma oportunidade de ampliar sua presença no mercado de inteligência artificial. Para a NVIDIA, significa que manter a liderança dependerá cada vez mais da capacidade de continuar oferecendo vantagens concretas em hardware e software.

Conclusão

O experimento apresentado pela Anthropic representa um sinal importante para o futuro do mercado de inteligência artificial. Conseguir reduzir de meses para aproximadamente três dias uma etapa de adaptação de software para as GPUs AMD MI355X demonstra o potencial dos modelos avançados de IA para automatizar tarefas de engenharia altamente especializadas.

Entretanto, ainda é cedo para afirmar que o domínio do CUDA está ameaçado de maneira definitiva. A demonstração possui um escopo específico e não comprova que todas as aplicações possam ser transferidas entre plataformas com a mesma facilidade.

O que já fica evidente é que a inteligência artificial pode reduzir uma das barreiras históricas enfrentadas pelos concorrentes da NVIDIA. Se essa capacidade evoluir, a disputa entre NVIDIA e AMD poderá depender cada vez menos da dificuldade de migração e cada vez mais da eficiência real de cada plataforma.

Fontes

• Wccftech: Anthropic Jeopardizes NVIDIA's CUDA Moat As Its Claude Mythos Model Took Only 3 Days To Figure Out How To Run Another Model On AMD's MI355X GPUs