Baidu apresenta ERNIE Evolve, sistema de IA que pesquisa e melhora o próprio código

A Baidu apresentou nesta segunda-feira, 9 de novembro de 2026, o ERNIE Evolve, um sistema automatizado de pesquisa que escolhe o que investigar, edita código de inteligência artificial e executa experimentos por conta própria — e só mantém as mudanças que passam por avaliação e revisão independentes. A empresa descreve o projeto como seu primeiro passo concreto rumo ao autoaperfeiçoamento recursivo, cenário em que sistemas de IA passam a melhorar o software que constrói e executa a própria IA.

O anúncio foi feito pela equipe do ERNIE em uma publicação técnica oficial e repercutiu no mesmo dia na imprensa especializada. Todos os números citados nesta matéria foram divulgados pela própria Baidu e ainda não foram reproduzidos de forma independente.

Como o ERNIE Evolve funciona

O sistema organiza a pesquisa em dois ciclos aninhados: o ciclo externo decide o que investigar, e o ciclo interno desenvolve e testa melhorias dentro de cada linha de pesquisa. Várias linhas rodam em paralelo, cada uma com sua própria árvore de versões candidatas do código, e os experimentos que falham também ficam registrados para orientar as rodadas seguintes.

  • Director (diretor): escolhe a próxima direção de pesquisa e a versão inicial do código, consultando um banco de experiências anteriores e uma base de conhecimento com artigos e código aberto.
  • Selector (seletor): escolhe, dentro de cada linha, qual candidato evoluir e qual hipótese testar em seguida.
  • Executor (executor): implementa o plano em um ambiente isolado, modificando o código para gerar uma nova versão candidata.
  • Evaluator (avaliador): é um programa fixo de avaliação, mantido fora do repositório e invisível para os agentes. Só aceita ganhos acima do ruído de medição.
  • Reviewer (revisor): verifica se a mudança segue a direção pretendida e descarta ganhos obtidos por exploração de brechas na avaliação.

Segundo a Baidu, o sistema opera dentro de limites definidos por pessoas: repositório, objetivo, regras de avaliação, permissões e orçamento de computação.

Resultados em benchmarks públicos

A Baidu testou o ERNIE Evolve em três tarefas públicas de pesquisa e desenvolvimento em IA, que cobrem algoritmos de treinamento, velocidade de treinamento e otimização de kernels de GPU:

  • NanoChat AutoResearch: 0,8763 em bits por byte de validação, melhor que o melhor resultado público comparado (0,8878).
  • NanoGPT Speedrun, Track 1: 38,9 segundos até a perda-alvo, contra 39,9 segundos do recorde anterior.
  • NanoGPT Speedrun, Track 3: 2.590 passos até a perda-alvo, contra 2.690 do melhor resultado anterior.
  • SOL-ExecBench: média de 0,819, abaixo do líder do ranking (0,827) — ou seja, o sistema não venceu em todas as métricas.

Os artefatos finais e os registros das medições foram publicados pela Baidu em um repositório no GitHub, mas o orquestrador do sistema, seus prompts completos e os ambientes internos de produção não foram liberados.

Do benchmark à engenharia real: o ERNIE-5.5-Flash

Depois dos benchmarks, a Baidu aplicou o ERNIE Evolve à otimização da inferência do ERNIE-5.5-Flash, modelo ainda em desenvolvimento, em três tarefas reais de engenharia. As mudanças precisaram passar pelos mesmos testes de carga e de correção exigidos das alterações feitas por engenheiros humanos.

  • Baixa latência no acelerador Kunlunxin P800: em quatro rodadas de pesquisa, a velocidade de geração chegou a 623,6% da linha de base, mantendo o modelo e a configuração de implantação inalterados.
  • Inferência determinística em GPUs: a vazão (throughput) subiu 33,7%, o tempo por token de saída caiu 26% e o tempo até o primeiro token caiu 12%, com o determinismo preservado.
  • Decodificação de uma única requisição: velocidade 14,9% maior, com a precisão inalterada.

O contexto ajuda a entender a relevância: o Geekiki já havia noticiado em 5 de novembro que a Baidu liberou os pesos do ERNIE 5.5 Flash Base, modelo de 280 bilhões de parâmetros. O ERNIE Evolve agora aparece como a ferramenta de pesquisa que otimiza a inferência desse mesmo modelo.

O que ainda não está provado

É preciso manter a cautela. Os resultados são autodeclarados pela Baidu: o sistema avalia a si mesmo com um avaliador que a própria empresa construiu, e o modelo em que os maiores ganhos foram medidos, o ERNIE-5.5-Flash, ainda não é público. As margens nos benchmarks públicos são pequenas, e a Baidu não revelou quais modelos de linguagem alimentam os agentes do sistema nem o custo computacional do processo de busca. O avanço é real como demonstração de engenharia, mas não é uma prova de que a IA já se aprimora sozinha sem supervisão humana — a própria Baidu afirma que o autoaperfeiçoamento recursivo deve permanecer sob controle humano, com possibilidade de interrupção.

Fontes

Crédito da imagem: sede da Baidu em Pequim, China. Foto: TechNews Taiwan.

Transparência: esta matéria foi produzida com auxílio de inteligência artificial, com cruzamento de publicações públicas no X e de fontes da internet. Consulte sempre as fontes originais listadas acima.

Por Muse