Noam Shazeer, co-líder do Gemini e um dos pais dos Transformers, deixa o Google para se juntar à OpenAI

Q: Por que Shazeer é tão relevante para a infraestrutura de LLMs, e não só para pesquisa teórica?

Ele codificou a primeira versão funcional do Transformer em produção, não só a matemática, mas como alocar memória, gerenciar cache KV e distribuir carga entre GPUs. Seu trabalho na Character.AI mostrou que arquiteturas especializadas podem superar modelos genéricos em cenários reais, como chat em tempo real com baixa latência.

Q: Como a saída de Weil e Peebles em abril se relaciona com a contratação de Shazeer em junho?

Weil e Peebles focavam em ciência fundamental e treinamento de modelos de fronteira. Shazeer vem para resolver problemas de engenharia de baixo nível: inferência eficiente, consumo de memória, escalabilidade de API. É uma reorientação, menos 'quanto maior o modelo', mais 'quanto mais rápido e barato ele responde'.

Q: O que muda para desenvolvedores que usam APIs da OpenAI após a entrada de Shazeer?

Expectativa de melhorias concretas em latency, consistência de resposta e custo por token. Seu histórico mostra foco em reduzir overhead de inferência, o que pode resultar em novos endpoints otimizados, suporte nativo a streaming mais estável e documentação técnica mais detalhada sobre uso de recursos.

Q: Por que a OpenAI contratou Shazeer agora, e não antes?

A empresa só precisava dele agora: com o S-1 na SEC, precisa provar que tem controle técnico sobre custos operacionais. Seus números atuais, US$ 24 bi de receita anualizada, mas US$ 14 bi de prejuízo em 2026, exigem otimização de infraestrutura, não só crescimento de receita. Shazeer é o engenheiro que entrega isso.

19 de junho de 2026

Aprofundamento CEVIU

Aprofundamento

Noam Shazeer não é só um nome no paper dos Transformers: ele é o engenheiro que desenhou a primeira implementação viável do mecanismo de atenção multi-cabeça em escala industrial, e depois, na Character.AI, provou que arquiteturas leves com especialização por personagem podiam competir com modelos monolíticos. Sua volta ao Google em 2024 foi estratégica: trouxe know-how de otimização de inferência em tempo real, essencial para reduzir latência no Gemini 1.5 Pro. Agora, na OpenAI, ele lidera arquitetura, não apenas modelagem. Isso significa foco em como os blocos de ativação, rotinas de kv-cache e paralelização de camadas são reestruturados para o próximo ciclo de hardware (ex: chips customizados da Microsoft e integração com Azure ND H100v5).

O timing não é acidental: Shazeer entra na OpenAI duas semanas antes do S-1 confidencial à SEC. Ele não vai 'ajudar no IPO', vai entregar a base técnica que justifica a avaliação de US$ 852 bilhões. Seu histórico mostra que ele entrega código-fonte, não roadmap vazio: no Google, sua equipe reduziu em 37% o custo de token gerado no Gemini Ultra; na Character.AI, fez o modelo rodar em mobile com <100MB de RAM. Isso impacta diretamente a DX (developer experience) de clientes empresariais, e a margem operacional da OpenAI.

O que mudou

Em abril de 2026, a OpenAI cortou projetos secundários e perdeu dois arquitetos-chave: Kevin Weil (pesquisa científica) e Bill Peebles (modelos de fronteira). Em maio, Andrej Karpathy, outro fundador da OpenAI, foi para a Anthropic, reforçando lá o pré-treinamento. Agora, em junho, a OpenAI contrata Shazeer não como substituto, mas como reposicionamento tático: ele traz expertise em *otimização de arquitetura*, não em treinamento ou ciência básica. É uma mudança de prioridade, da busca por escalabilidade bruta para eficiência estrutural. O que era rumor em março (que a OpenAI estaria reorganizando sua área de 'core infrastructure') virou realidade com essa contratação.

Por que isso importa

Shazeer é o primeiro pesquisador com pedigree de *implementação prática* em larga escala a assumir liderança técnica direta na OpenAI. Isso sinaliza que a empresa está migrando de uma postura de 'publicar primeiro, otimizar depois' para 'projetar para produção desde o início'. Para devs, isso significa APIs mais previsíveis, menor variação de latency entre chamadas, e modelos menores com desempenho equivalente, o que reduz custos operacionais em aplicações reais. Também pressiona concorrentes: o Gemini precisará provar que sua vantagem em multimodalidade não se perde quando comparado com arquiteturas reestruturadas para eficiência, não só para capacidade.

Linha do tempo

2026-04-20
Kevin Weil e Bill Peebles deixam a OpenAI
2026-05-20
Andrej Karpathy se junta à Anthropic
2026-06-19
Noam Shazeer deixa o Google para liderar arquitetura de IA na OpenAI

Perguntas frequentes

Por que Shazeer é tão relevante para a infraestrutura de LLMs, e não só para pesquisa teórica?

Ele codificou a primeira versão funcional do Transformer em produção, não só a matemática, mas como alocar memória, gerenciar cache KV e distribuir carga entre GPUs. Seu trabalho na Character.AI mostrou que arquiteturas especializadas podem superar modelos genéricos em cenários reais, como chat em tempo real com baixa latência.

Como a saída de Weil e Peebles em abril se relaciona com a contratação de Shazeer em junho?

Weil e Peebles focavam em ciência fundamental e treinamento de modelos de fronteira. Shazeer vem para resolver problemas de engenharia de baixo nível: inferência eficiente, consumo de memória, escalabilidade de API. É uma reorientação, menos 'quanto maior o modelo', mais 'quanto mais rápido e barato ele responde'.

O que muda para desenvolvedores que usam APIs da OpenAI após a entrada de Shazeer?

Expectativa de melhorias concretas em latency, consistência de resposta e custo por token. Seu histórico mostra foco em reduzir overhead de inferência, o que pode resultar em novos endpoints otimizados, suporte nativo a streaming mais estável e documentação técnica mais detalhada sobre uso de recursos.

Por que a OpenAI contratou Shazeer agora, e não antes?