Meta Apresenta Supercluster Prometheus: Nova Era de Treinamento em IA com Gigawatts de Potência em Ohio

O Prometheus é um marco na infraestrutura de IA, não só pelo volume (um milhão de GPUs, gigawatts de potência), mas pela sofisticação de sua arquitetura de rede e resiliência. O CEVIU já detalhou em fevereiro de 2026, na matéria "Construindo Prometheus: Como a Agregação de Backend Viabiliza Clusters de IA em Escala de Gigawatts", como a Meta aborda a interconexão de dezenas de milhares de GPUs. A rede de Agregação de Backend (BAG) é crucial, permitindo que os clusters em edifícios diferentes funcionem como uma única máquina. Isso é essencial para manter a alta taxa de "goodput" (85% em pré-treinos), garantindo que as GPUs fiquem sempre processando, sem gargalos na comunicação.

A arquitetura de rede do Prometheus evoluiu do Disaggregated Scheduled Fabric (DSF) para o Non-Scheduled Fabric (NSF), usando switches Ethernet de baixa latência e alta largura de banda. Isso é crítico para a comunicação GPU-a-GPU e para gerenciar fluxos de dados massivos em treinos de IA. O cluster utiliza as plataformas NVIDIA GB200 NVL72 (Catalina) e GB300 NVL72 (Clemente), que trazem avanços em capacidade de memória (HBM3e), poder de computação (PFLOPS) e largura de banda NVLink. A robustez também é vista nas estratégias de tolerância a falhas, como o Parallelism-Aware Fault Tolerance (PAFT) e checkpointing distribuído, que são vitais para evitar interrupções, algo que o CEVIU já destacou em julho de 2026, ao abordar a resiliência no treinamento de IA com PyTorch Monarch.

A Meta já havia indicado sua visão de longo prazo para o Prometheus. Agora, vemos a materialização de algumas dessas ambições em hardware de ponta. Enquanto o supercluster já opera com as plataformas NVIDIA GB200 e GB300, a notícia de que a Meta planeja integrar a futura Vera Rubin NVL72 se alinha perfeitamente com a recente disponibilidade dessa tecnologia. O CEVIU noticiou em 21 de outubro de 2026 que o Google Cloud e a NVIDIA estavam lançando instâncias A5X baseadas justamente na Vera Rubin NVL72. Isso mostra que a Meta está atenta e pronta para adotar as mais recentes inovações da NVIDIA assim que chegam ao mercado, garantindo que o Prometheus permaneça na vanguarda da capacidade de processamento de IA.

A construção do Prometheus reafirma a estratégia da Meta de dominar a infraestrutura para modelos de IA de próxima geração. Para o ecossistema de DevOps e engenharia de plataformas, este projeto é um estudo de caso sobre como escalar sistemas distribuídos para níveis sem precedentes, priorizando "goodput" e resiliência. A Meta demonstra como a co-engenharia com parceiros como a NVIDIA e a inovação em redes de baixa latência são fundamentais para sustentar o treinamento de modelos que, como a família Muse, demandam consistência e performance quase perfeitas. É um modelo para quem busca operar infraestruturas de IA em escala de exaflops, onde cada ponto percentual de eficiência se traduz em milhões de dólares e meses de desenvolvimento.