A inteligência artificial está passando por uma virada silenciosa, mas bastante significativa.
E poucos perceberam isso tão de perto quanto Junyang Lin, ex-líder técnico do projeto Qwen na Alibaba.
Depois de anunciar sua saída em 3 de março de 2026, Lin não foi para outra big tech.
Ele escolheu o caminho de pesquisador independente e, a partir desse novo lugar, começou a falar com uma franqueza que dificilmente teria espaço dentro de uma das maiores empresas de tecnologia do mundo.
Em uma palestra chamada Qwen: Towards a Generalist Model / Agent, ele percorreu toda a família de modelos que ajudou a construir e encerrou com uma frase que resume muito bem o que está por vir:
Treinar modelos está se tornando treinar agentes.
Simples assim.
Mas o caminho até essa conclusão envolve decisões difíceis, experimentos que não deram certo do jeito planejado e aprendizados valiosos sobre thinking híbrido, aprendizado por reforço aplicado a ambientes reais e o que separa um modelo que raciocina de um agente que age de verdade. 🤖
É exatamente sobre isso que este artigo vai falar.
- E-BOOK GRATUITO
Um guia prático para avaliar, comparar e implementar inteligência artificial com clareza — sem desperdício de tempo ou dinheiro.
Pare de contratar ferramentas sem direção. Criamos um método estruturado para decidir qual IA realmente faz sentido para o seu negócio.
Entrega em PDF no seu e-mail · Sem spam · LGPD
🔒 Seus dados são protegidos conforme a LGPD. Você pode descadastrar a qualquer momento.
De onde veio o Qwen e por que ele importa tanto
O projeto Qwen nasceu dentro da Alibaba como uma aposta séria na construção de modelos de linguagem de uso geral, capazes de lidar com tarefas que vão muito além de responder perguntas simples. A palestra de Lin não trata de um único lançamento, mas de uma turnê pela família inteira de modelos, passando por QwQ-32B, Qwen2.5-Max, Qwen3, Qwen2.5-VL e Qwen2.5-Omni.
Em cada parada, ele mostrou gráficos de benchmark comparando o desempenho do Qwen com concorrentes de peso, como DeepSeek-R1, Grok 3 Beta, Gemini 2.5 Pro e a série o da OpenAI. A proposta sempre foi criar uma família de modelos que pudesse ser aplicada em cenários reais, com variações de tamanho que iam de 0.6B até 235B de parâmetros, atendendo desde dispositivos com recursos limitados até servidores de alto desempenho.
Um ponto que merece destaque é a abertura do projeto. Os modelos foram disponibilizados em diversos formatos quantizados, incluindo GGUF, GPTQ, AWQ e MLX, todos sob a licença Apache 2.0. Isso significa que desenvolvedores no mundo inteiro puderam colocar a mão na massa sem barreiras pesadas de licenciamento, o que ajudou a espalhar o uso do Qwen de forma orgânica pela comunidade técnica.
Quando Lin decidiu sair da Alibaba e se tornar pesquisador independente, ele levou consigo não só o conhecimento técnico acumulado, mas também a liberdade de falar sobre o que aprendeu sem os filtros corporativos habituais. Essa combinação de vivência prática e voz independente é o que torna sua perspectiva tão valiosa para quem acompanha de perto o desenvolvimento da inteligência artificial no mundo.
A arquitetura do Qwen3 por dentro
Na palestra, Lin abriu as tabelas de arquitetura do Qwen3, e vale a pena entender o que elas revelam sobre as escolhas de design da equipe. Os modelos menores e densos, como o Qwen3-0.6B e o Qwen3-1.7B, compartilham os embeddings de entrada e saída e trabalham com um contexto de 32K tokens. Já os modelos maiores abandonam esse compartilhamento e estendem o contexto para 128K, oferecendo muito mais espaço para tarefas longas.
Dois modelos seguem a arquitetura Mixture of Experts (MoE), o Qwen3-30B-A3B e o Qwen3-235B-A22B. Neles, apenas 8 dos 128 especialistas disponíveis são ativados por token, o que permite manter uma capacidade total gigantesca sem disparar o custo computacional em cada inferência. Essa é uma sacada inteligente: você tem um modelo enorme no papel, mas que só aciona a fração necessária de seus parâmetros a cada passo.
O Qwen3 também deu um salto expressivo em suporte multilíngue, saltando de 29 para 119 idiomas e dialetos. Para um público global, isso muda completamente o alcance prático do modelo, que deixa de ser útil apenas para falantes de um punhado de línguas dominantes.
O que é thinking híbrido e por que ele muda o jogo
Por muito tempo, os modelos de linguagem funcionavam de um jeito bastante direto: você entra com um texto, o modelo processa e devolve uma resposta. O que Lin chamou de thinking híbrido representa uma mudança nessa lógica, com dois modos distintos. Existe um modo de raciocínio, que pensa passo a passo antes de responder, e um modo não pensante, que devolve respostas quase instantâneas.
O Qwen3 ainda adicionou os chamados orçamentos dinâmicos de raciocínio, que permitem a quem chama o modelo limitar quanto ele vai pensar antes de responder. Na prática, isso significa que você pode calibrar o equilíbrio entre profundidade e velocidade de acordo com a tarefa em mãos.
Mas se na palestra o thinking híbrido aparece como um recurso limpo e elegante, foi no texto publicado como pesquisador independente que Lin explicou por que ele foi tão difícil de construir. Segundo ele, o modo de raciocínio e o modo de instrução puxam para lados opostos. Um bom modelo de instrução é recompensado por ser direto, breve e ter baixa latência. Já um bom modelo de raciocínio é recompensado por gastar mais tokens em problemas difíceis. Junte os dois sem cuidado, e ambos pioram: o raciocínio fica inflado e a instrução perde a nitidez.
O Qwen3 tentou essa fusão com um pipeline de pós-treinamento em quatro estágios, que incluía uma partida a frio de cadeia de raciocínio longa, reforço em raciocínio e um passo de fusão dos modos de pensamento. Mais tarde, em 2025, a linha 2507 acabou entregando variantes separadas de Instruct e Thinking em vez de tudo junto. Lin enquadra isso como um problema de dados, mais do que um problema de modelo. 💡
Curiosamente, a Anthropic seguiu o caminho oposto, e Lin considera isso um contraponto útil. O Claude 3.7 Sonnet chegou como um modelo híbrido com orçamento de raciocínio definido pelo usuário, e o Claude 4 permitiu intercalar raciocínio com uso de ferramentas, mirando tarefas de programação e processos longos. A lição que ele tira disso é direta: um traço de raciocínio mais longo não deixa o modelo mais inteligente. O pensamento deve ser moldado pela carga de trabalho alvo, e não pelo benchmark.
Agentes: quando o modelo para de falar e começa a agir
A distinção entre um modelo de linguagem e um agente pode parecer sutil à primeira vista, mas na prática ela é enorme. Um modelo responde. Um agente planeja, decide quando agir, usa ferramentas, lê o feedback do ambiente e revisa suas ações. Lin descreve isso como uma passagem de eras.
A primeira era, segundo ele, foi a do raciocínio, definida por modelos como o o1 e o DeepSeek-R1. Foi essa fase que ensinou ao campo que o aprendizado por reforço precisa de recompensas determinísticas e verificáveis, colocando matemática, código e lógica no centro das atenções. Também transformou o reforço em um problema de sistemas, com rollouts e verificação em larga escala.
A próxima era, na visão dele, é a do pensamento agêntico: pensar para agir. Um agente formula planos, decide quando executar, usa ferramentas, lê o retorno do ambiente e ajusta o curso. Ele é definido pela interação em ciclo fechado com o mundo, não por um longo monólogo interno.
Lin listou o que o pensamento agêntico precisa lidar e que o raciocínio puro pode evitar:
- Decidir quando parar de pensar e tomar uma ação
- Escolher qual ferramenta invocar, e em que ordem
- Incorporar observações ruidosas ou parciais vindas do ambiente
- Revisar planos depois de falhas
- Manter coerência ao longo de muitos turnos e muitas chamadas de ferramentas
Essa mudança de era muda também o alvo da otimização. No raciocínio, o que importa é a qualidade da deliberação interna antes de uma resposta. No pensamento agêntico, o que conta é se o progresso se sustenta enquanto o sistema age. O sinal de recompensa deixa de ser a resposta verificável e passa a ser o sucesso da tarefa em um ambiente interativo. E o objeto central do treinamento deixa de ser apenas o modelo e passa a ser o modelo junto com o ambiente que o cerca. 🚀
Casos de uso que mostram a diferença na prática
Para deixar a distinção concreta, Lin trouxe exemplos que ajudam a visualizar como tudo isso muda a forma de construir sistemas de inteligência artificial.
Receba o melhor conteúdo de inovação em seu e-mail
Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.
Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.
- Agentes de programação: um modelo de raciocínio olha para um erro e devolve um patch de uma vez só. Um sistema agêntico roda a bateria de testes, lê o erro real, revisa o código e roda de novo até tudo passar. Aqui o pensamento serve para navegar pela base de código, recuperar-se de erros e orquestrar ferramentas.
- Pesquisa profunda: um modelo de raciocínio escreve uma resposta longa a partir da memória. Um sistema agêntico quebra a pergunta em subconsultas, aciona a busca, descarta fontes fracas e retorna citações fundamentadas. A própria demo de Deep Research do Qwen se encaixa nessa categoria.
- Orquestração de múltiplos agentes: Lin espera que a engenharia de harness ganhe cada vez mais peso. Um orquestrador planeja e distribui o trabalho, enquanto subagentes especializados executam tarefas mais estreitas e ajudam a controlar a poluição do contexto.
O gancho concreto: o toggle de thinking no Qwen3
Uma das partes mais interessantes é que o thinking híbrido está exposto diretamente no código. O parâmetro enable_thinking alterna os modos dentro do template de chat. Quando ele está ativado, que é o comportamento padrão, o modelo embrulha o raciocínio dentro de um bloco de pensamento antes de responder. Quando desativado, ele parte direto para a resposta rápida.
O Qwen3 também aceita os chamados soft switches. Basta anexar /think ou /no_think a um turno do usuário para trocar o modo mensagem por mensagem. Esse controle por turno é exatamente a base sobre a qual os orçamentos dinâmicos de raciocínio são construídos, permitindo um ajuste fino que não exige recarregar ou reconfigurar o modelo.
Por que a infraestrutura de reforço agêntico é mais difícil
O ponto central de engenharia da apresentação gira em torno da infraestrutura. No reforço voltado ao raciocínio, os rollouts são em boa parte trajetórias autocontidas, com avaliadores limpos. Já no aprendizado por reforço agêntico, a política vive dentro de um harness de servidores de ferramentas, navegadores, terminais e sandboxes.
Esse harness impõe uma nova exigência: treinamento e inferência precisam ser desacoplados de forma limpa. Sem isso, a vazão dos rollouts desmorona. Um agente de programação esperando a execução de testes ao vivo trava a inferência e deixa o treinamento faminto. A utilização das GPUs cai bem abaixo do que o reforço de raciocínio consegue alcançar.
Lin também reformula o que merece obsessão. Na era do fine-tuning supervisionado, as equipes otimizavam a diversidade dos dados. Na era dos agentes, ele argumenta que o foco deve estar na qualidade do ambiente: estabilidade, realismo, cobertura e resistência a exploits. E aponta o reward hacking como o problema mais difícil, porque o acesso a ferramentas aumenta a superfície de ataque para otimizações espúrias.
O que vem pela frente para a inteligência artificial
A trajetória do Qwen e as reflexões de Junyang Lin apontam para um cenário em que a fronteira entre modelos de linguagem e sistemas autônomos vai continuar se dissolvendo. Os próximos grandes avanços em inteligência artificial provavelmente não virão de modelos maiores simplesmente, mas de modelos mais capazes de agir com consistência em ambientes complexos, com acesso a ferramentas, memória de longo prazo e capacidade de aprender com a própria experiência de execução de tarefas.
Ainda há muitos problemas abertos. Como garantir que um agente não saia dos trilhos quando encontra uma situação inesperada? Como evitar que ele explore brechas nas próprias ferramentas para maximizar recompensas de forma indevida? Como medir se um agente realmente melhorou em algo que importa para o usuário final, e não apenas em uma métrica artificial de laboratório? Essas perguntas não têm respostas simples, e é justamente por isso que as contribuições de quem viveu o desenvolvimento de sistemas como o Qwen de dentro são tão relevantes para orientar as próximas decisões da área.
O que fica claro depois de tudo que Lin compartilhou é que a inteligência artificial está deixando para trás a fase em que impressionar com respostas bem escritas era suficiente. O padrão agora é outro: sistemas que conseguem concluir tarefas reais, navegar por ambientes imprevisíveis e entregar resultados que fazem diferença fora de um ambiente controlado. O caminho até lá é longo e cheio de desafios técnicos genuínos, mas a direção está cada vez mais clara, e o trabalho feito pela equipe do Qwen já deixou marcas que o campo vai continuar estudando por bastante tempo. 🧠
