A Anthropic informou a investidores que seu principal modelo, Claude, já está rodando em GPUs AMD Instinct após apenas três dias de trabalho. A empresa afirma que a adaptação foi feita por seu próprio modelo de fronteira, Mythos, que escreveu quase todos os kernels necessários sem ajuda humana. No passado, transferir um modelo para um novo acelerador envolveria dezenas de engenheiros em um projeto de seis a doze meses.
A afirmação consta de uma apresentação para investidores divulgada em novembro de 2026. O cofundador e diretor de computação da Anthropic, Tom Brown, disse que a empresa agora treina e executa Claude em quatro grandes famílias de chips: GPUs da Nvidia, GPUs da AMD, chips Trainium da Amazon e TPUs do Google. A estratégia com vários chips permite que o laboratório transfira o trabalho para o hardware mais barato ou mais disponível — algo que tem sido difícil porque a pilha de software CUDA da Nvidia tradicionalmente prende os desenvolvedores a seus chips.
A Anthropic diz que a migração para a AMD, concluída em três dias, usou a GPU MI355X e priorizou o desempenho no processamento de prompts. A empresa trata a capacidade computacional de diferentes fornecedores como um único conjunto, direcionando tarefas para onde obtém a melhor relação entre preço e desempenho. Também planeja instalar até dois gigawatts de GPUs AMD MI455X em seus sistemas de racks Helios, com o primeiro gigawatt previsto para o primeiro semestre de 2027.
Por que isso importa
Se os números da Anthropic se confirmarem, as empresas poderão transferir cargas de trabalho de IA entre Nvidia e AMD muito mais rapidamente, reduzindo a dependência do ecossistema CUDA, de alta margem, da Nvidia. Isso pode abrir espaço para chips mais baratos ou mais disponíveis, especialmente enquanto a oferta de GPUs continuar limitada.
Por que importa
Para empresas que executam grandes modelos de linguagem, a possibilidade de trocar de hardware mais rapidamente pode reduzir os custos de nuvem e evitar gargalos causados pela posição dominante da pilha de software da Nvidia. No entanto, a afirmação ainda não foi verificada de forma independente, então os ganhos reais de velocidade e custo continuam incertos.
