---
title: "Agentes de IA da Asari otimizam performance de LLMs em até 16%"
url: https://dailyjournal.news/news/2026-08-05/agentes-de-ia-da-asari-otimizam-performance-de-llms-em-ate-16
published: 2026-08-05T04:43:06.641877+00:00
updated: 2026-08-05T04:43:06.641877+00:00
categories: ["technology"]
source_count: 1
outlet_count: 0
language: pt-BR
publisher: "Daily Journal"
---

# Agentes de IA da Asari otimizam performance de LLMs em até 16%

Agentes autônomos da Asari AI aprimoraram a pilha de inferência de modelos como DeepSeek v4 Pro e GLM 5.2, elevando throughput e interatividade.

## Pontos principais

- Otimização aplicada a modelos DeepSeek v4 Pro e GLM 5.2 rodando em GPUs NVIDIA B200.
- Melhoria de até 16% em throughput e interatividade com o uso de vLLM v0.23.
- Processo de otimização leva cerca de um dia por nível de concorrência.
- Agentes ajustam toda a pilha de inferência, incluindo kernels, schedulers e load balancers.
- Sistema utiliza checagem de correção baseada em distribuição estatística para garantir a integridade das saídas.
- Capacidade de aprendizado cruzado permitiu evitar deadlocks em novos modelos com base em experiências anteriores.

A startup Asari AI apresentou uma nova classe de agentes de IA, denominados "co-inventores", capazes de otimizar de forma autônoma a infraestrutura de inferência para grandes modelos de linguagem (LLMs). Ao atuar sobre toda a pilha tecnológica, desde kernels de baixo nível até configurações de balanceamento de carga, os agentes conseguiram ganhos de performance de até 16% em ambientes de alta concorrência. O diferencial do sistema reside na sua capacidade de autoaperfeiçoamento, onde aprendizados obtidos durante a otimização de um modelo são transferidos para outros, reduzindo ineficiências operacionais.

Para garantir que o ganho de velocidade não comprometa a precisão, a Asari implementou um rigoroso processo de verificação que compara a distribuição estatística das saídas do modelo otimizado com a versão original. Diferente de testes funcionais tradicionais, esse método assegura que o comportamento do modelo seja preservado mesmo após modificações profundas no código. A tecnologia, que já apresenta resultados superiores às implementações padrão do vLLM, busca resolver a complexidade de otimizar sistemas dinâmicos onde a análise de código estática é insuficiente.

## Fontes

- [Agentes de IA da Asari otimizam performance de LLMs em até 16%](https://asari.ai/blog/inference-optimization) (2026-08-05)

---

Publicado por Daily Journal. Versão HTML: https://dailyjournal.news/news/2026-08-05/agentes-de-ia-da-asari-otimizam-performance-de-llms-em-ate-16