Celeris AI Revela celeris-1: IA com Desempenho de GPT-5 e 15x Mais Velocidade

A Celeris AI sacudiu o mercado de IA com o lançamento do celeris-1, um modelo de linguagem que entrega inteligência próxima ao GPT-5, mas com uma velocidade que chega a ser 15 vezes maior. O grande diferencial está na sua arquitetura de inferência, que troca a geração autorregressiva convencional por técnicas de diffusion. Essa abordagem permite uma latência P50 de apenas 157 milissegundos, um número impressionante para um modelo de fronteira.

Em termos de capacidade, o celeris-1 alcança 76% no benchmark MMLU-Pro. Comparando com os 81% do GPT-5 e 78% do GPT-5-mini, ele está muito próximo. Já no throughput, o modelo da Celeris impressiona com 1.280 tokens por segundo, superando largamente concorrentes como o Gemini-3.5 flash-light, que atinge 144 tokens por segundo.

A busca por IA mais rápida e eficiente é uma constante na cobertura do CEVIU. Em 18 de março de 2026, noticiamos o lançamento do GPT-5.4 mini e nano pela OpenAI, já com foco em otimização de velocidade. Mais recentemente, em 10 de julho de 2026, a mesma OpenAI apresentou a família GPT-5.6 (Sol, Terra, Luna), que também prometia eficiência aprimorada.

O celeris-1, da Celeris AI, mostra que a competição agora se intensifica na arquitetura de inferência. Enquanto os modelos anteriores buscavam otimizar a geração autorregressiva, o celeris-1 adota as técnicas de diffusion. Isso não é só um ganho incremental; é uma mudança de rota na engenharia de LLMs para atingir performance. Ele não apenas compete em velocidade com os "mini" e "nano" de mercado, mas estabelece um novo padrão com ganhos de velocidade significativos, mesmo com um pequeno ajuste na pontuação de inteligência bruta.

Um modelo de IA com alta inteligência e latência baixíssima abre um leque de possibilidades para aplicações em tempo real. Pense em assistentes de IA ultrarrápidos, processamento instantâneo de dados em ambientes críticos ou interações conversacionais fluidas em larga escala. A Celeris AI não entrega apenas um modelo rápido; ela demonstra que é possível redefinir os limites de desempenho da inferência de IA sem sacrificar a capacidade de modo significativo.

A inovação por trás do celeris-1, usando técnicas de diffusion, também pode influenciar o desenvolvimento de futuros modelos, incentivando outras empresas a explorar arquiteturas menos convencionais. Essa corrida por eficiência e velocidade é crucial para democratizar o acesso à IA de ponta, reduzir custos operacionais e permitir que a IA resolva problemas que antes eram inviáveis por conta da latência.