Agente Metis, do Alibaba, reduz em 96% chamadas redundantes de ferramentas de IA e estabelece novos recordes de precisão

O custo oculto de agentes de IA que recorrem demais a ferramentas

Os agentes modernos de inteligência artificial sofrem de uma falha fundamental na tomada de decisões, que eleva os custos operacionais e frustra os usuários. Pesquisadores do Alibaba identificaram o que chamam de um profundo déficit metacognitivo nos atuais grandes modelos de linguagem. Esses sistemas têm dificuldade para distinguir entre situações que exigem chamadas a ferramentas externas e aquelas em que o conhecimento interno é suficiente. O resultado é uma sequência de chamadas desnecessárias a APIs, que tornam o desempenho mais lento, prejudicam a qualidade do raciocínio e consomem os orçamentos computacionais.

Os atuais modelos agênticos são treinados para priorizar a conclusão das tarefas acima de tudo. Esse foco absoluto cria o que desenvolvedores chamam de comportamento de “acionamento impulsivo”: os sistemas recorrem automaticamente à pesquisa na web, à execução de código ou a ferramentas de análise de imagens, mesmo quando a consulta do usuário já contém todas as informações necessárias. Segundo a pesquisa do Alibaba, essa redundância chega a níveis alarmantes: até 98% das chamadas a ferramentas são desnecessárias em implementações convencionais. O padrão persiste porque os regimes de treinamento recompensam a conclusão bem-sucedida das tarefas sem penalizar o uso ineficiente de recursos.

Cada chamada supérflua a uma API introduz atrasos no processamento em série, que se acumulam e geram uma latência perceptível. Os usuários enfrentam respostas lentas, enquanto as organizações arcam com contas de infraestrutura mais altas. Além de prejudicar a velocidade e elevar os custos, o uso excessivo de ferramentas também afeta diretamente a qualidade do raciocínio. Consultas externas redundantes injetam ruído do ambiente na janela de contexto do modelo, desviando o sistema de processos de pensamento coerentes e podendo levar a conclusões incorretas. Quando os agentes dependem desnecessariamente desses sinais ruidosos, a qualidade da resposta final cai, mesmo com o aumento dos custos computacionais.

Como superar o impasse da otimização

Tentativas anteriores de resolver essa ineficiência recorreram a métodos tradicionais de aprendizado por reforço, que combinavam precisão e eficiência em um único sinal de recompensa. Essa abordagem entrelaçada cria um dilema de otimização insolúvel. Penalidades muito severas pelo uso de ferramentas levam os modelos a evitar chamadas externas necessárias, sacrificando a correção em tarefas complexas. Penalidades leves não reduzem o desperdício em problemas mais simples. A estrutura de recompensa compartilhada gera ambiguidade semântica: uma resposta rápida, mas errada, pode receber a mesma pontuação que uma resposta lenta, porém correta. Como os sinais de treinamento para precisão e eficiência ficam entrelaçados, os modelos não conseguem aprender a controlar o uso de ferramentas sem prejudicar suas capacidades centrais de raciocínio.

Para superar essa limitação, pesquisadores do Alibaba desenvolveram a Otimização de Política Hierárquica Desacoplada, ou HDPO. Essa estrutura separa a otimização em dois canais independentes. O canal de precisão maximiza a correção das tarefas em todas as execuções do modelo. O canal de eficiência busca economizar na execução. Os sinais são calculados de forma independente e combinados apenas na etapa final de cálculo da função de perda. É fundamental que a recompensa por eficiência continue condicionada à precisão. Uma resposta incorreta não recebe crédito por ser rápida ou usar poucas ferramentas, o que impede o modelo de aprender a ser rápido, mas errar.

Esse desacoplamento cria um currículo cognitivo implícito que acompanha a progressão educacional. Nas primeiras etapas do treinamento, a ênfase está na precisão, enquanto o modelo desenvolve o raciocínio básico e adquire conhecimento. À medida que suas capacidades amadurecem e ele passa a chegar consistentemente às respostas corretas, o sinal de eficiência ganha peso de forma natural. Esse mecanismo faz com que o sistema primeiro domine a resolução das tarefas e, depois, refine sua autonomia, evitando chamadas redundantes e custosas a APIs. O resultado elimina conflitos de gradiente que poderiam fazer os objetivos de precisão e eficiência se anularem, fornecendo sinais de aprendizado claros para ambas as metas ao mesmo tempo.

Por dentro da arquitetura Metis

A equipe de pesquisa aplicou o HDPO para criar o Metis, um agente de raciocínio multimodal que demonstra esses princípios na prática. O Metis usa como base o modelo de linguagem e visão Qwen3-VL-8B-Instruct e conta com recursos de execução de código Python, pesquisa de texto e busca de imagens. Seu porte relativamente compacto, de 8 bilhões de parâmetros, contrasta fortemente com o de concorrentes maiores e demonstra que os ganhos de eficiência podem superar as vantagens da escala bruta.

O fluxo de treinamento segue uma abordagem rigorosa em duas etapas, concebida para estabelecer tanto uma competência básica quanto uma eficiência refinada. Primeiro, o ajuste fino supervisionado fornece uma inicialização a frio com dados cuidadosamente selecionados. Os pesquisadores obtiveram trajetórias multimodais com uso de ferramentas disponíveis publicamente e, em seguida, aplicaram filtros rigorosos para remover exemplos de baixa qualidade que continham falhas de execução ou inconsistências no feedback. Eles eliminaram qualquer amostra de treinamento que o modelo-base pudesse resolver sem ferramentas, garantindo que o conjunto de dados contivesse apenas casos genuínos de uso estratégico de ferramentas. O Google Gemini 3.1 Pro atuou como avaliador automatizado para verificar se os exemplos restantes demonstravam a necessidade, e não o uso habitual, de ferramentas.

A segunda etapa aplica aprendizado por reforço por meio da estrutura HDPO. Nessa fase, o Metis é exposto a interações com várias rodadas, nas quais precisa decidir se deve acionar recursos externos. Os dados de treinamento excluem comandos com imagens corrompidas ou ambiguidade semântica que possam confundir o sinal de aprendizado. O algoritmo exige a comparação entre respostas corretas e incorretas para gerar gradientes significativos. Por isso, a equipe filtrou tarefas trivialmente fáceis, nas quais o modelo sempre tem sucesso, e tarefas difíceis demais, nas quais ele falha consistentemente. Essa seleção garante sinais de aprendizado úteis durante toda a otimização e evita regiões de gradiente plano, nas quais o modelo não consegue melhorar.

De 98% de desperdício à precisão estratégica

Os resultados das avaliações mostram que o uso eficiente de ferramentas e a alta precisão são metas complementares, e não conflitantes. O Metis alcançou desempenho de ponta em conjuntos de dados de percepção visual e compreensão de documentos, incluindo HRBench e V*Bench, além de tarefas rigorosas de raciocínio matemático, como WeMath e MathVista. Vale destacar que o Metis, com 8 bilhões de parâmetros, superou o Skywork-R1V4, um modelo agêntico muito maior, com 30 bilhões de parâmetros, tanto em avaliações visuais quanto de raciocínio. Esse desempenho estabelece novos padrões para a área com custos computacionais muito menores.

As melhorias quantitativas correspondem a mudanças qualitativas de comportamento observadas durante os testes. Em um experimento, os pesquisadores apresentaram a imagem de uma placa de museu e perguntaram o que estava escrito no texto central. Modelos agênticos convencionais criaram automaticamente scripts em Python para recortar e processar a imagem sem necessidade, acrescentando latência e complexidade. O Metis percebeu que o texto estava claramente legível na imagem original, dispensou completamente as ferramentas externas e concluiu a tarefa em uma única passagem de inferência. Isso demonstra compreensão visual genuína, em vez de dependência mecânica de ferramentas.

Em contrapartida, quando foi apresentado a um gráfico complexo, com linhas sobrepostas em um pequeno subplot, e solicitado a identificar a segunda linha mais alta em um ponto de dados específico, o Metis determinou corretamente que sua resolução nativa não permitia distinguir os detalhes visuais. Em vez de adivinhar com base na imagem completa, usou o Python para recortar e ampliar somente aquela região, obtendo a precisão necessária. Esse comportamento mostra que o código é usado como instrumento de precisão apenas quando as evidências visuais são realmente ambíguas, e não como recurso automático para toda entrada.

O argumento econômico a favor de agentes mais inteligentes

Para startups e empresas que desenvolvem produtos de IA, o avanço do Metis se traduz diretamente em uma economia unitária sustentável. Agentes de IA atuais que usam APIs populares da OpenAI, Anthropic ou Google podem acumular milhares de dólares em custos mensais apenas com chamadas redundantes. Uma startup que gasta US$ 10.000 por mês com acesso a APIs poderia reduzir esse valor em até US$ 9.600 eliminando chamadas desnecessárias a ferramentas, com base na redução de 98% para 2% demonstrada pela pesquisa. Essa economia se torna essencial quando os produtos ultrapassam a fase de produto mínimo viável e chegam a ambientes de produção com milhares de usuários ativos.

Além da economia direta, a redução da latência gera vantagens competitivas na experiência do usuário. Tanto produtos voltados ao consumidor quanto soluções B2B se beneficiam de respostas mais rápidas, que têm forte correlação com a retenção e o engajamento dos usuários. À medida que os produtos passam de centenas para milhares de usuários ativos, os gargalos em série causados por chamadas desnecessárias a APIs se acumulam e degradam o desempenho do sistema como um todo. O que funciona adequadamente no início do desenvolvimento muitas vezes entra em colapso com o tráfego de produção sem otimizações de eficiência, criando crises justamente quando o crescimento se acelera.

Em mercados com consumidores sensíveis a preços, como a América Latina e outras economias emergentes, a eficiência operacional determina a viabilidade dos negócios. Empresas que mantêm margens saudáveis enquanto concorrentes queimam capital com computação redundante conquistam vantagens competitivas sustentáveis. A pesquisa sugere que, em um cenário no qual qualquer startup pode acessar os mesmos modelos-base, a eficiência se torna o principal fator de diferenciação competitiva. Essa dinâmica favorece organizações que implementam cache inteligente, limites de confiança e seleção estratégica de modelos, além de estruturas como o HDPO.

Uma nova filosofia de treinamento

A estrutura HDPO representa uma mudança conceitual na forma como pesquisadores abordam o aprendizado com ferramentas. Métodos anteriores se concentravam principalmente em ensinar os modelos a executar corretamente chamadas a ferramentas, priorizando a proficiência técnica em detrimento do discernimento. A equipe do Alibaba defende o desenvolvimento de sabedoria metacognitiva sobre quando dispensar completamente recursos externos. Isso exige dados de treinamento que demonstrem explicitamente a contenção estratégica, e não apenas a execução técnica, uma nuance amplamente ignorada pelos conjuntos de dados anteriores.

O fluxo de seleção dos dados corrige falhas graves comuns nos conjuntos existentes de dados com uso de ferramentas. A maioria dos corpora disponíveis publicamente contém trajetórias ruidosas, nas quais os modelos aprenderam a acionar ferramentas por hábito, e não de forma estratégica. Ao filtrar exemplos que podem ser resolvidos sem ajuda externa e usar avaliadores automatizados para confirmar a necessidade das ferramentas, os pesquisadores criaram um ambiente de treinamento que recompensa a contenção ponderada. Essa abordagem difere de estruturas como ReAct, que combina raciocínio e ação sem otimização explícita em dois canais, ou Meta Toolformer, que prioriza aprender a usar ferramentas em vez de eficiência operacional.

O currículo implícito criado pelo HDPO acompanha padrões humanos de aprendizado na formação profissional. Primeiro, agentes iniciantes dominam a correção das tarefas e garantem que conseguem resolver problemas de forma confiável com os recursos disponíveis. À medida que a competência se consolida, o sistema passa naturalmente a otimizar a eficiência, aprendendo a resolver diretamente problemas conhecidos e a reservar ferramentas externas para novidades reais ou casos extremos complexos. Essa progressão evita a fragilidade de sistemas treinados simultaneamente para os dois objetivos, nos quais a precisão costuma cair quando as restrições de eficiência são aplicadas.

Código aberto e impacto global

O Alibaba lançou o Metis e o código de treinamento do HDPO sob a licença permissiva Apache 2.0, que permite o uso comercial sem condições restritivas nem royalties. Essa abordagem aberta permite que startups integrem a tecnologia imediatamente, sem esperar por soluções proprietárias ou pagar taxas de acesso premium. No entanto, como o artigo foi publicado em abril de 2026, a documentação e o suporte da comunidade ainda estão em fase inicial, o que exige conhecimento técnico substancial para uma implementação e personalização adequadas.

O lançamento ocorre enquanto o ecossistema de agentes de IA amadurece e deixa para trás o acúmulo de recursos em favor da otimização da eficiência. Empresas como LangChain e LlamaIndex continuam incorporando otimizações semelhantes às suas plataformas, enquanto alternativas proprietárias oferecem soluções gerenciadas com diferentes estruturas de custos. Para desenvolvedores em mercados de língua espanhola e economias emergentes, a adoção antecipada dessas estruturas de eficiência oferece oportunidades para criar produtos competitivos, adaptados às limitações da infraestrutura local e à sensibilidade a preços.

Integrantes da equipe de pesquisa destacaram que eliminar chamadas ruidosas e redundantes a ferramentas contribui diretamente para aumentar a precisão, em vez de exigir uma troca entre métricas. A conclusão aponta para uma mudança mais ampla de paradigma no desenvolvimento da inteligência artificial: deixar para trás sistemas que demonstram suas capacidades pela frequência com que usam ferramentas e avançar para agentes que demonstram discernimento por meio da contenção estratégica. O trabalho sugere que o desenvolvimento futuro da IA priorizará ações seletivas e inteligentes, em vez do acionamento indiscriminado de ferramentas.

O essencial

• O agente Metis, do Alibaba, reduz de 98% para 2% as chamadas redundantes a ferramentas de IA com a estrutura HDPO
• O HDPO (Otimização de Política Hierárquica Desacoplada) separa precisão e eficiência em canais de treinamento independentes
• O Metis, com 8 bilhões de parâmetros, supera modelos muito maiores, com 30 bilhões, em avaliações visuais e de raciocínio
• O uso estratégico de ferramentas cria um currículo cognitivo implícito, no qual os agentes dominam a precisão antes de otimizar a eficiência
• A eliminação de chamadas desnecessárias pode reduzir em até 96% as contas de API de startups
• O Metis e o código do HDPO são disponibilizados sob a licença Apache 2.0, para uso comercial sem restrições
• A estrutura aborda o déficit metacognitivo que impede agentes de IA de distinguir quando o conhecimento interno é suficiente e quando é necessário recorrer a ferramentas externas