🎬 Assista esta matéria
Um paper publicado no arXiv em 8 de outubro de 2026 relata o primeiro resultado máximo no ARC-AGI-3, o benchmark criado para medir se uma IA consegue aprender regras novas sozinha. O trabalho se chama “Memento 3: Model-Based Recursive Self-Improvement through Reflective Rulebooks” e é assinado por Haoyu Zhao, Zhengxu Yu, Zhiyuan He, Meng Fang, Rasul Tutunov, Haitham Bou-Ammar, Weilin Luo e Jun Wang.
O agente completa todos os níveis dos 25 jogos públicos do benchmark e marca 100,0 na métrica RHAE — Relative Human Action Efficiency, ou eficiência de ação relativa ao humano. Fez isso usando 44% da quantidade de ações que um humano gasta nas mesmas partidas. Para contexto: quando o ARC-AGI-3 foi lançado, no começo de 2026, os modelos de fronteira pontuavam abaixo de 1%, e os organizadores apresentavam essa distância como prova de que ainda não havia AGI.
O modelo não aprende; o caderno de regras aprende
A parte interessante é o método. O LLM por trás do agente fica congelado — nenhum peso é atualizado. O aprendizado acontece numa memória externa que o próprio agente reescreve.
O agente mantém um caderno de regras em linguagem natural, com hipóteses revisáveis sobre como o ambiente funciona. Esse caderno é compilado em código executável, que serve de modelo do mundo para prever o que vai acontecer e planejar a próxima jogada. O ciclo é: observar, refletir, revisar a regra, verificar. E há um filtro na entrada do código novo: ele só é aceito se o LLM julgar que é fiel ao caderno de regras e se reproduzir as transições que já foram observadas de fato no jogo.
Uma extensão descrita no paper mantém uma população de modelos de mundo em paralelo, que trocam evidência entre si e guiam a exploração. Numa ablação em um único jogo, a versão com dois modelos derrubou o número de ações de 899 para 597 mantendo a pontuação em 100.
Outras ablações atribuem ao caderno de regras uma redução de 9% nas ações e de 18% nos turnos do agente. No total da bateria, foram 7.518 ações contra uma linha de base humana de 17.135.
Pong 21 a 0 sem chamar o modelo
Fora do ARC-AGI-3, o paper traz um estudo de caso em Pong, do Atari. O agente aprende um controlador de realimentação e, depois disso, ganha 21 a 0 em cada um dos três episódios avaliados, com aberturas diferentes, sem fazer nenhuma nova chamada ao LLM. É a demonstração mais direta da proposta: o conhecimento sai do modelo de linguagem e vira código que roda sozinho.
Duas ressalvas importam. A nota 100,0 é uma medida de eficiência relativa, não uma taxa de acerto bruta — ela diz que o agente resolveu tudo gastando menos que o humano, não que o teste esgotou o que o benchmark pretende medir. E os números são autodeclarados pelos autores; até aqui não houve replicação independente. Um resumo de imprensa cita como comparação um Claude Opus 5 com RHAE média de 40,7 no mesmo conjunto.
🎙️ Gostou? Receba só o que te interessa, todo dia
Escolha seus temas e receba um briefing diário em áudio e texto, de graça, no WhatsApp ou e-mail.
Montar meu briefing grátis