Como é que o modelo de raciocínio misto funciona?

Deixem-me dizer-vos como é fantástico o modelo de raciocínio híbrido do Qwen3. Para ser sincero, estava cético quando vi o conceito pela primeira vez - será que um modelo pode realmente alternar entre "ponderado" e "reativo"? Mas, como se vê, esta pode ser uma das inovações mais práticas na história dos grandes modelos. Imagine ser capaz de responder a uma pergunta simples num piscar de olhos e, quando confrontado com um problema matemático complexo, trabalhar com ele como um matemático. Este tipo de flexibilidade é simplesmente espantoso!

Modo de pensar vs. modo de não pensar

No coração do raciocínio híbrido estão dois modos de pensamento distintos, mas complementares. No modo Pensamento, o Qwen3 "fala consigo próprio" como um perito humano - gera o seu próprio processo de raciocínio interno e depois chega a uma conclusão final. Este modo é ideal para resolver problemas de matemática, escrever código ou responder a perguntas que exijam raciocínio lógico. Os testes mostraram que o Modo Pensamento melhora a precisão em até 18% em questões de concursos de matemática como o AIME24, enquanto o Modo Não Pensamento mantém um nível razoável de precisão, mantendo a velocidade quando só precisa de uma resposta curta.

Curiosamente, a equipa Qwen3 descobriu que esta "mudança bimodal" não foi conseguida através da simples redução da complexidade do modelo. De facto, conceberam deliberadamente padrões de dados específicos e tarefas de treino durante o pré-treino, para que o modelo aprenda a distinguir entre problemas que exigem uma reflexão cuidadosa e aqueles a que se pode responder rapidamente. É como a divisão de trabalho entre o Sistema1 e o Sistema2 do cérebro humano.

Mecanismo flexível "pensar no orçamento

O que é ainda melhor é que o Qwen3 pode definir um "orçamento de pensamento". Isto é como dar a um modelo um "vale cérebro" que lhe diz quantos recursos computacionais pode gastar a pensar. Os programadores descobriram que a definição óptima varia frequentemente de tarefa para tarefa - escrever um script Python pode exigir um orçamento de pensamento de 2000 tokens, enquanto que uma simples consulta pode exigir apenas 200 tokens - e ajustando este parâmetro, é possível poupar 40% de computação mantendo 90% de precisão. 40% de custo computacional! Esta é simplesmente uma caraterística de ouro nas aplicações empresariais.

Testei pessoalmente o modelo de resposta no modo Pensar. Quando adiciona a etiqueta "/think", o Qwen3 dá-lhe uma cadeia de raciocínio detalhada antes de responder: "Como primeiro passo, preciso de compreender a estrutura matemática da pergunta...", o que é um processo passo-a-passo extremamente claro. Quando passa para o modo não pensante, dá uma descrição da resposta num instante - uma falta de raciocínio, mas uma rapidez que transforma completamente a experiência do diálogo.

A tecnologia negra que lhe está subjacente

O segredo desta capacidade reside na estratégia de formação em duas fases do Qwen3. A primeira fase de pré-treino dá ao modelo uma base sólida de conhecimentos gerais; a segunda fase de aprendizagem por reforço optimiza especificamente a capacidade de geração de cadeias de pensamento. Os dados do laboratório mostram que o modelo optimizado para a cadeia de pensamento melhorou a sua auto-consistência em tarefas de raciocínio complexas em mais de 30%. Além disso, a equipa também concebeu cuidadosamente a técnica de "interrupção do pensamento" para treinar o modelo a produzir resultados razoáveis em diferentes fases da computação.

Lembro-me de um utilizador ter partilhado um caso interessante no Github: quando desenvolveu um assistente de aconselhamento jurídico com o Qwen3, descobriu que, ao ajustar dinamicamente a profundidade do pensamento, era capaz de responder rapidamente a perguntas simples sobre termos jurídicos, bem como raciocinar em pormenor sobre o estado de casos complexos. O mais surpreendente é que, no caso do 99%, a definição do orçamento de pensamento fugaz não afecta de todo a qualidade da resposta final - este tipo de flexibilidade, não admira que as pessoas o adorem.