A equipe de pesquisa da Google anunciou o TurboQuant, uma técnica de compressão de memória de IA que reduz drasticamente a memória de trabalho necessária para inferência. Utilizando a quantização de vetores, o método pode reduzir o cache KV por pelo menos seis vezes sem prejudicar o desempenho. A inovação, comparada por alguns online à ferramenta de compressão fictícia "Pied Piper", será apresentada na conferência ICLR 2026. Embora ainda esteja em estágio laboratorial, o TurboQuant promete operação de IA mais barata e pode ajudar a resolver gargalos de memória em sistemas de IA. Leia mais →