Introdução
A Sakana AI, laboratório de IA sediado em Tóquio, publicou em 12 de outubro de 2026 o MASS (Multi-Agent Self-Supervision), um método de autoaperfeiçoamento recursivo (RSI, na sigla em inglês) em que um único modelo de linguagem faz três papéis ao mesmo tempo: executa a tarefa, otimiza o fluxo de trabalho e avalia o resultado. O trabalho saiu com artigo no arXiv, um blog técnico detalhado e código aberto no GitHub.
A pergunta que os autores tentam responder é simples de enunciar e difícil de resolver: quando a tarefa é aberta (uma pesquisa, um relatório, uma análise) e nem um especialista humano consegue avaliar tudo com rapidez, o próprio modelo pode ser o melhor supervisor disponível. Mas um modelo sozinho tende a reforçar os próprios erros em vez de corrigi-los. A aposta do MASS é organizar várias cópias do mesmo modelo como uma equipe e usar o trabalho coletivo dessa equipe como sinal de treino.
Para quem desenvolve agentes de IA ou automações em empresas no Japão, o interesse é duplo: há ideias que podem ser aplicadas já nos seus próprios fluxos, e há alertas de segurança que valem para qualquer sistema que se autoavalia.
O que é o MASS
No MASS, o mesmo modelo cumpre três funções:
- Agente (executor): resolve a tarefa e produz um espaço de trabalho com código, resultados, gráficos e um relatório.
- Otimizador de workflow: usa o retorno do avaliador para revisar como a equipe divide o trabalho, troca resultados e confere o trabalho uma da outra.
- Avaliador: compara dois espaços de trabalho, escolhe o que atende melhor à tarefa e explica o motivo.
Um "workflow", aqui, é um plano escrito em texto, anexado ao prompt da tarefa, que descreve uma equipe com um orquestrador e subagentes. Cada workflow tem quatro componentes: papel (a responsabilidade de cada subagente), instrução (o que ele deve fazer), contrato (as informações e verificações que ele precisa devolver) e ordem de chamadas (a sequência em que os subagentes entram).
Um exemplo citado pela Sakana é um workflow de finanças em que o contrato do especialista em dados exige checagens explícitas de que não há vazamento de informação futura e de que os períodos de treino, validação e teste estão na ordem certa. É o tipo de erro que deixa um backtest bonito e inútil.
Como o ciclo funciona
O MASS alterna dois loops.
Loop interno: busca do melhor workflow. Para cada tarefa de treino, o sistema mantém um "campeão", o melhor workflow encontrado até ali segundo o julgamento do próprio modelo. A cada iteração, a equipe executa um workflow candidato, o avaliador compara o resultado com o do campeão e o otimizador propõe a próxima versão com base no histórico de feedback. Segundo o artigo, é uma busca evolutiva com guardrails estruturais, e o prompt do otimizador dá prioridade aos contratos e à ordem de chamadas, ou seja, a qual informação circula entre os agentes e quando.
Loop externo: aprender com a melhor equipe. O workflow campeão é executado 18 vezes por tarefa. O próprio modelo compara e ranqueia os resultados (um modelo Bradley–Terry converte as preferências em notas), e até 16 trajetórias por tarefa são guardadas: 15 para treino e uma para validação. O texto do workflow é removido do prompt do orquestrador, e o modelo passa por fine-tuning supervisionado (SFT, com LoRA) nas conversas do orquestrador e dos subagentes. O modelo atualizado volta a ocupar os três papéis e o ciclo recomeça.
A ideia é que o modelo aprenda a organizar o trabalho a partir da própria tarefa, sem precisar receber o workflow pronto.
O que foi medido
A equipe rodou dois ciclos completos com o modelo de pesos abertos Qwen3.6-27B, usando o agente de código qwen-code. Os dados de treino vieram de 12 tarefas sintéticas de pesquisa em finanças, robótica e farmácia: nove marcadas para treino (oito acabaram gerando dados) e três reservadas para teste. Para medir o progresso de fora do loop, o GPT-5.5 e o Claude Opus 4.8 avaliaram os resultados, e essas avaliações não foram usadas pelo MASS.
Os principais números divulgados pela Sakana e no artigo:
- Pontuação por token de saída de 1,2 a 1,6 vez a do modelo base após o segundo ciclo, em quatro benchmarks de pesquisa: MLR-Bench, DSBench, ScienceAgentBench e AstaBench.
- Nas três tarefas sintéticas de teste, a taxa de vitória contra o modelo base subiu de 53,9% após o primeiro ciclo para 69,9% após o segundo.
- O treino foi feito só com trajetórias de resolução de tarefas, mas o otimizador e o avaliador também melhoraram. A concordância do avaliador com os juízes externos subiu de 73% para 93%.
- Trajetórias multiagente rendem mais por token de treino: o estudante treinado nelas chegou a 68,3% de vitórias contra o base com 28,8 milhões de tokens supervisionados, contra 64,0% de um estudante de agente único treinado com 42 milhões, cerca de 1,4 vez mais tokens.
- Nos testes de ablação, o gargalo de velocidade foi o otimizador, não o avaliador: trocar só o avaliador por um modelo mais forte ajudou pouco; trocar avaliador e otimizador ajudou muito.
Como experimentar o código com segurança
O repositório github.com/SakanaAI/mass é descrito como uma implementação de pesquisa. Um caminho prudente:
- Comece pelo modo offline. O README indica que
python3 -m mass plan --config configs/paper.jsonmostra a configuração sem executar nada e que os testes unitários rodam sem GPU nem servidor de modelo. - Isole o ambiente. O MASS coloca agentes para escrever e executar código. Use uma VM ou container separado, sem acesso à rede interna da empresa e sem credenciais de produção. O repositório traz um
.env.example; não coloque nele chaves com permissões amplas. - Dimensione o hardware antes. Um experimento real exige servir o modelo com vLLM e alocar GPUs. Só o SFT do primeiro ciclo levou cerca de 19 horas em seis GPUs NVIDIA H100, sem contar a busca de workflows, a coleta de trajetórias e a avaliação.
- Confira a licença. Na data desta publicação, não encontramos um arquivo de licença na raiz do repositório (há um NOTICE.md sobre software e dados de terceiros). Antes de qualquer uso comercial, verifique os termos com a Sakana AI.
- Leia as notas de implementação. O próprio README avisa que o código não inclui todas as ablações do artigo, que alguns adaptadores de benchmark não estão no pacote e que o driver atual difere em alguns pontos do algoritmo descrito no paper.
Mesmo sem treinar nada, a lição dos contratos pode ser aplicada hoje: em seus fluxos com vários agentes, defina por escrito o que cada etapa precisa entregar e quais verificações deve comprovar antes que a próxima etapa comece.
Cuidados de segurança: pontos cegos compartilhados
Os próprios autores fazem o alerta mais importante. Quando o mesmo modelo gera, avalia e decide o que vira dado de treino, um ponto cego compartilhado pode fazer com que um resultado falho seja produzido, aceito como melhoria e incorporado ao próximo modelo. Se os humanos também não perceberem a falha, as atualizações seguintes podem reforçá-la. A Sakana chama isso de possível "calcanhar de Aquiles" do autoaperfeiçoamento recursivo e defende checagens independentes, limites para ações autônomas e condições claras de intervenção.
Para uma empresa, a tradução prática é: não deixe o mesmo modelo ser o único juiz do próprio trabalho em decisões que importam. Mantenha um avaliador separado, conjuntos de teste que o sistema não vê e revisão humana nos pontos críticos.
O que não esperar
- Não é um ganho geral em programação. No Terminal-Bench 2.0 e no SWE-bench Verified, a pontuação por token ficou em 0,96 e 0,94 vez a do base, respectivamente. A Sakana diz que a transferência "permanece desigual".
- Parte do ganho vem de entregar mais. No MLR-Bench, a alta acompanha mais artigos entregues; o próprio paper diz que a evidência depende da forma de agregação e não estabelece um ganho consistente em todas as tarefas.
- A busca é ruidosa. Iterações fortes podem ser seguidas de quedas bruscas, e duas execuções do mesmo workflow tiveram resultados opostos.
- Não é um produto pronto. São dois ciclos, um modelo de 27B e tarefas sintéticas. É pesquisa, não uma ferramenta plug-and-play.
Conclusão
O MASS é um passo interessante na direção de modelos que melhoram usando o trabalho em equipe de cópias de si mesmos, e vem com código aberto e números honestos, inclusive onde não houve ganho. Para pequenas e médias empresas, o valor imediato está menos em rodar o ciclo completo e mais nas ideias: contratos claros entre agentes, avaliação separada da geração e atenção redobrada aos pontos cegos de qualquer sistema que se autoavalia.
Fontes
- Sakana AI: Recursive Self-Improvement through Collective Intelligence (MASS)
- Sakana AI: MASS — blog técnico detalhado
- arXiv 2610.12176: Recursive Self-Improvement through Multi-Agent Self-Supervision
- GitHub: SakanaAI/mass
Quer levar isso para o seu negócio?
A KGA IT ajuda pequenas e médias empresas a implantar assistentes de IA, automações e sites. A consulta é gratuita e respondemos em até 24 horas. Planos a partir de ¥5.000/mês.
- Telefone: 080-9732-1062
- E-mail: kga-it@outlook.com
- Página de contato: kga-it.com/pt/contact