← Capa | Mercado

Reconstruir o Agente pessoal desde o pré-treinamento: a lógica de design full-stack por trás do topo de downloads do Muse e o arranjo de computação

2026-11-11 · Fonte:虎嗅·中继

Reconstruir o Agente pessoal desde o pré-treinamento: a lógica de design full-stack por trás do topo de downloads do Muse e o arranjo de computação

Em menos de duas semanas no ar, o Muse chegou ao topo dos downloads de aplicativos nos EUA; Zuckerberg detalha os três pilares — máquina virtual na nuvem, memória e sistema de permissões — e revela que, depois de o Llama 4 se desviar das expectativas, reorganizou o time central de pesquisa e segue elevando o investimento em computação em sua rota de perseguição.

A Meta finalmente volta a ter um produto de IA que estoura rápido. Segundo o texto original do flash, o Muse chegou ao topo do ranking de downloads de aplicativos dos Estados Unidos em menos de duas semanas no ar; conforme o Sensor Tower, os downloads acumulados até 22 de setembro já passavam de 2,5 milhões. Para uma empresa que procura há tempos um estouro no lado dos aplicativos de IA de consumo, o significado desse resultado não está na lista em si, e sim na validação de uma hipótese de produto: o usuário está disposto a confiar a um Agente de IA em operação contínua tarefas, contas e decisões reais — e não a tratá-lo apenas como uma janela de chat.

Na conversa com o repórter de tecnologia Alex Heath, Zuckerberg destrinchou o design full-stack deste Agente pessoal. O primeiro pilar é a máquina virtual na nuvem: o Muse recebe capacidade de ação contínua, podendo operar computadores em segundo plano, entrar nos serviços e avançar os objetivos do usuário. Isso forma a distinção essencial em relação à maioria dos Assistants do mercado, que dependem do aparelho do usuário e só vivem durante a sessão. A máquina virtual em operação permanente significa que o Agente tem a capacidade de 'seguir trabalhando mesmo quando você sai de cena' — base de hardware para o salto de 'ferramenta' a 'procurador' — e eleva o patamar exigido da capacidade de computação de data center e de agendamento virtualizado da Meta.

O segundo pilar é a memória. A memória converte o Muse de ferramenta pontual em serviço de longo prazo, capaz de ajustar as ações seguintes conforme as tarefas concluídas e o feedback do usuário e de propor novos projetos por conta própria. Isso significa que o modelo precisa não só entender a instrução atual, mas reservar espaço, no pré-treinamento e na arquitetura, para contexto de longo prazo, rastreamento do estado das tarefas e modelagem das preferências do usuário — é exatamente por isso que Zuckerberg enfatiza que 'o modelo tem de ser desenhado para isso desde o pré-treinamento'. Ele deixou claro que entender os objetivos de longo prazo do usuário e julgar a fronteira de uso das informações privadas não se resolve só com o pós-treinamento dos modelos genéricos. Esse juízo tem efeito profundo sobre todo o setor: se o Agente pessoal realmente exige design nativo, os modelos de base customizados para os cenários de Agente se converterão numa nova dimensão de competição, e não no simples reuso do flagship genérico.

O terceiro pilar é o sistema de permissões. A permissão decide quanta coisa o usuário se atreve a entregar à IA: login, pagamento, envio de e-mail, divulgação de informações sensíveis — tudo exige autorização explícita, e o Agente só obtém as permissões que a tarefa corrente requer. A Meta planeja ainda, com máquinas virtuais confidenciais e armazenamento independente de credenciais, escrever a proteção da privacidade na arquitetura do sistema, reduzindo as chances de a empresa e o Agente central terem contato com informações sensíveis. Esse desenho de 'autorização item a item + privilégio mínimo' tenta estabelecer, entre conveniência e confiança, uma fronteira verificável — pressuposto-chave para o produto de Agente escalar.

Na comercialização, o Muse parte da cota gratuita como trampolim para ampliar a base de usuários, e Zuckerberg espera que ele prove, aos poucos, o valor econômico do Agente pessoal ajudando o usuário a economizar, ganhar e administrar negócios. No desenvolvimento de modelos, depois de o Llama 4 se desviar das expectativas, ele migrou para um time central de pesquisa mais enxuto e segue aumentando o investimento em computação, perseguindo os modelos de fronteira de um novo jeito. Essa declaração merece atenção dos compradores de computação e dos investidores de infraestrutura: mesmo com a organização enxuta, a direção do investimento da Meta em computação segue de expansão, e não de contração; a operação contínua, o armazenamento de memória e a computação confidencial do Agente pessoal vão empurrar para cima o custo de computação por usuário.

Em segurança, Zuckerberg mantém a tese da difusão: uma IA poderosa concentrada em poucas instituições também carrega risco, e é dando capacidade a mais gente que se forma o contrapeso. Ele explicou que escreveu aquele texto longo quase um manifesto porque as instituições que investem pesado têm a obrigação de dizer em que o time de pesquisa acredita; seu julgamento se apoia em três pontos: capacitar os indivíduos é fonte importante da prosperidade humana; o uso primário da IA é criar coisas novas, e não automatizar o trabalho existente; e a base segura do futuro deve ser o contrapeso adequado de poderes, e não a restrição do uso.

Para os compradores de computação de IA, este episódio deixa algumas referências no plano da compra. Primeira: as cargas de trabalho do tipo Agente pessoal são residentes, e não episódicas — máquina virtual na nuvem, banco de memória e ambiente de computação confidencial significam demanda estável de computação de base; na compra, convém priorizar contratos de longo prazo e oferta previsível, em vez de depender por completo do mercado spot. Segunda: os sistemas de permissão e de credenciais exigem ambiente de execução confiável — as instâncias com capacidade de computação confidencial e as soluções de armazenamento independente se converterão em opções diferenciadas, e o comprador deve incluí-las nas dimensões de avaliação. Terceira: a camada de modelos evolui para o pré-treinamento 'nativo para Agente', o que significa que a demanda de computação do lado do treinamento não vai cair com o enxugamento do time de pesquisa — pode até ganhar elasticidade com as múltiplas iterações de arquitetura, e o comprador precisa reservar orçamento para os ciclos de tentativa e erro.

[Dado de mercado real] Pelo critério de contagem das ofertas à venda da Wanan Computing Exchange (AIXX), este modelo não possui, no momento, nenhum dado de preço listado à venda. Quem precisar consultar preços ou deixar ordens de oferta pode submeter a intenção pelo terminal de negociação da AIXX; o sistema de mercado sincronizará o critério dos relatórios assim que novas ordens forem geradas.

No conjunto, o topo em duas semanas do Muse é só o ponto de partida; o que decide o sucesso é se os três pilares — máquina virtual na nuvem, memória e permissões — cumprem a promessa de 'agir no lugar das pessoas', e se a Meta consegue achar o equilíbrio sustentável entre o investimento contínuo em computação e a arquitetura de privacidade.

P: Quais são os dados-chave do desempenho de mercado do Muse?

R: Em menos de duas semanas no ar, o Muse chegou ao topo do ranking de downloads de aplicativos dos Estados Unidos; conforme o Sensor Tower, os downloads acumulados até 22 de setembro já passavam de 2,5 milhões.

P: Por que Zuckerberg enfatiza que o modelo deve ser desenhado desde o pré-treinamento para o Agente pessoal?

R: Na sua avaliação, entender os objetivos de longo prazo do usuário e julgar a fronteira de uso das informações privadas não se resolve só com o pós-treinamento dos modelos genéricos; combinando máquina virtual na nuvem, memória e sistema de permissões com autorização item a item, o modelo precisa ser desenhado para isso já na fase de pré-treinamento — e, depois de o Llama 4 se desviar das expectativas, ele migrou para um time central de pesquisa mais enxuto e segue aumentando o investimento em computação.

Tags: Meta · Muse · Mark Zuckerberg · Alex Heath · Llama 4 · AI Agent


Leituras relacionadas


萬安算交所 AIXX · AIXX · Exchange verificado · Ir ao mercado