Empresa ligada à Universidade de Nanquim aposta em um quarto fator de crescimento da IA

Nas últimas décadas, as capacidades da IA cresceram em três eixos: computação, algoritmos e dados. A equipe de Nanquim, citada pelo veículo chinês Jiqizhixin, propõe acrescentar um quarto: a conectividade entre os próprios modelos. No anúncio, a aposta é a seguinte: se já existem muitos modelos fortes e cada um deles é bem conhecido, é possível conectá-los em rede e fazê-los trabalhar em conjunto. É uma jogada lógica para um mercado em que o crescimento de modelos isolados encarece mais rápido do que os resultados melhoram. Mas o trecho disponível da reportagem não traz nome de produto, benchmarks nem números, e isso é importante ter em mente.

Três eixos e o preço de cada um

Os grandes modelos de linguagem cresceram com base numa fórmula simples. Os clusters ficaram maiores, o número de parâmetros aumentou, e os corpora de texto se expandiram para centenas de bilhões e trilhões de tokens. Assim surgiu um conjunto de modelos "superunidades": cada um é forte por si só e foi treinado em infraestrutura própria.

Essa trajetória tem dois limites. O primeiro é econômico: cada novo passo em computação e energia custa bem mais do que o anterior. O segundo é informacional: há cada vez menos dados abertos de qualidade, e os dados sintéticos nem sempre os substituem. Nesse contexto, a ideia de "reunir" capacidades de modelos já treinados parece uma alternativa racional a continuar ampliando modelos isolados.

O quarto elemento: o que exatamente se propõe

O trecho introdutório leva à tese central: modelos cujas capacidades são suficientemente conhecidas podem ser conectados, e a interação entre eles pode ser organizada. O autor da reportagem formula isso como uma pergunta sobre o que surgirá quando houver modelos fortes em número suficiente. A palavra "surgirá" sugere a expectativa de um efeito emergente: o resultado da rede deveria superar a soma de suas partes.

Só com um parágrafo introdutório, não dá para entender como a equipe pretende implementar isso. Eis o que se sabe e o que continua em aberto:

• Os três eixos originais: computação, algoritmos, dados.
• O quarto eixo proposto: conectividade e cooperação entre modelos que se "entendem bem" mutuamente.
• Organização responsável: empresa do ecossistema da Universidade de Nanquim (no original, "南大系").
• Não foram revelados: o nome do produto, a arquitetura de interação, os protocolos, os benchmarks e a lista de modelos conectados.

Já existem linhas de trabalho parecidas. Frameworks multiagente, roteamento de requisições entre modelos e ensembles de LLMs especializados são usados na prática há tempo. Para a troca entre agentes, surgiram protocolos abertos como MCP e A2A. A novidade da proposta de Nanquim, se houver, deve estar na forma como os modelos "descobrem" as capacidades uns dos outros e distribuem as tarefas. A fonte ainda não mostra isso.

O que verificar quando surgirem os detalhes

A aposta na conectividade será convincente se a equipe demonstrar três coisas. Primeira: ganho em tarefas abertas em comparação com o melhor modelo isolado da mesma faixa de preço. Segunda: quanto custa a coordenação, ou seja, quantos tokens extras, quanta latência e quantos erros cada "salto" entre modelos adiciona. Terceira: qual a robustez do sistema quando um dos modelos conectados muda ou se degrada após uma atualização.

Para desenvolvedores e equipes que constroem sistemas agênticos, vale medir desde já duas coisas nas próprias tarefas: onde um modelo isolado bate no teto de qualidade e quanto você está disposto a pagar pelo roteamento entre vários. Se a diferença for grande, a ideia de uma rede de modelos merece um experimento. Se não, sai mais barato melhorar prompts, dados e ferramentas. Vale acompanhar a publicação original do Jiqizhixin e ver se a empresa vai revelar o nome do produto e os resultados de testes. Por enquanto, trata-se de uma proposta de conceito, e não de um resultado técnico confirmado.