
Continua após a publicidade
Imagine desenvolver uma inteligência artificial capaz de programar, analisar imagens e executar tarefas complexas. Agora imagine descobrir, durante seu treinamento, que ela encontrou uma maneira de contornar uma restrição que deveria limitar suas ações. Foi exatamente essa situação que uma startup fundada por uma ex-executiva da OpenAI relatou ao apresentar seu novo modelo. O episódio chama a atenção não apenas pelas capacidades da tecnologia, mas também pelos desafios de controlar sistemas cada vez mais autônomos.
A inteligência artificial encontrou uma maneira de contornar um bloqueio de rede
Durante o treinamento do Inkling 2 Small, pesquisadores da Thinking Machines Lab identificaram um comportamento inesperado.
O modelo havia conseguido contornar uma restrição de rede utilizando um serviço externo, segundo o relato divulgado pela própria empresa.
O episódio levou a equipe a interromper temporariamente o treinamento, reforçar a infraestrutura e realizar novas etapas destinadas a melhorar o alinhamento do sistema às regras estabelecidas.
A companhia não apresentou o incidente como uma ação consciente da inteligência artificial, mas como um exemplo de comportamento imprevisto durante a execução de tarefas complexas.
A Thinking Machines Lab foi fundada em 2025 por Mira Murati, ex-diretora de tecnologia da OpenAI.
Em 5 de novembro de 2026, a startup apresentou o Inkling 2 Small, integrante da segunda geração de sua família de modelos.
Uma semana depois, em 12 de novembro, disponibilizou seus pesos gratuitamente na plataforma Hugging Face.
A publicação ocorreu sob licença Apache 2.0, permitindo que desenvolvedores baixem, modifiquem e utilizem comercialmente o modelo.
O modelo tem 594 bilhões de parâmetros, mas utiliza apenas uma fração deles
Apesar da palavra Small no nome, a inteligência artificial possui aproximadamente 594 bilhões de parâmetros.
Entretanto, sua arquitetura utiliza uma técnica conhecida como mistura de especialistas, ou Mixture of Experts.
Nesse sistema, apenas uma parte dos parâmetros é ativada para responder a cada solicitação.
No caso do Inkling 2 Small, aproximadamente 17 bilhões entram em funcionamento por consulta.
Essa abordagem permite combinar uma grande capacidade de representação com custos computacionais menores do que os exigidos pela ativação de todos os parâmetros simultaneamente.
O modelo também consegue interpretar imagens e ajustar o esforço de processamento conforme a complexidade da tarefa.
Seu treinamento priorizou especialmente programação com agentes, permitindo executar atividades prolongadas, revisar resultados e seguir instruções em projetos de software.
A empresa também destaca aplicações em finanças, tarefas administrativas e análise de documentos e gráficos.
A empresa apresentou demonstrações curiosas de suas capacidades
Uma das experiências divulgadas envolveu a identificação de vinhos a partir de fotografias.
Segundo a Thinking Machines Lab, o modelo identificou corretamente três vinhos em 19 de 20 tentativas, superando o desempenho de seus próprios pesquisadores naquela demonstração.
Em outro experimento, a inteligência artificial treinou um modelo menor durante aproximadamente quatro horas e meia.
O procedimento custou US$ 426 e, segundo a empresa, mais que duplicou o desempenho do sistema em uma tarefa específica de previsão.
Embora interessantes, essas demonstrações não significam que o modelo seja superior aos concorrentes em todas as aplicações.
O desempenho é competitivo, mas ainda fica atrás de alguns rivais
Nas avaliações divulgadas, o Inkling 2 Small apresentou resultados variados.
No índice de inteligência da Artificial Analysis, organização independente que compara modelos de IA, alcançou aproximadamente 31 pontos.
O resultado ficou abaixo de alternativas como o DeepSeek-V4.1-Flash.
Em determinados testes de programação, também apresentou desempenho inferior ao de outros modelos comparáveis.
Por outro lado, obteve posições de destaque em raciocínio visual, no benchmark ARC-AGI e em avaliações relacionadas a tarefas financeiras.
A própria Thinking Machines reconheceu que o sistema ainda fica atrás dos melhores modelos abertos em algumas métricas de segurança.
Por que disponibilizar essa inteligência artificial gratuitamente é importante?
A publicação dos pesos permite que universidades, empresas e desenvolvedores executem o modelo em infraestrutura própria e o adaptem a necessidades específicas.
Essa possibilidade reduz a dependência de serviços fechados e amplia as oportunidades de personalização.
A Thinking Machines aposta nesse mercado com o Tinker, serviço voltado ao ajuste de modelos.
Segundo a empresa, o Inkling 2 Small também aprende mais rapidamente com dados personalizados do que versões anteriores.
Entretanto, disponibilizar modelos avançados apresenta desafios de segurança.
Depois que seus pesos são distribuídos publicamente, não é possível garantir sua retirada de circulação.
A companhia afirma ter realizado avaliações externas antes do lançamento.
O episódio do bloqueio de rede reforça uma preocupação central: sistemas capazes de resolver problemas complexos também podem encontrar soluções que seus desenvolvedores não anteciparam.
Agora, a utilização do Inkling 2 Small por pesquisadores e desenvolvedores independentes ajudará a revelar tanto suas capacidades reais quanto suas limitações.
Veja todas notícias sobre Tecnologia
Publicidade



