🧠Modelo aberto Inkling lidera benchmark de raciocínio ARC-AGI
O Inkling, modelo de pesos abertos (ou seja, qualquer pessoa pode baixar e rodar) criado pela Thinky Machines, alcançou a maior pontuação já registrada por um modelo aberto no ARC-AGI, um dos benchmarks mais respeitados para medir raciocínio geral em IA. No ARC-AGI-2, ele marcou 36,5% a um custo de US$ 0,64 por tarefa. No ARC-AGI-1, mais antigo, chegou a 79,5% a US$ 0,30 por tarefa. --- O ARC-AGI é especialmente difícil porque testa a capacidade de resolver problemas novos que o modelo nunca viu durante o treinamento, algo parecido com o que humanos fazem naturalmente. Ter um modelo aberto liderando essa lista é significativo: mostra que não são apenas os gigantes com modelos fechados e caros que estão avançando em raciocínio. A comunidade de código aberto segue empurrando o limite.
O Inkling, modelo de pesos abertos (ou seja, qualquer pessoa pode baixar e rodar) criado pela Thinky Machines, alcançou a maior pontuação já registrada por um modelo aberto no ARC-AGI, um dos benchmarks mais respeitados para medir raciocínio geral em IA. No ARC-AGI-2, ele marcou 36,5% a um custo de US$ 0,64 por tarefa. No ARC-AGI-1, mais antigo, chegou a 79,5% a US$ 0,30 por tarefa.
— @arcprize View on X
O que aconteceu
O Inkling, modelo de pesos abertos criado pela Thinky Machines, alcançou a maior pontuação já registrada por um modelo open-source no ARC-AGI, um dos benchmarks mais respeitados para avaliar raciocínio geral em sistemas de IA. No ARC-AGI-2, o modelo marcou 36,5% a um custo de US$ 0,64 por tarefa. No ARC-AGI-1, mais antigo, chegou a 79,5% a US$ 0,30 por tarefa.
O que é o ARC-AGI e por que importa
O ARC-AGI (Abstraction and Reasoning Corpus for Artificial General Intelligence) foi desenvolvido pela Abstraction and Reasoning Corpus (ARC) e se tornou referência para medir a capacidade de raciocínio de modelos de IA. Diferente de outros benchmarks que avaliam conhecimento memorizado, o ARC-AGI testa a habilidade de resolver problemas completamente novos, nunca vistos durante o treinamento.
Essa característica torna o benchmark particularmente difícil. As tarefas exigem que o modelo identifique padrões abstratos, aplique regras em contextos desconhecidos e realize inferências lógicas complexas. Em outras palavras, mede algo próximo do que humanos fazem naturalmente quando enfrentam situações novas.
O significado para a comunidade open-source
Até recentemente, os melhores resultados no ARC-AGI vinham de modelos fechados de empresas como OpenAI, Google e Anthropic, com custos de inferência elevados. O Inkling quebra esse padrão ao demonstrar que modelos de pesos abertos podem competir em tarefas de raciocínio avançado.
Para developers e builders brasileiros, esse resultado tem implicações práticas:
- **Custo-benefício**: US$ 0,30 a US$ 0,64 por tarefa posiciona o Inkling como opção viável para aplicações que exigem raciocínio sem depender de APIs caras de modelos proprietários
- **Acessibilidade**: qualquer pessoa pode baixar os pesos e rodar localmente, sem dependência de serviços de terceiros
- **Transparência**: a natureza open-source permite auditoria, ajuste fino e customização para casos de uso específicos
O que isso revela sobre o mercado
O avanço do Inkling indica que a comunidade de código aberto está reduzindo a distância para modelos fechados em tarefas de raciocínio complexo. Empresas e desenvolvedores que antes dependiam exclusivamente de APIs de grandes laboratórios agora têm alternativas viáveis para implementar sistemas de IA mais autônomos.
O resultado também sugere que o investimento em arquiteturas especializadas para raciocínio, fora dos modelos de linguagem tradicionais, pode oferecer vantagens competitivas significativas no benchmark.