Mercor e SkyRL Elevam Agentes de IA 'Frontier' com Treinamento Inovador

A Mercor e a SkyRL deram um passo e tanto no treinamento de modelos de IA, elevando a capacidade dos chamados "agentes frontier". Usaram o Qwen3.5-397B-A17B para um pós-treinamento focado em tarefas complexas de "knowledge-work", como consultoria de gestão, banca de investimento e direito empresarial. O segredo não foi só o algoritmo, mas uma infraestrutura de treinamento robusta, que incluiu ambientes controlados, controle preciso de tokens e Reinforcement Learning assíncrono.

O resultado foi um aumento de 70% no desempenho APEX-Agents Pass@1, um benchmark de 1.928 tarefas de trabalho do conhecimento. Este é um salto enorme para a autonomia dos agentes, mostrando que otimizar o ambiente de treinamento, o design do harness (a interface do agente com o ambiente) e a contagem de tokens exata são tão cruciais quanto o próprio modelo. A experimentação mostrou que refinar esses elementos pode render ganhos equivalentes a um ciclo inteiro de treinamento.

A Mercor e a SkyRL vêm aprimorando seu método de pós-treinamento há algum tempo. Em janeiro, eles já tinham mostrado que poucas tarefas rotuladas por especialistas podiam quase dobrar a pontuação de um modelo open-weight no APEX-Agents. Em fevereiro, escalaram o dataset para quase 2.000 casos, com o modelo Applied Compute: Small, treinado a partir do GLM-4.7 355B, alcançando a liderança em direito corporativo.

A diferença agora é a abertura da receita: eles reproduzem esses ganhos com o SkyRL público, estendendo-os ao modelo de 397 bilhões de parâmetros, o Qwen3.5-397B-A17B, e liberam o script de treinamento completo, os pesos do modelo e os rastros de avaliação. Além disso, a família Qwen continua em evolução; o CEVIU noticiou, em 13 de agosto de 2026, o lançamento do Qwen3.8, que é baseado na arquitetura do Qwen3.5 e promete melhorias significativas na execução de agentes. Este trabalho atual com o Qwen3.5-397B-A17B demonstra um avanço prático e validado, enquanto a versão 3.8 já aponta para o próximo nível de capacidades.

A capacidade de agentes de IA lidarem com tarefas complexas de "knowledge-work" representa um avanço tremendo. Pense em automação de processos em consultoria, direito ou finanças. A metodologia da Mercor e SkyRL mostra que não basta ter um modelo grande; é preciso um processo de treinamento meticuloso e infraestrutura otimizada.

Isso acelera a criação de IAs mais autônomos e eficientes, que podem realmente executar múltiplos passos e interagir com ambientes virtuais como se fossem humanos. Ao compartilhar os scripts e pesos do modelo, a comunidade de IA ganha ferramentas valiosas para replicar e aprimorar esses resultados, democratizando o acesso a métodos de treinamento de ponta e acelerando a corrida global por inovação em IA.