OpenAI compra dezenas de milhares de Mac mini

A OpenAI comprou dezenas de milhares de Mac mini e Mac Studio nos últimos meses para treinar sistemas de aprendizado por reforço e agentes que operam computadores sozinhos. A informação é do site The Information, publicada em 30 de agosto de 2026 e repercutida ao longo do fim de semana.

Chama atenção porque não é o tipo de máquina que se associa a treinamento de IA. As compras são separadas dos clusters de GPU em nuvem que a empresa aluga para treinar modelos grandes — trata-se de uma frota de desktops compactos dedicada a uma tarefa específica.

Por que um Mac mini

A explicação está na arquitetura de memória unificada da Apple. CPU, GPU e Neural Engine dividem o mesmo pool de memória, o que evita cópias entre memórias separadas e torna as máquinas eficientes para cargas de trabalho que envolvem muitos ambientes rodando em paralelo, cada um consumindo pouco.

É exatamente o perfil de treino de agentes de uso de computador: milhares de sessões simulando um usuário que clica, digita e navega. O que importa nesse caso não é a potência bruta de um acelerador, e sim custo por instância e memória disponível.

A OpenAI não está sozinha. Segundo o relato, a Anthropic aluga Mac mini pela AWS para finalidades semelhantes.

Efeito na prateleira

A compra em massa é apontada como causa de falta de estoque das duas máquinas, pressão que teria levado a Apple a antecipar as versões atualizadas de ambas. Para o consumidor comum, o resultado prático foi disputar unidades com um laboratório de IA.

O movimento também recoloca a Apple no mapa competitivo da IA por um caminho lateral. A empresa ficou atrás na corrida por modelos de fronteira, mas o silício com memória unificada virou hardware desejado para rodar IA localmente. Segundo o mesmo relato, a Nvidia já enxerga a Apple como sua principal concorrente em processamento local de IA, à medida que Macs ganham espaço entre desenvolvedores.

Não é ameaça ao domínio da Nvidia em treinamento de larga escala, que segue intacto. É a indicação de que a camada de execução local — agentes, testes e inferência no dispositivo — está formando um mercado próprio, com outra régua de eficiência.

Fontes: CryptoBriefing · Wccftech