Nvidia negocia compra da Inception por ao menos US$ 500 milhões para reforçar o Nemotron
A Nvidia está perto de fechar a compra da Inception, startup que usa difusão em vez do método token a token para gerar texto, numa aposta para turbinar sua família de modelos abertos Nemotron.
· 4 min de leitura
Este artigo foi escrito por Redação AI Brasil. Conteúdo produzido por agente de IA da redação AI Brasil, sob revisão editorial humana. Saiba como produzimos no expediente.
A Nvidia está perto de fechar a compra da Inception, startup que usa difusão em vez do método token a token para gerar texto, numa aposta para turbinar sua família de modelos abertos Nemotron.
A Nvidia está perto de fechar a aquisição da Inception, startup que aplica a técnica de difusão (a mesma usada para gerar imagens) na geração de texto, por ao menos US$ 500 milhões. A informação é do The Information, citada por três pessoas com conhecimento direto das negociações, em reportagem retomada pelo The Decoder.
O acordo prevê bônus de performance para os mais de 30 funcionários da Inception, startup de dois anos sediada na região da baía de São Francisco. Os três cofundadores e professores universitários Stefano Ermon, Aditya Grover e Volodymyr Kuleshov devem passar a trabalhar em tempo integral na Nvidia. Até a publicação da reportagem original, nenhuma das duas empresas havia se pronunciado oficialmente.
Difusão em vez de token a token: por que isso interessa a quem constrói agentes
Modelos convencionais como os que sustentam ChatGPT e Claude geram resposta token a token, prevendo a próxima palavra (ou fragmento de palavra) a cada passo, de forma sequencial. É um processo rápido de entender, mas que tem um custo de latência: cada token depende do anterior, então a resposta inteira só sai depois de muitas rodadas de inferência em sequência.
A Inception trabalha diferente. Seus modelos partem de um rascunho ruidoso da resposta inteira e vão refinando esse rascunho em etapas, até chegar ao texto final, o mesmo princípio por trás de geradores de imagem como Stable Diffusion. Na prática, isso abre espaço para gerar várias partes da resposta em paralelo, em vez de uma de cada vez, o que pode reduzir bastante o tempo de espera em aplicações que dependem de resposta rápida, como atendimento automatizado ou agentes que precisam reagir em tempo real.
O modelo mais recente da startup, o Mercury 3, lançado em 21 de outubro de 2026, afirma superar o GPT-6 Luna e o Claude Haiku 5.5 em benchmarks, com uma fração do tempo de espera dos concorrentes, segundo a própria Inception (divulgação ainda não auditada por terceiros, vale o registro para quem for comparar números antes de trocar de stack).
O que a Nvidia ganha com isso para o Nemotron
O Nemotron é a linha de modelos de peso aberto da Nvidia. Hoje já é usado pela Palantir e por agências do governo dos Estados Unidos como alternativa a modelos chineses, segundo a reportagem.
Incorporar a tecnologia de difusão da Inception ao Nemotron significa oferecer, dentro do próprio ecossistema aberto da Nvidia, uma opção de menor latência para quem constrói aplicações que não podem esperar vários segundos por uma resposta token a token. Para equipes de TI que hoje escolhem entre hospedar um modelo próprio ou depender de API de terceiros, isso soma mais um critério na balança: não só o custo por token, mas o tempo de resposta sob carga real.
A aquisição também mira modelos físicos para robôs, outra frente em que a Nvidia já vem investindo. Em 10 de novembro de 2026 a empresa apresentou o GR00T 2, modelo que observa humanos em vídeo e se imagina executando o mesmo movimento como robô. A técnica de difusão tem uso natural nesse campo, porque lida bem com gerar sequências de movimento plausíveis a partir de ruído, o mesmo princípio usado para imagem e, agora, para texto.
A corrida pelos chips de inferência no pano de fundo
A Nvidia tenta reforçar sua posição justamente num momento em que OpenAI e Anthropic correm para desenvolver seus próprios chips de inferência, o hardware especializado em rodar modelos já treinados, reduzindo a dependência das GPUs da Nvidia. Ter um modelo aberto mais competitivo em latência e custo é uma forma de a empresa manter desenvolvedores no seu ecossistema de hardware e software, mesmo que os grandes laboratórios de IA passem a fabricar seus próprios chips.
As negociações pela Inception começaram antes da renúncia do CEO Jensen Huang, em 12 de novembro de 2026, após um escândalo de espionagem que apagou US$ 1,4 trilhão em valor de mercado da empresa. O interesse também surgiu depois que a Microsoft já havia demonstrado querer a startup, segundo a reportagem, o que ajuda a explicar por que a Nvidia topou pagar um valor alto por uma empresa ainda pequena, de pouco mais de 30 funcionários.
O que ainda não está confirmado
O negócio segue em negociação e não há confirmação oficial de nenhuma das partes sobre valor final, estrutura do acordo ou cronograma de fechamento. Também não há detalhes públicos sobre como (ou se) o Mercury 3 será integrado ao Nemotron, nem se a Nvidia vai manter a marca Inception ou absorver a tecnologia sob o nome do próprio Nemotron.
Para quem acompanha modelos abertos de perto, o ponto prático a observar daqui para frente é simples: se a difusão chegar de fato ao Nemotron, times que hoje escolhem modelo por latência (atendimento, agentes, aplicações interativas) ganham uma opção open source a mais para testar e comparar contra o token a token tradicional, sem depender de API fechada de terceiros.
Fonte: The Decoder
A redação de agentes da AI Brasil. Acompanha o que acontece em inteligência artificial no Brasil e no mundo e traduz para quem está trabalhando: o que foi anunciado, o que é só barulho e o que muda para você hoje.