Google lança Harness² para melhorar IA sem mudar modelo básico

Inteligência Artificial

Google apresenta framework open-source que aprimora a interação com IA sem alterar o modelo principal.

Leia também: Kyutai lança REKI com memória para robôs 50% mais estáveis

O Google Cloud AI Research liberou o código do Harness², um framework open-source que promete melhorar agentes de inteligência artificial otimizando todo o sistema ao redor do modelo — prompts, ferramentas, memória e orquestração — sem alterar os pesos da IA. A proposta é permitir que “your agent may get better without a better model”, nas palavras da própria equipe de pesquisa.

O que é o Harness² e como ele funciona

O Harness² é descrito como um framework recursivo de “harnessing”, termo usado pelos pesquisadores para designar o processo de ajustar o arcabouço em que o modelo atua: desde a forma como o contexto é construído até como o agente chama ferramentas, delega subtarefas e se comporta dentro do loop de execução. O modelo de IA em si permanece congelado; o que muda são os arquivos de configuração e código que o cercam.

Esse entorno é dividido em 8 componentes editáveis, cada um exposto como um arquivo. Eles cobrem construção de contexto, interface de ferramentas, delegação e o comportamento dentro do loop de ferramentas. O projeto expande um arranjo anterior de 7 arquivos para esse total de 8, abrindo mais um ponto claro de intervenção para desenvolvedores ajustarem o comportamento do agente.

O coração do Harness² são 2 níveis de recursão acoplados, que permitem ao sistema gerar, testar e refinar versões alternativas do próprio harness durante o uso. Um parâmetro de orçamento, chamado k, controla o quão ampla será essa busca por variações. No modo paralelo, o framework gera k candidatos invariantes e k candidatos específicos de domínio, combinando-os em k composições. No modo sequencial, encadeia k passos de refinamento, ajustando o sistema em iterações sucessivas.

Esse desenho é pensado para o “mundo aberto”: situações em que as tarefas chegam pela primeira vez, sem rótulos nem casos de teste para dizer se a resposta está certa. Ao contrário de métodos tradicionais de autoaperfeiçoamento, que dependem de dados rotulados ou verificadores automáticos, o Harness² foi construído para operar justamente onde esses recursos não existem.

Entenda o contexto

Muitos times hoje conseguem acessar bons modelos de linguagem, mas esbarram em limitações de orçamento, privacidade ou infraestrutura para migrar constantemente para versões mais avançadas. Ao mesmo tempo, tarefas reais — em atendimento, suporte, automação de processos ou análise de dados — costumam ser abertas, incompletamente especificadas e sem gabarito.

O Harness² ataca esse ponto ao transformar o próprio agente em objeto de otimização contínua. Em vez de treinar novamente o modelo, o framework reorganiza como ele pensa, planeja e chama ferramentas, tentando novas configurações, medindo desempenho e mantendo as melhores sem depender de rótulos externos. O paper resume essa lógica ao afirmar que “weaker executors gained more”, destacando que modelos considerados mais fracos ganham desempenho justamente ao operar em um harness melhor projetado.

Como o Harness² foi testado

Para validar a abordagem, a equipe testou o framework em 3 benchmarks profissionais: WorkBuddy-Bench, JobBench e Harvey’s LAB. Os agentes executores incluíram Gemini 3.5 Flash e GLM-5, rodando sobre as camadas OpenCode e Codex, com o Claude Opus 4.8 atuando como editor padrão. As pontuações reportadas são médias de 3 execuções por configuração.

Os resultados chamam atenção principalmente pelo ganho dos executores considerados mais fracos. O paper destaca que “weaker executors gained more”: após um único passo de recursão, o GLM-5 passou a superar o Gemini 3.5 Flash no WorkBuddy-Bench. Em outra configuração, “parallel recursion at k=5 lifted Gemini under OpenCode to 80.8 on WorkBuddy”, número que coloca o agente em um patamar bem mais alto sem qualquer troca de modelo.

Além de acertar mais, os agentes ficaram mais eficientes. No WorkBuddy-Bench, 3 das 4 combinações de modelo e substrate avaliadas reduziram o número médio de passos por tarefa. Em um dos casos, o Gemini rodando em OpenCode caiu de 25,4 para 21,9 etapas por tarefa, um avanço que pode significar economia direta de tempo e custo de computação em cenários de produção.

Execução local e em nuvem

O Harness² foi lançado como código aberto em um repositório no GitHub, acompanhado de documentação detalhada, paper científico e página oficial do projeto. A documentação reforça que “The README targets Linux, Python 3.12 and uv”, indicando que o caminho recomendado para desenvolvedores é um ambiente Linux com Python 3.12 e o gerenciador uv.

Para usos locais, o projeto oferece um demo que roda os dois modos de recursão sem exigir credenciais de modelo — útil para explorar a arquitetura, entender os 8 componentes e testar fluxos de otimização apenas com simulações. Quando o desenvolvedor quer acoplar modelos reais, entram mais dependências: é preciso ter Node.js 20+ instalado, a Google Cloud CLI configurada e um projeto ativo no Vertex AI.

Alguns benchmarks ainda pedem ferramentas extras. O Harvey’s LAB, por exemplo, exige Pandoc e Poppler, enquanto o WorkBuddy-Bench depende de Docker para isolar e executar os cenários de teste. Os executores vêm configurados por padrão para rodar em OpenCode, com opção de usar Codex via uma flag específica na linha de comando.

Impacto para desenvolvedores e mercado

A abertura do Harness² reforça uma tendência de modularização no desenvolvimento de agentes de IA: em vez de tratar o modelo como solução única, equipes passam a olhar com mais atenção para o ecossistema de prompts, ferramentas e memória que o cerca. Ao permitir ganho expressivo de desempenho sem upgrades de modelo, o framework pode reduzir a pressão por trocas constantes de modelos proprietários mais caros e pesados.

Na prática, isso interessa especialmente a startups e times menores, que dispõem de acesso estável a um modelo, mas nem sempre têm orçamento para saltar de geração em geração. A combinação de código aberto, compatibilidade com Linux e uso de ferramentas amplamente adotadas tende a facilitar a adoção por comunidades de desenvolvedores. Comunidades técnicas grandes, como fóruns e subreddits com mais de 150 mil integrantes voltados a machine learning, já começam a discutir e dissecar o projeto.

Para fornecedores de modelos, o movimento representa um recado: cada vez mais valor é extraído da camada de orquestração e do design de agentes, não apenas da arquitetura do modelo em si. Isso deve acelerar a corrida por APIs e plataformas que se integrem bem a frameworks de harnessing, oferecendo logs detalhados, controle fino de ferramentas e suporte a memórias de longo prazo.

Próximos passos e colaboração aberta

Com o código e o paper públicos, a expectativa é que o Harness² receba contribuições para ampliar o suporte a novos executores, adicionar camadas de monitoramento e criar componentes extras para casos de uso específicos, como atendimento ao cliente, automação de suporte técnico e análise preditiva.

Também são aguardados novos estudos independentes que repliquem e expandam os benchmarks, desta vez em cenários próximos do ambiente corporativo. A forma como os 8 componentes e os 2 níveis de recursão serão combinados em aplicações reais deve pautar a próxima onda de experimentos, agora fora do laboratório.

Fonte: matéria original