Principais destaques
- 2017 mudou o jogo: o Transformer introduziu uma arquitetura baseada em atenção que se tornou a fundação dos grandes modelos de linguagem atuais.
- 2022 popularizou a IA generativa: o lançamento do ChatGPT colocou modelos de linguagem nas mãos de centenas de milhões de pessoas e acelerou uma nova fase da indústria.
- Hoje, o chat já não é o destino: modelos com raciocínio, multimodalidade, uso de ferramentas e agentes estão transformando a IA de uma tecnologia que responde para uma tecnologia capaz de executar tarefas.
Tudo começou com uma ideia aparentemente simples 🧠
Em junho de 2017, pesquisadores do Google e colaboradores publicaram “Attention Is All You Need”.
O trabalho apresentou o Transformer, uma arquitetura que abandonava a recorrência usada por modelos anteriores e se baseava exclusivamente em mecanismos de atenção. Além de melhorar resultados em tradução, a arquitetura permitia um grau muito maior de paralelização durante o treinamento.
Foi uma daquelas mudanças técnicas que parecem restritas aos laboratórios.
Até deixarem de ser.
💡 O Transformer não foi o ChatGPT. Mas sem o Transformer, a era do ChatGPT provavelmente não teria acontecido da forma que conhecemos.
2018: nasce a família GPT
Em 2018, a OpenAI apresentou o GPT, baseado na ideia de usar Transformers para pré-treinar modelos de linguagem em grandes quantidades de texto.
A proposta era poderosa: em vez de construir uma IA separada para cada tarefa, seria possível treinar um modelo geral e depois adaptá-lo.
A segunda geração veio rapidamente.
2019: GPT-2 mostra o que escala pode fazer 🚀
O GPT-2 foi apresentado em fevereiro de 2019. O modelo foi treinado para prever a próxima palavra em 40 GB de texto da internet e já conseguia gerar parágrafos coerentes, responder perguntas e realizar tarefas de tradução e resumo sem treinamento específico para cada uma delas.
A própria OpenAI inicialmente segurou o modelo completo, preocupada com possíveis usos maliciosos.
Meses depois, diferentes versões foram liberadas progressivamente, chegando ao modelo de 1,5 bilhão de parâmetros.
A escala começava a virar uma estratégia.
2020: GPT-3 transforma linguagem em plataforma
Em 2020, chega o GPT-3, levando a ideia muito mais longe.
A grande mudança não era simplesmente escrever textos melhores.
Era a possibilidade de usar um único modelo para executar diferentes tarefas a partir de instruções e exemplos no próprio prompt.
A OpenAI também lançou sua API em 2020, permitindo que desenvolvedores incorporassem modelos de linguagem diretamente em seus produtos.
Isso ajudou a transformar modelos de IA em infraestrutura.
De repente, empresas não precisavam necessariamente construir uma IA do zero.
Podiam simplesmente chamar uma IA.
2022: o chatbot que colocou tudo no mapa 💬
Então chegou 30 de novembro de 2022.
A OpenAI lançou o ChatGPT como uma prévia de pesquisa gratuita.
O modelo utilizava uma interface conversacional e era capaz de manter interações, responder perguntas de acompanhamento, reconhecer erros e seguir instruções.
A diferença estava menos na tecnologia isoladamente e mais na interface.
Antes, você precisava saber o que era um modelo, uma API ou um prompt.
Agora bastava conversar.
A IA generativa deixou de parecer uma ferramenta para especialistas e começou a parecer um produto de consumo.
2023: GPT-4, plugins e a corrida multimodal
Em março de 2023, veio o GPT-4.
A OpenAI o descreveu como um grande modelo multimodal, capaz de receber texto e imagens e produzir texto. O modelo também representou um avanço significativo em raciocínio e desempenho em tarefas profissionais e acadêmicas.
Poucos dias depois, começaram os experimentos com plugins do ChatGPT, permitindo ao modelo acessar ferramentas externas, navegar e executar cálculos.
🔎 A mudança conceitual era importante: a IA começava a sair da caixa de texto.
Ela poderia utilizar outras ferramentas.
Enquanto isso, o Google avançava na direção multimodal. Em dezembro de 2023, apresentou o Gemini, desenvolvido desde o início para trabalhar com diferentes modalidades, incluindo texto, áudio, imagens e vídeo.
2024: a IA começa a ouvir, enxergar e conversar 👁️
O próximo salto foi a multimodalidade em tempo real.
Em maio de 2024, a OpenAI apresentou o GPT-4o, capaz de trabalhar nativamente com texto, áudio, imagem e vídeo, incluindo respostas de voz com latência próxima à de uma conversa humana.
A ideia de “assistente de IA” começou a ganhar outro significado.
Não era mais necessariamente:
pergunta → texto → resposta.
Passava a ser:
voz → visão → raciocínio → resposta → ação.
E outra transformação acontecia nos bastidores.
2024–2025: o raciocínio vira protagonista 🧩
A indústria começou a investir pesadamente em modelos que não apenas geravam uma resposta rapidamente, mas utilizavam mais computação para resolver problemas complexos.
Foi o surgimento da chamada IA de raciocínio.
A OpenAI introduziu a série o1 em 2024. Em janeiro de 2025, a DeepSeek lançou o DeepSeek-R1, destacando o uso de aprendizado por reforço em larga escala e desempenho em matemática, programação e raciocínio.
Isso mudou novamente a pergunta.
Não era mais apenas:
“Quanto texto o modelo consegue gerar?”
Era:
“Quanto problema ele consegue resolver antes de responder?”
2025: DeepSeek acelera a disputa 🌏
O DeepSeek-R1 também chamou atenção por disponibilizar modelo e código sob licença MIT, além de modelos destilados menores.
A discussão sobre IA deixou de ser exclusivamente uma corrida por modelos gigantes.
Passou a envolver:
• eficiência de treinamento
• custo de inferência
• modelos abertos
• raciocínio
• chips
• quantidade de dados
• uso de ferramentas
• capacidade de executar tarefas
A eficiência passou a ser tão importante quanto simplesmente aumentar o tamanho do modelo.
Agosto de 2025: GPT-5 une diferentes formas de inteligência
Em 7 de agosto de 2025, a OpenAI apresentou o GPT-5.
A arquitetura de produto passou a combinar um modelo rápido, um modelo de raciocínio mais profundo e um roteador capaz de decidir qual abordagem utilizar de acordo com a tarefa.
É uma mudança importante de paradigma.
A pergunta deixa de ser:
“Qual modelo devo escolher?”
E começa a ser:
“Quanto raciocínio essa tarefa precisa?”
2026: chegamos à era dos agentes 🤖
E aqui está a virada mais importante da linha do tempo.
Os modelos atuais não estão sendo desenvolvidos apenas para conversar.
Eles estão sendo desenvolvidos para trabalhar.
Agentes podem operar por períodos prolongados, utilizar ferramentas, interagir com ambientes digitais e repetir ciclos de planejamento e execução até completar uma tarefa. A própria OpenAI descreve essa mudança como uma passagem de interações isoladas para tarefas delegadas de longo horizonte.
Em 2026, essa direção aparece claramente nos modelos de fronteira.
A OpenAI lançou o GPT-5.6 em julho, com foco em inteligência por token, eficiência e tarefas complexas.
E a evolução não está restrita a uma empresa. A Anthropic, por exemplo, apresentou em junho o Claude Sonnet 5 com foco explícito em capacidades agênticas, incluindo planejamento, uso de navegador e terminal e execução autônoma.
Enquanto isso, modelos como o DeepSeek-V3.2 passaram a integrar raciocínio diretamente ao uso de ferramentas, aproximando ainda mais reasoning + tool use + agentes.
A linha do tempo, em uma tabela
| Ano | Marco | O que mudou |
|---|---|---|
| 2017 | Transformer | A atenção vira a base de uma nova geração de modelos |
| 2018 | GPT | Pré-treinamento em larga escala ganha protagonismo |
| 2019 | GPT-2 | Modelos começam a produzir linguagem muito mais coerente |
| 2020 | GPT-3 | Um modelo passa a executar inúmeras tarefas via linguagem |
| 2022 | ChatGPT | IA generativa chega ao grande público |
| 2023 | GPT-4 | Raciocínio e multimodalidade avançam |
| 2023 | Gemini | Google entra forte na corrida dos modelos multimodais |
| 2024 | GPT-4o | Texto, visão e voz convergem em tempo real |
| 2024–25 | Modelos de raciocínio | Mais computação passa a ser usada para resolver problemas |
| 2025 | DeepSeek-R1 | Raciocínio e eficiência ganham nova dimensão na competição |
| 2025 | GPT-5 | Sistemas unificam resposta rápida e raciocínio profundo |
| 2026 | Agentes | IA passa de responder perguntas para executar tarefas |
| 2026 | GPT-5.6 e novos modelos de fronteira | Eficiência, raciocínio, ferramentas e autonomia convergem |
E agora?
Olhar essa história como uma sequência de versões do GPT é perder a parte mais interessante.
A trajetória foi aproximadamente esta:
Transformer → modelos pré-treinados → modelos maiores → chatbots → multimodalidade → raciocínio → ferramentas → agentes.
Cada etapa mudou a unidade básica da interação.
Primeiro era uma palavra.
Depois, um texto.
Depois, uma conversa.
Agora começa a ser uma tarefa inteira.
🚀 O próximo capítulo da IA provavelmente não será sobre conversar melhor com máquinas. Será sobre delegar trabalho a elas.
E isso explica por que a corrida atual não está acontecendo apenas nos benchmarks de linguagem. Ela está acontecendo em programação, ciência, pesquisa, navegação na web, uso de computadores, automação e execução de tarefas de ponta a ponta.
Em 2017, os pesquisadores queriam descobrir se a atenção poderia substituir arquiteturas recorrentes.
Quase uma década depois, a pergunta é bem diferente: até onde podemos confiar uma tarefa inteira a uma máquina que consegue raciocinar, usar ferramentas e agir sozinha?
A história do Transformer pode ter começado com uma arquitetura. Mas a próxima fase está começando a parecer muito mais com uma força de trabalho digital.
