{"id":1486,"date":"2026-07-08T13:02:40","date_gmt":"2026-07-08T13:02:40","guid":{"rendered":"https:\/\/convly.ai\/?p=1486"},"modified":"2026-07-08T13:02:40","modified_gmt":"2026-07-08T13:02:40","slug":"intel-arc-pro-b70-beats-rtx-5090d-deepseek-r1","status":"publish","type":"post","link":"https:\/\/convly.ai\/pt\/intel-arc-pro-b70-beats-rtx-5090d-deepseek-r1\/","title":{"rendered":"Intel Arc Pro B70 supera RTX 5090D da NVIDIA no DeepSeek R1 com um quarto do custo"},"content":{"rendered":"<p>A Arc Pro B70 da Intel teria superado a RTX 5090D da NVIDIA em <strong>DeepSeek<\/strong> R1 inference workload while costing roughly a quarter as much, according to a benchmark write-up published by Wccftech. The result, which Wccftech says sees the Arc Pro B70 delivering over 2,000 tokens per second on DeepSeek&#8217;s reasoning model, lands at a delicate moment for the AI accelerator market: buyers are actively hunting for cheaper ways to serve open-weights models, and DeepSeek itself is reportedly working on custom silicon to reduce its dependence on both NVIDIA and Huawei.<\/p>\n<div class=\"convly-tldr\">\n<h3>Principais conclus\u00f5es<\/h3>\n<ul>\n<li>O Wccftech relata que a Arc Pro B70 da Intel superou a RTX 5090D da NVIDIA ao executar o modelo de linguagem de grande porte DeepSeek R1, registrando mais de 2.000 tokens por segundo na configura\u00e7\u00e3o testada.<\/li>\n<li>A Arc Pro B70 teria custado cerca de um quarto do valor da RTX 5090D, alterando drasticamente a equa\u00e7\u00e3o custo por token para infer\u00eancia local de DeepSeek.<\/li>\n<li>Esse resultado \u00e9 especialmente relevante para desenvolvedores que executam localmente modelos de racioc\u00ednio de pesos abertos, onde a infer\u00eancia limitada por mem\u00f3ria historicamente favoreceu as GPUs de ponta da NVIDIA voltadas para consumidores e esta\u00e7\u00f5es de trabalho.<\/li>\n<li>Segundo relatos separados do Wccftech e do capacityglobal.com, a DeepSeek estaria desenvolvendo seu pr\u00f3prio chip de infer\u00eancia, com o objetivo de reduzir sua depend\u00eancia da NVIDIA e da Huawei.<\/li>\n<li>Nem a Intel nem a NVIDIA emitiram uma resposta formal ao benchmark at\u00e9 a data de reda\u00e7\u00e3o deste artigo.<\/li>\n<\/ul>\n<\/div>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_84 counter-flat ez-toc-counter ez-toc-container-direction\">\n<label for=\"ez-toc-cssicon-toggle-item-6a526e6cdde5a\" class=\"ez-toc-cssicon-toggle-label\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Alternar<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #000000;color:#000000\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #000000;color:#000000\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/label><input type=\"checkbox\"  id=\"ez-toc-cssicon-toggle-item-6a526e6cdde5a\"  aria-label=\"Alternar\" \/><nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/convly.ai\/pt\/intel-arc-pro-b70-beats-rtx-5090d-deepseek-r1\/#What_Wccftech_reports_about_the_DeepSeek_R1_benchmark\" >O que o Wccftech relata sobre o benchmark do DeepSeek R1<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/convly.ai\/pt\/intel-arc-pro-b70-beats-rtx-5090d-deepseek-r1\/#Why_DeepSeek_R1_is_the_workload_to_watch\" >Por que o DeepSeek R1 \u00e9 a carga de trabalho a observar<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/convly.ai\/pt\/intel-arc-pro-b70-beats-rtx-5090d-deepseek-r1\/#How_the_two_cards_compare_on_the_reported_numbers\" >Como as duas placas se comparam nos n\u00fameros relatados<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/convly.ai\/pt\/intel-arc-pro-b70-beats-rtx-5090d-deepseek-r1\/#What_the_result_means_for_local_and_on-prem_DeepSeek_deployment\" >O que o resultado significa para implanta\u00e7\u00f5es locais e on-premises de DeepSeek<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/convly.ai\/pt\/intel-arc-pro-b70-beats-rtx-5090d-deepseek-r1\/#The_wider_DeepSeek_hardware_picture\" >O panorama mais amplo do hardware da DeepSeek<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/convly.ai\/pt\/intel-arc-pro-b70-beats-rtx-5090d-deepseek-r1\/#Caveats_and_what_still_needs_verifying\" >Reservas e pontos ainda a serem verificados<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/convly.ai\/pt\/intel-arc-pro-b70-beats-rtx-5090d-deepseek-r1\/#Frequently_asked_questions\" >Perguntas frequentes<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/convly.ai\/pt\/intel-arc-pro-b70-beats-rtx-5090d-deepseek-r1\/#The_bottom_line\" >Resumo final<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"What_Wccftech_reports_about_the_DeepSeek_R1_benchmark\"><\/span>O que o Wccftech relata sobre o benchmark do DeepSeek R1<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Segundo o Wccftech, a Arc Pro B70 da Intel superou a RTX 5090D da NVIDIA especificamente no modelo de racioc\u00ednio R1 da DeepSeek, alcan\u00e7ando mais de 2.000 tokens por segundo na configura\u00e7\u00e3o testada. O Wccftech destaca esse resultado como not\u00e1vel n\u00e3o apenas porque a placa profissional Arc da Intel superou a GPU topo de linha da NVIDIA destinada ao mercado chin\u00eas, mas tamb\u00e9m porque a RTX 5090D teria custado cerca de quatro vezes mais. Se essa propor\u00e7\u00e3o for confirmada em testes independentes, isso representaria uma mudan\u00e7a significativa na m\u00e9trica custo por token, que cada vez mais orienta a escolha de GPUs para servir modelos de pesos abertos como o DeepSeek R1.<\/p>\n<p>A manchete do Wccftech foca-se numa \u00fanica e restrita alega\u00e7\u00e3o: que, nessa configura\u00e7\u00e3o espec\u00edfica do DeepSeek R1, a Arc Pro B70 superou a RTX 5090D e o fez a um custo muito menor. Ela n\u00e3o afirma que a Arc Pro B70 seja mais r\u00e1pida que a RTX 5090D de forma geral, nem em outros modelos, precis\u00f5es ou tamanhos de lote. Leitores avaliando esse resultado para seus pr\u00f3prios <a href=\"https:\/\/convly.ai\/pt\/models\/\">Banco de dados de modelos de IA<\/a> planos devem trat\u00e1-lo como um \u00fanico ponto de dados em uma \u00fanica carga de trabalho, aguardando benchmarks independentes mais abrangentes.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Why_DeepSeek_R1_is_the_workload_to_watch\"><\/span>Por que o DeepSeek R1 \u00e9 a carga de trabalho a observar<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>O DeepSeek R1 tornou-se um dos modelos de racioc\u00ednio de pesos abertos mais observados do mercado, e seu perfil de infer\u00eancia \u00e9 incomum: cadeias longas de racioc\u00ednio, uso intenso do cache de pares chave-valor e forte prefer\u00eancia por GPUs com largura de banda de mem\u00f3ria generosa. Essa combina\u00e7\u00e3o \u00e9 exatamente onde o equil\u00edbrio entre poder computacional bruto e projeto do subsistema de mem\u00f3ria importa mais, e \u00e9 por isso que uma placa profissional de faixa intermedi\u00e1ria pode, \u00e0s vezes, surpreender uma GPU topo de linha voltada para consumidores nominalmente mais potente. A an\u00e1lise do Wccftech posiciona o resultado da Arc Pro B70 nesse contexto, argumentando que o comportamento intensivo em mem\u00f3ria do DeepSeek R1 recompensa as escolhas arquitet\u00f4nicas da Intel.<\/p>\n<p>Para equipes dimensionando hardware para implanta\u00e7\u00f5es locais de DeepSeek, a conclus\u00e3o pr\u00e1tica \u00e9 que os FLOPS anunciados importam menos do que os tokens por segundo sustentados no modelo real. Nossa <a href=\"https:\/\/convly.ai\/pt\/llm-vram-calculator\/\">calculadora gratuita de VRAM<\/a> foi projetada exatamente para esse tipo de planejamento, permitindo que os leitores verifiquem se uma determinada placa consegue sequer armazenar os pesos e o cache do DeepSeek R1 no comprimento de contexto almejado, antes mesmo de considerar a taxa de transfer\u00eancia.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"How_the_two_cards_compare_on_the_reported_numbers\"><\/span>Como as duas placas se comparam nos n\u00fameros relatados<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>A mat\u00e9ria do Wccftech apresenta a hist\u00f3ria principalmente como uma surpresa no custo-desempenho. Apenas um subconjunto das especifica\u00e7\u00f5es \u00e9 diretamente referenciado na fonte, portanto, a tabela abaixo adere estritamente ao que o Wccftech relata e ao que \u00e9 publicamente conhecido sobre os produtos pelo nome; qualquer informa\u00e7\u00e3o n\u00e3o declarada na fonte foi deixada em branco, em vez de suposta.<\/p>\n<table class=\"convly-vs\">\n<thead>\n<tr>\n<th>Placa<\/th>\n<th>Taxa de processamento relatada no DeepSeek R1<\/th>\n<th>Custo relativo (segundo o Wccftech)<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Intel Arc Pro B70<\/td>\n<td>Mais de 2.000 tokens\/s<\/td>\n<td>Aproximadamente um quarto do valor da RTX 5090D<\/td>\n<\/tr>\n<tr>\n<td>NVIDIA RTX 5090D<\/td>\n<td>Superada pela Arc Pro B70 no mesmo teste<\/td>\n<td>Refer\u00eancia (aproximadamente 4x o valor da Arc Pro B70)<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Para modelagem de custos mais detalhada em torno de modelos como o DeepSeek R1, nosso <a href=\"https:\/\/convly.ai\/pt\/ai-price-performance-index-2026\/\">\u00cdndice de desempenho-custo de IA<\/a> acompanha como essas propor\u00e7\u00f5es mudam entre gera\u00e7\u00f5es e cargas de trabalho, e nossa compila\u00e7\u00e3o <a href=\"https:\/\/convly.ai\/pt\/best-gpus-for-ai-2026\/\">melhores GPUs para IA<\/a> abrange o conjunto mais amplo de concorrentes que os desenvolvedores est\u00e3o avaliando este ano.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"What_the_result_means_for_local_and_on-prem_DeepSeek_deployment\"><\/span>O que o resultado significa para implanta\u00e7\u00f5es locais e on-premises de DeepSeek<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>O custo por token tornou-se atualmente o principal fator decis\u00f3rio em muitas escolhas de hardware no ecossistema de pesos abertos, particularmente para equipes que optaram por autohospedar modelos DeepSeek em vez de usar uma API. Caso os n\u00fameros do Wccftech sejam confirmados por benchmarks independentes, a Arc Pro B70 poder\u00e1 alterar os c\u00e1lculos de pequenos est\u00fadios, laborat\u00f3rios de pesquisa e projetos-piloto corporativos que anteriormente assumiam necessitar do sil\u00edcio topo de linha da NVIDIA para atingir metas interativas de tokens por segundo no DeepSeek R1.<\/p>\n<p>Mesmo aceitando a ressalva de que se trata de um \u00fanico benchmark em um \u00fanico modelo, a lacuna de pre\u00e7o relatada de quatro para um \u00e9 suficientemente grande para que at\u00e9 mesmo uma vantagem de desempenho bem menor a favor da Intel ainda se traduza em infer\u00eancia materialmente mais barata. Equipes avaliando se isso muda sua decis\u00e3o de construir versus comprar podem modelar ambos os cen\u00e1rios usando nossa <a href=\"https:\/\/convly.ai\/pt\/self-hosting-vs-api-calculator\/\">calculadora de autohospedagem versus API<\/a>que contrasta o custo amortizado de GPUs on-premises com os pre\u00e7os hospedados da DeepSeek.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"The_wider_DeepSeek_hardware_picture\"><\/span>O panorama mais amplo do hardware da DeepSeek<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>A hist\u00f3ria da Arc Pro B70 surge junto com outra mudan\u00e7a na pr\u00f3pria estrat\u00e9gia de hardware da DeepSeek. O Wccftech relata que a DeepSeek est\u00e1 desenvolvendo seu pr\u00f3prio chip de infer\u00eancia para libertar-se tanto da NVIDIA quanto da Huawei, e o capacityglobal.com tamb\u00e9m informa que o laborat\u00f3rio chin\u00eas est\u00e1 desenvolvendo um chip de IA pr\u00f3prio para reduzir sua depend\u00eancia da Nvidia e da Huawei. Nenhuma das duas fontes, nos trechos fornecidos, menciona uma data de lan\u00e7amento ou especifica\u00e7\u00f5es detalhadas.<\/p>\n<p>Lidos em conjunto, esses dois fios apontam na mesma dire\u00e7\u00e3o: o ecossistema DeepSeek est\u00e1 diversificando suas op\u00e7\u00f5es de sil\u00edcio em ambas as pontas. A Intel emerge como uma alternativa cred\u00edvel e mais acess\u00edvel para executar os modelos da DeepSeek externamente, enquanto a pr\u00f3pria DeepSeek estaria desenvolvendo seu chip para servi-los internamente. Para os desenvolvedores, ambas as tend\u00eancias ampliam o leque de alvos vi\u00e1veis de infer\u00eancia al\u00e9m do padr\u00e3o exclusivo da NVIDIA que dominou o ciclo anterior. Os leitores que acompanham o lado dos modelos desse ecossistema podem seguir atualiza\u00e7\u00f5es em nossa p\u00e1gina <a href=\"https:\/\/convly.ai\/pt\/deepseek-v4\/\">DeepSeek V4<\/a> .<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Caveats_and_what_still_needs_verifying\"><\/span>Reservas e pontos ainda a serem verificados<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Um benchmark em uma \u00fanica carga de trabalho, por mais impressionante que seja, n\u00e3o constitui um veredito geral. O relat\u00f3rio do Wccftech foca-se no DeepSeek R1 em uma configura\u00e7\u00e3o espec\u00edfica; ele n\u00e3o detalha, no trecho fornecido, o n\u00edvel de quantiza\u00e7\u00e3o, o comprimento de contexto, o tamanho do lote ou a pilha de software utilizada em nenhuma das duas placas. Todos esses fatores podem alterar substancialmente os resultados de tokens por segundo, e os drivers da Intel e da NVIDIA continuam evoluindo. At\u00e9 que testadores independentes repliquem o resultado no mesmo modelo e divulguem sua configura\u00e7\u00e3o, a interpreta\u00e7\u00e3o mais segura \u00e9 que a Arc Pro B70 \u00e9 um concorrente s\u00e9rio para infer\u00eancia do DeepSeek R1 ao seu pre\u00e7o, e n\u00e3o que tenha superado genericamente a RTX 5090D.<\/p>\n<p>Vale tamb\u00e9m observar que a RTX 5090D \u00e9 uma variante destinada ao mercado chin\u00eas da GPU topo de linha da NVIDIA, sujeita a restri\u00e7\u00f5es de projeto decorrentes de exporta\u00e7\u00f5es. Esse contexto \u00e9 relevante para a compara\u00e7\u00e3o de pre\u00e7os feita pelo Wccftech, pois os pre\u00e7os e a disponibilidade da 5090D s\u00e3o moldados tanto por pol\u00edticas quanto por for\u00e7as de mercado.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Frequently_asked_questions\"><\/span>Perguntas frequentes<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>O que a Arc Pro B70 da Intel teria feito, segundo relatos, no teste do DeepSeek R1?<\/strong> Segundo o Wccftech, a placa Arc Pro B70 superou a RTX 5090D da NVIDIA ao executar o modelo DeepSeek R1, alcan\u00e7ando mais de 2.000 tokens por segundo na configura\u00e7\u00e3o testada.<\/p>\n<p><strong>Quanto mais barata \u00e9 a Arc Pro B70 em compara\u00e7\u00e3o com a RTX 5090D?<\/strong> O Wccftech informa que o pre\u00e7o da Arc Pro B70 equivale aproximadamente a um quarto do custo da RTX 5090D, embora os pre\u00e7os exatos por regi\u00e3o n\u00e3o tenham sido detalhados no trecho citado.<\/p>\n<p><strong>Isso significa que a Arc Pro B70 \u00e9 mais r\u00e1pida que a RTX 5090D de forma geral?<\/strong> N\u00e3o. O resultado relatado refere-se especificamente ao modelo DeepSeek R1 em uma \u00fanica configura\u00e7\u00e3o. O Wccftech n\u00e3o afirma superioridade geral em outros modelos, precis\u00f5es ou cargas de trabalho.<\/p>\n<p><strong>Ser\u00e1 que a DeepSeek realmente est\u00e1 desenvolvendo seu pr\u00f3prio chip?<\/strong> Tanto o Wccftech quanto o capacityglobal.com relatam que a DeepSeek est\u00e1 desenvolvendo um chip pr\u00f3prio para infer\u00eancia de IA, com o objetivo de reduzir sua depend\u00eancia em rela\u00e7\u00e3o \u00e0 NVIDIA e \u00e0 Huawei. Nenhum dos trechos cita uma data de lan\u00e7amento.<\/p>\n<p><strong>O que os desenvolvedores devem fazer com essa informa\u00e7\u00e3o?<\/strong> Devem consider\u00e1-la como um forte indicativo de que hardware n\u00e3o baseado na NVIDIA est\u00e1 se tornando competitivo para infer\u00eancia com modelos da DeepSeek, e devem recalcular os custos por token nas implanta\u00e7\u00f5es planejadas assim que forem divulgados benchmarks independentes.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"The_bottom_line\"><\/span>Resumo final<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Se os n\u00fameros divulgados pelo Wccftech resistirem \u00e0 an\u00e1lise independente, a Arc Pro B70 ter\u00e1 demonstrado que uma placa profissional da Intel n\u00e3o apenas consegue acompanhar, mas superar a placa principal da NVIDIA destinada ao mercado chin\u00eas em um dos modelos de racioc\u00ednio de c\u00f3digo aberto mais influentes, com cerca de um quarto do custo. Somado aos relatos separados de que a DeepSeek est\u00e1 desenvolvendo seu pr\u00f3prio chip para infer\u00eancia, o quadro geral revela um cen\u00e1rio de hardware em amadurecimento e cada vez mais competitivo em torno dos modelos da DeepSeek. Para quem planeja implanta\u00e7\u00f5es locais (on-prem) nos pr\u00f3ximos trimestres, essa mudan\u00e7a j\u00e1 merece ser incorporada \u00e0s decis\u00f5es de hardware hoje mesmo, mesmo antes que a comunidade mais ampla de benchmarks emita suas avalia\u00e7\u00f5es.<\/p>\n<p><em>Fontes: news.google.com. Publicado em 08 de julho de 2026.<\/em><\/p>","protected":false},"excerpt":{"rendered":"<p>Intel&#8217;s Arc Pro B70 has reportedly outrun NVIDIA&#8217;s RTX 5090D on a DeepSeek R1 inference workload while costing roughly a quarter as much, according to Wccftech.<\/p>","protected":false},"author":1,"featured_media":1487,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[248],"tags":[877,874,421,633,882,283,883],"class_list":["post-1486","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-gpus","tag-ai-gpus","tag-ai-hardware","tag-deepseek","tag-deepseek-r1","tag-intel-arc-pro-b70","tag-llm-inference","tag-nvidia-rtx-5090d"],"_links":{"self":[{"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/posts\/1486","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/comments?post=1486"}],"version-history":[{"count":1,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/posts\/1486\/revisions"}],"predecessor-version":[{"id":1488,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/posts\/1486\/revisions\/1488"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/media\/1487"}],"wp:attachment":[{"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/media?parent=1486"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/categories?post=1486"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/tags?post=1486"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}