Modelos de IA de Raciocínio: Como Funcionam e Por Que São Importantes

No outono de 2024, a OpenAI lançou o modelo o1, que se tornou uma sensação: no exame de matemática AIME, ele obteve 74% no modo de tentativa única e até 93% com seleção por consenso, enquanto o GPT-4o conseguiu apenas 12% dos problemas. No benchmark GPQA Diamond, o o1 atingiu 78%, superando a média de especialistas. Esses resultados demonstram as capacidades dos Modelos de Raciocínio em Larga Escala (Large Reasoning Models, LRMs), que emulam o pensamento lento do "Sistema 2" descrito por Kahneman. Outros modelos classificados como LRMs incluem o (Claude Fable 5, Mythos 5, Opus 4.8) da Anthropic, o Gemini 3.1 Pro do Google, o DeepSeek R1 e o GLM-5.2. Diferentemente dos modelos clássicos de linguagem autoregressivos (Large Language Models, LLMs), que operam como o rápido "Sistema 1", os modelos de raciocínio usam cadeias de pensamento, computação adicional no momento da inferência (test-time compute) e aprendizado por reforço. Eles geram tokens de raciocínio invisíveis ao usuário, o que aumenta o tempo de processamento da requisição para um minuto ou mais. Pesquisas mostraram que a estratégia de "pensar por mais tempo" é mais eficaz do que simplesmente aumentar o tamanho do modelo: um modelo pode ter o mesmo desempenho que um LLM 14 vezes maior se tiver tempo suficiente para pensar. O DeepSeek-R1, da China, integrou o raciocínio diretamente ao modelo, eliminando a necessidade de um "crítico" externo.