noticias

RecursiveMAS: Multi-Agent Systems Ganham 2,4x de Velocidade e Reduzem Tokens em Até 75%

Pesquisadores da University of Illinois Urbana-Champaign e Stanford apresentaram o **RecursiveMAS**, um framework que resolve um dos maiores gargalos dos sistemas multi-agent atuais: a comunicação via texto. Em vez de agentes trocarem mensagens longas token por token, eles passam representações latentes (embeddings contínuos) uns para os outros em um loop recursivo. O resultado é impressionante: até **2,4x mais rápido** e redução de até **75,6%** no consumo de tokens, com ganho médio de **8,3%** em acurácia.

Como funciona

Inspirado em modelos de linguagem recursivos, o RecursiveMAS trata todo o sistema multi-agent como uma computação unificada em espaço latente:

• Cada agente funciona como uma “camada” em um loop recursivo.

• Em vez de gerar texto intermediário, os agentes transmitem representações latentes contínuas através de um módulo leve chamado **RecursiveLink**.

• O output final do último agente volta para o primeiro, permitindo múltiplas rodadas de refinamento coletivo sem o custo de geração de texto a cada passo.

O treinamento é eficiente: os modelos base ficam congelados e apenas os RecursiveLinks (módulos leves de ~13 milhões de parâmetros) são otimizados. Isso reduz drasticamente o custo de GPU e memória.

Resultados práticos

Testado em benchmarks de matemática, raciocínio médico, geração de código e busca, o RecursiveMAS superou baselines fortes (incluindo Mixture-of-Agents e TextGrad) com:

• Velocidade de inferência 1,2x a 2,4x maior

• Redução drástica de tokens (34,6% na primeira rodada, chegando a 75,6% na terceira)

• Melhor performance em tarefas complexas de raciocínio

O código e pesos treinados foram liberados publicamente sob licença Apache 2.0.

**Análise da Equipe PixBugTech**

RecursiveMAS ataca o problema de forma elegante: em vez de tentar fazer cada agente mais inteligente isoladamente, ele melhora a **colaboração do sistema como um todo**. A comunicação em espaço latente elimina o gargalo de tokenização e geração de texto intermediário — um dos maiores vilões de latência e custo em sistemas multi-agent.

Em 2026, quando orquestração de múltiplos agentes está se tornando padrão em aplicações enterprise, frameworks como esse são essenciais. Reduzir custo e aumentar velocidade sem sacrificar qualidade é exatamente o que o mercado precisa para escalar workflows agenticos de forma viável.

**Conclusão**

RecursiveMAS não é só mais um framework multi-agent. É uma mudança de paradigma: de agentes que “conversam” via texto para um sistema que pensa coletivamente em espaço latente. Com ganhos expressivos de eficiência e performance, ele mostra um caminho promissor para sistemas multi-agent mais rápidos, baratos e escaláveis.

Se a tendência se confirmar, veremos cada vez mais soluções que tratam o multi-agent não como um grupo de indivíduos, mas como uma mente coletiva recursiva.

E você, já trabalha com sistemas multi-agent ou ainda prefere soluções single-agent por simplicidade? O futuro parece cada vez mais “multi” — e mais recursivo.

👉 Dúvida? Então veja mais em: https://pixbugtech.com/linksuteis

---