Em 9 de agosto, o usuário do X ChrisGPT, que acompanha de perto as tendências dos modelos da OpenAI, revelou que a OpenAI está avançando com um novo grande modelo de pré-treinamento codinome Doug.
Segundo ele, Doug será o maior projeto de pré-treinamento da OpenAI até agora e não é o mesmo modelo que o GPT-6.
Em respostas subsequentes, ChrisGPT afirmou que o GPT-6 provavelmente é o próprio modelo mais poderoso da OpenAI, Astra, cujo lançamento foi temporariamente suspenso ontem por questões de segurança.
Quanto ao Doug, ele espera que o lançamento ocorra até novembro, no máximo.
ChrisGPT não foi a primeira fonte a mencionar publicamente Doug.
Em 7 de agosto, a instituição de pesquisa de semicondutores e inteligência artificial SemiAnalysis divulgou um memorando de pesquisa anteriormente enviado a clientes institucionais em um artigo discutindo o Gemini e o Google Cloud. O memorando é datado de 9 de julho.
Endereço do artigo: https://newsletter.semianalysis.com/p/gemini-is-cooked-but-gcp-is-cooking
Uma frase é muito importante: a OpenAI já superou os problemas de pré-treinamento, e um modelo muito maior, com o codinome Doug, está sendo desenvolvido ativamente.
Se as informações relevantes forem precisas, Doug pode estar sugerindo que, após quase dois anos de crescimento de capacidade impulsionado principalmente por pós-treinamento, aprendizado por reforço e cálculo no tempo de inferência, a OpenAI está reiniciando uma grande substituição de modelos base.
A história começa com o GPT-4o.
OpenAI entregou mais crescimento ao RL
Em 13 de maio de 2024, a OpenAI lançou o GPT-4o e o chamou de novo modelo principal.
Depois disso, por quase dois anos, a OpenAI, embora tenha treinado e lançado novos modelos pré-treinados como o GPT-4.5, ainda não concluiu uma rodada de pré-treinamento em escala completa que possa ser amplamente implantada como o próximo modelo fronteira principal.
Ao mesmo tempo, o crescimento da capacidade dos modelos da OpenAI está passando cada vez mais por outra linha.
Em 12 de setembro de 2024, a OpenAI lançou o o1-preview.
Em comparação com o passado, quando o aumento de capacidade dependia de pré-treinamentos maiores, o o1 demonstra outro método de escala: por meio de aprendizado por reforço em larga escala, permitindo que o modelo aprenda a dedicar mais computação à inferência. Desde então, pós-treinamento, RL e computação durante a inferência tornaram-se cada vez mais importantes na arquitetura de modelos da OpenAI.
Em abril de 2025, o3 foi lançado oficialmente. A OpenAI reforçou novamente que a capacidade de raciocínio da série o vem do reinforcement learning em grande escala.
Em agosto de 2025, o GPT-5 foi lançado. Ele não é mais apenas um único modelo, mas uma arquitetura unificada composta por modelos rápidos, modelos de raciocínio profundo e um sistema de roteamento.
A SemiAnalysis acredita que, por trás das séries o1, o3 e até GPT-5, não houve uma transição de geração de base model tão nova quanto a do GPT-4o; os modelos relacionados ainda se baseiam no sistema de base model da era GPT-4o.
A OpenAI nunca confirmou essa linhagem de treinamento, mas se as informações da SemiAnalysis estiverem corretas, a trajetória dos últimos dois anos fica muito clara: a base não sofreu uma transição geracional de mesmo nível, e o crescimento de capacidade foi impulsionado principalmente por post-training e RL cada vez mais potentes.
O escalonamento de modelos também evoluiu de depender principalmente do pré-treinamento para abranger três dimensões: pré-treinamento, RL e cálculo no tempo de inferência.
O problema é que, se o modelo básico não passar por uma substituição de mesmo nível por um longo período, e apenas continuar a escalar por meio de pós-treinamento e cálculo de inferência, acabará enfrentando uma diminuição dos retornos marginais.
A chegada do Gemini 3 transformou rapidamente esse problema potencial de treinamento em uma pressão competitiva real.
Garlic: o pré-treinamento está voltando a funcionar
Em 18 de novembro de 2025, o Google lançou o Gemini 3.
Em dez dias, a SemiAnalysis lançou, em sua análise do TPUv7, um julgamento que gerou ampla discussão: desde o GPT-4o, a OpenAI não concluiu uma rodada de pré-treinamento em escala total bem-sucedida que pudesse ser amplamente implantada como um novo modelo de fronteira.
Após o Google lançar o Gemini 3, essa diferença passou de um problema de rota de treinamento para uma pressão competitiva direta.
Em 1º de dezembro, múltiplos meios de comunicação relataram que Sam Altman declarou "Code Red" internamente na OpenAI, solicitando que a equipe priorizasse o aprimoramento do ChatGPT e reconfigurasse parte dos recursos.
Um dia depois, informações mais cruciais sobre o treinamento surgiram.
Em 2 de dezembro de 2025, o The Information relatou que a OpenAI está desenvolvendo um novo modelo de pré-treinamento codinome Garlic. O relato citou fontes internas afirmando que o Garlic apresentou bom desempenho em avaliações de codificação e raciocínio, utilizando uma série de correções de bugs descobertas pela OpenAI durante treinamentos anteriores.
Mais importante ainda, o chefe de pesquisa da OpenAI, Mark Chen, supostamente informou à equipe que a empresa resolveu alguns dos principais problemas anteriores no pré-treinamento. O relatório também mencionou que essas melhorias no treinamento permitem que modelos menores contenham conhecimentos que anteriormente exigiam modelos maiores.
No mesmo artigo, havia outra frase que mais tarde se mostrou particularmente importante: a OpenAI já começou a desenvolver um modelo "ainda maior e melhor" com base na experiência adquirida com o Garlic.
A história de Doug realmente começou aqui.
Em 6 de janeiro de 2026, a SemiAnalysis voltou a discutir a rota dos modelos da OpenAI. Desta vez, eles escreveram diretamente: a OpenAI já resolveu os problemas de pré-treinamento.
Ou seja, segundo as informações da SemiAnalysis, o problema anteriormente enfrentado pelo OpenAI no treinamento prévio em escala completa já foi resolvido.
Garlic provavelmente desempenhou o papel de verificar se essas correções foram eficazes, enquanto Doug pode ser o resultado desses métodos de treinamento realmente ampliados para uma escala maior.
OpenAI pode estar se preparando para reiniciar o scaling da base
Se a mensagem acima for precisa, a OpenAI pode estar avançando continuamente em pelo menos duas rodadas importantes de projetos de modelos: o Astra, já na fase avançada de avaliação, e o Doug, supostamente ainda maior.
E Doug aponta para outro aspecto: impulsionar novamente a escalabilidade da base em si.
Nos últimos dois anos, a OpenAI já demonstrou que bases antigas ainda podem ser continuamente impulsionadas por RL, raciocínio e cálculo no tempo de inferência.
Doug está respondendo a outra pergunta: após a base sofrer outra grande salto, até onde esse sistema de pós-treinamento já empurrado ao limite ainda pode levar a capacidade?
Este pode ser o verdadeiro ponto de partida para a próxima rodada de competição de modelos da OpenAI.
Link de referência:
https://x.com/ChrisGPT/status/2086220662264250764
https://newsletter.semianalysis.com/p/gemini-is-cooked-but-gcp-is-cooking
https://newsletter.semianalysis.com/p/rl-environments-and-rl-for-science
https://www.theinformation.com/newsletters/ai-agenda/openai-developing-garlic-model-counter-googles-recent-gains
Este artigo é do canal do WeChat "Machine Heart" (ID: almosthuman2014), autor: Machine Heart focada em LLM