Um ano de transformação nos modelos de linguagem - análise de 2025

O ano de 2025 marcou um ponto de inflexão na evolução dos modelos de linguagem, com o surgimento do Reinforcement Learning from Verifiable Rewards (RLVR) como novo estágio fundamental no treino. Contrariamente aos paradigmas anteriores, esta abordagem permite que os modelos desenvolvam estratégias de raciocínio avançado ao serem treinados contra recompensas verificáveis em ambientes como puzzles de matemática e código, tal como demonstrado pelo DeepSeek R1. A capacidade dos LLMs revelou-se extremamente heterogénea - simultaneamente brilhantes em domínios verificáveis onde RLVR foi aplicado e surpreendentemente frágeis em outras áreas. Este padrão desigual reflete a natureza fundamentalmente diferente da inteligência artificial em relação à inteligência humana: enquanto esta é otimizada para sobrevivência tribal, os LLMs são otimizados para imitar texto humano e acumular recompensas em ambientes específicos. Em paralelo, emergiram aplicações que alteraram a forma como os utilizadores interagem com IA. Claude Code da Anthropic apresentou-se como a primeira demonstração convincente de um agente de IA, funcionando localmente no computador do utilizador com acesso ao seu contexto e dados privados. Cursor também ganhou destaque, revelando uma nova camada de aplicações construídas sobre LLMs para casos de uso específicos. Entretanto, o Google apresentou Gemini Nano, combinando geração de texto, imagem e conhecimento mundial de forma integrada, apontando para futuras interfaces mais visuais e intuitivas para a IA.