Springboards lanca Flint, LLM que ataca o groupthink dos modelos: 7 de 10 no NoveltyBench contra media de 2,88 dos rivais

Resumo: A startup australiana Springboards lançou em julho de 2026 o Flint, um LLM criado para escapar do que a MIT Technology Review chamou de “sulco de groupthink” dos modelos atuais. Peça um número entre 1 e 10 a GPT, Claude ou Gemini e a resposta será, quase sempre, 7 — seguido de 3, 4, 8 e 9. O Flint, construído sobre o Qwen 3 (open-source, da Alibaba), ajusta seletivamente a entropia em momentos-chave da geração e alega 7 de 10 no NoveltyBench para saídas distintas, contra média de 2,88 dos modelos dominantes.

O problema: chatbots que respondem parecido demais

Uma das descobertas embaraçosas dos últimos 18 meses de IA aplicada foi essa: quanto mais os modelos foram alinhados via RLHF e destilação a partir de saídas humanas, mais convergentes ficaram. Não é só um problema de “todo mundo escreve com hífen no meio da frase”. É um problema mensurável: pesquisas de criatividade computacional mostram que top-k, top-p e temperatura ajustam o ruído sem mudar a distribuição sistêmica de respostas plausíveis. Se você quer ideias divergentes de verdade — para brainstorm, roteiro, direção de arte, insight de marketing —, o que sai é média com pequenos desvios.

Como o Flint atua onde os outros erram

A abordagem do Springboards não é mexer só na temperatura global. O Flint identifica pontos de decisão onde múltiplos caminhos válidos existem e, nesses momentos, altera a distribuição de probabilidade para permitir escolhas menos frequentes sem quebrar a coerência global. O restante da geração usa parâmetros normais, o que evita a incoerência clássica de aumentar temperatura para descolar. É uma implementação prática do que a literatura chama de entropy scheduling.

O que é o NoveltyBench

O NoveltyBench é um benchmark independente que mede diversidade real entre saídas de um mesmo modelo diante do mesmo prompt. Não avalia se a resposta está certa — avalia se ela é substantivamente diferente das outras que o modelo geraria. Nele, Flint marca 7/10; a média dos LLMs “grandes” fica em 2,88. A distância é grande porque a métrica captura exatamente o que temperatura e top-p escondem.

Onde faz sentido usar

Springboards não posiciona o Flint como substituto do modelo principal. A empresa oferece uma plataforma que permite arrastar e combinar respostas de vários modelos — a proposta é somar o Flint quando o cliente precisa de divergência: agências de publicidade em fase de conceito, roteiristas em pré-produção, times de UX explorando espaço de solução, direção de arte, product design. Em contexto de código, resposta jurídica ou diagnóstico médico, a proposta seria justamente inversa — quer-se resposta convergente.

Por que importa

Três leituras. Primeira: economicamente, marketing e conteúdo são grandes compradores de LLM; se a divergência tem valor, o mercado paga por ela. Segunda: tecnicamente, mostra que ainda há espaço para “modelos especialistas” mesmo depois da consolidação em fronteiras. Terceira: metodologicamente, aponta que benchmarks convencionais (MMLU, HumanEval, GPQA) ignoram uma dimensão que interessa muito ao usuário final — variedade dentro da mesma qualidade.

Status no Brasil

O Flint ainda não tem oferta local, mas o modelo base (Qwen 3) já é usado por integradores brasileiros em nichos que aceitam infraestrutura chinesa — principalmente e-commerce e mídia digital. Startups nacionais de copywriting assistido devem experimentar a receita, dado o custo baixo e a facilidade de reproduzir o entropy scheduling sobre pesos abertos. Para agências, vale começar a incluir “diversidade real” nos briefings de teste — não só qualidade média.

Riscos e limitações

Divergência não é neutra: quando você aumenta entropia em momentos de decisão, também aumenta a chance de saídas problemáticas — desde erros factuais menores até respostas fora do tom da marca. Para trabalhos regulados (finanças, saúde, jurídico), o Flint é a ferramenta errada. Há também o risco reputacional para marcas que apostam em divergência automatizada sem revisão editorial; a novidade pode virar constrangimento em uma campanha viral. Por fim, o benchmark próprio da empresa (mesmo que independente do treino) sempre pede cautela: replicações externas são necessárias.

Análise SWOT — nicho de LLM criativo

Conclusão prática — como testar hoje

Se você trabalha em brainstorm, conteúdo ou design generativo, monte um teste simples: peça 20 títulos, 20 headlines ou 20 abordagens de conceito para o seu modelo atual e para o Flint. Meça quantas ideias são realmente distintas (não sinônimos disfarçados). Se a diferença for grande, incorpore o Flint apenas na fase de divergência, e mantenha o modelo principal na fase de refino. É a divisão clássica ideation vs. execution — mas agora com dois modelos, cada um afinado para o seu trabalho.

Fonte original: LLMs are stuck in a groupthink groove. This startup is trying to get them out — MIT Technology Review. Detalhes técnicos e página do modelo: Springboards — Flint Alpha.