Nos anos que passei construindo detectores e trabalhando com hardware NVIDIA, testemunhei muitos progressos que na realidade eram apenas minúsculos passos incrementais. O GPT-4 é diferente. É uma transição de fase.

O surgimento do raciocínio

Passei alguns dias submetendo-o a problemas complexos de física, daqueles que exigem não apenas memória, mas um verdadeiro modelo mental do mundo físico. O GPT-3.5 frequentemente “alucinava” os cálculos. O GPT-4, ao contrário, parece pensar antes de responder. Resolveu uma equação diferencial não linear e até sugeriu uma maneira mais eficiente de estruturar o código Python para análise de dados.

Multimodalidade: os “olhos” da máquina

A atualização mais surpreendente, para quem trabalha na minha área, é a capacidade visual. Posso mostrar-lhe um esquema desenhado à mão de um circuito, e ele é capaz de descrever o fluxo do sinal e identificar potenciais gargalos. Já não é apenas um Large Language Model; está se tornando um Large Reasoning Model.

A barreira do cálculo

A escala dos clusters H100 que a OpenAI utiliza para executar essas inferências é um feito de engenharia tão impressionante quanto o próprio código. Estamos testemunhando o nascimento de uma ferramenta que não se limita a processar dados — ela os interpreta. Para os meus estudantes, a pergunta já não é: “Como eu o programo?” mas “Como faço a pergunta correta?”