Os grandes modelos de linguagem (LLMs) modernos, como GPT-5.x, Gemini Pro e Claude Fable/Opus/Sonnet, atingiram capacidades formidáveis de resolução de problemas. No entanto, nenhum modelo de IA é universalmente ótimo para todas as tarefas, já que são ajustados para se especializarem em domínios e conjuntos de dados específicos. A chave para extrair o potencial máximo da Inteligência Artificial está em como orquestramos diferentes modelos em conjunto. É aqui que surge uma abordagem inovadora e promissora apresentada pela Sakana AI: o Conductor (link do paper original nas referências ao final deste artigo).
O Que é o Conductor?
O Conductor é um modelo de linguagem de 7 bilhões de parâmetros treinado puramente através de Aprendizado por Reforço (RL) para descobrir, de forma autônoma, estratégias poderosas de coordenação entre múltiplos LLMs. Em vez de depender de fluxos de trabalho rígidos (pipelines) projetados manualmente por programadores, o Conductor aprende a dividir problemas complexos, delegar subtarefas direcionadas e elaborar topologias de comunicação personalizadas diretamente em linguagem natural.
Ele atua literalmente como um maestro de uma orquestra de Inteligência Artificial, onde os instrumentos são outros modelos de alto desempenho atuando como “trabalhadores” (workers).
A Sinfonia dos Modelos: Como Funciona na Prática?
Para cada problema inserido, o Conductor desenha e retorna um fluxo de trabalho flexível e adaptativo. Ele especifica três elementos fundamentais para que a colaboração aconteça de forma fluida:
- Uma instrução em linguagem natural detalhada (a subtarefa);
- Um identificador numérico correspondente ao agente designado;
- Uma lista de acesso, que define o nível de visibilidade que este agente terá das interações e respostas produzidas nos passos anteriores.
A magia por trás desse sistema está no seu treinamento. Utilizando um algoritmo de RL online chamado GRPO (Group Relative Policy Optimization), o modelo é recompensado com base em duas condições simples: a formatação correta do seu plano de ação e a exatidão da resposta final produzida pela sua equipe de modelos.
Graças a esse treinamento fim a fim, observou-se o surgimento de habilidades excepcionais de prompt engineering automático, em que o Conductor adapta suas estratégias ativamente de acordo com a dificuldade da tarefa. Ele aprendeu, por exemplo, a desenhar passos longos e verificações rigorosas para problemas complexos de programação (LiveCodeBench), enquanto resolve questões factuais e de múltipla escolha simples (MMLU) com poucos agentes em processos paralelos de recuperação de informações.
Atingindo o Estado da Arte com Eficiência
Os resultados empíricos validam o enorme potencial desta abordagem. Utilizando sua orquestra de agentes altamente capazes, o pequeno Conductor de 7B alcança resultados consistentes no estado da arte (SOTA) em benchmarks de raciocínio extremos, como LiveCodeBench, GPQA Diamond e AIME25, superando o desempenho de qualquer modelo “trabalhador” isolado.
O mais impressionante é a sua eficiência computacional: o modelo ultrapassa técnicas complexas, como pipelines tradicionais de Mixture-of-Agents (MoA) e MASRouter, utilizando em média apenas 3 chamadas de agentes e consumindo uma fração consideravelmente menor de tokens e custos de API.
Expandindo Fronteiras: Adaptação Dinâmica e Recursão
Além de excelentes resultados com configurações padronizadas, a arquitetura de RL do Conductor propicia extensões avançadas para cenários do mundo real.
Seleção Adaptativa de Trabalhadores: O Conductor generaliza bem frente a pools randômicos de ferramentas. Ao ser restringido a coordenar exclusivamente agentes de código aberto (open-source), o modelo foi capaz de combinar suas habilidades complementares para superar individualmente as pontuações do modelo proprietário Claude Sonnet 4, oferecendo uma opção sofisticada de corte de custos sem sacrificar a inteligência de orquestração.
Escalonamento Recursivo em Tempo de Inferência: Uma habilidade revolucionária do Conductor é a capacidade de selecionar a si mesmo como um membro da equipe de agentes. Caso ele perceba (por meio da resposta final de um trabalhador) que uma rota falhou, a recursão o permite repensar o plano, criar uma nova topologia e adaptar suas táticas na hora. Isso destrava uma nova forma ajustável de escalabilidade em tempo de teste (“test-time scaling”), melhorando substancialmente o rendimento final.
Conclusão
À medida que o poder dos Modelos de Linguagem Fundacionais cresce, o desenvolvimento de estruturas de agentes inteligentes torna-se um gargalo de mercado. O Conductor demonstra que delegar a organização arquitetônica a um coordenador treinado via aprendizado por reforço pode transcender a capacidade isolada de qualquer sistema fechado. Este avanço molda o futuro não apenas de textos e códigos, mas pode pavimentar um caminho onde modelos mestres conduzem fluxos de trabalho complexos e multimodais.
David Matos
Referências:
Paper original: LEARNING TO ORCHESTRATE AGENTS IN NATURAL LANGUAGE WITH THE CONDUCTOR
Aplicações de Inteligência Artificial com Reinforcement Learning