Edição Markdown

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

# HybridAgent testa raciocínio latente a par da utilização de ferramentas por texto

> Um novo preprint e o código publicado mostram como o HybridAgent alterna raciocínio latente com utilização 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 motor de pesquisa tem de expressar a consulta em texto e ler o resultado. O seu raciocínio interno não precisa de seguir o mesmo formato. Num [preprint de 13 de outubro](https://arxiv.org/html/2610.18861v1), investigadores de Stanford, da University of Illinois Urbana-Champaign, da Together AI e da Meta descrevem o HybridAgent, um sistema que alterna estados internos contínuos com texto para chamadas a ferramentas, observações e respostas. Publicaram código de investigação e dois checkpoints para agentes. Os resultados de desempenho e eficiência apresentados vêm das experiências dos autores, não de uma replicação independente nem de um serviço implementado.

## A grande mudança

- **O que mudou:** O HybridAgent dá a um agente de modelo de linguagem uma forma de alternar passos internos com estados contínuos e texto normal durante uma tarefa. O texto continua a ser a interface para pesquisa, Python e a resposta final.
- **Porque importa:** Os programadores que estudam agentes podem examinar se todos os passos intermédios precisam de ser escritos. As experiências dos autores com condições equivalentes sugerem menos passos de geração para o seu método, enquanto o código público permite inspecionar a implementação. Nenhum dos dois demonstra uma fatura inferior 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 de inspeção mais difícil é saber 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 para o seu espaço de entrada. O sistema fornece o vetor contínuo resultante ao passo seguinte sem o converter primeiro numa palavra. Regressa ao modo de texto quando uma comparação com o token mais próximo identifica o marcador `</latent>`. O modelo pode então escrever uma chamada a uma ferramenta ou a sua resposta. O artigo descreve uma cache persistente de chave-valor que transporta texto, passos latentes e observações de ferramentas para as interações seguintes. [A arquitetura e as regras de transição estão nas Secções 3 e 4 do preprint](https://arxiv.org/html/2610.18861v1).

Isto exige mais do que ligar um adaptador a um modelo pré-treinado. Os autores convertem primeiro demonstrações textuais em sequências de treino mistas de texto e estados latentes. Depois usam treino supervisionado para ensinar o modelo base e o HybridLink a trabalhar em conjunto. Uma fase de aprendizagem por reforço treina o agente resultante em tarefas de raciocínio e pesquisa. Nessa fase, os autores atualizam probabilidades em posições textuais amostradas e reproduzem as entradas latentes registadas. Segundo o artigo, os dados compreendem 54 000 demonstrações convertidas, seguidas de conjuntos separados de 12 000 exemplos de raciocínio profundo e 1000 exemplos de pesquisa com agentes. [Detalhes do treino e dos dados](https://arxiv.org/html/2610.18861v1).

## O que mediram os testes

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 vários passos; cinco dão ênfase à pesquisa e a 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 utilização de ferramentas. Esses grupos servem objetivos de comparação diferentes. Por exemplo, na comparação equivalente de aprendizagem por reforço de 14B, o HybridAgent obtém 88,2% no MATH500, face a 87,0% do agente textual treinado com ARPO. Na média GAIA, o artigo indica 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 implementados. [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 pesquisa com agentes nas avaliações de conhecimento e de agentes. Diz que a inferência usou temperatura 0,6, top-p 0,95 e top-k 20, com orçamentos que contabilizam tanto tokens de texto como passos latentes. Permitiu 4096 passos em tarefas matemáticas e de conhecimento e 24 000 em tarefas de agentes mais difíceis. Os segmentos latentes duravam entre 16 e 256 passos; as trajetórias tinham limites de chamadas a ferramentas. As ferramentas eram um interpretador Python isolado e pesquisa em direto, com um modelo também a resumir páginas de pesquisa e a avaliar saídas. Os autores relatam treino e inferência em 32 GPU H100. Outros serviços de ferramentas, resultados de recuperação ou condições operacionais poderiam alterar a comparação. [Configuração experimental](https://arxiv.org/html/2610.18861v1).

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

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

O artigo indica 2,7 vezes menos tokens de texto e até 54% menos passos totais de geração na comparação com referências textuais. O resumo dá uma velocidade de inferência entre 1,8 e 2,6 vezes superior e um custo estimado entre 2,7 e 3,7 vezes inferior. Os passos latentes continuam a exigir computação do modelo. A tabela de custos dos autores contabiliza cada passo textual ou latente como uma passagem completa para a frente pelo modelo base e estima um milhão de respostas com um preço de H100 de 2,50 dólares por hora e 10% do débito máximo BF16. Para o modelo base de 8B, esse cálculo passa de 62,5 para 17,2 biliões de operações de vírgula flutuante por pergunta e de 439 para 121 dólares por milhão de perguntas. [Secção de eficiência e tabela de custos](https://arxiv.org/html/2610.18861v1).

O mesmo apêndice exclui expressamente o processamento do pedido inicial, os custos de atenção que variam com o contexto e a execução de ferramentas externas. As chamadas de pesquisa, o alojamento e outros custos do serviço ficam, assim, fora dessa comparação em dólares. Os valores são evidência útil sobre os percursos de geração medidos e o modelo de computação declarado pelos autores, mas não estabelecem o custo de operar um serviço completo de agentes.

## Os segmentos latentes legíveis continuam a exigir escrutínio

O HybridAgent pode apresentar uma leitura de pseudotexto ao mapear cada passo latente para a representação vetorial do token mais próximo. O [exemplo do repositório](https://github.com/togethercomputer/HybridAgent) mostra essas leituras a par de chamadas reais de pesquisa e Python. Numa experiência separada do artigo, alterar ou substituir vetores latentes reduz a exatidão no MATH500, apoiando a ideia de que esses estados afetam a resposta. Não demonstra que as palavras mais próximas descrevam a computação de forma completa ou fiel. [Tabela de intervenção latente](https://arxiv.org/html/2610.18861v1).

Os autores também testam a utilidade do texto visível para monitorização externa em 560 problemas matemáticos. A tabela indica menos tokens de texto visíveis no HybridAgent do que em agentes textuais equivalentes, a par de várias medidas de monitorização e depuração avaliadas por modelos. Algumas melhoram; o AUROC do monitor forte em 14B é 0,989 no HybridAgent e 0,990 no agente textual. Estes testes avaliam monitores e tarefas específicos. Não estabelecem transparência ou segurança gerais, sobretudo nos segmentos latentes ocultos. [Experiência 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 motor de geração híbrida, ferramentas Python e de pesquisa, processos de treino 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 dos conjuntos de dados de treino. 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. A ficha do modelo diz que carregar apenas o modelo base através de Transformers produz um modelo só de texto; a geração latente e a utilização de ferramentas exigem o código do projeto.

O README recomenda 8 ou 16 GPU para treino supervisionado e 32 GPU distribuídas por quatro nós para o seu lançador de aprendizagem por reforço de pesquisa com agentes. As instruções de instalação incluem uma chave de API de pesquisa. São requisitos relevantes para quem tentar seguir o processo de investigação documentado. A BIG CHANGE inspecionou o artigo, o repositório e as fichas dos modelos; não executou o código, descarregou 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 Secções 3–6 e os Apêndices E, G, H estabelecem o método, treino, testes, configuração de 32 H100 e pressupostos de custo. Os resultados dos autores não são uma 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 investigação oficial com licença MIT. O README enumera motor, processos SFT/RL, checkpoints 8B/14B, chave Tavily e recomendações de 8/16 GPU para SFT e 32 GPU para RL de pesquisa. A BIG CHANGE não a executou.
- [Together Computer, ficha do modelo HybridAgent-8B-Agentic](https://huggingface.co/togethercomputer/HybridAgent-8B-Agentic) — Ficha oficial do checkpoint público de 8B. Descreve os pesos do modelo base e do HybridLink; a geração híbrida e a utilização de ferramentas exigem o código do repositório.
- [Together Computer, ficha do modelo HybridAgent-14B-Agentic](https://huggingface.co/togethercomputer/HybridAgent-14B-Agentic) — Ficha oficial do checkpoint público de 14B. O mesmo requisito de código; checkpoint de investigação, não evidência de um serviço implementado.