AREX-2 vs MathForm-8B: Um verificador de provas e um loop de busca são tipos diferentes de verificação

MathForm-8B e AREX-2 são os dois modelos mais rigorosamente verificáveis desta série, e verificam-se de maneiras opostas. O MathForm-8B é o autoformalizador de 8 bilhões de parâmetros da OpenBMB, lançado em agosto de 2026: dê a ele um problema de matemática escrito em inglês simples e ele produz uma declaração formalmente correta em Lean 4 desse problema, que o compilador de um assistente de provas então verifica. O AREX-2 é um repositório do Hugging Face que a BAAI criou em 29 de setembro de 2026, às 17:56 UTC, contendo um .gitattributes e nenhum peso, nenhum model card, nenhuma etiqueta de licença e nenhum anúncio — um nome reservado para uma provável segunda geração dos agentes de pesquisa profunda AREX da BAAI, cuja primeira geração se verifica reverificando sua própria resposta em relação às restrições que lhe foram dadas.

A questão interessante aqui, portanto, não é qual modelo é melhor. É o que significa, para um modelo, ser verificável, porque um desses dois é verificado por um compilador que não se importa com o que qualquer pessoa acredita, e o outro é verificado, se o precedente da família se mantiver, por um laço que o mesmo modelo está executando. Essa distinção sobrevive mesmo que um dos lados da comparação ainda não tenha sido lançado, e é a razão pela qual esses dois pertencem à mesma conversa, para começar.

O lado que existe, e a razão pela qual ele é verificável.

MathForm-8B tem uma descrição de trabalho restrita, e vale a pena enunciá-la com precisão porque a estreiteza é o ponto. Ele não resolve problemas matemáticos e não afirma fazê-lo. Foi ajustado no FormalVerse, um corpus de aproximadamente 367.000 exemplos verificados de Lean 4, e sua recompensa de treinamento veio do compilador Lean, e não de um modelo de preferência humana. Dada uma declaração informal, ele emite os imports, os tipos e o cabeçalho do teorema — deixando a própria obrigação de prova em aberto — para que um compilador possa confirmar que a formalização diz o que o problema informal dizia.

Seus números publicados, todos reportados pelo fornecedor OpenBMB e nenhum reproduzido de forma independente, são uma média de Pass@8 de 88,06% sob uma verificação de sintaxe e 72,37% sob uma verificação de consistência mais rigorosa em seis benchmarks, caindo para 63% e 37% nos subconjuntos mais difíceis FATE-H e FATE-X. Leia esses números pelo que são: um modelo medido em relação a um sistema formal, no qual uma resposta errada é uma falha de compilação, e não uma discordância sobre qualidade. Essa é uma propriedade rara. A maioria das alegações de benchmark neste blog baseia-se num avaliador em que é preciso confiar; esta baseia-se em aritmética que uma máquina executa.

O lado que ainda não existe, e por que sua verificação é diferente

Os únicos factos confirmáveis do AREX-2 são a organização, o nome e o carimbo temporal. Nada foi carregado e a BAAI não disse nada. No entanto, a família por trás do nome existe, e foi lançada em 23 de julho de 2026 como AREX-Base — uma mistura de especialistas de 122 mil milhões de parâmetros com 10 mil milhões de parâmetros ativos numa base Qwen3.5-122B-A10B — juntamente com o AREX-Turbo, um denso de 4B. Ambos Apache 2.0, ambos agentes em vez de modelos de chat.

O design do AREX é uma estrutura de pesquisa de dois ciclos, e o ciclo externo é uma etapa de verificação. Um ciclo interno reúne evidências a partir de busca e navegação, integra-as e produz uma resposta candidata com um valor de confiança associado. O ciclo externo então verifica essa candidata em relação às restrições originais e decide: aceitá-la, refiná-la ou descartar a trajetória e recomeçar. Entre iterações, o modelo mantém um bloco de contexto com descobertas verificadas, candidatas abertas, restrições não resolvidas e o próximo plano, o que é o que lhe permite seguir uma longa linha de investigação sem perder o fio. A BAAI relata 82,5 no BrowseComp, 85,4 no GAIA e 89,9 no DeepSearch QA para o Base, e 70,7 / 81,6 / 78,5 para o Turbo — números do próprio fornecedor, não reproduzidos.

Isso é uma forma real e útil de autoverificação. Também é categoricamente mais fraca do que um compilador. Quando o laço externo do AREX decide que uma resposta satisfaz suas restrições, o julgamento vem de um modelo de linguagem lendo as restrições. Quando o Lean aceita uma formalização do MathForm-8B, o julgamento vem de um verificador de tipos que implementa um cálculo fixo. Nenhum dos dois está livre de erro — uma formalização pode ser Lean válido que captura o teorema errado —, mas apenas um deles pode estar errado sem que ninguém perceba, e a diferença não é uma questão de grau.

• Disponibilidade — MathForm-8B pode ser baixado do OpenBMB com uma ficha publicada. AREX-2 é um repositório sem arquivos.

• Parâmetros — 8B denso para MathForm-8B. Desconhecido para AREX-2; a família abrange um mixture-of-experts de 122B e um denso de 4B.

• O que produz — Enunciados de teoremas em Lean 4 para o MathForm-8B, com a prova deixada em aberto por design. Desconhecido para o AREX-2; a primeira geração produziu uma resposta pesquisada com um índice de confiança.

• Como é verificado — o compilador Lean, para o MathForm-8B. Um loop de verificação dentro do mesmo modelo, com base nas evidências do AREX-Base.

• Licença — termos próprios da OpenBMB para o MathForm-8B; nada declarado ainda para o AREX-2. A primeira geração do AREX era Apache 2.0.

• Números de destaque — 88,06% verificados quanto à sintaxe e 72,37% verificados quanto à consistência de Pass@8 para o MathForm-8B, segundo o fornecedor. Não existem para o AREX-2.

Dois trabalhos que uma pilha pode conter ao mesmo tempo

Estes modelos não se sobrepõem em função, e vale a pena dizer isso antes que alguém leia um "versus" como uma escolha. O MathForm-8B é uma interface de entrada para um assistente de provas. Sua saída é um enunciado de teorema sobre o qual um matemático ou um provador automatizado então trabalha. Seu lugar natural é dentro de um pipeline de verificação para matemática, métodos formais ou trabalho de especificação, em que o valor está no fato de uma ferramenta a jusante poder consumir a saída sem confiar no modelo.

AREX-2, se continuar a sua família, é um back-end para perguntas que não têm compilador. "Qual destes três documentos apresentados é inconsistente com os outros dois" não tem um sistema formal com o qual possa ser verificada, e a única defesa disponível é reunir mais evidências e reexaminar o seu próprio raciocínio — que é exatamente o ciclo externo do AREX. Uma equipe que precise de ambos os executaria em locais diferentes: a formalização para a parte do problema que pode ser formalizada, e um agente de busca e verificação para a parte que não pode.

Essa separação também é a resposta honesta para qual destes você pode agir nesta semana. MathForm-8B já foi lançado, está documentado e é utilizável agora. AREX-2 é apenas um nome.

Como é a história de roteamento quando a verificação é o assunto

Como os dois são usados de forma tão diferente, a questão da infraestrutura também se divide.

Para o MathForm-8B, a carga de trabalho é uma rajada de gerações curtas e determinísticas cuja saída vai direto para um compilador. O que importa é que o modelo esteja acessível e que uma chamada falhada seja tentada novamente, porque um pipeline de formalização que descarta uma requisição parece idêntico a um pipeline de formalização que falhou — e apenas um desses é um fato sobre o modelo. O failover automático entre provedores é o recurso específico que mantém esses dois separados. O OrcaRouter não disponibiliza nem o MathForm-8B nem o AREX-2 hoje, então os pesos do OpenBMB vêm da distribuição do próprio OpenBMB e qualquer endpoint hospedado é de terceiros; o que oferecemos é o roteamento na frente, com o preço de tabela do provedor repassado e nada acrescentado por token.

Para um agente como o AREX-Base, a forma é mais difícil e o argumento a favor do roteamento é mais forte. Uma trajetória de pesquisa profunda faz dezenas de chamadas de modelo por consulta, cada uma relendo um contexto que cresce à medida que as evidências se acumulam, e os modos de falha se agravam: um provedor que atinge o tempo limite no passo dezenove de vinte e cinco não degrada a resposta, ele produz uma resposta errada com confiança.uma API para mais de 200 modelos com uma regra de failover que decide em tempo de execução, de modo que um único provedor problemático seja uma nova tentativa em vez de uma citação ruim.

A única coisa a que se deve estar atento, e a única coisa que não se deve presumir

Três fatos responderiam à maioria das questões em aberto sobre o AREX-2, e todos os três são visíveis de fora: se arquivos aparecem nesse repositório, que contagem de parâmetros o card afirma, e se ele carrega a tag Apache 2.0 que seus dois antecessores carregavam. Até que isso aconteça, a única afirmação defensável sobre o AREX-2 é que a BAAI reservou o nome em 29 de setembro de 2026 e não anunciou nada.

O que não se deve presumir é que uma segunda geração herde a forma da primeira. Um “2” é um nome de produto, não uma arquitetura. Pode ser maior que o 122B Base, ou pode ser uma pequena destilação do mesmo framework — e, dado que a família já lançou ao mesmo tempo tanto uma camada de qualidade quanto uma camada de custo de serving, ambas as interpretações são plausíveis. O que não é plausível, neste momento, é publicar uma especificação para ele.