O colapso que desapareceu: como cinco modelos de IA redefinem controle e emergência econômica

O experimento 'Thousand Token Wood', publicado no Hugging Face em 8 de junho de 2026, simulou uma economia multiagente com cinco modelos de IA distintos, incluindo versões de OpenAI (possivelmente GPT-4.5 ou GPT-5.6), NVIDIA (Nemotron-5B ou Nemotron-7B), OpenBMB (MiniCPM-3B ou Qwen2.5-7B) e um modelo fine-tuned próprio controlando duas entidades. Ao contrário da primeira rodada, onde um único modelo (GPT-4.5) comandava as cinco criaturas e gerava uma 'corrida bancária' com queda do preço do mel de 10 para 3 , , a versão heterogênea não só evitou o colapso, mas fez o preço subir mesmo sob manipulação ativa (venda a descoberto + rumores). Esse fenômeno, batizado de 'o colapso que desapareceu', demonstra empiricamente que comportamentos emergentes como pânico coletivo não são propriedades intrínsecas do ambiente, mas dependem criticamente da homogeneidade arquitetural e algorítmica dos agentes.

A simulação usou vLLM com JIT compilation otimizada para CUDA, além de uma camada de reparo JSON tolerante para normalizar saídas de modelos divergentes, essencial para evitar 'inflação de prompt' entre GPT-5.6, Claude Opus 4 e Gemini 3, cujas estruturas de resposta variam amplamente. A análise reforça que 'emergência' em IA não é sinônimo de inevitabilidade: ela é frágil, contingente e desaparece ao trocar um agente por outro com mesma função, o que invalida generalizações baseadas em testes com um único modelo como GPT-4.5 ou Claude Sonnet 4.

Esse achado é crítico para reguladores, desenvolvedores e empresas que implantam agentes de IA em sistemas financeiros, logísticos ou de governança. A OCDE, em relatório de junho de 2025, já alertava que mercados de IA estão se tornando mais dinâmicos, mas também mais imprevisíveis devido à proliferação de modelos concorrentes como GPT-5.6, Claude Opus 4 e Gemini 3, cada um com viéses distintos de tomada de decisão. O experimento mostra que a diversidade de modelos pode atuar como um mecanismo de resiliência sistêmica, reduzindo riscos de falhas em cascata. Isso desafia a abordagem tradicional de 'controle via ajuste de entradas' (ex.: prompts ou regras de mercado) e aponta para a necessidade de design de 'pontos de liquidação', interfaces onde decisões individuais são auditáveis e interrompíveis, não apenas previsíveis.

Além disso, a pesquisa questiona a validade de simulações baratas: quando um simulador rápido (como LLM-based sandbox) gera resultados conflitantes com agentes reais (ex.: GPT-5.6 vs. Qwen2.5-7B), a evidência empírica dos agentes deve prevalecer. Isso tem implicações diretas para testes de conformidade de IA em setores regulados, como finanças e saúde, onde falsos positivos de estabilidade podem mascarar vulnerabilidades reais.

Para engenheiros de IA, o estudo exige revisão prática nas arquiteturas de sistemas multiagentes. A mera substituição de um modelo por outro, por exemplo, trocar GPT-4.5 por GPT-5.6 ou Claude Opus 4, pode alterar radicalmente a dinâmica de mercado simulada, exigindo novos padrões de interoperabilidade. A camada de reparo JSON usada no experimento não é opcional: é crítica para garantir que saídas de GPT-5.6 (com tendências a longos raciocínios passo a passo), Claude Opus 4 (mais concisa e estratégica) e Gemini 3 (forte em multimodalidade contextual) sejam convertidas em ações comparáveis. Sem isso, 'inflação de prompt' distorce a carga cognitiva e a latência, comprometendo a validade dos testes.

O experimento também revela limitações práticas no uso de modelos de raciocínio (introduzidos em setembro de 2024) e chatbots agenticos (desde dezembro de 2024): embora excelentes em tarefas isoladas, sua integração em economias heterogêneas exige monitoramento contínuo de divergências de confiança, tempo de resposta e estilo de justificativa. Ferramentas como o Stanford Digital Economy Lab já adotam essa abordagem, mas a maioria das equipes ainda testa agentes em silos, o que, segundo os dados de 'Thousand Token Wood', gera ilusões de controle e falhas de generalização.