Wu Dao 3.0: A Versão Chinesa do GPT-5
Quando os EUA cortaram o acesso da China a chips avançados, a Academia de Inteligência Artificial de Pequim enfrentou uma escolha: reclamar das restrições ou contorná-las. Eles escolheram a segunda opção.
Wu Dao 3.0, lançado em julho de 2023, descarta o manual de instruções. Sem modelos massivos de trilhões de parâmetros competindo por manchetes. Em vez disso, BAAI agora constrói modelos compactos que as startups chinesas podem realmente executar sem precisar de um armazém cheio de GPUs.
Por que o BAAI mudou de direção
Wu Dao 2.0 fez manchetes em 2021 com 1,75 trilhão de parâmetros, afirmando rivalizar com o GPT-3. Dois anos depois, o BAAI arquivou silenciosamente essa abordagem. Os motivos são:
- Sanções de chips dos EUA limitaram o acesso a GPUs avançadas
- Custos de treinamento para mega-modelos tornaram-se proibitivos
- Política do governo chinês mudou em direção a aplicações práticas em vez de projetos de prestígio
- Realidade de mercado mostrou que a maioria das empresas precisa de ferramentas especializadas, não de gigantes de propósito geral
A nova estratégia: construir uma coleção de modelos menores (chamados Aquila) que funcionam juntos. Pense em microsserviços em vez de monólitos.
Wu Dao 3.0 explicado
Wu Dao 3.0 não é um único modelo. É um ecossistema de ferramentas de IA especializadas lançadas sob a marca Aquila:
AquilaChat: Modelos de diálogo
Dois tamanhos disponíveis:
- 7 bilhões de parâmetros: Compete com o LLaMA 7B e modelos de código aberto semelhantes
- 33 bilhões de parâmetros: Alvo de conversas mais complexas
Ambos foram treinados em textos em chinês (40%) e inglês (60%). A versão menor roda em hardware de consumo; você não precisa de um data center.
O BAAI afirma que o AquilaChat 7B supera modelos internacionais comparáveis, embora os benchmarks independentes permaneçam limitados.
As origens: Como o Wu Dao começou
O desenvolvimento começou em outubro de 2020, vários meses após o lançamento do GPT-3. O nome Wu Dao (悟道) traduz-se como "caminho para a consciência" em chinês, um nome ambicioso para um projeto ambicioso.
Wu Dao 1.0 foi lançado em 11 de janeiro de 2021, com quatro modelos especializados trabalhando juntos. Cada um lidava com tarefas diferentes: Wen Yuan (2,6 bilhões de parâmetros) focava em perguntas e respostas e correção gramatical. Wen Lan (1 bilhão de parâmetros) gerava legendas de imagens usando 50 milhões de pares de imagens. Wen Hui (11,3 bilhões de parâmetros) escrevia poesia, criava vídeos e lidava com raciocínio complexo. Wen Su, construído sobre o BERT do Google, previa estruturas de proteínas semelhantes ao AlphaFold.
Então veio o Wu Dao 2.0 em 31 de maio de 2021. O BAAI fez manchetes, afirmando 1,75 trilhão de parâmetros, dez vezes maior que os 175 bilhões do GPT-3. A mídia chamou de "o maior sistema de IA de linguagem até agora". Comentaristas viram isso como a tentativa da China de competir diretamente com a dominância da IA americana.
A realidade dos dados de treinamento
Wu Dao 2.0 usou 4,9 terabytes de imagens e texto, 1,2 TB de chinês, 1,2 TB de inglês, além de dados de imagem. O GPT-3 foi treinado em 45 terabytes de texto sozinho. Wu Dao tinha dez vezes os parâmetros, mas menos de um décimo dos dados de treinamento.
O conjunto de dados WuDao Corpora para a versão 2.0 continha 3 TB de texto da web, 90 TB de dados gráficos (630 milhões de pares de texto/imagem) e 181 GB de diálogo chinês representando 1,4 bilhão de rodadas de conversa.
Essa discrepância entre a contagem de parâmetros e os dados de treinamento indicava algo importante: Wu Dao 2.0 usava uma arquitetura diferente chamada Mixture-of-Experts (MoE). Ao contrário do modelo "denso" do GPT-3, onde todos os parâmetros são ativados para cada tarefa, os modelos MoE ativam apenas os especialistas relevantes para cada entrada. Isso requer muito menos poder computacional para treinar, mas pesquisas mostraram que modelos MoE de trilhão de parâmetros têm desempenho comparável a modelos densos centenas de vezes menores.
Wu Dao 2.0 especificamente usou FastMoE, a variante MoE do Google. Foi uma engenharia inteligente em torno das limitações de hardware, embora o marketing do BAAI enfatizasse as contagens brutas de parâmetros em vez disso.
AquilaCode: Geração de texto para código
Ainda em desenvolvimento. Versões iniciais podem gerar:
- Algoritmos básicos (sequências de Fibonacci, ordenação)
- Jogos simples
- Scripts de utilidade
Ainda não no nível do GitHub Copilot ou das capacidades de codificação do GPT-4, mas melhorando. O BAAI visa desenvolvedores que precisam de geração de código em contextos técnicos chineses.
Série de visão Wu Dao
Uma coleção de modelos de visão computacional, não um único sistema:
EVA (1 bilhão de parâmetros): Foca na aprendizagem de representação visual. Treinado em conjuntos de dados públicos, alcançando novos benchmarks em:
- Reconhecimento de imagem
- Detecção de ação em vídeo
- Detecção de objetos
- Tarefas de segmentação
Código aberto, ao contrário dos concorrentes que mantêm modelos de visão proprietários.
- EVA-CLIP: O BAAI afirma que este é o melhor alternativo CLIP de código aberto disponível. Lida com correspondência de imagem-texto para pesquisa e recuperação.
- Painter: Implementa aprendizado visual "in-context", mostra exemplos e aprende novas tarefas visuais sem retreinamento. Semelhante a como o GPT-3 faz aprendizado in-context para texto.
- vid2vid-zero: Ferramenta de edição de vídeo zero-shot. Edite vídeos com base em descrições de texto sem treinamento em conjuntos de dados especializados de edição de vídeo.
- Emu (modelos multimodais): Lida com imagens e texto em um único modelo. Casos de uso incluem legendagem de imagens, resposta a perguntas visuais e geração de conteúdo.
FlagOpen: A Camada de Infraestrutura
O BAAI também aprimorou a plataforma FlagOpen, que lançaram no início de 2023. Este sistema oferece técnicas de treinamento paralelo, inferência mais rápida, ferramentas de avaliação e utilitários de processamento de dados, essencialmente fornecendo tudo o que é necessário para desenvolver grandes modelos de IA. 1
Quando o Wu Dao 2.0 estreou na Conferência Beijing Zhiyuan, seus criadores exibiram poemas e desenhos chineses gerados por ele.2 Após esse evento, um estudante virtual foi criado com base no modelo de IA do Wu Dao, Zhibing Hua. Wu Dao alimenta o estudante virtual. Portanto, ela pode usar sua base de conhecimento e capacidades de aprendizado para escrever poemas, desenhar e compor música.
Embora esses recursos não sejam destacados para o Wu Dao 3.0, valem a pena mencionar se você planeja utilizar o Wu Dao 2.0 para sua empresa em vez do Wu Dao 3.0.
Figura 1: Poemas gerados pelo Wu Dao 2.03
Benchmarks de aprendizado zero-shot
- ImageNet: Alcança desempenho zero-shot de última geração, superando o CLIP do OpenAI.
- UC Merced Land-Use: Registra a maior precisão zero-shot na classificação de uso da terra aérea, superando o CLIP.
Benchmark de aprendizado few-shot
- SuperGLUE (FewGLUE): Supera o GPT-3, alcançando os melhores resultados de aprendizado few-shot.
Benchmarks de conhecimento e compreensão de linguagem
- LAMA Knowledge Detection: Demonstra recuperação superior de conhecimento factual, superando o AutoPrompt.
- LAMBADA Cloze Test: Excede o Microsoft Turing-NLG em compreensão de leitura e compreensão de contexto.
Texto para imagem e benchmarks de recuperação de imagem para texto
- MS COCO (Geração de texto para imagem): Supera o DALL·E do OpenAI na geração de imagens a partir de descrições de texto.
- MS COCO (Recuperação de imagem-texto em inglês): Supera o CLIP do OpenAI e o ALIGN do Google na recuperação de imagens a partir de legendas (e vice-versa).
- MS COCO (Recuperação de imagem-texto multilíngue): Supera o UC2 e o M3P na recuperação de imagem-texto multilíngue.
- Multi30K (Recuperação de imagem-texto multilíngue): Também supera o UC2 e o M3P, confirmando suas fortes capacidades multimodais multilíngues.
Wu Dao 3.0 vs. OpenAI GPT
Aqui está uma comparação abrangente dos modelos LLM do Wu Dao 3.0 e vários modelos OpenAI com base no BAAI.4 Não podemos fornecer comparações mais detalhadas e atualizadas para o Wu Dao, pois ele não possui benchmarks recentes e consistentes disponíveis.
Desempenho de contexto longo
Testes em quatro tarefas:5
- VCSUM (resumo em chinês)
- LSHT (manipulação de sequências longas em chinês)
- HotpotQA (raciocínio multi-hop em inglês)
- 2WikiMQA (QA de múltiplos documentos em inglês)
Benchmark de desempenho de raciocínio
Testes em 6 tarefas:6
- bAbI #16 e CLUTRR (raciocínio indutivo)
- bAbI #15 e EntailmentBank (raciocínio dedutivo)
- αNLI (raciocínio abdutivo)
- E-Care (raciocínio causal)
Se você quiser usar o Wu Dao, pode configurá-lo no seu computador baixando-o gratuitamente.7
Adicionar como fonte preferencialConcorrentes do Wu Dao 3.0
Qwen3.5
Qwen3.5 é uma família de modelos de linguagem grandes de peso aberto da Alibaba, projetada como um sistema nativo multimodal Mixture-of-Experts (MoE).
O modelo principal (Qwen3.5-397B-A17B) contém cerca de 397B de parâmetros, mas ativa apenas ~17B por inferência, permitindo alto desempenho com custos computacionais menores.
O modelo usa uma arquitetura híbrida que combina roteamento MoE esparsos com Redes Delta com Portão e atenção linear, permitindo inferência eficiente enquanto suporta raciocínio avançado, codificação e compreensão multimodal.
Qwen3.5 é treinado em dados multimodais de fusão precoce, permitindo que processe entradas de texto e visual dentro de um modelo unificado e alimente "agentes multimodais nativos" que podem raciocinar sobre interfaces e realizar tarefas complexas de várias etapas.8
Kimi K2.5
Kimi K2.5 é um modelo multimodal de código aberto da Moonshot AI projetado em torno de uma arquitetura centrada em agente para codificação e automação de fluxo de trabalho. O modelo integra capacidades de visão e linguagem, permitindo que interprete texto, imagens e vídeo enquanto gera código pronto para produção.
K2.5 foi treinado em aproximadamente 15 trilhões de tokens multimodais e suporta raciocínio de contexto longo (até ~256K tokens) junto com chamadas de ferramentas e fluxos de trabalho de agente autônomo.
Uma característica distintiva é seu paradigma de "enxame de agentes", onde múltiplos agentes coordenados podem lidar com subtarefas em paralelo para resolver fluxos de trabalho complexos de engenharia ou desenvolvimento.
Moonshot lançou o modelo junto com um agente de codificação, posicionando o Kimi K2.5 como uma alternativa focada em desenvolvedores aos modelos de fronteira proprietários para construir sistemas de software assistidos por IA.9
ERNIE 5.0
ERNIE 5.0 é o modelo fundamental principal da Baidu e um sistema omni-modal nativo que processa e gera texto, imagens, áudio e vídeo dentro de uma única arquitetura.
O modelo reportedly contém cerca de 2,4 trilhões de parâmetros usando um design Mixture-of-Experts, permitindo alta capacidade enquanto ativa apenas uma fração de parâmetros por inferência para eficiência.
ERNIE 5.0 foi integrado ao ERNIE Bot da Baidu e à plataforma empresarial Qianfan, suportando uma variedade de aplicações de IA generativa em produtos de consumo e empresariais.10
Perguntas frequentes
Não. Os modelos Aquila visam casos de uso diferentes. Para tarefas em língua chinesa com computação limitada, eles são práticos. Para capacidades gerais em inglês, o GPT-5 supera-os significativamente.
Sim, os modelos são de código aberto. Verifique as licenças específicas para cada componente Aquila, mas o uso comercial é geralmente permitido.
Barreira linguística (documentação), integração de ecossistema (construído para ferramentas chinesas) e lacunas de desempenho em tarefas em inglês.
Cite esta pesquisa
Escolha o formato adequado ao local onde você vai publicar. Colar a versão com link no seu CMS preserva o backlink.
@misc{dilmegani2026,
author = {Dilmegani, Cem},
title = {{Wu Dao 3.0: A Versão Chinesa do GPT-5}},
year = {2026},
month = mar,
howpublished = {\url{https://aimultiple.com/wu-dao}},
note = {AIMultiple. Acessado em 5 Março 2026}
}Links de referência
Seja o primeiro a comentar
Seu endereço de e-mail não será publicado. Todos os campos são obrigatórios. Os comentários são deixados em seu idioma original.