LIMI: Menos é Mais para Agência

LIMI: Less is More for Agency

September 22, 2025

Autores: Yang Xiao, Mohan Jiang, Jie Sun, Keyu Li, Jifan Lin, Yumin Zhuang, Ji Zeng, Shijie Xia, Qishuo Hua, Xuefeng Li, Xiaojie Cai, Tongyu Wang, Yue Zhang, Liming Liu, Xia Wu, Jinlong Hou, Yuan Cheng, Wenjie Li, Xiang Wang, Dequan Wang, Pengfei Liu

cs.AI

Resumo

Definimos Agência como a capacidade emergente de sistemas de IA de funcionar como agentes autônomos que descobrem problemas ativamente, formulam hipóteses e executam soluções por meio de engajamento autodirigido com ambientes e ferramentas. Essa capacidade fundamental marca o alvorecer da Era da Agência da IA, impulsionada por uma mudança crítica na indústria: a necessidade urgente de sistemas de IA que não apenas pensam, mas trabalham. Embora a IA atual se destaque em raciocínio e geração de respostas, as indústrias demandam agentes autônomos que possam executar tarefas, operar ferramentas e gerar resultados no mundo real. À medida que a inteligência agentiva se torna a característica definidora que separa sistemas cognitivos de trabalhadores produtivos, cultivar eficientemente a autonomia das máquinas torna-se primordial. As abordagens atuais assumem que mais dados geram melhor agência, seguindo as leis tradicionais de escalonamento da modelagem de linguagem. Desafiamos fundamentalmente esse paradigma. LIMI (Less Is More for Intelligent Agency) demonstra que a agência segue princípios de desenvolvimento radicalmente diferentes. Por meio de um foco estratégico no desenvolvimento colaborativo de software e fluxos de trabalho de pesquisa científica, mostramos que uma inteligência agentiva sofisticada pode emergir de demonstrações mínimas, mas estrategicamente curadas, de comportamento autônomo. Usando apenas 78 amostras de treinamento cuidadosamente projetadas, o LIMI alcança 73,5% em benchmarks abrangentes de agência, superando dramaticamente os modelos state-of-the-art: Kimi-K2-Instruct (24,1%), DeepSeek-V3.1 (11,9%), Qwen3-235B-A22B-Instruct (27,5%) e GLM-4.5 (45,1%). Mais impressionante ainda, o LIMI demonstra uma melhoria de 53,7% em relação a modelos treinados com 10.000 amostras — alcançando inteligência agentiva superior com 128 vezes menos amostras. Nossas descobertas estabelecem o Princípio da Eficiência da Agência: a autonomia das máquinas emerge não da abundância de dados, mas da curadoria estratégica de demonstrações agentivas de alta qualidade.

English

We define Agency as the emergent capacity of AI systems to function as autonomous agents actively discovering problems, formulating hypotheses, and executing solutions through self-directed engagement with environments and tools. This fundamental capability marks the dawn of the Age of AI Agency, driven by a critical industry shift: the urgent need for AI systems that don't just think, but work. While current AI excels at reasoning and generating responses, industries demand autonomous agents that can execute tasks, operate tools, and drive real-world outcomes. As agentic intelligence becomes the defining characteristic separating cognitive systems from productive workers, efficiently cultivating machine autonomy becomes paramount. Current approaches assume that more data yields better agency, following traditional scaling laws from language modeling. We fundamentally challenge this paradigm. LIMI (Less Is More for Intelligent Agency) demonstrates that agency follows radically different development principles. Through strategic focus on collaborative software development and scientific research workflows, we show that sophisticated agentic intelligence can emerge from minimal but strategically curated demonstrations of autonomous behavior. Using only 78 carefully designed training samples, LIMI achieves 73.5% on comprehensive agency benchmarks, dramatically outperforming state-of-the-art models: Kimi-K2-Instruct (24.1%), DeepSeek-V3.1 (11.9%), Qwen3-235B-A22B-Instruct (27.5%), and GLM-4.5 (45.1%). Most strikingly, LIMI demonstrates 53.7% improvement over models trained on 10,000 samples-achieving superior agentic intelligence with 128 times fewer samples. Our findings establish the Agency Efficiency Principle: machine autonomy emerges not from data abundance but from strategic curation of high-quality agentic demonstrations.