Equipe de Hong Kong divulga família YN: YN-mini de 421M processa 37 mil tokens/s em uma GPU; simulação de 12 milhões de famílias usa 14 GPUs
Em 6 de novembro de 2026, o Machine Heart relatou que a equipe de Luo Ye, da Universidade de Hong Kong, lançou o arcabouço de simulação multiagente em escala social S²-MAS, disponibilizando a família de modelos de decisão YN (de 421M a 9B) e o motor Genese; segundo a reportagem, o YN-mini, de 421 milhões de parâmetros, atinge 37 mil tokens/s em uma única A100 e conclui a simulação de 12 milhões de famílias em cerca de 4 horas usando 14 GPUs.
O que mudou
Segundo reportagem do Machine Heart de 6 de novembro de 2026, a equipe do professor Luo Ye, da Universidade de Hong Kong, lançou o arcabouço de simulação multiagente em escala social S²-MAS e tornou pública a família de modelos de decisão YN. O arcabouço tem três partes: uma base de cerca de 500 milhões de perfis de famílias consumidoras (cada um com 36 campos estruturados), os modelos de decisão YN e o motor de simulação Genese. A reportagem afirma que a equipe organizou 4,17 milhões de perguntas e respostas de pesquisas reais no formato "estado da família + pergunta + opções"; o modelo usa um backbone pré-treinado mais uma cabeça de decisão, com o contexto codificado por um backbone ModernBERT ou Qwen, e a cabeça pontua as ações candidatas e normaliza as pontuações via softmax em probabilidades de escolha, sem geração autorregressiva token a token. A família YN cobre quatro faixas de parâmetros — 421M, 322M, 4B e 9B — em 10 variantes de treinamento; o principal, YN-mini, tem cerca de 421 milhões de parâmetros, formado por um backbone ModernBERT-large de 395 milhões de parâmetros mais uma cabeça de pontuação de opções, treinado com SFT em duas etapas e RLCD, e a simulação de dezenas de milhões de famílias no artigo usa sua versão MLX FP16. A equipe também publicou o código de treinamento e avaliação, scripts para reproduzir figuras científicas e resultados agregados, 2 milhões de perfis sintéticos de famílias independentes e 32 mil entradas de tarefas sem rótulo, esclarecendo que os modelos e parte dos dados sintéticos são oferecidos sob seus respectivos termos de uso científico. Na avaliação, a reportagem afirma que, em 240.458 questões de múltipla escolha de finanças do consumidor de turno único reservadas (119 versões de perguntas, 8.275 grupos de famílias entrevistadas), o YN-mini obteve 74,55% de acurácia e 38,37 de F1 macro, 9,30 pontos percentuais acima do Jev 1.13 e 5,68 pontos acima do GLM-5.3-Flash; em 500 grupos de amostragem fixa (14.441 registros), a avaliação pareada com o GPT-6-Astra foi de 74,73% contra 69,34%. A reportagem também afirma que, em teste de implantação em uma única A100, o YN-mini atingiu 37 mil tokens/s, 22,72 vezes a vazão da API Jev. O experimento de escala usou 14 GPUs (8 H100 de 80GB e 6 A100 de 40GB), dividindo a tarefa em 2.400 unidades de trabalho em pipeline paralelo, concluindo em 3 horas, 59 minutos e 17 segundos a simulação de 12 milhões de famílias, 24 milhões de decisões pareadas e 288 milhões de estados mensais de balanço, com média ponta a ponta de cerca de 1.672 decisões familiares por segundo e cerca de 886 mil tokens/s. No motor, a reportagem afirma que o Genese executa 1.000 agentes em um turno em 6,17 segundos em uma única T4, economizando cerca de 17% e 20% em relação ao OASIS e ao OneSim, respectivamente; com o backend de decisão fixo, sua velocidade de execução é de 2,12 a 4,10 vezes a do AgentSociety, OneSim, OASIS e MiroFish. A equipe também testou previsão de consumo com 1.060 famílias reais; a reportagem afirma que o YN-Master-9B, com decisões independentes, tem erro absoluto médio anual de 51.312 yuans, 3,42% abaixo da referência de racionalidade plena à la HANK, com erro quadrático médio 3,15% menor; o YN-Lite-4B ficou 14,26% abaixo dessa referência na distância de ajuste por faixa de renda.
Impacto para desenvolvedores
Para desenvolvedores que pretendem integrar, a mudança mais direta está na forma de chamada. A reportagem descreve um backbone pré-treinado mais uma cabeça de decisão: uma passagem direta pontua ações candidatas predefinidas e o softmax fornece a distribuição de probabilidades, sem geração token a token, de modo que o chamador não precisa analisar texto livre nem pagar custo de token por geração completa; o preço é que as ações candidatas precisam ser enumeradas antecipadamente, a tarefa fica restrita a opções fechadas e perguntas abertas e saídas de texto livre não se aplicam. A métrica de avaliação também deve mudar: as grandezas comparáveis são acurácia por questão, F1 macro, se a opção de maior probabilidade permanece estável ao trocar a ordem das opções, e quantas decisões por segundo seu hardware e tamanho de lote completam — não qualidade de geração ou preferência humana. Os 37 mil tokens/s e o fator 22,72 da reportagem vêm de um teste de implantação em uma única A100, mas a fonte não informa a precisão nem a configuração do backbone usadas nesse teste, e a versão MLX FP16 está associada apenas à simulação de dezenas de milhões de famílias do artigo; não são a mesma condição, e esses números variam com precisão, tamanho de lote e motor, servindo apenas como referência de ordem de magnitude. O valor do Genese está concentrado na consistência do balanço: atualização em lote de arrays entidade-componente, commit do estado do mundo e dos eventos no mesmo limite transacional, rollback de exceções para o snapshot do turno — mecanismos que respondem ao risco de, com milhões de sujeitos, "o balanço mudar e o registro não ficar"; se a simulação não exigir rastro por transação e reversibilidade, esse ganho será bem menor. Além disso, a arquitetura de pontuação por cabeça de decisão impõe novas exigências de interface a toda a pilha de simulação: geração do conjunto de candidatos, leitura de probabilidades e liquidação do balanço precisam ser módulos substituíveis de forma independente, caso contrário trocar o modelo exigirá reescrever o experimento. Cabe enfatizar que acurácia, vazão e aceleração acima vêm do artigo e de declarações da equipe, sem reprodução independente até o momento.
Integração e avaliação
A seguir, recomendações condicionais, não fatos reportados. Decisão um, correspondente à mudança descrita como "backbone pré-treinado + cabeça de decisão, saída direta de probabilidades de opções": se sua carga for de questões de múltipla escolha fechadas, como previsão de preferências em questionário ou escolha de ações dentro de regras, o modelo com cabeça de decisão pode ser candidato a substituir chamadas generativas. A premissa é que o conjunto de candidatos possa ser enumerado e fixado antes de cada chamada; se a tarefa exigir texto livre ou raciocínio aberto, a substituição não se aplica e deve-se continuar com modelos generativos. O critério é se a acurácia por questão e o F1 macro em seu próprio conjunto reservado superam a linha de base atual, além de um teste de troca da ordem das opções para ver se a opção de maior probabilidade muda; sem ganho de acurácia, o benefício se reduz ao custo de inferência, que precisa ser calculado à parte. Decisão dois, correspondente ao desenho do Genese de atualização em lote, commit atômico e rollback por snapshot: se você for fazer simulação com mais de cem mil agentes, reproduza primeiro o motor em vez de trocar o modelo. A premissa é que a simulação exija reconciliação transação a transação; se bastar uma média agregada aproximada, sem rollback de exceções, um script de processamento em lote simples pode ser suficiente. O método é rodar um turno com 1.000 agentes no seu próprio hardware usando o mesmo backend de decisão, registrar o tempo e verificar se o balanço fecha transação a transação e se é possível voltar ao snapshot do turno em caso de exceção; o critério de aprovação é balanço reproduzível e rollback eficaz, e só então comparar decisões por segundo. A reportagem comparou o Genese com OASIS, OneSim, AgentSociety e MiroFish, mas esses números vêm de um benchmark controlado definido pela própria equipe; em testes próprios, só há comparabilidade com o mesmo backend de decisão fixo. Decisão três, pré-requisito das duas anteriores, correspondente a "modelos e parte dos dados sintéticos são oferecidos sob seus respectivos termos de uso científico": se for colocá-lo em um produto comercial, confirme repositório por repositório se o texto da licença e o escopo de autorização cobrem sua forma de distribuição antes de escrever código; para reprodução apenas de pesquisa interna, essa avaliação geralmente não se aplica. Além disso, o GLM-5.3-Flash e o DeepSeek-V4.1-Flash usados como comparação na reportagem têm entradas correspondentes no catálogo KimiSeek e podem ser candidatos a linha de base de avaliação própria, mas a escolha da linha de base ainda depende da sua tarefa.
Limites e pontos a confirmar
Algumas incertezas precisam ser preservadas. Primeiro, acurácia, vazão e aceleração da reportagem são auto-relatadas pela equipe, e o conjunto de avaliação vem de um único cenário — questões fechadas de finanças do consumidor; a própria reportagem afirma que essa vantagem não representa capacidade de generalização ou raciocínio aberto; os 74,55% do artigo e os 74,73% da amostragem de grupos fixos vêm de amostras diferentes e não devem ser misturados. Segundo, a configuração do teste de 37 mil tokens/s em uma única A100 (precisão, backbone, tamanho de lote) não é informada pela fonte, que associa a versão MLX FP16 apenas à simulação de dezenas de milhões de famílias do artigo; não são a mesma condição e não podem ser generalizadas entre si. Terceiro, os pesos foram publicados, mas sob termos de uso científico; pesos abertos não equivalem a uma licença de código aberto aprovada pela OSI, e o escopo comercial precisa ser verificado por conta própria. Quarto, a família de modelos de decisão YN e versões como YN-mini, YN-Lite-4B e YN-Master-9B não têm entrada com correspondência exata no catálogo atual do KimiSeek; o site não cobre essa família. A reportagem também não menciona API oficial ou serviço hospedado da série YN; se um fornecedor vier a oferecê-los, disponibilidade, preço e cotas dependerão do fornecedor ou provedor de hospedagem, sem indicar integração deste site. Quinto, a avaliação humana de qualidade dos perfis tem como objeto 100 perfis de pesquisa reais processados, o experimento de previsão de consumo usa os registros reais de 1.060 famílias descritos na reportagem, e as questões de avaliação vêm de perguntas e respostas de pesquisas reais; essas fontes de evidência não são dados sintéticos, mas todas vêm de um processo de avaliação desenhado e executado pela própria equipe, com referências (como a de racionalidade plena à la HANK) e métricas definidas pela equipe, sem reprodução por terceiros. O que é realmente formado por população sintética são a base de 500 milhões de perfis e o experimento de simulação de 12 milhões de famílias, cujas conclusões agregadas dependem da calibração estatística do processo de geração. Sexto, o teste de memória com anos reescritos para 2031 tem apenas 12 variações de pergunta por modelo, o que constitui evidência apenas preliminar. Sétimo, se a distribuição extrema em que famílias com mais de 65 anos escolhem adiar a compra em ambas as condições se aproxima da realidade, a reportagem não oferece validação com dados comportamentais externos; isso é uma inferência baseada na reportagem, não uma conclusão da fonte.