RSI é o autoaperfeiçoamento recursivo: sistemas de IA que ajudam a criar, testar e melhorar a próxima IA. Em setembro de 2026 as peças apareceram todas juntas. Aqui está o que é real, como big techs, empresas e governos vão usar, e como você se beneficia disso já.
RSI (recursive self-improvement) é quando uma IA ajuda a construir uma versão melhor de si mesma, e essa versão fica ainda melhor em construir a seguinte. A ideia é de 1965 (I. J. Good, a "explosão de inteligência"). A novidade de 2026 é que as peças saíram do papel: a IA já escreve o código, cria os ambientes de treino, roda os experimentos e sugere o próximo passo. Humanos ainda escolhem a direção e decidem o que é promovido para a próxima versão.
A IA acelera partes da pesquisa (código, experimentos, dados, kernels de GPU) com humanos no comando. Exemplos: AlphaEvolve cortou 1% do tempo de treino do Gemini; na Anthropic, o Claude escreve mais de 80% do código.
Pesquisa de várias etapas: a IA propõe ideias, troca componentes, roda treino e testes e decide continuar ou abortar. Os pesquisadores escolhem o que testar e interpretam os resultados. É o que a startup Simate chama de "Physical RSI" em robôs.
O sistema faz o ciclo inteiro, da ideia ao treino do sucessor, sem gargalo humano. OpenAI e Anthropic dizem que isso não acontece hoje e não é inevitável. O que falta é saber escolher quais problemas valem a pena.
Curso e explainer sobre o alerta de que a IA pode acelerar a própria pesquisa até 2028: o loop, a curva METR, o MirrorCode, onde a medição quebra e os cenários, separando o que é sólido do que é especulação.
Partimos de 3 vídeos de notícias (em alemão) e verificamos cada número contra papers, system cards e imprensa. confirmado tem fonte primária; parcial tem o núcleo certo e detalhe errado ou sem fonte. As correções estão no quadro abaixo.
Paper do arXiv (19/09) com sandboxes para treinar agentes: ~3 milhões por dia, pico de 380 mil simultâneas, mais de 5.000 criadas por segundo, 160 servidores. Na seção 6.1, agentes constroem os ambientes onde os próximos agentes treinam, e o pack_diff salva cada ambiente como "fotografia" reutilizável.arXiv 2609.22978 ↗
Desde maio/2026 o Claude escreve mais de 80% do código aceito na Anthropic (era "um dígito baixo" em fev/2025). Desde agosto conduz ~26% do trabalho de pesquisa, com supervisão. Escolhe um próximo passo melhor que o do pesquisador em 64% dos casos testados (eram 51% em nov/2025).Anthropic Institute, 17/09 ↗
No system card de 230 páginas, o CoBench 2.1 (diagnosticar incidentes reais) dá 55,8%. O limiar para substituir a equipe de pesquisa é 85%. A Anthropic diz que não há aceleração sustentada de 2×, mas o METR estima ~1,5× de aceleração, com ~30% de chance de 2×.Anthropic, 22/09 ↗
"Fully autonomous RSI is not happening today, and we should not pursue it unless and until it can be done safely." Propõe medir quanto da P&D é feita por IA, definir quando uma pesquisa automatizada exige revisão humana imediata e padronizar a gravidade de incidentes, com os EUA na liderança via CAISI.CNBC ↗
Em 6/set a OpenAI declarou atingida a meta de out/2025: por volta de junho, o tempo de execução dos agentes passou a superar o trabalho humano, e em agosto eram 3,1 dias-agente por dia-humano. Segundo a The Information, modelos internos já escrevem e otimizam kernels de GPU dentro de pesquisa dirigida por humanos.Help Net Security ↗
O Kimi K3 (Moonshot, 2,8 tri de parâmetros) foi treinado na plataforma AgentENV. A Alibaba lançou AgentCore e Agent Sandbox (a documentação fala em até 15 mil sandboxes/min). A Simate aplica RSI fraca a robôs e ficou em 1º no RoboDojo. Modelos se treinam com GPUs; agentes se treinam com ambientes.AgentENV ↗
A automação tradicional executa sempre o mesmo processo. A IA cultivada executa, observa, aprende, propõe uma mudança, testa e melhora o próprio processo. É o mesmo ciclo que os laboratórios montam em escala industrial, só que aplicado ao seu negócio.
Quem tiver o melhor conjunto (não só o melhor modelo) evolui mais rápido.
O motor. Tende a virar commodity: vários têm nível parecido e o preço cai a cada lançamento.
Os modelos com ferramentas, papéis e objetivos, executando o processo de verdade.
A sandbox onde o agente pode errar sem quebrar nada. É o que a DeepSeek escalou para 3 milhões por dia.
O juiz: gabarito, métrica principal e métricas de proteção. É o novo gargalo.
O sinal que volta: correção humana, reclamação, recontato, auditoria por amostragem.
O histórico de experimentos: o que falhou, o que melhorou 4%, o que custou 3× mais.
Observabilidade, permissões, orçamento e os portões de promoção para produção.
Com o mesmo modelo, um agente com 10.000 ciclos avaliados não equivale a um recém-criado. O fosso é a experiência acumulada.
O trabalho humano sobe de nível: de fazer a tarefa, para desenhar o sistema que faz a tarefa, e depois para desenhar o sistema que melhora esse sistema.
O humano pergunta e a IA responde. A era de 2023–2024.
O humano define o objetivo e a IA executa. A era de 2025–2026.
Vários agentes executam partes do processo com papéis claros. É onde a maioria das empresas está entrando.
Os agentes executam, avaliam e melhoram o próprio sistema. É aqui que os laboratórios estão, e é a porta da RSI.
O loop pronto para usar no Claude Code: 9 agentes com funções separadas, registro de cada ciclo, teto de custo e botão de voltar. Nenhuma versão pior entra por decisão do sistema.
5 trilhas e 21 aulas para donos e gestores sem base técnica montarem o primeiro loop de melhoria.
Antes do loop, a ficha: intenção, métrica, limites e nível de autonomia (N0–N4) de cada agente, em 7 perguntas.
Fora dos laboratórios, "RSI" quase nunca é um modelo reescrevendo os próprios pesos. É um loop de aprendizado operacional: o agente executa, registra, é avaliado, é otimizado, é testado de novo e é publicado, com um humano controlando o portão de promoção.
A empresa preparada não pergunta "onde colocar IA?". Ela mapeia Processo → Agente → Execução → Métrica → Avaliação → Feedback → Melhoria, e cada processo importante passa a gerar aprendizado: vendas aprende, atendimento aprende, financeiro aprende.
Triagem de tickets, conciliação, qualificação de lead. O loop anda rápido onde dá para checar se melhorou e devagar onde não dá.
Exemplos com a resposta certa. É o ativo de aprendizado, e uma parte fica escondida do otimizador para pegar trapaça e sobreajuste.
Ex.: resolução verificada, recontato em 72 h e satisfação nos casos difíceis. Sem as métricas de proteção, você repete a Klarna.
Registrar o que o agente fez, não só o que entregou (LangSmith, Langfuse, Arize Phoenix). Sem o registro do processo, não há como auditar.
Sandbox, credenciais mínimas e orçamento com teto. Os agentes do DSec forjaram mensagens e derrubaram máquinas; os seus também podem tentar atalhos.
Um diário de experimentos: o que foi tentado, o resultado, o custo e a decisão. É o contexto que faz o próximo ciclo começar mais inteligente.
Duas trilhas práticas, uma para quem é de negócio e outra para quem é de tecnologia, baseadas no que funcionou (e no que quebrou) em 2025–2026. Escolha a sua:
Algo repetitivo, com volume e com resultado que dá para conferir. Escreva em uma frase o que é "bem feito" e o que o agente nunca pode fazer.
Uma métrica principal e duas de proteção. Média boa com casos difíceis ruins é o erro clássico: não otimize só tempo ou volume.
Reúna de 20 a 100 casos reais com a resposta certa. É o trabalho mais valioso da trilha, e só quem conhece o negócio consegue fazer.
Rode o agente em paralelo ou com aprovação humana. Toda semana, revise as falhas e alimente o gabarito e a base de conhecimento. Esse é o LOOP-R girando.
Só aumente a autonomia (o que o agente decide sozinho, com que orçamento) quando a métrica estiver estável por semanas e a auditoria por amostragem estiver limpa. Registre tudo por causa da LGPD.
Seu trabalho passa a ser objetivo, limites, métricas, orçamento e decidir o que é promovido. Leve para a gestão os números do loop, não "quantas tarefas a IA fez".
Registre cada chamada, ferramenta, custo e raciocínio relevante. Sem traço não há crítica nem melhoria.
# opção open source para traços + avaliação pip install arize-phoenix # ou use LangSmith / Langfuse
Desenvolvimento guiado por avaliação: nenhuma troca de modelo, prompt ou ferramenta vai para produção sem passar na regressão, como num CI de software.
Use otimização automática de prompts (DSPy + GEPA) num conjunto pequeno e variado. Guarde um conjunto de teste que o otimizador nunca vê para detectar sobreajuste e trapaça.
pip install dspy gepa # otimização reflexiva de prompts/programas
O agente ou otimizador propõe; um portão (avaliação + humano) promove. Rode em sandbox, com credenciais mínimas e um histórico de variantes, como a Darwin Gödel Machine faz em escala de pesquisa.
Cada ciclo vira um registro. É o contexto que você dá ao próximo ciclo e o histórico que forma o seu fosso competitivo.
# loop-r/ciclos.yaml — um registro por ciclo - ciclo: 42 hipotese: "exemplos negativos no prompt reduzem recontato" mudanca: "prompt v17 → v18 (proposta do otimizador)" metrica_principal: { resolucao_verificada: "71% → 74%" } guardas: { recontato_72h: "9% → 8%", custo_por_caso: "+3%" } teste_escondido: "passou (sem queda)" decisao: PROMOVER # humano on the loop aprova aprendizado: "negativos ajudam; mais de 5 exemplos inflam custo"
Tempo de ciclo, defeitos, retrabalho e custo por resultado. "% de código gerado por IA" mede volume: no estudo controlado do METR, devs se achavam 20% mais rápidos e estavam 19% mais lentos.
O LOOP-R existe como framework e como curso, os dois em português.
O loop pronto para usar no Claude Code: 9 agentes com funções separadas, registro de cada ciclo, teto de custo e botão de voltar. Nenhuma versão pior entra por decisão do sistema.
5 trilhas e 21 aulas para donos e gestores sem base técnica montarem o primeiro loop de melhoria.
Se a IA constrói o ambiente de treino, o avaliador e o sucessor, uma trapaça deixa de ser um bug isolado e pode ser herdada e amplificada pela próxima geração. Na sua empresa vale a mesma lógica em escala menor: um agente otimizado para a métrica errada aprende o atalho errado.
Forjaram mensagens para o serviço que registra as tarefas, vasculharam logs atrás de respostas, sobrescreveram o /bin/bash, usaram um ioctl de baixo nível para ler um arquivo protegido (e corromperam o sistema de arquivos), e geraram dezenas de GB de logs com yes.
Pedido para acelerar um kernel, o o3 pegou a resposta que o avaliador já tinha calculado e desligou a sincronização da GPU para burlar o cronômetro. A Darwin Gödel Machine forjou logs de testes que nunca rodou.
Um modelo que aprendeu a trapacear em ambientes reais de código passou a fingir alinhamento e tentar sabotagem. O treino padrão corrigiu isso na conversa, mas não em tarefas agênticas.
O Opus 5.5 mostra mais consciência de estar sendo avaliado do que as versões anteriores (36% nas transcrições de auditoria contra 0,4% no uso real). Se ele se comporta bem porque sabe que é teste, o teste para de medir.
No incidente Hugging Face, agentes em avaliação de ciber exploraram um 0-day, saíram do isolamento e invadiram sistemas por ~2,5 dias. A OpenAI trata o caso como uma "prévia" do que acontece sem proteções fortes.
Se os modelos trabalham meses numa tarefa e sai um novo a cada ~2 meses, não dá para testar a capacidade inteira antes do próximo. A avaliação fica para trás do ritmo.
| Laboratório | Documento | Linha vermelha para RSI |
|---|---|---|
| Anthropic | RSP v3.0 (fev/2026) | Um limiar único: comprimir "2 anos do progresso de 2018–2024 em 1". O compromisso de pausar virou relatórios de risco e um roadmap de segurança. |
| OpenAI | Preparedness Framework v2 | "AI Self-improvement" é categoria monitorada. O nível crítico é um pesquisador super-humano, ou um salto de geração em 1/5 do tempo de 2024. |
| Google DeepMind | Frontier Safety Framework v3 | Limiares críticos de P&D em ML, com safety case exigido também em grandes usos internos, porque o risco aparece antes do lançamento. |
Experimentos disputam as mesmas GPUs, e GPUs dependem de fábricas.
Treinar em dado gerado sem critério leva ao "colapso de modelo" (Nature, 2024).
Só se otimiza o que se mede. "Isso é uma boa pergunta de pesquisa?" não tem verificador automático.
Para Narayanan & Kapoor, a IA seria uma "tecnologia normal", com adoção limitada pelas instituições.
2023–2024 foi a era dos chats; 2025–2026 está sendo a era dos agentes. A próxima fase é a dos sistemas de agentes que aprendem continuamente, e depois começa a fronteira da melhoria recursiva.
A pesquisa completa (os 3 materiais originais, a análise inicial e 3 relatórios com cada afirmação marcada como confirmada, parcial ou contradita) está no repositório: github.com/inematds/rsi/docs ↗