Situar agentes, híbridos e RLM numa matriz de decisão

Contexto longo, RAG e compactação já têm lugar marcado no mapa da Veredas. Faltam duas famílias que, à primeira vista, parecem o próprio RLM: os agentes de código com subagentes, como o Claude Code e o Codex, e os modelos treinados para decompor um problema em chamadas recursivas.

Confundir essas famílias leva a compras erradas. Um gestor que vê “subagentes” na página de um produto pode supor que ganhou um RLM e descobrir que o agente puxa o acervo inteiro para dentro da própria conversa. Outro pode descartar o RLM porque “o agente já faz isso”, sem ter medido nada.

Ao terminar, você distingue as três famílias pelo lugar onde o material fica e por quem decide a divisão, conhece a evidência teórica mais forte a favor da recursão. E monta a matriz de decisão que a Veredas usou para cinco problemas do acervo.

Por que a recursão tem vantagem na teoria e o agente tem vantagem na prática

Chenxiao Yang, Nathan Srebro e Zhiyuan Li, do Toyota Technological Institute at Chicago, publicaram em março de 2026 o artigo Recursive Models for Long-Horizon Reasoning, aceito no ICML 2026. Eles provam que todo problema computável admite uma decomposição recursiva em que cada subproblema exige um contexto ativo exponencialmente menor. Contexto ativo é o texto que o modelo precisa ter à vista num dado passo, como a página aberta sobre a mesa.

Pela prova, essa decomposição supera estritamente qualquer gestão de contexto confinada a uma única sequência, e o resumo é o exemplo citado. É o suporte teórico mais forte para a intuição de que recursão vence compactação. Os experimentos apontam no mesmo sentido, com modelos pequenos treinados para a estrutura recursiva.

O artigo vai além do resumo. Os autores mostram que modelos recursivos alcançam o que chamam de “optimal power” numa classe ampla de sistemas agênticos: nenhum outro arranjo da mesma classe resolve mais problemas com o mesmo contexto ativo. É uma afirmação provada sobre o que a arquitetura permite. O que um modelo comercial entrega hoje é outra medição.

Leia a tabela com a condição à vista. É recursão treinada em traços, com modelos pequenos e problemas formais, e não o RLM com REPL de Zhang, Kraska e Khattab. O resultado mostra o teto da ideia. Não garante que um produto chamado recursivo alcance esse teto no acervo de uma consultoria.

Um detalhe do Go interessa a quem administra acervo que cresce. Nos traços mais longos que os do treino, o modelo recursivo manteve 38,5% de acerto, e as cadeias de raciocínio caíram para perto de zero. Generalizar para um tamanho que não se viu no treino é o que um acervo de 14 anos pede todo ano, quando chegam processos novos maiores que os antigos.

Do lado prático estão os agentes. A Anthropic publicou em 2 de junho de 2026 o texto sobre os dynamic workflows do Claude Code, lançados na semana anterior. Um arquivo JavaScript cria e coordena subagentes, escolhe modelo e worktree para cada um e retoma após interrupção. Os padrões incluem fan out and synthesize, adversarial verification e tournament. A documentação da Anthropic não usa o termo Recursive Language Model.

Nos concorrentes, o quadro é parecido. No Codex, da OpenAI, os subagentes só disparam por pedido explícito e aceitam agentes personalizados em TOML, segundo o relato de Simon Willison de março de 2026, fonte secundária. A LangChain lançou os recursive workflows no Deep Agents v0.6, em maio de 2026, e admitiu em julho que o que entrega está mais perto de agentes recursivos do que do RLM do artigo.

O meio-termo técnico aparece nessas mesmas ferramentas. O Deep Agents oferece middlewares com interpretador de código em QuickJS e subagentes criados durante a execução. O guia da Daytona descreve RLMs com profundidade ilimitada, um sandbox por agente e saída em forma de git patch. O vocabulário ainda não assentou, e a mesma palavra cobre desenhos bem diferentes.

Os agentes têm vantagens que o RLM do artigo não oferece. Retomam depois de interrupção, trabalham com ferramentas externas, isolam cada subagente numa cópia do repositório e guardam estado entre sessões. Para trabalho que dura dias e mexe em sistemas, esse pacote pesa mais que a leitura de um acervo inteiro numa execução. Por isso a matriz trata as famílias como peças que se combinam.

A diferença que decide está no lugar onde o material fica. No RLM, o prompt é uma variável fora da janela, e o código chama subchamadas em laço sobre pedaços dessa variável. No uso típico de um agente, o subagente é uma ação escrita na conversa, que o artigo chama de falha nº 3, e os arquivos lidos entram no histórico. Quando o agente recebe o contexto num arquivo e o lê por comandos, a distância diminui.

A Tabela 1 do artigo do RLM mede essa distância. Com o contexto descarregado num arquivo, o OpenCode com GPT-5 marca 94,0 no BrowseComp+, acima do RLM, mas cai para 4,8 no OOLONG-Pairs; o custo dele não foi medido. O Claude Code com Opus 4.1 e contexto em arquivo marca 84,0 no BrowseComp+ e 6,5 no OOLONG-Pairs. O agente acha a agulha; o RLM cruza os pares.

Há ainda uma voz contrária que vale ouvir. O SRLM, da Apple, de março de 2026, busca programas guiado por sinais de incerteza, sem recursão explícita, e relata ganho de até 22% sobre o RLM com o mesmo orçamento de tempo. Os autores escrevem que a recursão em si não é o principal motor do desempenho e que, dentro da janela nativa, o RLM com recursão muitas vezes piora em relação ao modelo base.

Híbridos de agente e REPL já aparecem em resultados públicos, com o custo ao lado. A Symbolica relatou em fevereiro de 2026, na avaliação pública do ARC-AGI-2, um agente em REPL inspirado no RLM: com Opus 4.6, 85,28% a US$ 6,94 por problema, contra 79,03% a US$ 3,81 sem o agente. Seis pontos a mais custaram quase o dobro. Se o ponto a mais vale o dólar a mais, só o problema do cliente responde.

A Prime Intellect propôs em janeiro de 2026 uma regra de desenho que a Veredas adotou: ferramentas extras, como busca na web, ficam só com as subchamadas, para não inchar o contexto do modelo raiz. O raiz coordena, e quem usa ferramenta é a folha. No híbrido da Veredas, a busca vetorial roda antes da execução e entrega ao raiz só o recorte; se uma subchamada precisar consultar a tabela de condicionantes, a consulta fica com ela.

Somados, os resultados pedem uma escolha por tipo de pergunta. Armadilha comum: comprar pelo nome. Recursivo, agente e subagente são rótulos de produto; a decisão sai de três perguntas sobre o problema. O material relevante cabe na janela efetiva? A resposta depende de poucas partes ou de todas? A prova de cada item precisa sobreviver até o parecer final?

Como a Veredas montou a matriz para cinco problemas

Helena e Caio escolheram cinco problemas que o escritório enfrenta todo mês e os puseram numa matriz de dois eixos. No horizontal, a densidade da resposta: quantas partes do material ela exige, de um trecho a todos. No vertical, o tamanho do material relevante frente à janela efetiva, de cabe com folga a excede muitas vezes. A rastreabilidade entrou como condição para qualquer quadrante.

O primeiro problema, localizar o parecer que aprovou a licença de operação da PCH, fica no RAG: o material é enorme, a resposta mora num trecho, e o assistente já acertava 36 de 40 perguntas desse tipo. O segundo, contar condicionantes hídricas vencidas por empreendimento, é o caso típico do RLM com divisão por condicionante, e o teste que confirma são as 50 perguntas de agregação.

Cruzar laudos de laboratório com relatórios de monitoramento da barragem, o terceiro problema, pede pares. Como a pergunta cita um empreendimento, a busca escolhe primeiro o processo e o RLM lê só esse material: é o desenho híbrido. O quarto, resumir o histórico de um loteamento de 180 mil tokens para uma reunião, cabe numa chamada: no Sonnet 5, 180 mil tokens a US$ 2 por milhão custam US$ 0,36.

O quadrante de baixo à direita é o que mais engana. O material cabe e a resposta pede todas as partes, e o reflexo é chamar o RLM. Pesa aqui o resultado da Apple: dentro da janela nativa, o RLM com recursão muitas vezes piora em relação ao modelo base. Para esse quadrante, a Veredas decidiu testar contexto longo e RLM lado a lado antes de escolher.

Acompanhar os laudos novos que chegam toda semana e avisar quando algum contradiz uma condicionante, o quinto problema, é trabalho prolongado com estado. Ele pede um agente com subagentes e memória entre execuções, e cada laudo novo dispara uma leitura recursiva pequena, restrita às condicionantes que o laudo cita. Aqui as famílias se combinam em vez de competir.

A vigilância semanal é barata se o escopo de cada leitura for pequeno. Com cerca de 40 laudos novos por semana e leituras de 30 mil tokens no GPT-5-mini, a US$ 0,25 por milhão, as subchamadas custam perto de US$ 0,30 por semana, fora o modelo raiz. O custo que importa ali é o do alarme falso, que ocupa horas de Helena, e é ele que o teste de um mês precisa medir.

Também dá para ler na matriz o que faria um problema mudar de quadrante. Se a janela efetiva dos modelos crescer e o Context Rot ceder, parte do quadrante de cima desce para o contexto longo. Se o tokenizador novo inflar a contagem em 30%, recortes que hoje cabem sobem. Helena pediu que a matriz fosse revista a cada troca de modelo, com as mesmas 120 perguntas como régua.

Helena fechou a decisão por tipo de pergunta: RAG nas de localização, RLM nas de agregação e cruzamento, busca antes do RLM quando a pergunta cita um empreendimento. Os números que sustentam a escolha ainda são de ensaio e de benchmark alheio, e nenhum deles saiu das 120 perguntas do escritório com o protótipo completo.

A matriz saiu com cinco problemas em quatro quadrantes e uma aposta explícita no híbrido. Escreva, antes de rodar qualquer teste, a técnica que a matriz indica para cada uma das 120 perguntas e o número mínimo de acertos que justificaria trocar o RAG em agregação. Sem esse número registrado antes da medição, qualquer resultado vai parecer bom.