Tang Jie Reposiciona Zhipu Após IPO: A Mudança Estratégica de Volta à Maestria em Modelos Fundamentais

Em 8 de janeiro de 2026, a Zhipu alcançou um marco histórico ao tornar-se na primeira grande empresa de modelos de linguagem a ser listada publicamente — uma façanha notável que nem analistas nem concorrentes previam ser possível. No mesmo dia, Tang Jie, professor de ciência da computação da Universidade Tsinghua e visionário fundador da Zhipu, divulgou uma carta interna abrangente que sinalizava uma recalibração estratégica dramática. Em vez de celebrar vitórias comerciais, a mensagem de Jie enfatizou um retorno filosófico: a busca incessante pela excelência em modelos fundamentais como o único caminho para a inteligência artificial geral. A carta rejeita narrativas de comercialização de curto prazo e, em vez disso, articula uma ambiciosa agenda para 2026 centrada no lançamento iminente do GLM-5, juntamente com três focos tecnológicos transformadores — arquiteturas de modelos inovadoras, aprendizagem por reforço generalizada e capacidades de aprendizagem contínua.

A Conversa de Café que Reprogramou a Missão da Zhipu

Durante uma visita ao café do laboratório da Universidade de Ciência e Tecnologia de Hong Kong, Tang Jie encontrou o distinto professor Yang Qiang e compartilhou uma observação casual: que vinha consumindo café em excesso ultimamente. A resposta de Yang recontextualizou completamente a conversa: “O vício nem sempre é negativo. Imagine se pudéssemos canalizar nosso vício em café para pesquisa com igual intensidade — não alcançaríamos coisas extraordinárias?” Este diálogo simples encapsula a base filosófica da Zhipu e a visão de mundo de Jie.

Desde a fundação oficial da Zhipu em 2019, a empresa opera sob um princípio unificador — “fazer as máquinas pensarem como humanos”. A inspiração remonta a 2018, quando Tang Jie e seu coletivo de pesquisa desenvolveram um sistema cognitivo de máquina incorporando a teoria de sistemas duais da psicologia cognitiva humana, unindo paradigmas de pensamento rápido e lento. Ainda assim, apesar de mais de três anos de rápido desenvolvimento na indústria desde o surgimento do ChatGPT, Tang Jie observou em discussões internas recentes que “ainda não há um consenso genuíno na indústria; todos avançam por tentativa e erro.”

De GLM-130B ao Reconhecimento SOTA: O Ponto de Inflexão Técnico

A trajetória técnica da Zhipu revela um padrão de tomada de riscos calculados, muitas vezes desafiando a ortodoxia do setor. Em 2020, quando modelos do escala BERT dominavam o discurso, a empresa lançou sua arquitetura proprietária de algoritmo GLM e treinou um modelo base de 10 bilhões de parâmetros — um movimento audacioso que atraiu adotantes iniciais, incluindo a Meituan. Crucialmente, esse sucesso permaneceu distante das aspirações de AGI devido a limitações arquitetônicas: bases de conhecimento insuficientes e ausência de capacidades de raciocínio ao nível humano.

O período de 2021-2022 foi decisivo. Enquanto a maioria dos participantes da indústria descartava a visão de “máquinas pensando de forma humana” como uma fantasia de moonshot, a Zhipu intensificou esforços. A empresa treinou um modelo de 130 bilhões de parâmetros em conjuntos de dados exponencialmente ampliados, estabelecendo duas divisões de inovação paralelas operando com independência operacional: o trio de pesquisa do GLM focado no treinamento de modelos, e uma equipe separada construindo a plataforma MaaS que eventualmente alimentaria o bigmodel.cn. Até meados de 2022, o GLM-130B alcançou avanços técnicos que capturaram atenção global, ao mesmo tempo em que acumulava os primeiros usuários de API de produção da plataforma — um ponto de validação crítico que diferenciou a Zhipu de empresas puramente de pesquisa.

Porém, o fenômeno DeepSeek remodelou a dinâmica competitiva. Sua emergência em 2025 criou o que observadores do setor caracterizaram como uma “onda de choque entre as empresas chinesas de modelos grandes”, impactando especialmente a Zhipu devido à herança comum de equipe de pesquisa acadêmica e contribuições sobrepostas no ecossistema open-source. Em vez de adotar uma postura defensiva, Tang Jie reformula a pressão competitiva como um esclarecimento: “DeepSeek nos acordou”, catalisando uma “reforça” sistemática que abrange domínios técnicos e comerciais.

A Convergência do GLM: Como a Zhipu Alcançou a Fronteira Global

A execução da Zhipu em 2025, contra suas metas estratégicas internas, mostrou-se notavelmente precisa. A empresa lançou um modelo de “estabilização” em abril (GLM-4.1), conquistou o status de “participante de destaque” no meio do ano com o lançamento do GLM-4.5, e concluiu o ano com o GLM-4.7 — posicionado como um dos principais concorrentes entre modelos de base globais. Segundo os índices de avaliação da Artificial Analysis, o GLM-4.7 conquistou o primeiro lugar nacionalmente e atingiu paridade global com Claude 4.5 Sonnet.

O catalisador do avanço, inesperadamente, foi a codificação. Quando o mercado mais amplo mergulhou em guerras de preços e narrativas de commoditização, a Zhipu identificou a geração de código como o ponto de entrada preciso que a diferenciava dos concorrentes. O lançamento do GLM-4.5 em julho emergiu como o engajamento decisivo — com equipes técnicas, de plataforma e comerciais operando em ritmo de sprint de alto risco. Após a vitória, as iterações GLM-4.6 e GLM-4.7 sistematizaram a vantagem: desenvolvedores de 184 países (mais de 150.000 indivíduos) engajaram-se com o Plano de Codificação do GLM, gerando entusiasmo profissional e uma velocidade de adoção mensurável.

A Explosão de Receita: A Economia do MaaS Validada

A validação comercial foi enfática. Em apenas dez meses, a receita anualizada da plataforma MaaS da Zhipu expandiu-se de 20 milhões para 500 milhões — um aumento de vinte e cinco vezes que redefine fundamentalmente os cálculos de ROI competitivo. Notavelmente, a receita internacional ultrapassou 200 milhões, sugerindo que mercados fora da China representam aproximadamente 40% da economia da plataforma. Este desempenho contrasta fortemente com narrativas públicas que indicam que a economia dos modelos grandes chineses ainda é imatura.

A dimensão internacional merece ênfase especial. A iniciativa “Sovereign AI” da Zhipu aproveitou a infraestrutura nacional de MaaS da Malásia para estabelecer o GLM como o modelo grande oficial daquele país — sendo o primeiro caso documentado de tecnologia de modelos de base chineses integrando-se ao governo globalmente. Tang Jie creditou esse avanço à “ousadia e determinação” da equipe internacional, posicionando a expansão no exterior como uma resposta estratégica ao apelo de Pequim por uma “IA chinesa com implantação global.”

O Manifesto Técnico de Jie para 2026: Derrubando Paradigmas Estabelecidos

Em vez de buscar otimizações incrementais, a agenda de Tang Jie para 2026 visa uma disrupção fundamental na arquitetura. A carta identifica quatro vetores prioritários:

Lançamento do GLM-5: Através de melhorias de escala aprimoradas e avanços técnicos multivectores, o próximo modelo promete oferecer capacidades inéditas na resolução de tarefas do mundo real, estabelecendo uma nova linha de base de desempenho.

Exploração de Novas Arquiteturas de Modelos: O paradigma Transformer — dominante há quase dez anos — apresenta limitações crescentes em computação de contexto super longo, mecanismos de memória e protocolos de atualização. A Zhipu compromete-se a descobrir novos paradigmas arquitetônicos enquanto busca otimizações de co-design de chips e algoritmos.

Aprendizagem por Reforço Generalizada: As abordagens atuais de RLVR destacam-se em domínios limitados (matemática, código), mas revelam limitações estruturais ao confrontar ambientes não limitados. O objetivo de 2026 é desenvolver paradigmas de RL que permitam a sistemas de IA interpretar e executar tarefas temporais estendidas por horas ou dias — avançando além do seguimento de instruções para uma verdadeira agência.

Aprendizagem Contínua e Evolução Autônoma: Modelos de IA em produção atualmente possuem inteligência fundamentalmente estática após o deployment. Eles acumulam conhecimento por ciclos de treinamento caros e, posteriormente, depreciam-se à medida que os contextos do mundo real mudam. A Zhipu busca arquitetar paradigmas de aprendizagem de próxima geração que espelhem a plasticidade neural humana — frameworks de aprendizagem online e contínua que permitam interação persistente com o mundo e acumulação de capacidades.

Inovação Institucional: A Aposta do X-Lab na Disrupção

Reconhecendo que a inércia organizacional tende à otimização incremental, a Zhipu criou uma divisão de pesquisa experimental chamada X-Lab. Projetada para recrutar talentos por mecanismos abertos, a X-Lab persegue exploração de ponta envolvendo novas arquiteturas, paradigmas cognitivos emergentes e incubação de projetos diversos — sem limitações apenas ao software. Paralelamente à inovação interna, a Zhipu anunciou expansão de investimentos externos além do portfólio existente, visando explicitamente a prosperidade do ecossistema e não uma competição de soma zero.

Essa estrutura institucional reflete a convicção filosófica de Tang Jie de que “não somos uma empresa tradicional, nem aspiramos a ser uma.” Em vez disso, a Zhipu busca uma emergência operacional como uma entidade nativa de IA, onde possibilidades revolucionárias substituem a habituais melhorias incrementais — utilizando a própria IA para otimização de governança, ganhos de eficiência e justiça sistêmica.

A Conclusão Filosófica: Endorfinas em vez de Dopamina

Tang Jie conclui sua carta estratégica distinguindo entre modalidades de recompensa concorrentes. A conquista do IPO gera uma satisfação momentânea de dopamina — uma excitação transitória. A verdadeira realização, afirma, vem do acúmulo de endorfinas ao longo do caminho para a AGI: foco sustentado, fundamentação operacional, avanço persistente rumo à fronteira final da inteligência. A expressão formal — alcançar o “estado último de inteligência” onde Z representa a culminação do alfabeto — sinaliza o compromisso da Zhipu com uma posição de vanguarda, e não com otimização de mercado.

Para os observadores do setor, a importância vai além da estratégia corporativa individual. A listagem pública da Zhipu e a reposição filosófica de Jie refletem uma maturidade mais ampla da indústria: o reconhecimento de que vantagem competitiva duradoura não surge da otimização na camada de aplicação, mas das capacidades fundamentais — maestria na arquitetura de modelos, inovação em paradigmas de aprendizagem e avanço teórico incessante. Se esse compromisso se traduzirá em superioridade técnica sustentada, permanece uma questão aberta, mas a determinação de Tang Jie parece categórica: o que a Zhipu fizer até 2026 determinará se a convicção filosófica se alinha com a possibilidade tecnológica.