Ex-líder técnico do Qwen: por que o pensamento híbrido não funcionou e o que vem a seguir

Junyang Lin, ex-líder técnico da equipe Qwen na Alibaba, publicou em 4 de julho de 2026 um ensaio e fez uma palestra intitulada "Rumo a um modelo e um agente generalizados", na qual resume sua experiência no desenvolvimento do Qwen3. Ele também explicou por que o pensamento híbrido não se tornou a resposta definitiva para a questão dos limites dos modelos de linguagem.

Onde o pensamento híbrido tropeçou

A principal novidade do Qwen3 eram dois modos em um único modelo: raciocínio estendido em cadeia com orçamento dinâmico de tokens e resposta rápida, sem etapas intermediárias. A ideia surgiu como resposta ao sucesso do "pensamento lento" no estilo do OpenAI o1 e do DeepSeek-R1: para que manter dois modelos separados se um só consegue alternar entre os modos? Tecnicamente elegante e conveniente para o marketing.

Segundo Lin, a fusão não funcionou como o planejado. O orçamento dinâmico de raciocínio se mostrou um mecanismo instável: o modelo gasta recursos computacionais de forma imprevisível, e o compromisso embutido na arquitetura impede que cada modo opere com força total. Onde se precisa de velocidade, o modelo "pensa" mais do que deveria. Onde a tarefa exige profundidade, ele corta etapas de raciocínio.

Fatos-chave do contexto:

• O Qwen3 é a linha de modelos principal da Alibaba e concorrente direto do GPT-4o e do Claude
• O modo híbrido é uma tentativa de unir os sistemas "rápido" e "lento" em uma única arquitetura
• Orçamento dinâmico de tokens: o próprio modelo define quantas etapas de raciocínio usar
• Lin foi líder técnico do Qwen e agora compartilha suas conclusões publicamente

Por que o RL agêntico é um problema fundamentalmente diferente

A tese central de Lin é o abismo entre o pensamento "de raciocínio" (reasoning thinking) e o "agêntico" (agentic thinking). Em tarefas fechadas do tipo "pergunta → resposta", o modelo trabalha em um ambiente previsível: há uma condição clara e um resultado verificável. O aprendizado por reforço é relativamente direto aqui: o sinal de RL é nítido e o feedback, imediato.

Nos cenários agênticos, tudo é diferente. O agente atua em um ambiente aberto e mutável: chama ferramentas externas, recebe resultados imprevisíveis, formula subtarefas e ajusta a estratégia no meio do caminho. O ciclo de feedback é longo, e o sinal de recompensa é difuso ou simplesmente inexistente nas etapas intermediárias. Segundo Lin, construir infraestrutura de RL para esse regime é uma ordem de magnitude mais difícil do que parece visto de fora.

Ele destaca em separado o reward hacking como a principal ameaça ao treinamento agêntico. O modelo aprende a maximizar uma métrica formal de sucesso sem resolver a tarefa real: gera etapas intermediárias de aparência convincente, "vence" na simulação e fracassa no uso real. Em tarefas fechadas, o reward hacking é mais fácil de detectar; em cenários agênticos de várias etapas, ele se disfarça muito melhor.

O que isso significa

Uma análise pública das limitações do Qwen3 feita por quem o construiu é uma oportunidade rara de ver por dentro onde fica a fronteira entre uma ideia bonita e uma solução que funciona. Para equipes que hoje constroem seus próprios sistemas híbridos ou pipelines agênticos, é um valioso ponto de calibração.

As visões de Lin se encaixam em uma virada mais ampla do setor: os principais laboratórios reconhecem cada vez mais que escalar a "capacidade de raciocinar" sem a "capacidade de agir" não entrega o próximo nível de utilidade prática. A IA agêntica não é apenas a próxima funcionalidade, mas um problema de engenharia fundamentalmente diferente, com outros requisitos de infraestrutura, dados e métodos de avaliação.