Uma startup fundada por matemáticos russos afirma ter encontrado uma forma de dois modelos de inteligência artificial trocarem raciocínio diretamente em seus estados internos, sem gerar uma única palavra de texto entre eles. Se a promessa se confirmar, o efeito prático é modelos pequenos rodando com desempenho de modelos gigantes, a uma fração do custo.
Há um problema que incomoda quem lida com inteligência artificial no dia a dia: modelos de ponta são caros e lentos, enquanto modelos pequenos, baratos e rápidos, raramente entregam a mesma qualidade. A saída mais comum até aqui tem sido fazer um modelo "conversar" com outro por meio de texto, um prompt gerado por um alimentando o próximo, num processo que consome tempo e dinheiro a cada etapa. A startup Mostik, fundada em São Francisco por pesquisadores de origem russa, propõe outro caminho: eliminar a linguagem do meio do processo e deixar os modelos trocarem informação por meio de seus valores matemáticos internos, os chamados hidden states, algo próximo do que a reportagem da revista americana Wired descreveu como uma forma de "telepatia" entre máquinas.
O que a Mostik afirma ter construído
Segundo relato da Wired, publicado em setembro de 2026, a equipe da Mostik desenvolveu uma espécie de ponte, o próprio nome da empresa significa "pontinha" em russo, capaz de transportar o raciocínio de um modelo grande diretamente para dentro de um modelo pequeno, sem passar pela etapa de geração de texto. Nenhum dos dois modelos precisa ser retreinado para isso: apenas um componente adicional, o bridge, aprende a traduzir a geometria interna de um sistema para a do outro.[1]
À frente do projeto está Sasha Malysheva, CEO da empresa, doutora em aprendizado por reforço e com passagens por laboratórios como DeepMind. Em publicações da própria companhia, ela descreve a equipe como um grupo de quinze pessoas, doze delas doutoras e uma medalhista Fields, reunidas há poucos meses para atacar um problema que, segundo o time, não tinha ainda uma linguagem matemática apropriada para ser resolvido.[2]
O raciocínio por trás da aposta é conhecido em estatística e aprendizado de máquina: combinações de estimativas independentes tendem a superar uma única estimativa isolada, o mesmo princípio usado para explicar por que a média de vários palpites sobre o peso de um boi costuma ser mais precisa do que a opinião de um único especialista. A novidade da Mostik está em aplicar essa lógica não a respostas prontas, mas aos estados internos que os modelos usam para "pensar" antes de responder.[1]
GLM-5.2 e Qwen-3.5: o teste que chamou atenção
Para demonstrar a ideia fora do ambiente fechado da competição em que compete, a equipe da Mostik construiu uma ponte entre dois modelos chineses de peso aberto: a versão mais robusta do GLM-5.2, com 753 bilhões de parâmetros, e uma versão compacta do Qwen-3.5, de 4 bilhões de parâmetros, pequena o suficiente para rodar em um smartphone. O resultado, segundo a reportagem original, foi um sistema híbrido que custa um vigésimo do preço de operar o modelo grande sozinho e entrega desempenho a meio caminho entre os dois extremos.[1]
A mesma abordagem, segundo a empresa, também levou um sistema construído sobre esse método ao topo do ARC-AGI 3, um dos benchmarks mais respeitados para medir raciocínio abstrato em modelos de IA, hoje um ponto de disputa entre os principais laboratórios do setor. A Mostik evita detalhar essa parte do trabalho enquanto a competição ainda está em curso.[1]
Pesquisadores externos ouvidos pela reportagem original reagiram com cautela otimista. Um ex-cientista do Google DeepMind afirmou que a técnica permite chegar perto da qualidade de um modelo grande sem que ele precise processar o fluxo inteiro de trabalho, gerando ganhos relevantes com um modelo menor rodando ao lado. Já um executivo de tecnologia de uma empresa do setor de desenvolvimento assistido por IA declarou que, se o método permitir combinar modelos de fronteira com modelos especializados em áreas como biologia ou física, a tendência é o surgimento de muito mais modelos de nicho treinados por equipes menores.[1]
O que isso significa para quem usa IA no Brasil
A discussão sobre custo de inferência não é abstrata para empresas brasileiras. Levantamento do Cetic.br, braço do NIC.br, mostra que o uso de inteligência artificial por empresas do país saltou de 13% em 2024 para 17% em 2025, com adoção entre grandes empresas subindo de 38% para 50% no mesmo período, mas ainda concentrada em soluções prontas compradas de terceiros, com pouca articulação entre empresas, universidades e governo.[3]
Esse cenário ajuda a explicar por que qualquer técnica capaz de reduzir o custo de rodar modelos grandes desperta interesse imediato fora do eixo das big techs americanas. Se abordagens como a da Mostik amadurecerem e forem replicadas em modelos abertos, o efeito esperado é abaixar a barreira de entrada para empresas, universidades e órgãos públicos brasileiros que hoje dependem de contratos caros com provedores estrangeiros para acessar capacidade de raciocínio de ponta. A própria disputa por preço entre grandes laboratórios, hoje movida principalmente por corte de custos operacionais e não por avanços como o da Mostik, já vem pressionando o mercado a demonstrar valor por token consumido, um argumento que ecoa a lógica de eficiência que a startup russa tenta levar um passo adiante.[4][5]
Vale o registro editorial: o método da Mostik ainda não foi publicado em artigo revisado por pares, nem acompanhado de um conjunto de benchmarks abertos e verificáveis por pesquisadores independentes. O que existe até aqui são declarações da própria empresa, uma reportagem de um veículo respeitado e reações qualitativas de nomes do setor, um estágio inicial de validação que recomenda cautela antes de tratar o resultado como definitivo.
Contraponto
Nem todo especialista está convencido de que a comunicação em "espaço latente" resolve, de fato, o problema de fundo. Críticos do método apontam que ensembles e técnicas de destilação de conhecimento, nas quais um modelo maior "ensina" um menor por meio de exemplos e sinais estatísticos, já existem há anos na literatura de aprendizado de máquina e produzem ganhos reais sem depender de uma ponte proprietária e ainda não documentada publicamente.
Há também uma camada geopolítica que não pode ser ignorada: uma parte relevante da inovação em IA de baixo custo tem vindo de equipes russas e chinesas, num momento de controles de exportação e disputas regulatórias entre potências que afetam diretamente o acesso a modelos e hardware. Isso reforça a necessidade de tratar anúncios como o da Mostik como uma tese promissora, não como um fato técnico já estabelecido, até que existam dados abertos para verificação independente.
Perguntas frequentes
O que é a "comunicação sem palavras" entre modelos de IA da Mostik?
É um método pelo qual um modelo de IA maior transmite seus estados internos de raciocínio (hidden states) diretamente para um modelo menor, sem gerar texto intermediário. A ideia é que o modelo pequeno aproveite o "pensamento" do modelo grande sem precisar rodá-lo por inteiro.
Quais modelos a Mostik usou para demonstrar a técnica?
A empresa construiu uma ponte entre a versão de 753 bilhões de parâmetros do GLM-5.2 e uma versão de 4 bilhões de parâmetros do Qwen-3.5, ambos modelos chineses de peso aberto, obtendo um sistema híbrido com custo de operação vinte vezes menor que o do modelo grande isolado.
A técnica da Mostik já foi validada de forma independente?
Não integralmente. Até o momento, as informações públicas vêm de comunicados da própria empresa e de uma reportagem da revista Wired. Não há, ainda, artigo científico revisado por pares nem benchmark aberto que permita replicação independente dos resultados.
Por que isso importa para o mercado brasileiro de tecnologia?
Porque o custo de rodar modelos de IA de ponta é um dos principais obstáculos à adoção da tecnologia por empresas, universidades e órgãos públicos no Brasil. Técnicas que reduzem esse custo sem sacrificar tanto desempenho tendem a ampliar o acesso a capacidades de IA avançadas fora dos grandes provedores globais.
- Knight, Will. "These Russian Mathematicians Taught AI Models How to Talk to Each Other Without Using Words". Wired, setembro de 2026. Disponível em: wired.com/story/russian-startup-mostik-ai-models-communication.
- Comunicados públicos da Mostik sobre o protocolo de comunicação latente entre modelos.
- Cetic.br/NIC.br. Pesquisa TIC Empresas 2025, sobre uso de Inteligência Artificial no setor empresarial brasileiro.
- Reportagens do setor sobre a disputa por preços e eficiência entre laboratórios de IA em 2026.
- Cobertura de mercado sobre estratégia de precificação de modelos de IA por grandes provedores.