Wu Dao 3.0: Família de Model de IA Multimodal da China
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.
O Wu Dao 3.0, lançado em julho de 2023, descarta o manual. Nada de models massivos com trilhões de parâmetros competindo por manchetes. Em vez disso, a BAAI agora constrói models compactos que startups chinesas podem de fato executar sem precisar de um depósito cheio de GPUs.
Por que a BAAI mudou de direção
O Wu Dao 2.0 virou notícia em 2021 com 1.75 trilhões de parâmetros, alegando rivalizar com o GPT-3. Dois anos depois, a BAAI silenciosamente arquivou essa abordagem. As razões são:
- Sanções de chips dos EUA limitaram o acesso a GPUs avançadas
- Custos de treinamento para mega-models tornaram-se proibitivos
- Política do governo chinês mudou para aplicações práticas em vez de projetos de prestígio
- Realidade do mercado mostrou que a maioria das empresas precisa de ferramentas especializadas, não gigantes de propósito geral
A nova estratégia: construir uma coleção de models menores (chamados Aquila) que trabalham juntos. Pense em microsserviços em vez de monólitos.
Wu Dao 3.0 explicado
O Wu Dao 3.0 não é um único model. É um ecossistema de ferramentas de IA especializadas lançadas sob a marca Aquila:
AquilaChat: Models de diálogo
Dois tamanhos disponíveis:
- 7 bilhões de parâmetros: Concorre com LLaMA 7B e models open-source semelhantes
- 33 bilhões de parâmetros: Destina-se a conversas mais complexas
Ambos foram treinados com textos em chinês (40%) e inglês (60%). A versão menor roda em hardware de consumo; você não precisa de um data center.
A BAAI afirma que o AquilaChat 7B supera models 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.
O Wu Dao 1.0 foi lançado em 11 de janeiro de 2021, com quatro models especializados trabalhando juntos. Cada um lidava com tarefas diferentes: Wen Yuan (2.6 bilhões de parâmetros) focava em resposta a perguntas e correção gramatical. O Wen Lan (1 bilhão de parâmetros) gerava legendas de imagens usando 50 milhões de pares de imagens. O Wen Hui (11.3 bilhões de parâmetros) escrevia poesia, criava vídeos e lidava com raciocínio complexo. O Wen Su, construído sobre o BERT do Google, previa estruturas de proteínas de forma semelhante ao AlphaFold.
Depois veio o Wu Dao 2.0 em 31 de maio de 2021. A BAAI virou notícia, alegando 1.75 trilhões de parâmetros, dez vezes mais que os 175 bilhões do GPT-3. A mídia o chamou de “o maior sistema de IA de linguagem até agora”. Comentaristas viram isso como a tentativa da China de competir diretamente com o domínio da IA americana.
A realidade dos dados de treinamento
O 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 apenas com 45 terabytes de texto. O Wu Dao tinha dez vezes mais parâmetros, mas menos de um décimo dos dados de treinamento.
O dataset WuDao Corpora da versão 2.0 continha 3 TB de texto da web, 90 TB de dados gráficos (630 milhões de pares texto/imagem) e 181 GB de diálogo em chinês, representando 1.4 bilhão de rodadas de conversa.
Essa incompatibilidade entre o número de parâmetros e os dados de treinamento sugeria algo importante: o Wu Dao 2.0 usava uma arquitetura diferente chamada Mixture-of-Experts (MoE). Ao contrário do model “denso” do GPT-3, em que todos os parâmetros são ativados para cada tarefa, os models MoE ativam especialistas relevantes para cada entrada. Isso exige menos poder computacional para treinar, mas pesquisas mostraram que models MoE de trilhões de parâmetros têm desempenho comparável a models densos centenas de vezes menores.
O Wu Dao 2.0 usava especificamente o FastMoE, desenvolvido pela Universidade de Tsinghua/BAAI. Foi engenharia inteligente para contornar limitações de hardware, embora o marketing da BAAI enfatizasse a contagem bruta de parâmetros.
AquilaCode: geração de texto para código
Ainda em desenvolvimento. As primeiras versões podem gerar:
- Algoritmos básicos (sequências de Fibonacci, ordenação)
- Jogos simples
- Scripts utilitários
Ainda não está no nível das habilidades de codificação do GitHub Copilot ou do GPT-4, mas está melhorando. A BAAI tem como público-alvo desenvolvedores que precisam de geração de código em contextos técnicos chineses.
Série Wu Dao vision
Uma coleção de models de visão computacional, não um sistema único:
EVA (1 bilhão de parâmetros): Foca no aprendizado de representação visual. Treinado em datasets públicos, alcançando novos benchmarks em:
- Reconhecimento de imagem
- Detecção de ação em vídeo
- Detecção de objetos
- Tarefas de segmentação
De código aberto, ao contrário de concorrentes que mantêm models de visão proprietários.
- EVA-CLIP: A BAAI afirma que esta é a melhor alternativa open-source ao CLIP disponível. Lida com correspondência imagem-texto para busca 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. Edita vídeos com base em descrições de texto sem treinar em datasets especializados de edição de vídeo.
- Emu (models multimodais): Lida com imagens e texto em um único model. Casos de uso incluem legendagem de imagens, resposta a perguntas visuais e geração de conteúdo.
FlagOpen: A camada de infraestrutura
A BAAI também aprimorou a plataforma FlagOpen, lançada no início de 2023. Esse sistema oferece técnicas de treinamento paralelo, inference mais rápida, ferramentas de avaliação e utilitários de processamento de dados, fornecendo essencialmente tudo o que é necessário para desenvolver grandes models de IA. 1
Quando o Wu Dao 2.0 estreou na Conferência Zhiyuan de Pequim, seus criadores exibiram poemas e desenhos chineses gerados por ele.2 Após esse evento, uma aluna virtual foi criada com base no model de IA do Wu Dao, Zhibing Hua. O Wu Dao alimenta a aluna 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, vale mencioná-los 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 2.02
Benchmarks de inteligência
Embora os benchmarks de inteligência do Wu Dao 3.0 não estejam prontamente disponíveis, superar os níveis de estado da arte (SOTA) é o padrão da indústria. Você pode acessar os benchmarks de inteligência do Wu Dao 2.0 no comunicado de imprensa da BAAI.3
Benchmarks de aprendizado zero-shot
- ImageNet: Alcança desempenho zero-shot de estado da arte, superando o CLIP da OpenAI.
- UC Merced Land-Use: Registra a maior precisão zero-shot em classificação aérea de uso do solo, 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 entendimento de contexto.
Benchmarks de recuperação texto-para-imagem e imagem-para-texto
- MS COCO (geração texto-para-imagem): Supera o DALL·E da OpenAI na geração de imagens a partir de descrições de texto.
- MS COCO (recuperação imagem-texto em inglês): Supera o CLIP da OpenAI e o ALIGN do Google na recuperação de imagens a partir de legendas (e vice-versa).
- MS COCO (recuperação multilíngue imagem-texto): Supera o UC2 e o M3P na recuperação multilíngue imagem-texto.
- Multi30K (recuperação multilíngue imagem-texto): Também supera o UC2 e o M3P, confirmando suas fortes capacidades multimodais multilíngues.
Wu Dao 3.0 vs. GPT da OpenAI
Aqui está uma comparação abrangente dos Wu Dao 3.0 LLM models e de vários models da OpenAI com base na BAAI.4 Não podemos fornecer comparações mais detalhadas e atualizadas do Wu Dao, pois ele não tem benchmarks recentes e consistentes disponíveis.
Desempenho em contexto longo
Testando em quatro tarefas:4
- VCSUM (sumarização em chinês)
- LSHT (manipulação de sequências longas em chinês)
- HotpotQA (raciocínio multi-hop em inglês)
- 2WikiMQA (QA multi-documento em inglês)
Benchmark de desempenho de raciocínio
Testando em 6 tarefas:4
- 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 por gratuito.5
Concorrentes do Wu Dao 3.0
Qwen3.5
O Qwen3.5 é uma família de large language models de pesos abertos da Alibaba, projetada como um sistema multimodal nativo de Mixture-of-Experts (MoE).
O model principal (Qwen3.5-397B-A17B) contém cerca de 397B parâmetros, mas ativa ~17B por inference, possibilitando alto desempenho com menor custo computacional.
O model usa uma arquitetura híbrida que combina roteamento esparso de MoE com Gated Delta Networks e atenção linear, permitindo inference eficiente enquanto suporta raciocínio avançado, codificação e compreensão multimodal.
O Qwen3.5 é treinado com dados multimodais de fusion inicial, permitindo processar entradas de texto e visuais dentro de um model unificado e alimentar “agentes multimodais nativos” que podem raciocinar sobre interfaces e realizar tarefas complexas de várias etapas.6
Kimi K2.5
O Kimi K2.5 é um model multimodal de código aberto da Moonshot IA, projetado em torno de uma arquitetura centrada em agentes para codificação e automação de fluxos de trabalho. O model integra capacidades de visão e linguagem, permitindo interpretar texto, imagens e vídeo enquanto gera código pronto para produção.
O K2.5 foi treinado em aproximadamente 15 trilhões de tokens multimodais e suporta raciocínio de contexto longo (até ~256K tokens) juntamente com chamadas de ferramentas e fluxos de trabalho autônomos de agentes.
Um diferencial é seu paradigma de “enxame de agentes”, em que vários agentes coordenados podem lidar com subtarefas em paralelo para resolver fluxos de trabalho complexos de engenharia ou desenvolvimento.
A Moonshot lançou o model juntamente com um agente de codificação, posicionando o Kimi K2.5 como uma alternativa focada em desenvolvedores aos models de fronteira proprietários para construir sistemas de software assistidos por IA.7
ERNIE 5.0
O ERNIE 5.0 é o model de fundação principal da Baidu e um sistema nativamente omni-modal que processa e gera texto, imagens, áudio e vídeo em uma única arquitetura.
O model supostamente contém cerca de 2.4 trilhões de parâmetros usando um design de Mixture-of-Experts, permitindo alta capacidade e ativando uma fração dos parâmetros por inference para eficiência.
O ERNIE 5.0 foi integrado ao ERNIE Bot da Baidu e à plataforma empresarial Qianfan, suportando uma gama de aplicações de IA generativa em produtos de consumo e empresariais.8
Adicionar como fonte preferencialPerguntas frequentes
Não. Os models Aquila visam casos de uso diferentes. Para tarefas em chinês com computação limitada, eles são práticos. Para capacidades gerais em inglês, o GPT-5 os supera significativamente.
Sim, os models são de código aberto. Verifique as licenças específicas de cada componente Aquila, mas o uso comercial geralmente é permitido.
Barreira de idioma (documentação), integração de ecossistema (feito 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 and Ermut, Sıla},
title = {{Wu Dao 3.0: Família de Model de IA Multimodal da China}},
year = {2026},
month = mar,
howpublished = {\url{https://aimultiple.com/wu-dao}},
note = {AIMultiple. Acessado em 5 março 2026}
}Resultados e carimbos de data/hora de 24 pontos de dados. Baixe os dados resumidos exibidos nos gráficos e tabelas deste artigo como um arquivo ZIP contendo 2 arquivos CSV.
Quer os dados granulares por trás disso? Assine o Premium
Registro de alterações
6 atualizaçõesAdicionada uma nova seção, Wu Dao 3.0 competitors, ao artigo.
Links de referência
O trabalho de Cem na AIMultiple foi citado por publicações globais líderes, incluindo Business Insider, Forbes, Morning Brew e Washington Post, por empresas globais como Deloitte e HPE, ONGs como o World Economic Forum e organizações supranacionais como a European Commission. [1], [2], [3], [4], [5]
Ao longo de sua carreira, Cem atuou como consultor de tecnologia, comprador de tecnologia e empreendedor de tecnologia. Ele aconselhou empresas sobre suas decisões de tecnologia na McKinsey & Company e na Altman Solon por mais de uma década. Ele também publicou um relatório da McKinsey sobre digitalização.
Ele liderou a estratégia de tecnologia e as compras de uma operadora de telecomunicações, reportando-se ao CEO. Ele também liderou o crescimento comercial da empresa de deep tech Hypatos, que atingiu uma receita recorrente anual de 7 dígitos e uma avaliação de 9 dígitos partindo do zero em 2 anos. O trabalho de Cem na Hypatos foi coberto por publicações de tecnologia líderes como TechCrunch e Business Insider.
Cem fala regularmente em conferências internacionais de tecnologia. Ele se formou como engenheiro da computação pela Bogazici University e possui um MBA pela Columbia Business School.
Ela trabalhou anteriormente como recrutadora em empresas de gerenciamento de projetos e consultoria. Sıla possui mestrado em Psicologia Social e bacharelado em Relações Internacionais.
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.