A Apple está ficando para trás na corrida da Inteligência Artificial?

• O que a Apple estudou: Reasoning Models sob o microscópio
• As três zonas de performance que os modelos mostram
  • 1 – Baixa complexidade (problemas simples):
  • 2 – Complexidade intermediária:
  • 3 – Alta complexidade (problemas difíceis):
• O curioso fenômeno do overthinking
• Mesmo com o algoritmo pronto, eles falham
• O que a Apple realmente quer dizer com tudo isso?
• Conclusão: um avanço? Ou um recado?

O estudo ”The Illusion of Thinking” talvez seja um jeito de dizer que sim.
Em meio à disputa acirrada entre OpenAI, Google, Anthropic, Meta e tantos outros, a Apple tem mantido um perfil mais discreto na corrida dos modelos de IA generativa.

Enquanto as big techs lançam modelos cada vez mais impressionantes em reasoning, multimodal, agents e copilots, a Apple publica um estudo denso, técnico e — talvez — defensivo: The Illusion of Thinking: Understanding the Strengths and Limitations of Reasoning Models. Deixo o link para o artigo original em inglês ao final desse post

A pergunta natural é:

Será que a Apple está sugerindo que, na verdade, o mercado está superestimando a capacidade atual de raciocínio dessas IAs?

Vamos destrinchar o que o estudo mostra — e o que ele pode estar, sutilmente, tentando comunicar.

O que a Apple estudou: Reasoning Models sob o microscópio

O estudo parte de uma constatação válida:

A maioria das avaliações de IA hoje mede apenas o acerto final. Não mede o processo de raciocínio.

Para tentar analisar o pensamento dos modelos, os pesquisadores da Apple criaram um ambiente controlado, com quatro tipos de problemas clássicos de planejamento e lógica:

• Torre de Hanoi: resolver o desafio de mover discos entre pinos com regras restritas.
• Checker Jumping: trocar a posição de peças coloridas obedecendo regras de movimento.
• River Crossing: transportar pares de atores/agentes sem violar restrições de segurança.
• Blocks World: reordenar blocos empilhados em configurações-alvo.

Esses puzzles têm algo que benchmarks como o MATH500 não oferecem:

• Controle preciso da complexidade.
• Ausência de poluição por dados de treinamento (data contamination).
• Capacidade de analisar não só o acerto, mas o caminho até o acerto.

As três zonas de performance que os modelos mostram

O estudo revela um padrão bastante robusto nos Large Reasoning Models (LRMs), como Claude 3.7 Thinking, DeepSeek-R1 e o3-mini:

1 – Baixa complexidade (problemas simples):

• Modelos padrão (sem Chain-of-Thought) se saem tão bem ou até melhor.
• São mais eficientes: precisam de menos tokens e computação.
• Exemplo: resolver um Tower of Hanoi com 3 discos é trivial para ambos, mas o LRM gasta muito mais “pensamento” do que o necessário.

2 – Complexidade intermediária:

• Os LRMs começam a mostrar superioridade.
• A estratégia de “pensar em etapas” (Chain-of-Thought + Self-Verification) consegue gerar soluções onde os modelos padrão começam a falhar.
• É aqui que os LRMs parecem realmente “raciocinar”.

3 – Alta complexidade (problemas difíceis):

• Ambos colapsam.
• A precisão cai para perto de zero.
• Pior: mesmo tendo orçamento de tokens suficiente, os LRMs passam a pensar menos quando o problema fica mais difícil.
• Um possível limite estrutural de escalabilidade cognitiva nos modelos atuais.

O curioso fenômeno do overthinking

A Apple explorou também o comportamento interno das thinking traces — o caminho de pensamento que o modelo gera até chegar a uma resposta.

Descobertas interessantes:

• Em problemas simples, o modelo encontra a resposta certa rapidamente… mas continua explorando caminhos errados depois. (Como aquele amigo que revisa tanto o trabalho pronto que acaba bagunçando o que já estava certo).
• Em problemas médios, primeiro tenta soluções erradas e só depois acerta.
• Em problemas difíceis, não encontra nenhum caminho correto, e cai como um castelo de cartas.

O “pensamento” não é sempre adaptativo. Muitas vezes é apenas uma enumeração exaustiva de possibilidades, limitada por ruído e falta de supervisão interna real.

Mesmo com o algoritmo pronto, eles falham

O estudo também testou uma hipótese crucial:

Será que o problema está em descobrir o caminho ou em executar os passos?

Resposta surpreendente:

• Mesmo quando o algoritmo de solução era explicitamente fornecido no prompt (ex.: sequência de passos do Tower of Hanoi), os LRMs (Large Reasoning Models) ainda falhavam ao tentar executar.
• O colapso ocorre no mesmo ponto de complexidade.
• Isso sugere limitações não apenas de descoberta, mas de manipulação simbólica e execução lógica passo a passo.

O que a Apple realmente quer dizer com tudo isso?

Agora entramos na parte geopolítica da IA:

• É fato que OpenAI, Google DeepMind, Anthropic e até startups menores têm investido pesado na escalada da cognição artificial.
• Enquanto isso, a Apple — que até agora manteve seus LLMs majoritariamente fechados — começa a publicar estudos sugerindo que talvez essa escalada esteja batendo em paredes mais cedo do que o hype admite.

Em outras palavras:

“Não estamos tão atrás. Na verdade, ninguém ainda chegou lá de verdade.”

Claro que o estudo é sério, rigoroso, importante.

Mas é também uma peça de narrativa no xadrez estratégico da corrida de IA.

Conclusão: um avanço? Ou um recado?

O trabalho da Apple cumpre uma função dupla:

• Do ponto de vista científico: mostra claramente limitações dos LRMs em tarefas de raciocínio estruturado, mesmo com estratégias sofisticadas de thinking tokens e self-reflection.
• Do ponto de vista estratégico: insinua que a corrida pelo general reasoning pode ser bem mais complexa e lenta do que o mercado, os investidores e as manchetes sugerem.

Em resumo:

Talvez The Illusion of Thinking não seja apenas o título do paper.

Pode ser também a forma como a Apple está nos dizendo: “Não acreditem que os outros estão tão longe na frente.”

Fontes:

Shojaee et al., The Illusion of Thinking: Understanding the Strengths and Limitations of Reasoning Models via the Lens of Problem Complexity (Apple, 2025) – Link do paper