A Zhipu AI (Z.ai) acabou de publicar uma divulgação longa que merece mais atenção do que a manchete que gerou: um agente de infraestrutura guiado pelo GLM-5.3 construiu todo o stack de inferência de produção para o GLM-5.3-Flash em um cluster de mais de 100.000 chips de IA chineses domésticos, elevando o throughput de ponta a ponta a 3x a linha de base inicial em menos de duas semanas. O cientista-chefe Tang Jie resumiu em uma frase: o modelo otimiza o sistema, e o sistema serve ao modelo. A equipe chama isso de ciclo fechado mínimo do autoaperfeiçoamento recursivo (RSI).
A maior parte da cobertura vai se concentrar na narrativa de “IA construindo IA”. Mas leia o relato de engenharia de verdade e a descoberta mais importante é contraintuitiva — e a Zhipu a declara explicitamente: o que encurtou o ciclo de engenharia não foi principalmente uma capacidade de modelo mais forte, mas um ambiente que permitia ao modelo obter feedback continuamente, verificar seus julgamentos e corrigir suas ações.
Em outras palavras: a próxima linha divisória na corrida do RSI não é a inteligência do modelo. É a densidade de feedback.
Três Números, Uma Precondição Ignorada
Comece pelos resultados. O GLM-5.3-Flash foi lançado anonimamente como “Ox-Alpha” no OpenCode e no OpenRouter e se tornou o modelo mais chamado em ambas as plataformas em uma semana, superando 62 trilhões de tokens servidos em seis dias. O stack combinou paralelismo de tensores para atenção linear e o LM head, ReplaySSM, quantização W8A8, quantização de KV cache em precisão mista e uma arquitetura desagregada Encode–Prefill–Decode (EPD) — alcançando eficiência de hardware e custo por token comparáveis às GPUs NVIDIA de referência.
A precondição por trás desses números: ninguém jamais havia implantado um cluster dessa escala em chips domésticos. Memória e banda eram limitadas, o modelo exigia uma janela de contexto de 1 milhão de tokens e requisições multimodais, o ecossistema de software era imaturo, os operadores estavam incompletos e, como a equipe colocou, “muita da documentação era basicamente chute”. A entidade que conseguiu isso não foi uma equipe sênior de infraestrutura. Foi um agente.
Ainda assim, a Zhipu admite uma limitação crucial: mesmo que o agente entendesse todo o codebase, feedbacks como “teste de acurácia falhou” ou “TTFT aumentou 30%” não lhe diziam nada sobre qual camada estava com defeito, por que sua hipótese falhou ou o que verificar em seguida. Métricas de ponta a ponta podem dizer a um agente que os resultados pioraram. Elas não conseguem explicar por quê.
Esse é o cerne da questão. O que torna um engenheiro humano sênior eficaz em sistemas complexos não é ler código — é saber, após um teste de carga, qual ferramenta de observação usar em seguida e como conectar sinais entre ferramentas. Até que essa experiência seja organizada em um fluxo de trabalho executável, o feedback de um agente é escasso. E com feedback escasso, até mesmo um modelo brilhante está essencialmente chutando.
O Que “Feedback Denso” Realmente Significa
A solução da Zhipu é uma prática que ela chama de feedback denso: trazer testes de correção, logs de execução, traces de execução, eventos de runtime, microbenchmarks e métricas de ponta a ponta para o loop de iteração do agente, e decompor a otimização do sistema em etapas que podem ser observadas e validadas localmente.
Note com cuidado: denso não significa alimentar o agente com mais logs. A Zhipu especifica três propriedades. O feedback deve ser local — vinculado a um operador, thread ou caminho de código específico, para que o agente possa estreitar o problema. Deve ser barato e oportuno — questões respondíveis por um teste de operador não deveriam esperar por uma implantação completa e um teste de carga ponta a ponta. E deve suportar verificação objetiva — correlação entre fenômenos não é causa raiz; experimentos controlados são.
Três casos reais mostram o mecanismo em ação:
Primeiro, correção. Ao validar operadores, o agente encontrou um bug de precisão no caminho de paralelismo de contexto do operador KDA: tl.dot usa computação TF32 por padrão mesmo com entradas FP32, então erros se acumulavam ao longo de contextos longos. A correção solicitou explicitamente input_precision="tf32x3", e o patch foi mesclado upstream no Flash Linear Attention (PR #1180).
Segundo, um gargalo de concorrência. Os critérios de aceitação exigiam desempenho de Prefill + KV Transfer dentro de 5% do Prefill isolado; o agente mediu lacunas acima de 20%. Rastreando a linha do tempo, descobriu que o intranode_dispatch do DeepEP v1.2.1 nunca liberava o GIL do Python, privando a thread do Mooncake Transfer. Após liberar o GIL na seção C++, a lacuna caiu abaixo de 1%. Esse é um problema entre linguagens Python/C++ que manteria engenheiros humanos ocupados por dias.
Terceiro, otimização de desempenho. O agente destilou “esqueletos de otimização” — técnicas reutilizáveis com condições de aplicabilidade — de kernels escritos à mão no SGLang, Flash Linear Attention e DeepGEMM, e depois as aplicou aos operadores que serviam sua própria inferência: uma otimização de divisão reduziu o tempo de execução em 9,6%, e a fusão de cálculos de normalização redundantes e repetidos rendeu um ganho de velocidade de 1,71x. A experiência verificada fluiu de volta para a biblioteca de esqueletos para a próxima rodada.
Viu o padrão? Nos três casos, a capacidade do modelo era o bilhete de entrada, não o diferencial. O que determinou o sucesso foi se o ambiente de feedback conseguia converter uma anomalia vaga em uma hipótese verificável.
O Framework de Densidade de Feedback
Aqui está uma ferramenta reutilizável para pensar sobre tudo isso — chamemos de framework de densidade de feedback: o teto de até onde uma tarefa pode ser automatizada por agentes de IA não é definido pela inteligência do modelo, mas pela densidade de feedback que o ambiente da tarefa fornece — sua localidade, temporalidade e verificabilidade.
Esse framework explica muito do que está acontecendo agora na indústria.
A divulgação da Anthropic de 17 de setembro relatou que, até agosto de 2026, o Claude “lidera” (AL4 nos níveis de automação da Epoch AI) cerca de 26% de sua P&D interna de IA — contra menos de 1% em fevereiro de 2026 — com mais de 90% do trabalho de P&D de IA em AL3 (colaboração) ou acima, e cerca de 30.000 agentes rodando simultaneamente em sua principal plataforma interna. Por que as tarefas de P&D foram automatizadas primeiro? Porque a pesquisa em IA está entre os trabalhos de maior densidade de feedback que existem: código roda testes, experimentos produzem métricas, hipóteses podem ser falseadas rapidamente.
Invertendo a lente, o framework também explica os gargalos. Pesquisadores do Google DeepMind argumentaram em julho de 2026 que, à medida que os agentes derrubam o custo de gerar hipóteses, a ciência enfrenta um novo “gargalo de verificação”: as ideias estão ficando baratas, mas confirmar uma continua caro e lento — especialmente nas ciências da vida, onde experimentos do mundo real não aceleram simplesmente porque os modelos melhoraram. Um gargalo de verificação é, nesse framework, simplesmente um déficit de densidade de feedback.
O paper Dream-RSI do Google (14 de setembro) reforça o ponto: ele melhora a própria política de exploração ao reproduzir históricos experimentais previamente verificados em um Replay Simulator, enquanto o agente de código e o avaliador permanecem fixos. O que melhorou foi a eficiência de reuso de feedback verificado, não a capacidade bruta do modelo.
Quatro players líderes — a Zhipu construindo agentes de infraestrutura, a Anthropic quantificando e escalando um laboratório agentificado, a OpenAI escalando “pesquisadores de IA” (onde os agentes agora rodam cerca de 24,8 horas para cada 8 horas de trabalho humano, segundo números de agosto da OpenAI) e o Google otimizando exploração e verificação — estão tomando rotas diferentes, mas batendo na mesma parede: quem transformar primeiro o ambiente de feedback para tarefas de alto valor em um fluxo de trabalho automatizável verá seu índice de automação subir mais rápido.
O Que Isso Significa Além dos Laboratórios de IA
Aplique o framework de densidade de feedback fora da pesquisa em IA e os julgamentos ficam afiados rapidamente.
Quais indústrias serão transformadas por agentes primeiro? Não as “mais digitalizadas” — as de maior densidade de feedback: desenvolvimento de software (testes são feedback), trading quantitativo (backtests são feedback), otimização de anúncios (experimentos A/B são feedback). Campos como medicina, direito e educação, onde o feedback é escasso e os ciclos de validação levam meses, serão automatizados muito mais lentamente, independentemente da capacidade do modelo. E na ciência básica, a restrição não é a geração de hipóteses, mas a validação experimental — exatamente o argumento do gargalo de verificação do DeepMind.
A mesma lógica se aplica a empresas avaliando “a IA pode fazer meu trabalho?”. Antes de olhar benchmarks de modelos, audite seu ambiente de feedback: Você tem métricas localizáveis e atribuíveis? Um loop de verificação barato e rápido? Um critério de sucesso objetivo? Faltando os três, um agente só pode lhe oferecer um chute muito bem informado.
O Que Fazer a Respeito
- Líderes de engenharia: Antes de implantar agentes de código, construa as três coisas que o relato da Zhipu exige implicitamente — suítes de testes em camadas, ferramentas de observabilidade atribuível e critérios de aceitação explícitos. Esses são multiplicadores da produtividade dos agentes; perca um e o resultado cai pela metade ou pior.
- Profissionais de IA: Trate o design do ambiente de feedback como uma disciplina de engenharia de primeira classe, mais próxima da infraestrutura do que da engenharia de prompts. O mapeamento da Zhipu de estratégias de paralelismo até validações individuais de operadores é, na essência, construir instrumentos para um agente.
- Investidores: Ao avaliar empresas de “automação com IA”, investigue como elas lidam com a densidade de feedback, não quão suave é a demonstração. Equipes que falam seriamente sobre avaliadores, loops de verificação e reward hacking são mais críveis do que equipes vendendo inspiração de agentes.
- Todos os demais: O RSI completo ainda não chegou. A própria Zhipu é clara em que escolher objetivos, definir limites e julgar riscos continuam sendo trabalho humano — uma linha, segundo ela, que deve ser mantida por pessoas. Mas os números — duas semanas, 3x, 100.000 chips — também deixam claro que a linha não vai desacelerar apenas porque desejamos que isso aconteça.
O autoaperfeiçoamento recursivo não chegou. Mas os passos intermediários no caminho até lá estão se tornando engenharia real e mensurável. E engenharia é mais honesta do que narrativa: ela força cada empresa a responder à mesma pergunta — seu ambiente de feedback é digno dos seus modelos?
