Edição em Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# HybridAgent testa raciocínio latente junto ao uso de ferramentas por texto

> Um novo preprint e o código publicado mostram como o HybridAgent alterna raciocínio latente com uso de ferramentas por texto. Os ganhos medidos vêm da configuração de testes dos autores.

By BIG CHANGE Editorial

Published: 2026-10-19T07:00:34.991Z
Updated: 2026-10-19T07:00:34.991Z
Canonical: https://bigchange.ai/blog/hybridagents-latent-reasoning-text-tool-use-paper

![Conceptual charcoal illustration of a continuous accordion paper strip with dark folded sections and completely blank pale sections.](https://bigchange.ai/api/media/file/hybridagent-latent-text-accordion-concept-v2.png)
AI-generated conceptual illustration by BIG CHANGE; no actual model trace, architecture or test result is depicted.

Um agente que chama um mecanismo de busca precisa expressar a consulta em texto e ler o resultado. Seu raciocínio interno não precisa seguir o mesmo formato. Em um [preprint de 13 de outubro](https://arxiv.org/html/2610.18861v1), pesquisadores de Stanford, da University of Illinois Urbana-Champaign, da Together AI e da Meta descrevem o HybridAgent, sistema que alterna estados internos contínuos com texto para chamadas de ferramentas, observações e respostas. Eles publicaram código de pesquisa e dois checkpoints para agentes. Os resultados de desempenho e eficiência relatados vêm dos experimentos dos autores, não de uma replicação independente nem de um serviço implantado.

## A grande mudança

- **O que mudou:** O HybridAgent permite que um agente de modelo de linguagem alterne etapas internas de estado contínuo e texto comum durante uma tarefa. O texto continua sendo a interface para busca, Python e a resposta final.
- **Por que importa:** Desenvolvedores que estudam agentes podem examinar se toda etapa intermediária precisa ser escrita. Os experimentos dos autores com condições equivalentes sugerem menos etapas de geração para seu método, enquanto o código público permite inspecionar a implementação. Nenhum dos dois comprova uma conta menor para um serviço em operação.
- **O que acompanhar:** Execuções independentes com os checkpoints publicados podem testar se a vantagem medida se mantém com outras tarefas e custos de ferramentas. A questão mais difícil de inspecionar é se as palavras legíveis recuperadas de um estado latente descrevem fielmente como se chegou a uma resposta.

## Como funciona a alternância

No modo de texto normal, o modelo gera tokens. Quando emite um token especial `<latent>`, um pequeno componente chamado HybridLink mapeia o último estado oculto do modelo de volta ao seu espaço de entrada. O sistema envia o vetor contínuo resultante à etapa seguinte sem antes convertê-lo em uma palavra. Ele volta ao modo de texto quando uma comparação com o token mais próximo identifica o marcador `</latent>`. O modelo pode então escrever uma chamada de ferramenta ou sua resposta. O artigo descreve um cache persistente de chave-valor que carrega texto, etapas latentes e observações de ferramentas para os turnos seguintes. [A arquitetura e as regras de transição estão nas Seções 3 e 4 do preprint](https://arxiv.org/html/2610.18861v1).

Isso exige mais do que conectar um adaptador a um modelo pré-treinado. Os autores primeiro convertem demonstrações textuais em sequências de treinamento mistas de texto e estados latentes. Depois usam treinamento supervisionado para ensinar o modelo base e o HybridLink a trabalhar juntos. Uma fase de aprendizado por reforço treina o agente resultante em tarefas de raciocínio e busca. Nessa fase, os autores atualizam probabilidades em posições textuais amostradas e reproduzem as entradas latentes registradas. Segundo o artigo, os dados incluem 54.000 demonstrações convertidas, seguidas de conjuntos separados com 12.000 exemplos de raciocínio profundo e 1.000 de busca com agentes. [Detalhes do treinamento e dos dados](https://arxiv.org/html/2610.18861v1).

## O que os testes mediram

A avaliação principal apresenta versões de 8B e 14B baseadas em Qwen3-Base em 11 testes. Seis cobrem matemática, conhecimento científico ou médico e perguntas com múltiplas etapas; cinco enfatizam busca e tarefas de agentes. Um apêndice separado testa a versão de 4B em AIME25, AIME26, MATH500 e GPQA-Diamond. Os autores comparam com agentes treinados em texto com os mesmos modelos base e dados, métodos de raciocínio latente, agentes de fronteira e estruturas de uso de ferramentas. Esses grupos têm objetivos de comparação diferentes. Por exemplo, na comparação equivalente de aprendizado por reforço de 14B, o HybridAgent obtém 88,2% no MATH500, contra 87,0% do agente textual treinado com ARPO. Na média GAIA, o artigo informa 52,4% para o HybridAgent 14B e 43,7% para essa referência ARPO. São resultados na configuração dos autores, não uma classificação geral de agentes implantados. [Tabelas principais, apêndice de 4B e definições das referências](https://arxiv.org/html/2610.18861v1).

A configuração importa. O artigo usa checkpoints treinados em raciocínio profundo nas avaliações matemáticas e checkpoints treinados em busca com agentes nas avaliações de conhecimento e de agentes. Ele informa temperatura 0,6, top-p 0,95 e top-k 20 na inferência, com orçamentos que contam tanto tokens textuais quanto etapas latentes. Foram permitidas 4.096 etapas em matemática e conhecimento e 24.000 em tarefas de agentes mais difíceis. Os trechos latentes duravam entre 16 e 256 etapas; as trajetórias tinham limites de chamadas de ferramentas. As ferramentas eram um interpretador Python isolado e busca em tempo real, com um modelo também resumindo páginas de busca e julgando as saídas. Os autores relatam treinamento e inferência em 32 GPUs H100. Outros serviços de ferramentas, resultados de recuperação ou condições operacionais podem mudar a comparação. [Configuração experimental](https://arxiv.org/html/2610.18861v1).

A melhoria de desempenho de 10,4% no resumo se refere a comparações com referências textuais e latentes correspondentes na fase de aprendizado por reforço, com tamanhos de modelo e orçamentos de treinamento equivalentes. Não deve ser lida como melhoria universal sobre todos os agentes de fronteira. O artigo também apresenta resultados de cinco execuções independentes para sua tabela principal de tarefas de agentes, com desvio-padrão médio da acurácia de 0,014. [Resultados e legenda da tabela](https://arxiv.org/html/2610.18861v1).

## A alegação de eficiência tem um escopo de cálculo mais restrito

O artigo informa 2,7 vezes menos tokens de texto e até 54% menos etapas totais de geração na comparação com referências textuais. O resumo indica velocidade de inferência de 1,8 a 2,6 vezes e custo estimado de 2,7 a 3,7 vezes menor. Etapas latentes continuam exigindo computação do modelo. A tabela de custos dos autores conta cada etapa textual ou latente como uma passagem completa para a frente no modelo base e estima um milhão de respostas com preço de H100 de US$ 2,50 por hora e 10% da vazão máxima BF16. Para o modelo base de 8B, o cálculo passa de 62,5 para 17,2 trilhões de operações de ponto flutuante por pergunta e de US$ 439 para US$ 121 por milhão de perguntas. [Seção de eficiência e tabela de custos](https://arxiv.org/html/2610.18861v1).

O mesmo apêndice exclui expressamente o processamento do prompt, os custos de atenção que variam com o contexto e a execução de ferramentas externas. Portanto, chamadas de busca, hospedagem e outros custos do serviço ficam fora dessa comparação em dólares. Os números são evidências úteis sobre os caminhos de geração medidos e o modelo de computação declarado pelos autores, mas não estabelecem o custo de operar um serviço de agentes completo.

## Trechos latentes legíveis ainda exigem análise

O HybridAgent pode exibir uma leitura em pseudotexto ao mapear cada etapa latente para a representação vetorial do token mais próximo. O [exemplo do repositório](https://github.com/togethercomputer/HybridAgent) mostra essas leituras junto a chamadas reais de busca e Python. Em outro experimento do artigo, alterar ou substituir vetores latentes reduz a acurácia no MATH500, apoiando a afirmação de que esses estados afetam a resposta. Isso não demonstra que as palavras mais próximas descrevem a computação de modo completo ou fiel. [Tabela de intervenção latente](https://arxiv.org/html/2610.18861v1).

Os autores também testam a utilidade do texto visível para monitoramento externo em 560 problemas matemáticos. A tabela informa menos tokens de texto visíveis no HybridAgent do que em agentes textuais equivalentes, além de várias medidas de monitoramento e depuração julgadas por modelos. Algumas melhoram; o AUROC do monitor forte em 14B é 0,989 no HybridAgent e 0,990 no agente textual. Esses testes avaliam monitores e tarefas específicos. Não estabelecem transparência nem segurança gerais, sobretudo nos trechos latentes ocultos. [Experimento de auditabilidade](https://arxiv.org/html/2610.18861v1).

## O que está disponível agora

O [repositório com licença MIT](https://github.com/togethercomputer/HybridAgent) inclui o mecanismo de geração híbrida, ferramentas Python e de busca, pipelines de treinamento supervisionado e por reforço, inferência em lote e um inspetor de pseudotexto. Os autores ligam checkpoints públicos de [8B](https://huggingface.co/togethercomputer/HybridAgent-8B-Agentic) e [14B](https://huggingface.co/togethercomputer/HybridAgent-14B-Agentic) **para agentes**, além de conjuntos de dados de treinamento. As avaliações matemáticas do artigo usaram checkpoints de raciocínio profundo treinados separadamente; a lista de modelos publicados no README identifica os dois checkpoints de agentes. Cada checkpoint público inclui os pesos do modelo base e do HybridLink. O cartão do modelo diz que carregar apenas o modelo base por Transformers produz um modelo só de texto; a geração latente e o uso de ferramentas exigem o código do projeto.

O README recomenda 8 ou 16 GPUs para treinamento supervisionado e 32 GPUs em quatro nós para seu lançador de aprendizado por reforço de busca com agentes. As instruções de instalação incluem uma chave de API de busca. São requisitos relevantes para quem tentar seguir o pipeline de pesquisa documentado. A BIG CHANGE inspecionou o artigo, o repositório e os cartões dos modelos; não executou o código, baixou os checkpoints nem reproduziu os testes.

## Sources

- [Zou et al., Hybrid Reasoning Agents, arXiv:2610.18861v1 (2026-10-13)](https://arxiv.org/html/2610.18861v1) — Preprint principal. As Seções 3–6 e os Apêndices E, G, H estabelecem método, treinamento, testes, configuração de 32 H100 e pressupostos de custo. Os resultados dos autores não são replicação independente; a estimativa em dólares exclui prefill, atenção do contexto e ferramentas.
- [Together Computer, código HybridAgent e README](https://github.com/togethercomputer/HybridAgent) — Implementação de pesquisa oficial com licença MIT. O README lista mecanismo, pipelines SFT/RL, checkpoints 8B/14B, chave Tavily e recomendações de 8/16 GPUs para SFT e 32 GPUs para RL de busca. A BIG CHANGE não a executou.
- [Together Computer, cartão do modelo HybridAgent-8B-Agentic](https://huggingface.co/togethercomputer/HybridAgent-8B-Agentic) — Cartão oficial do checkpoint público de 8B. Descreve os pesos do modelo base e do HybridLink; geração híbrida e uso de ferramentas exigem o código do repositório.
- [Together Computer, cartão do modelo HybridAgent-14B-Agentic](https://huggingface.co/togethercomputer/HybridAgent-14B-Agentic) — Cartão oficial do checkpoint público de 14B. O mesmo requisito de código; checkpoint de pesquisa, não evidência de um serviço implantado.