O destruidor de benchmarks que não consegue ver um cubo
DeepSeek V4.1 flash surgiu em 10 de setembro de 2026, um modelo multimodal Mixture-of-Experts (MoE) ostentando uma espinha dorsal de 552B e uma impressionante janela de contexto de 1M de tokens. Com 8B de parâmetros ativos para entrada e 16B para saída, este desafiante licenciado pelo MIT, com preço competitivo de US$ 0,003 por milhão de tokens de entrada em cache, não era apenas mais um participante. Ele declarou guerra aos campeões reinantes, supostamente superando o GPT-5.6 Sol da OpenAI e o Claude Opus-5.0 da Anthropic em benchmarks agenticos críticos, pronto para redefinir a codificação agentica, o raciocínio e a compreensão visual.
Então veio Matthew Berman, armado com um cubo mágico simulado e o harness do Codex. Seu teste viral visava validar o aclamado raciocínio visual e espacial do DeepSeek V4.1 flash. A tarefa era simples: resolver o cubo, uma implicação profunda para um modelo que afirma ter "compreensão nativa de imagem" e inteligência superior.
O que se desenrolou não foi uma demonstração de IA avançada, mas um colapso espetacular. O DeepSeek V4.1 flash não apenas falhou em resolver o cubo mágico; ele não conseguiu nem compreender sua natureza fundamental. O vídeo de Berman mostrou cada quadrado flutuando independentemente, desconectado do todo, com cores mudando inexplicavelmente sem qualquer movimento físico. O modelo, apesar dessa exibição de "trapaça" de realidade mutável, permaneceu completamente perplexo, incapaz de perceber um objeto sólido ou suas relações espaciais inerentes.
Quando a 'Compreensão Visual' não é suficiente
O DeepSeek V4.1 flash, alardeado por sua "compreensão nativa de imagem" e contexto de 1M de tokens, acabou de fracassar espetacularmente em um simples cubo mágico. O vídeo "DeepSeek Fails the Rubik’s Cube Test" de Matthew Berman expôs brutalmente uma desconexão crítica: o modelo não consegue compreender objetos 3D dinâmicos. Isso não é apenas um bug; é uma lacuna fundamental em suas capacidades visuais ostentadas.
Rodando no harness do Codex, o modelo V4.1 flash representou o cubo de forma totalmente errada. Os quadrados "flutuavam independentemente" em vez de se conectarem, e os lados mudavam de cor sem rotação física. O sistema "trapaceou" alterando as cores diretamente, mas ainda assim falhou em resolver o quebra-cabeça, demonstrando uma incapacidade profunda de manter um modelo espacial coerente e persistente.
Reconhecer um objeto estático, como "isto é um cubo", é uma coisa; manipular sua física em um ambiente dinâmico exige uma arquitetura cognitiva completamente diferente. Isso requer uma representação interna persistente de relações, gravidade e movimento. O desempenho do DeepSeek V4.1 flash sugere que ele carece desse raciocínio 3D crucial, reduzindo interações complexas a eventos visuais desconectados.
Isso não é uma anomalia para o DeepSeek. Iterações anteriores também lutaram com renderização espacial intrincada e movimento preciso de eixos em outros testes. A falha no cubo mágico ressalta um calcanhar de Aquiles recorrente, sugerindo que as impressionantes pontuações de benchmark do DeepSeek podem mascarar um problema mais profundo e não resolvido em sua compreensão fundamental do espaço físico.
O Cubo Mágico: Um soro da verdade para a IA
Os cubos mágicos há muito servem como o teste de fogo definitivo da IA, um desafio enganosamente simples que exige inteligência profunda. O DeepCubeA da Google DeepMind, por exemplo, resolveu famosamente o cubo em uma média de 20 movimentos em 2019, demonstrando que uma IA especializada pode dominar essa tarefa. Este não é um problema novo para a IA; é um problema resolvido.
Além da simples resolução de quebra-cabeças, o cubo mede criticamente a capacidade de um modelo em:
- Raciocínio espacial: compreensão da manipulação de objetos 3D.
- Manutenção de estado: rastreamento da configuração em constante mudança do cubo.
- Planejamento lógico: elaboração de estratégias para soluções de várias etapas.
Isso exige a internalização das regras físicas de um objeto, não apenas o reconhecimento de pixels ou padrões.
O DeepSeek V4.1 flash, um modelo que ostenta 1M de contexto e vitórias competitivas contra o GPT-5.6 Sol da OpenAI e o Claude Opus-5.0 da Anthropic em benchmarks de agentes, desmoronou sob este escrutínio básico. Sua falha observada — onde quadrados flutuavam independentemente e cores mudavam sem movimento — expõe uma desconexão profunda em sua "compreensão nativa de imagem". O cubo de Rubik atua como um soro da verdade implacável, removendo a bravata dos benchmarks para revelar a verdadeira compreensão de um modelo sobre o mundo físico. Para mais informações sobre seus modelos avançados, veja DeepSeek | Into the Unknown.
Gostando do artigo? Receba um assim na sua caixa de entrada toda manhã.
um e-mail por dia · cancele em dois cliques · sem rastreadores de terceiros
Além dos Benchmarks: A Busca pelo Fundamento Físico
Benchmarks, mesmo os de agentes avançados como o DeepSWE v1.1 ou o CyberGym, frequentemente perdem pontos cegos críticos. O DeepSeek V4.1 flash supostamente supera o GPT-5.6 Sol e o Claude Opus-5.0 nestes, mas falha em um cubo de Rubik simulado, demonstrando uma desconexão profunda entre o desempenho em tarefas abstratas e a realidade física fundamental. Os quadrados do modelo flutuavam independentemente, as cores mudavam sem movimento – uma clara alucinação da física, não apenas uma falha em resolver.
Isso destaca o imenso desafio do fundamento físico. Um modelo pode possuir vasto conhecimento abstrato e "compreensão nativa de imagem", mas sem um modelo interno coerente de causa e efeito em um espaço 3D, sua inteligência permanece frágil. O DeepSeek V4.1 flash, apesar de seu contexto de 1M de tokens e capacidades multimodais, não conseguiu conectar sua entrada visual às regras concretas e persistentes de um objeto simples.
Para que a IA avance verdadeiramente além de texto e imagens estáticas para robótica, simulações complexas e tarefas de agentes no mundo real, essa lacuna deve ser fechada. Os modelos exigem uma compreensão persistente e robusta do mundo físico que habitam, não apenas uma interpretação superficial de pixels. Até lá, mesmo os destruidores de benchmarks continuarão a colapsar quando confrontados com as verdades mais simples do nosso universo.
Perguntas Frequentes
Qual modelo foi testado no vídeo?
O vídeo testa o modelo DeepSeek V4.1 Flash, um poderoso modelo multimodal Mixture-of-Experts (MoE) lançado em setembro de 2026, usando o harness Codex da OpenAI.
Por que o modelo DeepSeek falhou no teste do Cubo de Rubik?
O modelo falhou porque não conseguiu manter um modelo 3D coerente do Cubo de Rubik. Os quadrados pareciam flutuar independentemente e mudar de cor sem movimento, indicando uma falta fundamental de compreensão espacial e física.
Alguma IA já resolveu um Cubo de Rubik antes?
Sim. Em 2019, o DeepCubeA da UC Irvine, uma IA de aprendizado por reforço profundo, conseguia resolvê-lo em uma fração de segundo. Isso destaca uma lacuna entre a IA especializada e o raciocínio de propósito geral de grandes modelos multimodais.
O que essa falha revela sobre os benchmarks atuais de IA?
Sugere que os benchmarks padrão de agentes e raciocínio podem não testar adequadamente o fundamento físico e a compreensão espacial dinâmica, permitindo que modelos com pontuações altas ainda possuam pontos cegos críticos.