GPT-5.6 e a guerra dos milhões de tokens: por dentro da grande corrida pelas janelas de contexto de 2026

Data: 28/05/2026 | Tempo de leitura: ~12 min

AI neural network visualization

1. O vazamento Iris-Alpha: como o GPT-5.6 foi descoberto

Em 26 de maio de 2026, os desenvolvedores que monitoravam o backend do Codex da OpenAI detectaram algo que não deveria existir. Enterrado em logs de gateway de API: um identificador de modelo nunca visto em documentos públicos — iris-alpha. A engenharia reversa dos cabeçalhos de resposta da API confirmou que não foi um erro de digitação ou artefato de teste. Era um modelo de nível de produção que atendia tráfego ao vivo para parceiros empresariais.

Em 48 horas, a comunidade de pesquisa em IA chegou a um consenso: OpenAI implantou discretamente o GPT-5.6. Seu recurso exclusivo: uma janela de contexto de token de 1,5 milhão — salto de 43% em relação aos 1,05 milhão de tokens do GPT-5.5, lançado há apenas quatro meses.

graph TD
    subgraph Discovery["Discovery Timeline (May 26-28, 2026)"]
        A["Developers spot
'iris-alpha' in
Codex backend logs"] --> B["API response headers
analyzed"]
        B --> C["Community consensus:
GPT-5.6 confirmed"]
        C --> D["1.5M token context
window verified"]
    end
    
    style A fill:#1a1a2e,stroke:#e94560,stroke-width:2px,color:#fff
    style B fill:#16213e,stroke:#e94560,stroke-width:2px,color:#fff
    style C fill:#0f3460,stroke:#e94560,stroke-width:2px,color:#fff
    style D fill:#533483,stroke:#e94560,stroke-width:2px,color:#fff
    style Discovery fill:#0a0a0a,stroke:#333,color:#fff

2. A Matemática da Escala

2.1 Crescimento da janela de contexto

De GPT-5.5 a GPT-5.6:

$\text{Crescimento relativo} = \frac{C_{5,6} - C_{5,5}}{C_{5,5}} \vezes 100% = \frac{1{,}500{,}000 - 1{,}050{,}000}{1{,}050{,}000} \vezes 100% \aproximadamente 42,86%$

2.2 A trajetória de escala

Modelando a janela de contexto $C$ em função da geração $n$ :

$C(n) = C_0\cdot(1 + r)^{n}$

Onde $C_0 = 128{,}000$ (linha de base do GPT-4), $r$ = taxa de crescimento por geração:

Modelo	Geração	Janela de Contexto (tokens)	Crescimento vs. Anterior
GPT-4	4,0	128.000	–
GPT-4.5	4,5	256.000	+100%
GPT-5	5,0	512.000	+100%
GPT-5.5	5.5	1.050.000	+105%
GPT-5.6	5,6	1.500.000	+43%

xychart-beta
    title "OpenAI Context Window Expansion (2024-2026)"
    x-axis ["GPT-4", "GPT-4.5", "GPT-5", "GPT-5.5", "GPT-5.6"]
    y-axis "Context Window (thousands of tokens)" 0 --> 1600
    bar [128, 256, 512, 1050, 1500]
    line [128, 256, 512, 1050, 1500]

Fator de crescimento médio em cada versão:

$\bar{r} = \left(\frac{1{,}500{,}000}{128{,}000}\right)^{1/4} - 1 \approx 0,876 \text{ ou } 87,6%$

A OpenAI quase dobrou a capacidade da janela de contexto a cada geração ao longo de dois anos.

2.3 O que significa 1,5 milhão de tokens

$1{,}500{,}000 \text{ tokens} \approx 1{,}125{,}000 \text{ palavras (Inglês)} \approx 4{,}500 \text{ páginas}$

mindmap
  root((1.5M Token
Capability Map))
    Literature
      Entire Lord of the Rings trilogy in one pass
      War and Peace with full character tracking
      50 years of scientific journal archives
    Enterprise Data
      10 years of customer interaction history
      Complete codebase of Fortune 500 company
      Full legal case files with precedent analysis
    Scientific Research
      Genomic sequences up to 5M base pairs
      Complete protein interaction networks
      Multi-year clinical trial datasets
    Software Engineering
      Entire Linux kernel source analysis
      Full-stack refactoring across 50+ microservices
      Decade-long git repository evolution study

3. A Grande Corrida de Janelas de Contexto

GPT-5.6 não existe no vácuo. Junho de 2026 é o mês mais concentrado de lançamentos de modelos de base da história.

3.1 Cadência de lançamento de junho de 2026

gantt
    title Foundation Model Release Timeline -- June 2026
    dateFormat 2026-06-01
    axisFormat %b %d
    
    section OpenAI
    GPT-5.6 iris-alpha (stealth)     :done, g56, 2026-05-26, 1d
    GPT-5.6 Public API              :active, g56p, 2026-06-02, 5d
    
    section Anthropic
    Claude Sonnet 4.8 Development   :done, cs48dev, 2026-05-01, 2026-06-03
    Claude Sonnet 4.8 Release       :milestone, cs48, 2026-06-03, 0d
    Claude Opus 4.8 Preview         :cs48o, 2026-06-10, 5d
    
    section Google
    Gemini 3.5 Pro API Launch       :active, g35p, 2026-06-05, 7d
    Gemini 3.5 Ultra Teaser         :g35u, 2026-06-15, 3d
    
    section xAI
    Grok 5 Training Complete        :done, g5tc, 2026-05-20, 1d
    Grok 5 Public Release           :g5r, 2026-06-08, 5d
    
    section Meta
    Llama 4.5 Long-Context Preview  :l45, 2026-06-12, 7d
    
    section Apple
    Siri 2.0 / On-device Model      :s2, 2026-06-08, 12d

3.2 Comparação da janela de contexto

A competição não se trata apenas de tokens brutos — trata-se de utilização eficaz do contexto.

Modelo	Laboratório	Janela de contexto	Utilização Efetiva	Agulha no palheiro	Husa. Liberação
GPT-5.6	OpenAI	1.500.000	~94%	99,2%	Maio de 2026
Soneto de Claude 4.8	Antrópico	1.200.000	~97%	99,7%	3 de junho de 2026
Gêmeos 3.5 Pró	Google	2.000.000	~91%	98,5%	5 de junho de 2026
Grok 5	xAI	1.000.000	~89%	97,8%	8 de junho de 2026
Lhama 4.5 LC	Meta	256.000	~88%	96,5%	12 de junho de 2026

graph LR
    subgraph ContextRace["The Context Window Arms Race (June 2026)"]
        direction LR
        O["OpenAI
GPT-5.6
1.5M tokens
Launched: May 26"]
        A["Anthropic
Claude 4.8
1.2M tokens
June 3"]
        G["Google
Gemini 3.5 Pro
2.0M tokens
June 5"]
        X["xAI
Grok 5
1.0M tokens
June 8"]
        M["Meta
Llama 4.5 LC
256K tokens
June 12"]
    end
    
    O ---|"+43% vs 5.5"| A
    A ---|"+67% vs 4.8"| G
    G ---|"2x vs Grok 5"| X
    X ---|"3.9x vs Llama"| M
    
    style O fill:#1a1a2e,stroke:#10a37f,stroke-width:3px,color:#fff
    style A fill:#1a1a2e,stroke:#d4a574,stroke-width:2px,color:#fff
    style G fill:#1a1a2e,stroke:#4285f4,stroke-width:2px,color:#fff
    style X fill:#1a1a2e,stroke:#e94560,stroke-width:2px,color:#fff
    style M fill:#1a1a2e,stroke:#0668e1,stroke-width:2px,color:#fff
    style ContextRace fill:#0a0a0a,stroke:#444,color:#fff

3.3 A Fronteira do Contexto Efetivo

Nem todas as janelas de contexto são iguais. A métrica crítica é taxa de utilização efetiva $\eta$ :

$\eta = \frac{\text{Tokens realmente atendidos para raciocínio}}{\text{Capacidade total da janela de contexto}} \times 100%$

Leads antrópicos com $\eta \approx 97\%$ (benchmark RULER). GPT-5.6 atinge $\eta \aproximadamente 94\%$ . Gemini 3.5 Pro – apesar de 2 milhões de tokens brutos – atinge $\eta \approx 91\%$ devido a trocas de atenção escassas.

Pontuação de capacidade prática:

$S_{prático} = W \vezes \eta \vezes \rho$

Modelo	$W$ (M tokens)	$\eta$	$\rho$	$S_{prático}$
GPT-5.6	1,50	0,94	0,96	1.354
Soneto de Claude 4.8	1,20	0,97	0,95	1.106
Gêmeos 3.5 Pró	2h00	0,91	0,93	1.693
Grok 5	1,00	0,89	0,92	0,819
Lhama 4.5 LC	0,256	0,88	0,90	0,203

Pela métrica composta, Gemini 3.5 Pro lidera na escala de força bruta. O tamanho da janela ainda domina.

4. Implicações arquitetônicas: como os tokens de 1,5 milhão acontecem

Uma janela de contexto de 1,5 milhões requer inovações fundamentais em atenção, memória e inferência.

4.1 Complexidade de atenção

Autoatenção do Transformer Padrão: $\mathcal{O}_{\text{autoatenção}} = O(n^2 \cdot d)$ . Para $n = 1{,}500{,}000$ , computacionalmente proibitivo.

GPT-5.6 supostamente usa uma hierarquia de atenção de três níveis:

graph TB
    subgraph Attention["GPT-5.6 Three-Tier Attention Architecture"]
        direction TB
        
        subgraph Local["Local Dense Attention
(128K tokens, full precision)"]
            L1["Sliding Window
4096-token chunks
Overlap: 512 tokens"]
        end
        
        subgraph Regional["Regional Sparse Attention
(1M tokens, compressed KV)"]
            R1["Hierarchical pooling
16:1 compression
Summary tokens"]
        end
        
        subgraph Global["Global Memory Attention
(1.5M tokens, semantic indices)"]
            G1["Learned retrieval indices
Content-addressable memory
~0.1% tokens fully attended"]
        end
        
        Input["Input Tokens
(1.5M)"] --> L1
        L1 --> R1
        R1 --> G1
        G1 --> Output["Contextualized
Output"]
    end
    
    style Local fill:#0f3460,stroke:#10a37f,stroke-width:2px,color:#fff
    style Regional fill:#1a1a2e,stroke:#e94560,stroke-width:2px,color:#fff
    style Global fill:#533483,stroke:#f0a500,stroke-width:2px,color:#fff
    style Input fill:#1a1a2e,stroke:#fff,stroke-width:2px,color:#fff
    style Output fill:#1a1a2e,stroke:#fff,stroke-width:2px,color:#fff
    style Attention fill:#0a0a0a,stroke:#444,color:#fff

Complexidade efetiva reduzida para aproximadamente:

$\mathcal{O}_{\text{GPT-5.6}} \approx O\left(n \cdot \log n \cdot d + \frac{n}{16} \cdot d + 128{,}000^2 \cdot d\right)$

Para $n = 1{,}500{,}000$ : $\mathbf{O(n \cdot \log n \cdot d)}$ — escala quase linear.

Gerenciamento de cache de 4,2 KV

Cache KV bruto para tokens de 1,5 milhão com precisão BF16:

$M_{KV} = 2 \cdot n \cdot l \cdot d \cdot \text{precisão}$

Com $l = 128$ camadas, $d = 16{,}384$ :

$M_{KV} = 2 \cdot 1{,}500{,}000 \cdot 128 \cdot 16{,}384 \cdot 2 \aproximadamente 12,6 \text{ terabytes}$

Muito além do HBM3 de 80 GB do H100. GPT-5.6 aborda isso por meio de:

Remoção de KV em camadas: Apenas 16 das 128 camadas mantêm KV completo; resto use representações compactadas 8:1
Descarregamento de NVMe: segmentos KV frios migram para NVMe com recuperação de aproximadamente 2 ms
Cache quantizado de 4 bits: quantização Q4_K_M, redução de 4x, <0.3% quality degradation

Effective footprint: ~180GB — fits comfortably on 2×H100 NVLink.

%%CB7%%

5. Business Implications: Who Pays for 1.5M Tokens?

5.1 Inference Cost

$\text{Cost}$

Estimated GPT-5.6 enterprise pricing:

Tier	Input ($/1M tokens)	Cost per 1.5M Input	Output ($/1M tokens)	Use Case
Standard API	$15.00	$22.50	$60.00	Individual developers
Pro	$10.50	$15.75	$42.00	Startups, SMBs
Enterprise	$7.50	$11.25	$30.00	Fortune 500
Dedicated	$5.25	$7.88	$21.00	Hyperscale (>$1M/mês)

xychart-beta
    title "Cost per 1.5M-Token Query by Tier ($)"
    x-axis ["Standard", "Pro", "Enterprise", "Dedicated"]
    y-axis "Cost (USD)" 0 --> 25
    bar [22.50, 15.75, 11.25, 7.88]
    
    annotations
        style bar fill:#10a37f

5.2 A Equação de Valor

Comparação de revisão de documentos legais:

$\text{Custo Humano} = 40 \text{ horas} \times $350/\text{hr} = $14{,}000$

$Custo do GPT-5.6 = </mi><mn>22</mn><mo separator="true">,</mo><mn>50</mn><mo>×</mo><msub><mi>N</mi><mtext>consultas</mtext></msub></mrow><annotation encoding="application/x-tex">\text{Custo do GPT-5.6} = \22,50 \times N_{\text{consultas}}$

Mesmo com 100 consultas (US$ 2.250), 6,2× mais barato:

$\text{Taxa de poupança} = \frac{$14{,}000}{$2{,}250} \aprox 6,2$

graph LR
    subgraph Economics["Cost-Benefit: Legal Document Review"]
        H["Human Team
40 hours
$14,000
5 business days"]
        AI["GPT-5.6
100 API calls
$2,250
15 minutes"]
        Savings["Savings:
84%
Speedup:
160x"]
        
        H ---|"vs"| AI
        AI ---|"result"| Savings
    end
    
    style H fill:#5c2a2a,stroke:#e94560,stroke-width:2px,color:#fff
    style AI fill:#0f3460,stroke:#10a37f,stroke-width:3px,color:#fff
    style Savings fill:#1a472a,stroke:#4ade80,stroke-width:2px,color:#fff
    style Economics fill:#0a0a0a,stroke:#444,color:#fff

6. Impacto no ecossistema: o que muda para sempre

6.1 Vetores de ruptura da indústria

graph TD
    subgraph Impact["GPT-5.6 Ecosystem Disruption Map"]
        Core["GPT-5.6
1.5M Context Window"]
        
        Legal["Legal Tech"]
        Bio["Drug Discovery"]
        SWE["Software Engineering"]
        Intel["Intelligence Analysis"]
        Finance["Financial Analysis"]
        Creative["Creative Industries"]
        
        Core --> Legal
        Core --> Bio
        Core --> SWE
        Core --> Intel
        Core --> Finance
        Core --> Creative
        
        Legal -->|"Full case history analysis"| L1["Contract review:
-80% time"]
        Bio -->|"Multi-omics integration"| B1["Pathway analysis:
previously impossible"]
        SWE -->|"Entire codebase context"| S1["Refactoring:
cross-repo awareness"]
        Intel -->|"Decade of signals"| I1["Pattern detection:
human-level"]
        Finance -->|"Complete market history"| F1["Risk modeling:
unprecedented granularity"]
        Creative -->|"Full narrative arcs"| C1["Series bible generation:
consistent 100+ episodes"]
    end
    
    style Core fill:#10a37f,stroke:#fff,stroke-width:3px,color:#000
    style Legal fill:#1a1a2e,stroke:#d4a574,stroke-width:2px,color:#fff
    style Bio fill:#1a1a2e,stroke:#e94560,stroke-width:2px,color:#fff
    style SWE fill:#1a1a2e,stroke:#4285f4,stroke-width:2px,color:#fff
    style Intel fill:#1a1a2e,stroke:#f0a500,stroke-width:2px,color:#fff
    style Finance fill:#1a1a2e,stroke:#4ade80,stroke-width:2px,color:#fff
    style Creative fill:#1a1a2e,stroke:#a855f7,stroke-width:2px,color:#fff
    style Impact fill:#0a0a0a,stroke:#444,color:#fff

6.2 Aplicativos Nativos de Contexto

GPT-5.6 permite aplicativos projetados desde o início, assumindo que o modelo já viu tudo:

Paradigma	Era Pré-5.6	Era Pós-5.6
Arquitetura de memória	RAG + vetor DB + fragmentação	Contexto único, sem recuperação
Estado da aplicação	Resumido, com perdas	Completo, literalmente
Integração do usuário	Formulários, tutoriais	“É só falar, eu conheço sua história”
Raciocínio multi-sessão	Máquinas de estado	Narrativa contínua e ininterrupta
Depuração	Toras, migalhas de pão	Rastreamento completo de execução no contexto

A fórmula da complexidade muda:

$\text{Complexidade do aplicativo}_{\text{pré-5.6}} \propto \frac{\text{Volume de dados}}{\text{Tamanho do contexto}} + \text{Infraestrutura RAG}$

$\text{Complexidade do aplicativo}_{\text{pós-5.6}} \propto \text{Qualidade do prompt}$

graph LR
    subgraph ParadigmShift["Paradigm Shift: Application Architecture"]
        direction TB
        
        Old["OLD: RAG-Centric
User Query → Embedding → Vector Search →
Top-K → Re-ranking → Context Assembly →
LLM → Response
Latency: 2-5s | Accuracy: ~85%"]
        
        New["NEW: Context-Native
User Query → [Everything in Context] →
LLM → Response
Latency: 0.5-1s | Accuracy: ~97%"]
        
        Old ---|"GPT-5.6 eliminates
retrieval bottleneck"| New
    end
    
    style Old fill:#5c2a2a,stroke:#e94560,stroke-width:2px,color:#fff
    style New fill:#1a472a,stroke:#4ade80,stroke-width:3px,color:#fff
    style ParadigmShift fill:#0a0a0a,stroke:#444,color:#fff

7. Contexto Estratégico: Por que agora?

7.1 Posição Competitiva

quadrantChart
    title Competitive Position: Context Window vs. Ecosystem Lock-in (June 2026)
    x-axis Low Ecosystem Lock-in --> High Ecosystem Lock-in
    y-axis Small Context Window --> Large Context Window
    quadrant-1 Challengers (Big Context, Weak Lock-in)
    quadrant-2 Leaders (Big Context, Strong Lock-in)
    quadrant-3 Niche Players (Small Context, Weak Lock-in)
    quadrant-4 Platform Guardians (Small Context, Strong Lock-in)
    OpenAI: [0.85, 0.75]
    Anthropic: [0.65, 0.60]
    Google: [0.90, 0.85]
    xAI: [0.40, 0.55]
    Meta: [0.70, 0.20]
    Mistral: [0.25, 0.45]

OpenAI está no quadrante Líderes. Google em [0,90, 0,85] é a ameaça mais confiável – token Gemini 3.5 Pro de 2M mais controle de Pesquisa, Workspace e Android.

7.2 A Guerra da Capital

A rodada de mais de US $30 bilhões da Anthropic com avaliação de **US$ 900 bilhões** (excedendo os US $852 bilhões da OpenAI) mostra que os investidores veem isso como o vencedor leva a maior parte. Implantação total de capital de IA em 2026: ~US$ 287 bilhões.

Laboratório	2026 CapEx/OpEx (est.)	Foco Primário
Microsoft/OpenAI	US$ 65 bilhões	Computação de treinamento, datacenter
Google DeepMind	US$ 58 bilhões	Clusters TPU v6, Gemini
Meta IA	US$ 42 bilhões	Ecossistema de lhama, peso aberto
Antrópico	US$ 35 bilhões	IA constitucional, segurança
xAI	US$ 18 bilhões	Treinamento Grok, Colossus
Amazônia	US$ 42 bilhões	Inferentia3, Trainium2, Bedrock
NVIDIA (indireto)	US$ 27 bilhões	Cadeia de fornecimento H200/B200

pie title 2026 AI Infrastructure Capital Allocation ($287B)
    "Microsoft/OpenAI" : 65
    "Google DeepMind" : 58
    "Meta AI" : 42
    "Anthropic" : 35
    "xAI" : 18
    "Amazon" : 42
    "Other" : 27

7.3 Dimensão Geopolítica

A corrida pelas janelas de contexto não é apenas comercial. As restrições relatadas pela China às viagens de investigadores de IA reflectem o reconhecimento de que os modelos à escala da janela de contexto conferem vantagem estratégica:

$A_{contexto} = W \vezes Q \vezes D$

Nações com $A_{context}$ superiores ganham vantagens em inteligência económica, investigação científica, segurança cibernética e planeamento militar.

8. O caminho para 10 milhões de tokens

8.1 Cronograma projetado

Trajetória de crescimento exponencial:

$W(t) = W_0 \cdot e^{kt}$

Ajustado: $k \approx 1,07 \text{ ano}^{-1}$

$t_{10M} = \frac{\ln(10{,}000{,}000/128{,}000)}{1,07} \approx \mathbf{3,8 \text{ anos}} \Rightarrow \text{Final de 2027}$

timeline
    title Context Window Milestone Projection
    2024 Q2 : GPT-4 : 128K tokens
    2024 Q4 : GPT-4.5 : 256K tokens
    2025 Q2 : GPT-5 : 512K tokens
    2025 Q4 : GPT-5.5 : 1.05M tokens
    2026 Q2 : GPT-5.6 : 1.5M tokens
    2026 Q4 : GPT-6 (proj.) : 3-4M tokens
    2027 Q2 : GPT-6.5 (proj.) : 6-8M tokens
    2027 Q4 : GPT-7 (proj.) : 10M+ tokens

8.2 Os limites rígidos

Limite	Descrição	Resolução potencial
Parede de memória	HBM cresce ~1,4×/ano	Memória desagregada (CXL), empilhamento 3D
Gargalo de atenção	Métodos subquadráticos deformam >10M	Atenção linear, modelos de espaço de estados
Restrição de energia	Disponibilidade de energia do datacenter	SMRs nucleares, distribuição de borda
Escassez de dados	Dados de treinamento longos de alta qualidade	Geração sintética, fusão multimodal

graph TD
    subgraph Limits["The 10M Token Barrier"]
        M["Memory Wall
HBM: 192GB max (2026)
10M tokens = 84TB KV cache"]
        A["Attention Bottleneck
O(n log n) costly at n=10M
50x inference latency"]
        P["Power Constraint
1 query = 500kWh
$50/query energy cost"]
        D["Data Scarcity
Few 10M-token coherent
documents exist"]
        
        M -->|"CXL 3.0
Disaggregated Memory"| M1["2TB+ at ~100ns"]
        A -->|"Linear Attention
+ MoD"| A1["O(n) scaling"]
        P -->|"Nuclear SMRs
+ Edge"| P1["$0.02/kWh"]
        D -->|"Synthetic
Long-form Gen"| D1["LLM-generated corpora"]
    end
    
    style M fill:#5c2a2a,stroke:#e94560,stroke-width:2px,color:#fff
    style A fill:#5c2a2a,stroke:#e94560,stroke-width:2px,color:#fff
    style P fill:#5c2a2a,stroke:#e94560,stroke-width:2px,color:#fff
    style D fill:#5c2a2a,stroke:#e94560,stroke-width:2px,color:#fff
    style M1 fill:#1a472a,stroke:#4ade80,stroke-width:2px,color:#fff
    style A1 fill:#1a472a,stroke:#4ade80,stroke-width:2px,color:#fff
    style P1 fill:#1a472a,stroke:#4ade80,stroke-width:2px,color:#fff
    style D1 fill:#1a472a,stroke:#4ade80,stroke-width:2px,color:#fff
    style Limits fill:#0a0a0a,stroke:#444,color:#fff

9. O Contexto é o Computador

A janela de contexto de 1,5M do GPT-5.6 é mais do que um aumento nas especificações – é uma mudança de paradigma. A transição das arquiteturas RAG para aplicativos nativos do contexto é tão fundamental quanto o processamento em lote para a computação interativa.

A onda de junho de 2026 – lançamento público de Claude Sonnet 4.8, Gemini 3.5 Pro, Grok 5, GPT-5.6 – marca o momento em que o “contexto longo” se torna simplesmente “contexto”. Os aplicativos vencedores presumirão que o modelo se lembra de tudo.

Com a avaliação da Anthropic em US$ 900 bilhões e o Google promovendo janelas de 2 milhões de tokens, uma verdade se cristaliza: a janela de contexto é a nova velocidade do clock. A Lei de Moore impulsionou 50 anos de progresso computacional. A expansão da janela de contexto impulsiona a próxima era.A corrida para 10 milhões de tokens não é se — apenas quando.

$\boxed{\text{Contexto} \times \text{Qualidade} \times \text{Escala} = \text{Inteligência}}$

Apêndice A: Especificações principais

Parâmetro	GPT-5.5	GPT-5.6	Alterar
Janela de contexto	1.050.000	1.500.000	+43%
Nome de código	–	íris-alfa	–
Arquitetura	Transformador denso	Atenção Hierárquica	Novo
Utilização Efetiva	~92%	~94%	+2pp
Cache KV (otimizado)	~140 GB	~180 GB	+29%
Latência de inferência (1,5M)	N/A	~8s	Linha de base
Computação de treinamento	~$ 120 milhões	~$ 180 milhões	+50%
Preço API (entrada)	US$ 12/1 milhão	US$ 15/1 milhão	+25%

Última atualização: 28 de maio de 2026. Análise baseada em registros públicos de API, documentação técnica e relatórios verificados do setor. Os valores de preços são estimativas baseadas na extrapolação de níveis empresariais publicados.