A Recursive fez o Flint, modelo de programação que roda num notebook, em três meses e meio, com poucos pesquisadores e uma IA que conduz a pesquisa.
Quem contou foi Richard Socher, cofundador e CEO da Recursive e da You.com, no Web Summit Lisboa, em conversa com Kate Knibbs, da Wired. Se fazer modelo fica barato, a vantagem deixa de estar no modelo. Guga Schifino, curador da FFX, avalia que o raciocínio de Socher faz total sentido: criar modelo próprio vai ficar barato rápido.
Guga anotou para onde vai a vantagem: o que sobra de escasso é “o dissentimento, a empatia, a métrica, a validação e a computação”. Socher explicou três desses itens ao descrever a Eureka Machine, o sistema da Recursive em que agentes de IA propõem ideias, escrevem o código e rodam experimentos. Cada experimento só conta se melhora o que as pessoas valorizam.
A métrica fica escassa porque a máquina não escolhe o que perseguir: quem escolhe são as pessoas, ponto que Guga destacou. Ela otimiza depressa o que mandaram medir, inclusive o que foi mal escrito. Se a meta de um modelo de crédito for só aprovar mais, ele aprova também quem não vai pagar.
Com a meta escrita, a velocidade da pesquisa passa a depender de quanto tempo leva para conferir cada tentativa. Fora do palco, Socher contou ao podcast Latent Space, em setembro de 2026, que a equipe achou 30 falhas no sistema de avaliação da Recursive e descartou resultados anteriores. Achar as falhas exigiu o dissentimento da lista de Guga: alguém precisou desconfiar da própria régua.
A máquina persegue só o que mandaram medir
Conferir rápido dita o ritmo da pesquisa
Desconfiar da régua revelou 30 falhas
Define quantos testes cabem no mês
Saber o que as pessoas valorizam
Testar rápido exige computação, e é ela que, para Socher, impede uma IA de superar a humanidade uma semana depois de começar a se aprimorar: “a computação ainda vai levar tempo para ser construída e custa dinheiro e eletricidade”. Fora da palestra, a Recursive fechou com a AWS um contrato de US$ 410 milhões, cerca de 63% do que captou (Amazon, julho de 2026). Para quem compra IA, o contrato de nuvem limita quantos testes cabem no mês.
Richard Socher nos telões do palco principal do Web Summit Lisboa. Foto: curadoria FFX no Web Summit 2026
Mesmo no autoaprimoramento recursivo, os humanos definem as recompensas e os ambientes em que as IAs evoluem e coevoluem juntas.
Só que o Flint saiu rápido porque a Recursive tem a máquina, e Socher disse que a empresa vai ser cuidadosa com quem ganha acesso a ela. Para uma varejista ou seguradora, o caminho barato é partir de um modelo aberto como o Flint e ajustá-lo ao próprio negócio. Foi o que Socher previu no fim da conversa.
Pessoas escolhem o que vale perseguir
Agentes de IA propõem hipóteses
Agentes escrevem o código e rodam os testes
A régua confere se houve ganho real
Socher prevê o próximo avanço da IA que se aprimora sozinha para o ano que vem. Se ele vier, quem deixar a meta e o teste com o fornecedor terá o mesmo modelo que o concorrente. E não terá como saber, por conta própria, se ele acerta.
Com modelo barato, a decisão que pesa passa a ser quem escreve o teste que diz se ele acertou.
No Brasil, a Maritaca AI, que faz o Sabiá, mostra os dois lados disso. Thiago Laitz, pesquisador da empresa e um dos autores do Sabiá-4, diz que especializar um modelo aberto “quase sempre é a alternativa mais barata”, mas deixa a empresa dependente do que os grandes laboratórios decidem liberar (Alura, 2026).
A vantagem do Sabiá, segundo ele, vem dos dados e de avaliações próprias, como testes de conversa real em português, que as avaliações internacionais não captam.
Para varejistas e bancos brasileiros, a prioridade é montar a base de teste com os casos do próprio negócio; o modelo pode ser próprio ou alugado.
Se a IA passa a fazer a pesquisa, quem na sua empresa sabe dizer o que conta como acerto?
Laboratório de San Francisco que constrói a Eureka Machine, sistema de pesquisa automatizada que propõe ideias, escreve código e roda experimentos sozinho.
- US$ 650 milhões captados ao se apresentar ao mercado (maio de 2026, TechCrunch)
- Avaliada em US$ 4,65 bilhões, em rodada liderada por GV e Greycroft (maio de 2026, Amazon)
- Flint: 40 bilhões de parâmetros, 2,5 bilhões ativos por tarefa (outubro de 2026, TechCrunch)
- Técnica de treino achada pela máquina reduziu o Flint em 71%, segundo a empresa (outubro de 2026, TechCrunch)
Ressalvas e outros ângulos
A própria Recursive põe em dúvida a ideia de que a régua fica com as pessoas: segundo a GV, investidora que liderou a rodada, o sistema aprende a achar os próprios limites e a escrever os próprios testes de desempenho (maio de 2026). Se a máquina passar a escrever também a régua, a conferência deixa de ser o gargalo humano que a tese supõe.
Se a IA passa a escrever boa parte do código, cresce o valor de quem transforma um objetivo de negócio numa métrica que a máquina consegue perseguir. Esse perfil costuma estar em crédito, preço ou operações, e não na área de tecnologia.
Processos que já têm simulador ou histórico confiável, como preço, rotas de entrega e previsão de demanda, são os primeiros candidatos a testes rápidos com IA. Onde não dá para conferir o resultado em horas, a velocidade da máquina se perde na espera.
Um modelo aberto que roda no próprio computador muda a conta de quem paga por uso de modelo na nuvem e de quem lida com dados sensíveis. Vale levar para o modelo local as tarefas de código do dia a dia e guardar a computação contratada na nuvem para testar e treinar.
- TechCrunch: What happens when AI starts building itself? (14/05/2026)
- Amazon: Recursive signs $410 million multi-year collaboration with AWS (28/07/2026)
- TechCrunch: Recursive launches Flint, a laptop coding model it says was largely built by AI (21/10/2026)
- Latent Space: Humanity's Last Invention, Richard Socher of Recursive (17/09/2026)
- GV: Recursive Superintelligence, why self-improving AI is the next frontier (13/05/2026)
- Alura: “Especializar um modelo aberto quase sempre é mais barato, mas isso nos deixa dependentes”, diz Thiago Laitz, do Sabiá (28/08/2026)