Hedra lança a Model Factory para treinar, implantar e aprimorar a IA no mundo real

Hedra está lançando a Model Factory, uma plataforma que reúne infraestrutura de GPU, pós-treinamento de modelos, otimização de inferência e feedback da produção em um único fluxo de trabalho. A empresa de pesquisa, apoiada pela a16z, tem como público equipes de robótica, manufatura, biologia e defesa que precisam adaptar modelos aos próprios dados e condições operacionais.

A proposta busca resolver uma lacuna prática na IA empresarial: muitas vezes, um modelo de uso geral capaz é apenas o ponto de partida. Transformá-lo em um sistema confiável para vídeo, dados de sensores ou ações físicas pode exigir ambientes de treinamento personalizados, software especializado para implantação e uma forma de avaliar cada nova versão em relação à tarefa que ela precisa executar.

Conectando treinamento, implantação e feedback da produção

A Model Factory combina ambientes flexíveis de GPU com o pós-treinamento realizado por pesquisadores da Hedra que trabalham ao lado de agentes autônomos de IA. Os clientes fornecem dados e mecanismos de simulação; a Hedra ajuda a criar ambientes de aprendizado por reforço e conjuntos de dados e, em seguida, otimiza a execução dos modelos resultantes.

“O autoaperfeiçoamento recursivo já está mudando a forma como os modelos de ponta são desenvolvidos”, afirmou Michael Lingelbach, fundador e CEO da Hedra. “O próximo passo é o mundo real, onde os dados são vídeos, sensores e simulações. A Hedra Model Factory oferece às equipes de robótica, manufatura, biologia e defesa a infraestrutura para pós-treinar, implantar e continuar aprimorando seus próprios modelos.”

Após a implantação, os pesquisadores analisam o desempenho em produção, retreinam o modelo e só lançam novas versões quando elas são aprovadas nas avaliações do cliente. Isso torna os critérios de avaliação centrais para o serviço: um modelo mais rápido ainda precisa atender aos requisitos da aplicação em que é usado.

A Hedra usa o termo autoaperfeiçoamento recursivo para descrever pesquisadores e cientistas autônomos de IA que iteram sobre experimentos, execuções de treinamento e métodos de otimização. O processo anunciado inclui pesquisadores e etapas de aprovação baseadas nas avaliações dos clientes, em vez de mudanças automáticas irrestritas nos modelos em produção.

Por que a IA física precisa de mais do que uma infraestrutura de serviço para modelos de texto

O ambiente de execução de modelos de mundo, ou WMR, da Hedra oferece mais contexto sobre o lançamento. A empresa o descreve como um mecanismo de inferência de núcleo aberto para modelos de imagem, vídeo, mundo e texto, com suporte a GPUs NVIDIA e AMD. Suas otimizações visam etapas de difusão, atenção entre quadros e operações de codificação e decodificação, que podem consumir uma parcela significativa do tempo de GPU em cargas de trabalho visuais.

Em um modelo de visão-linguagem-ação, a inferência produz ações, além de interpretar entradas. Em um ambiente simulado, tanto o modelo quanto o ambiente que gera sua experiência de treinamento podem exigir aceleradores. Portanto, melhorar o fluxo de trabalho envolve mais do que escolher um modelo: pode significar reduzir a movimentação de dados, adequar a precisão numérica aos requisitos de qualidade e coordenar o treinamento com a disponibilização do modelo.

A oferta de ambientes isolados com GPU da empresa permite que as equipes usem contêineres, dependências e código de modelo em ambientes isolados, enquanto a Hedra gerencia a alocação, a escalabilidade e a recuperação de hardware. As equipes podem modificar o ambiente de execução, realizar treinamentos ou avaliações e exportar pontos de verificação e artefatos. A plataforma de treinamento oferece suporte a ajuste fino supervisionado, adaptadores LoRA leves e aprendizado por reforço, com avaliação dos pontos de verificação antes da disponibilização do modelo.

Edição de imagens seis vezes mais rápida, sob condições específicas

O comunicado de lançamento destaca a edição de imagens com o Krea 3 como um exemplo do processo de otimização. Segundo a Hedra, a empresa reduziu o tempo de edição de uma imagem 2K de cerca de 22 segundos para 3,6 segundos, usando as mesmas quatro GPUs AMD Instinct MI355X, em menos de uma semana. A comparação combina otimização de inferência e destilação: a versão de referência usava o modelo bf16 original com 30 etapas de amostragem, enquanto a versão mais rápida usava um modelo destilado de 14 etapas.

Essa distinção é importante porque o resultado reflete mudanças tanto nos cálculos do modelo quanto no software que os executa. Trata-se de um resultado relatado para uma carga de trabalho e configuração específicas, e não de uma aceleração geral de seis vezes para todos os modelos disponibilizados pela plataforma.

Um relato técnico da Hedra sobre o Krea 3, publicado separadamente, detalha operações matriciais de menor precisão, atenção personalizada, operações fundidas e transferências entre GPUs direcionadas a mecanismos de cópia dedicados. Sua comparação de 22,9 segundos para 3,3 segundos mede o tempo do transformador de difusão, não a latência da solicitação completa. Portanto, esses números devem ser considerados separadamente do resultado de edição de imagens divulgado no comunicado de lançamento.

Física em vídeos e adaptação do hardware de robôs

A Hedra também relata ter retreinado o H3 para garantir consistência física. O modelo retreinado obteve 34,9 no benchmark Physics-IQ da Google DeepMind, em comparação com 30,3 do H3 Max, com qualidade visual que a Hedra descreve como comparável. Segundo a empresa, uma versão destilada de forma autônoma renderizou um clipe de cinco segundos em menos de três segundos em GPUs MI355X.

Em outro exemplo, um estudo de simulação substituiu a garra de um robô que executava uma política treinada. Segundo a Hedra, ajustar o alcance da garra substituta e o ponto de preensão na imagem captada pela câmera no pulso restaurou o sucesso na tarefa, de quase zero para quase 100%, sem necessidade de retreinamento. A constatação diz respeito à configuração de simulação relatada; ela não demonstra que mudanças arbitrárias de hardware possam ser gerenciadas sem treinamento adicional em robôs implantados.

Esses exemplos apontam para diferentes aspectos do mesmo problema de engenharia: preservar comportamentos úteis enquanto se altera a forma como um modelo funciona ou o sistema em que opera.

Um serviço de pesquisa baseado em modelos que pertencem aos clientes

O Model Factory está disponível a partir de 10 de novembro. As equipes podem trabalhar com pesquisadores da Hedra em modelos personalizados, começar com capacidade flexível de GPU em ambiente de testes, sem compromissos de longo prazo, ou levar um modelo existente para o mecanismo de inferência da plataforma. As opções de implantação incluem infraestrutura local ou um centro de dados de um parceiro nas proximidades, com metas de otimização que vão de modelos de ação no mundo real mais rápidos que o tempo real a modelos de visão-linguagem-ação que cabem em dispositivos de borda.

A empresa afirma que a receita cresceu 15 vezes nos 12 meses anteriores, embora não tenha divulgado o valor de referência da receita no anúncio. O panorama da empresa apresenta a plataforma como uma extensão da experiência da empresa na criação e disponibilização de seus próprios modelos visuais.

Para os clientes, a proposta central é um ciclo de engenharia integrado: usar dados específicos do domínio para aprimorar um modelo, otimizá-lo para o hardware e o orçamento de latência, avaliar o resultado e incorporar a experiência de produção à iteração seguinte. A eficácia desse processo dependerá tanto das avaliações específicas de cada tarefa e das restrições de implantação quanto da velocidade das GPUs subjacentes.