Inspur MetaBrain SD200 Ultra: 128 chips, Kimi K3 e os testes que faltam

A Inspur Information apresentou o MetaBrain SD200 Ultra na conferência AICC2026, voltada à computação para inteligência artificial, como um supernó para modelos muito grandes e aplicações com agentes de IA sensíveis à latência. No mesmo evento, anunciou o MetaBrain HC2000, com outra prioridade: ampliar a capacidade de produção de tokens em tarefas de inferência. Os números de desempenho divulgados para ambos vêm da fabricante, não de testes independentes. 31820

O que há no SD200 Ultra

Segundo a Inspur, a arquitetura 3D Hyper Mesh interliga 128 aceleradores de IA fabricados na China. O sistema oferece 8 TB de memória dos aceleradores com endereçamento unificado e 64 TB de memória do sistema. A empresa afirma que uma única máquina executa o Kimi K3, de 2,8 trilhões de parâmetros, e comporta modelos de até 10 trilhões de parâmetros. Essa última cifra indica a capacidade anunciada para acomodar modelos; não informa a velocidade de inferência nessa escala. 317

Para o Kimi K3, a Inspur informa menos de 5,85 milissegundos por token gerado, o equivalente, segundo ela, a cerca de 170 tokens por segundo para um usuário — desempenho que descreve como cinco vezes a média do setor. As fontes não detalham o teste o suficiente para confirmar se essa comparação usa condições equivalentes. Além disso, o tempo por token não é o mesmo que o tempo até o primeiro token nem que a espera por uma resposta completa. 13

Por que a interconexão importa

A proposta do endereçamento unificado e da comunicação baseada em operações de memória é reduzir a movimentação de dados entre chips. A Inspur diz que sua tecnologia de memória simétrica permite a um acelerador acessar diretamente a memória de outro. Ela relata latência de comunicação de até 0,69 microssegundo e redução de 3,5 vezes no tempo de comunicação AllReduce, operação usada para combinar dados entre aceleradores. São medidas de comunicação, não do tempo de resposta de uma aplicação. 217

Há também otimizações específicas para o Kimi K3: a empresa afirma agrupar operações ligadas a KDA, Gated MLA e MoE em operadores maiores, que combinam computação e comunicação. Segundo a Inspur, isso reduz em cerca de dez vezes o número de operadores e melhora o desempenho de inferência em mais de três vezes. Não se deve presumir que o ganho se repita em outros modelos. 1719

HC2000 e a lista de verificação para compradores

O HC2000 segue uma proposta distinta, focada em volume de inferência. Ele reúne um rack com refrigeração líquida, a arquitetura DirectCom 2.0 e o software de inferência MCIS. A Inspur afirma que produz dez vezes mais tokens com o mesmo investimento. Para avaliar essa relação, é preciso conhecer a referência de comparação, a carga de trabalho e quais custos entram na conta. A afirmação não significa que o HC2000 alcance a latência por usuário anunciada para o SD200 Ultra. 1820

Os relatos publicados descrevem os aceleradores do SD200 Ultra como produzidos na China, mas não identificam o fornecedor. Antes de decidir pela compra de qualquer um dos sistemas, vale pedir a identificação dos chips e detalhes do suporte de software, além de testes reproduzíveis com os modelos que serão usados. Esses testes devem fixar precisão numérica, tamanho do contexto e número de usuários simultâneos, medindo tempo até o primeiro token, produção sustentada de tokens, consumo de energia e custo total. Sem essas condições, os números do lançamento não permitem prever com segurança o resultado em uma implantação real. 1318