Modelos de linguagem recursivos (RLM): o que muda em 2026

Os modelos de linguagem recursivos (RLM), propostos no MIT por Alex Zhang, Tim Kraska e Omar Khattab, guardam o acervo fora da conversa e deixam o modelo escrever código para ler, dividir e cruzar os documentos. Entre julho e outubro de 2026, o método chegou ao DSPy e à LangChain, duas bibliotecas usadas para construir agentes de IA, e a produtos comerciais, com vantagem medida em perguntas que combinam muitas evidências e riscos claros de custo e de execução de código. A empresa começa por um piloto comparado com RAG, com teto de gasto e avaliação reservada.

Por Alexandre Caramaschi, Chief Strategy Officer da Nuvini (Nasdaq: NVNI), Founder da Brasil GEO, cofundador da NAIA e cofundador da AI Brasil, ex-CMO da Semantix (Nasdaq) · Outubro 2026

Atualizado em 30 de outubro de 2026.

Desde julho de 2026, a ideia de deixar um modelo de IA programar a própria leitura saiu do artigo acadêmico e entrou em ferramentas de uso corrente. A LangChain, empresa que mantém bibliotecas para construir agentes, levou o método ao Deep Agents, a Prime Intellect lançou um agente construído sobre ele, e o DSPy, biblioteca de Stanford para montar sistemas com modelos de linguagem, passou a recomendá-lo no lugar de dois módulos antigos. No mesmo período vieram os primeiros alertas de segurança e estudos que limitam o entusiasmo. Para quem decide orçamento, a pergunta útil é em que problema esse desenho paga a conta.

91,3de acerto do RLM com GPT-5 num acervo de mil documentos que não cabe na janela do modelo, a US$ 0,99 por perguntaZhang, Kraska e Khattab, 11/05/2026
58,0 contra 0,1nota F1 do RLM e do GPT-5 sozinho numa tarefa de cruzar pares de trechos (OOLONG-Pairs)Zhang, Kraska e Khattab, 11/05/2026
0,44 para 0,79nota do agente Deep Agents sem e com ambiente de código, em contexto de 128 mil tokensLangChain, 01/07/2026
7 produtoscom fuga de isolamento em ambientes Pyodide, que executam Python numa área isolada do navegador ou do servidorCyera, 07/08/2026

O que é um modelo de linguagem recursivo?

Um modelo de linguagem lê o que cabe na sua janela de contexto, o espaço de texto que ele considera de uma vez, medido em tokens (pedaços de palavra). Quando o acervo é maior que isso, as empresas costumam recorrer a três saídas: RAG, sigla em inglês para geração com recuperação, em que um buscador escolhe alguns trechos antes da resposta; compactação, em que o histórico vira um resumo automático, como a ata que substitui a gravação da reunião; ou simplesmente um modelo com janela maior.

O RLM propõe uma quarta. O acervo fica guardado numa variável dentro de um REPL, ambiente que executa código e devolve o resultado, como uma calculadora que aceita programas. O modelo principal escreve código para contar, filtrar e dividir o material, chama a si mesmo ou a um modelo menor sobre cada pedaço e monta a resposta com o que voltou. A proposta é de Alex Zhang, Tim Kraska e Omar Khattab, do MIT CSAIL, publicada em 31 de dezembro de 2025, revisada em maio de 2026 e aceita na NeurIPS 2026, uma das principais conferências de aprendizado de máquina.

Segundo os autores, na versão de maio de 2026 do artigo, o método lida com entradas até cem vezes maiores que a janela e, com o GPT-5 em quatro tarefas, superou a compactação em 26% e o Claude Code em 13% na mediana, a custo comparável. O curso RLM: como a IA consulta grandes acervos traduz esses números para perguntas de negócio, capítulo a capítulo.

O que mudou entre julho e outubro de 2026?

Em dez meses, o RLM passou de proposta a componente de três ecossistemas de desenvolvimento, embora nenhum fornecedor de modelo de ponta tenha anunciado, até outubro, um modelo comercial treinado para operar assim. Estes são os fatos do período que mudam alguma decisão.

Os frameworks de agentes adotaram o desenho. Em 1º de julho, a LangChain levou o RLM ao Deep Agents; no teste da empresa, a nota subiu de 0,44 para 0,79 a 128 mil tokens, com mais tempo e mais tokens de saída. A própria LangChain chama o resultado de teste de fumaça, que indica direção sem medir ganho em produção.
O DSPy aposentou os concorrentes internos. A versão 3.3.1, de 21 de agosto, marcou CodeAct e ProgramOfThought como obsoletos e orienta usar o dspy.RLM, o módulo de RLM da biblioteca, em código novo. A 3.4.1, de 12 de outubro, permite abrir subagentes de dentro do ambiente de código. Quem usa os módulos antigos ganhou prazo de migração.
Surgiu um agente de uso geral construído sobre RLM. O Prime Agent, lançado em 5 de agosto pela Prime Intellect com Alex Zhang entre os autores, usa um ambiente Python persistente como única ferramenta e subagentes que respondem por mensagem. O texto de lançamento admite que nenhum modelo foi treinado para ele ainda.
O método saiu do texto. O TimeRLM, de agosto e revisado em 6 de setembro, aplica a recursão a séries temporais e localizou anomalias com 0,682 de sobreposição com o trecho correto, contra no máximo 0,329 dos concorrentes, num conjunto de teste sintético.
A otimização automática de instruções virou caso de uso. O RLMOpt, de 11 de agosto, venceu o GEPA, otimizador de instruções do DSPy, em 9 de 11 comparações, com média de 0,610 contra 0,589. A diferença é pequena e depende da margem de melhora da instrução inicial.
Tarefas longas ganharam memória entre sessões. O Chained RLM, de 5 de agosto, reinicia o modelo a cada etapa com um resumo, um quadro de anotações e os arquivos anteriores, sem arrastar a conversa inteira. O Hermes Agent 0.21.0, de 31 de agosto, deu memória às tarefas agendadas e passou a exigir aprovação humana para o agente alterar os próprios arquivos de instrução.
A execução de código entrou na pauta de segurança. Em 7 de agosto, na DEF CON 34, a Cyera mostrou fugas de isolamento em sete produtos baseados em Pyodide, com quatro falhas de gravidade entre 8,3 e 9,9 em 10. O DSPy usa Pyodide no ambiente padrão e ficou fora do teste, o que pede uma camada extra de isolamento em qualquer piloto.

Quando usar contexto longo, RAG, compactação ou RLM?

A escolha depende de quantas evidências a pergunta precisa combinar. Localizar uma cláusula num contrato exige um trecho; contar quantos contratos de 2025 têm multa acima de 10% exige ler todos. O artigo original mostra essa diferença com clareza no BrowseComp-Plus, teste com mil documentos por pergunta, de 6 a 11 milhões de tokens.

Acerto por método no BrowseComp-Plus com mil documentos, GPT-5 (escala de 0 a 100)

GPT-5 sozinho0,0
Agente de código com busca51,0
Compactação70,5
RLM com um nível de recursão91,3

Tabela 1 de Zhang, Kraska e Khattab, versão de 11/05/2026 publicada no arXiv, repositório aberto de artigos científicos. O GPT-5 sozinho marca zero porque o acervo não cabe na janela. O eixo começa em zero.

Ver os mesmos dados em tabela

Método	Acerto	Custo médio por pergunta
GPT-5 sozinho	0,0	não se aplica
Agente de código com busca	51,0	US$ 0,71
Compactação	70,5	US$ 0,57
RLM com um nível de recursão	91,3	US$ 0,99

A tabela de decisão abaixo junta esse resultado com as evidências contrárias publicadas em 2026.

Abordagem	Quando escolher	Evidência	Limite principal
Contexto longo	Acervo que cabe na janela e pergunta de localizar um trecho	Na reprodução de março de 2026, o modelo sozinho acertou 100% na busca de um trecho, contra 85% com RLM	Precisão cai em agregação; janela grande custa por pergunta
RAG	Acervo grande e pergunta que depende de poucos trechos	No BrowseComp-Plus, o agente de código com busca por palavra marcou 51,0, contra 91,3 do RLM (Zhang e coautores, 2026)	Perde evidência que o buscador não trouxe
Compactação	Conversas longas e tarefas de muitos passos	Marcou 70,5 contra 91,3 do RLM no BrowseComp-Plus e 0,1 no OOLONG-Pairs	O resumo apaga os detalhes que um cruzamento exige
RLM	Pergunta que exige contar, comparar ou cruzar muitas partes do acervo	58,0 contra 0,1 do GPT-5 sozinho no OOLONG-Pairs	Mais lento, custo variável e código gerado que precisa de isolamento

A Apple acrescentou uma ressalva em março de 2026. No estudo SRLM, de março de 2026, uma busca de programas guiada pela incerteza do próprio modelo superou o RLM em até 22% com o mesmo tempo, e os autores concluíram que a recursão em si não explica a maior parte do ganho. Dentro da janela nativa, o RLM com recursão muitas vezes piorou o modelo base. Para um catálogo de milhares de fichas de produto, por exemplo, a decisão entre buscar e programar a leitura conversa com o que está descrito em SEO para e-commerce: o que mudou em 2026.

Quanto custa e onde a recursão precisa parar?

O custo de um RLM varia por pergunta, porque cada uma gera um número diferente de subchamadas. No artigo original, o modelo caro coordena e o barato lê os pedaços, e por isso os US$ 0,99 médios do BrowseComp-Plus ficaram abaixo dos US$ 1,50 a US$ 2,75 estimados para o GPT-5-mini ler tudo de uma vez. As perguntas mais caras definem o orçamento mensal.

O tempo pesa tanto quanto o dinheiro. Na reprodução independente de Daren Wang, publicada em março de 2026 com 20 casos por condição, a busca de um trecho com DeepSeek v3.2 levou 3,6 segundos sem recursão, 89,3 segundos com um nível e 344,5 segundos com dois, e o acerto caiu a cada nível. O dspy.RLM vem com tetos padrão de 20 voltas e 50 subchamadas por execução, que deixam de fora tokens, tempo e ferramentas pagas. A conta completa por resultado aceito está em como calcular tokens e resultado aceito.

Como executar o código gerado pelo modelo com segurança?

Num RLM, o modelo escreve código e um computador o executa. Se um documento do acervo trouxer uma instrução maliciosa escondida, o código gerado pode tentar ler segredos ou enviar dados para fora. A biblioteca oficial, instalada como rlms, separa o modo local, que roda na mesma máquina e serve só para teste, dos ambientes isolados em contêiner ou em nuvem.

O caso da Cyera mostra que o rótulo de isolamento não basta. As fugas exploravam funções que o Pyodide expõe por padrão, e a empresa recomenda rodar o código não confiável em processo ou contêiner separado, com o mínimo de permissões. Os autores do RLM escrevem que as proteções para esse tipo de sistema seguem muito pouco exploradas.

Como saber se a auto-melhoria de um agente é real?

Agentes que reescrevem as próprias instruções, como fazem o RLMOpt e o GEPA, mostram ganhos medidos no mesmo conjunto que usaram para escolher a melhor versão, e esse número tende a ser otimista. A defesa é a avaliação selada: um conjunto de perguntas reservado, que nenhuma rodada de otimização vê, aberto só para a decisão final, como a prova guardada no cofre até o dia do exame. O RLMOpt nunca ficou abaixo da instrução inicial; o GEPA ficou duas vezes, queda que só aparece com dados reservados.

A mesma lógica vale para o harness, a estrutura que controla um agente em tarefas longas, com estado salvo e pontos de retomada. A versão 0.21.0 do Hermes Agent trouxe parada de emergência global, custo por delegação e aprovação obrigatória para o agente editar os próprios arquivos de instrução. Toda mudança que persiste precisa de dono, registro e caminho de volta.

Quais cenários acompanhar para 2027?

RLM como modo de execução dentro dos agentes de código. O sinal é um fornecedor documentar, como recurso oficial, o acervo fora da janela e a subchamada programática. A LangChain e o DSPy já caminham nessa direção, e um trabalho teórico de 23 de julho, de Yang, Li, McAllester e Srebro, indica que a recursão com contexto isolado generaliza melhor fora do domínio de treino.
Modelo treinado para operar o REPL. O artigo original treinou o RLM-Qwen3-8B, com ganho médio de 28,3% sobre o modelo base, e o TimeRLM reduziu a um terço o número de voltas com treino por reforço. O sinal decisivo seria um modelo comercial de ponta anunciado com esse treino.
Vantagem restrita a acervos gigantes. Se estudos como o SRLM se repetirem com os modelos atuais, o RLM fica reservado aos acervos que não cabem na janela.
Freio pela segurança. Um incidente com código gerado a partir de documento malicioso pode adiar a adoção em setores regulados, como saúde, onde a prova de origem já pesa na escolha de fontes, tema de GEO na saúde: como a IA escolhe fontes médicas em 2026.

Onde uma empresa começa um piloto?

Escolha uma pergunta que exige combinar documentos. Contratos com cláusula de reajuste, laudos que se contradizem, reclamações por motivo: perguntas que a equipe responde todo mês lendo dezenas de arquivos. Localizar um trecho fica com o RAG.
Compare com a alternativa atual nas mesmas condições. Use o mesmo modelo, o mesmo acervo, de 50 a 100 perguntas com resposta conhecida e o mesmo orçamento para RAG, contexto longo e RLM.
Isole a execução antes do primeiro teste. Rode o código em contêiner ou sandbox em nuvem, sem rede aberta, sem credenciais de produção e com dados autorizados. Inclua documentos com instruções maliciosas no teste.
Defina tetos por pergunta. Limite subchamadas, profundidade (comece em um nível), tempo e gasto, e decida o que o sistema responde quando atinge o teto. Registre o custo do décimo de perguntas mais caras ao lado da média.
Separe um conjunto selado de avaliação. Reserve entre um quinto e um terço das perguntas para a decisão final e não use esse grupo para ajustar instruções. Qualquer otimização automática roda só no restante.
Marque a data e o critério de encerramento. Em seis a oito semanas, o piloto termina com uma decisão: ampliar, ajustar ou encerrar. A diferença de acerto e o custo por resposta aceita que justificam ampliar ficam escritos antes.

Acervo bagunçado derruba qualquer uma das quatro abordagens. Antes de comparar métodos, vale conferir a extração dos PDFs e a dívida de dados descrita em como priorizar correções para IA.

Quais erros evitar?

Ler a média do benchmark como promessa para o seu acervo: todo resultado publicado até outubro vale para um modelo, uma tarefa e um tamanho de contexto.
Aumentar a profundidade da recursão por intuição: no artigo e na reprodução, mais níveis pioraram parte das tarefas.
Usar o ambiente local da biblioteca com dados reais.
Aceitar ganho de auto-melhoria medido no mesmo conjunto usado para otimizar.

Perguntas frequentes

As cinco dúvidas abaixo são as que mais aparecem quando uma diretoria avalia o RLM pela primeira vez.

O que é um modelo de linguagem recursivo (RLM)?

É um jeito de usar um modelo de linguagem em que o acervo fica fora da conversa, num ambiente que executa código. O modelo escreve programas para dividir e ler o acervo em pedaços, chama a si mesmo sobre cada um e junta as respostas. A proposta é de Zhang, Kraska e Khattab, do MIT, em dezembro de 2025.

O RLM substitui o RAG?

Para localizar um trecho, a busca de documentos resolve bem e custa menos. O RLM mostrou vantagem quando a resposta exige combinar muitas evidências espalhadas, como contar casos ou cruzar pares de documentos.

Quanto custa rodar um RLM?

O custo varia com o número de subchamadas de cada pergunta. No artigo original, o RLM com GPT-5 custou em média US$ 0,99 por pergunta num acervo de 6 a 11 milhões de tokens; numa reprodução de março de 2026, uma busca simples passou de 3,6 para 89,3 segundos.

É seguro deixar o modelo executar código?

Só num ambiente isolado, sem segredos, rede aberta ou arquivos de produção. Em agosto de 2026, a Cyera mostrou fugas de isolamento em sete produtos baseados em Pyodide, versão de Python que roda em área isolada do navegador ou do servidor.

Por onde uma empresa começa um piloto de RLM?

Por uma pergunta recorrente que hoje exige ler e combinar dezenas de documentos. O piloto compara RLM e RAG com o mesmo acervo, as mesmas perguntas e o mesmo orçamento, com o critério de encerramento definido antes.

O curso RLM: como a IA consulta grandes acervos aprofunda cada etapa deste artigo. "Quando usar busca, contexto longo ou resumo" detalha a escolha entre abordagens; "Como definir limites de custo e tempo" e "Como limitar o acesso ao executar código" tratam de orçamento e isolamento; "Como testar mudanças sem contaminar a avaliação" cobre a auto-melhoria; e "Onde começar um piloto que faça sentido" fecha com a decisão.

Nesta semana, peça à equipe três perguntas recorrentes que hoje exigem ler mais de vinte documentos e anote quanto tempo cada resposta leva. Essa lista é a base de comparação do piloto e mostra, antes de qualquer código, se o problema da empresa é de busca ou de agregação.