O Google lança seu próprio modelo de IA de "raciocínio": Gemini 2.0 Flash Thinking Experimental

O Google lançou o que está chamando de um novo modelo de IA de "raciocínio", mas ele ainda está em fase experimental e, de acordo com nossos breves testes, ele tem espaço para melhorias.

Esse novo modelo é chamado de Gêmeos 2.0 Flash Thinking Experimental (o nome é um pouco complicado), que pode ser encontrado na seção Estúdio de IA Ele é usado na plataforma de prototipagem de IA do Google. O cartão do modelo o descreve como "mais adequado para compreensão multimodal, raciocínio e codificação" e capaz de "resolver os problemas mais complexos em áreas como programação, matemática e física".

Em uma publicação no X, Logan Kilpatrick, responsável pelo produto AI Studio, chamou o Gemini 2.0 Flash Thinking Experimental de "primeiro passo em uma jornada de raciocínio" do Google. Em seu próprio post, Jeff Dean, cientista-chefe do Google DeepMind, disse que o Gemini 2.0 Flash Thinking Experimental é treinado para usar o pensamento para aprimorar o raciocínio.

"Vimos resultados animadores quando aumentamos a quantidade de computação para o tempo de inferência", disse Dean, referindo-se à quantidade de computação necessária para o modelo responder à pergunta.

O Gemini 2.0 Flash Thinking Experimental baseia-se no modelo Gemini 2.0 Flash lançado recentemente pelo Google, que parece ter um design semelhante ao o1 da OpenAI e a outros modelos de inferência. Ao contrário da maioria das IAs, o modelo de inferência se autoverifica de forma eficaz, evitando algumas das armadilhas que normalmente fazem com que os modelos de IA estejam errados.

No entanto, uma desvantagem dos modelos inferenciais é que eles geralmente levam mais tempo - geralmente de segundos a minutos - para chegar a uma solução.

Diante de uma solicitação, o Gemini 2.0 Flash Thinking Experimental faz uma pausa antes de responder, considera várias solicitações relacionadas e "explica" seu raciocínio durante o processo. Posteriormente, o modelo resumirá o que ele acredita ser a resposta mais precisa.

Bem, em teoria, deveria. Quando perguntei ao Gemini 2.0 Flash Thinking Experimental quantos Rs existem na palavra "strawberry" (morango), ele respondeu "two" (dois).

O novo modelo de inferência do Google tem um desempenho ruim ao contar as letras das palavras e, às vezes, comete erros. Crédito da imagem: Google

Os resultados reais podem variar de pessoa para pessoa.

Após o lançamento do o1, houve uma explosão de modelos de inferência de laboratórios de IA rivais - e não apenas do Google. uma empresa de pesquisa de IA financiada por traders quantitativos DeepSeek apresentou seu primeiro modelo de inferência, o DeepSeek-R1, no início de novembro e, no mesmo mês, a equipe Qwen da Alibaba lançou o que alegou ser o primeiro modelo de inferência para o desafio aberto o1.

Em outubro, foi relatado que o Google tinha várias equipes trabalhando em modelos de inferência. Em seguida, em um relatório de novembro, o The Information revelou que o Google tem pelo menos 200 pesquisadores focados na tecnologia.

O que provocou o boom da modelagem de inferência? Um dos motivos é a busca por novas formas de aprimorar a IA generativa. Conforme relatado recentemente pelo meu colega Max Zeff, as técnicas de "força bruta" para dimensionar modelos não oferecem mais os aprimoramentos de outrora.

Nem todo mundo está convencido de que os modelos de inferência são o melhor caminho a seguir. Por um lado, eles tendem a ser caros devido à quantidade de potência computacional necessária para executar os modelos. E, embora tenham um bom desempenho em benchmarks, não está claro se os modelos de inferência podem sustentar essa taxa de progresso.