A próxima onda de capacidade de IA não nasce de um modelo maior. Nasce de um modelo que repassa a própria informação mais vezes.
A arquitetura atribuída ao GPT-6 Astra, a profundidade recorrente, é a tese mais interessante do ano para quem desenha infraestrutura: a mesma informação circula várias vezes pelas mesmas camadas sem estender a cadeia visível. Capacidade cresce sem a memória crescer junto.
A linhagem que confirma a tese
Nada disso nasceu no lançamento. A linhagem é verificável artigo a artigo: o Universal Transformer propôs o loop em 2018 (e foi deixado de lado por custo de treino); o Huginn-3.5B, do UMD com o FAIR da Meta, abriu os pesos de um modelo recorrente e chegou ao NeurIPS 2025; e o Mixture-of-Recursions, do Samsung SAIL, mostrou empiricamente que dois loops já entregam um bom resultado no trade-off custo-qualidade.
O Astra é essa tese chegando ao produto de fronteira: preços de 10 e 50 dólares por milhão de tokens (2,5 vezes o predecessor), com a aposta declarada de entregar o mesmo resultado com um terço dos tokens por tarefa.
O gargalo migrou: da VRAM para o relógio
A consequência estrutural é a que importa para infraestrutura: FLOPs podem subir sem a memória subir. O gargalo de capacidade migra da VRAM para o relógio, do tamanho do nó para o que o hardware entrega em ciclos.
A equação "modelo maior = hardware maior", que organizou compras de GPU por três anos, perde o formato. Cluster próprio deixa de ter teto ditado pelo tamanho do maior modelo que cabe na memória; passa a ter teto ditado por quanto recálculo o relógio entrega. Com arquiteturas recorrentes em pesos abertos (Huginn já é aberto), o hardware que existe pode entregar capacidade que a régua antiga dizia não caber.
As ressalvas que a decisão exige
Honestidade de contrato: a arquitetura do Astra não tem relatório técnico oficial; veio por fonte anônima ao The Information. A avaliação independente da Artificial Analysis divergiu dos números do laboratório, que gabaritou benchmarks com harness da casa. E o Sebastian Raschka leu a técnica como ajuste fino de engenharia, não revolução.
Nada disso invalida a tese. Tudo isso exige a régua de sempre: benchmark independente na sua tarefa antes de trocar. O padrão de 2026 é esse: o árbitro independente em tempo real, no dia do lançamento, com divergência documentada.
Quem compra API e quem hospeda
Para o comprador de API, nada muda na régua e tudo muda na comparação: preço por milhão subiu 2,5 vezes, e a aposta do fornecedor é que você usa um terço dos tokens. Se a sua medição é custo por tarefa concluída, a conta pode inverter a favor do Astra. Se você só compara tabela, vai decidir errado dos dois lados.
Para quem hospeda (o nosso caso, na Tech86, com modelos abertos rodando on-premises), a tese é de planejamento: capacidade futura deixa de ser compra de memória e passa a ser extração de ciclos. O inventário de hardware que hoje parece saturado ganha segunda vida com modelos recorrentes abertos.
Conclusão
A escala circular quebra a última régua simples que o mercado tinha: tamanho. Parâmetros deixam de responder "quanto esse modelo dá conta", e tanto comprador quanto operador migram para medições que exigem trabalho: custo por tarefa e benchmark próprio.
Quem já mediu assim (por tarefa, com árbitro independente) atravessa essa transição sem sobressalto. Quem media por tabela de preços vai ler o mesmo lançamento como caro e como barato, dependendo do slide. A arquitetura mudou; a disciplina de medir é que resolve.