Fortytwo lança a API Engine e relata redução de 24,7% no uso de tokens em tarefas de programação

Fortytwo lançou o Fortytwo Engine, uma API de inferência que utiliza modelos de IA em cooperação para aprimorar o raciocínio e reduzir a quantidade de texto gerado necessária para concluir uma tarefa. A empresa informa que seu primeiro modelo compatível, Qwen 3.8 27B, usou 24,7% menos tokens em 450 execuções de tarefas de engenharia de software do DeepSWE do que o mesmo modelo funcionando sozinho, além de resolver uma parcela maior das tarefas.

O anúncio aborda um problema de custos crescente para agentes de IA: um preço baixo por token não significa necessariamente um custo baixo por tarefa concluída. Execuções longas de programação e pesquisa podem acumular contextos repetidos, chamadas desnecessárias a ferramentas e novas tentativas. Segundo a empresa, a abordagem da Fortytwo busca reduzir esse trabalho desperdiçado durante o processo de inferência, mantendo o preço por token no mesmo nível do modelo-base.

Orientar o raciocínio antes que os erros se acumulem

A Fortytwo chama de Swarm Decoder a tecnologia que está por trás do novo Engine. Vários modelos participantes moldam uma trajetória de raciocínio compartilhada enquanto ela é gerada, avaliando qual direção é mais promissora antes de a resposta ficar pronta. O objetivo é identificar pressupostos frágeis desde o início, evitando a geração adicional e o trabalho de recuperação que vêm depois de uma decisão equivocada.

Isso representa uma mudança em relação à arquitetura anterior da Fortytwo. Em sua pesquisa de 2025 sobre inferência em enxame, nós separados produziam respostas independentes, comparavam-nas diretamente e combinavam as contribuições mais fortes. A empresa descreve um mecanismo estatístico de classificação que dá mais peso aos nós com resultados comprovados, enquanto a avaliação entre pares ajuda a estabelecer sua reputação. A abordagem anterior avaliava respostas já concluídas; o novo Engine incorpora a classificação entre pares ao próprio processo de raciocínio.

Essa diferença é importante para agentes que executam muitas etapas. Selecionar a melhor resposta final pode aprimorar o resultado, mas não recupera os tokens já gastos na geração de alternativas mais fracas. A orientação contínua busca impedir que uma trajetória improdutiva se desenvolva desde o início. A Fortytwo afirma que sua contabilização de tokens inclui todos os modelos participantes, em vez de contar apenas a resposta final.

O CEO e cofundador Ivan Nikitin descreveu o benefício como duplo: “O raciocínio coletivo compensa duas vezes: as respostas são melhores e as tarefas exigem menos tokens.”

O que os testes da Fortytwo mostram

Na avaliação DeepSWE da empresa, o Engine obteve pontuação de 47,8, contra 42,2 do modelo-base, uma melhora de 5,6 pontos percentuais. O uso médio de tokens caiu de 16,3 milhões para 12,3 milhões por execução. Considerando as 450 execuções, a Fortytwo informa totais de 7,4 bilhões de tokens para o modelo-base e 5,6 bilhões para o Engine.

Os materiais de lançamento também relatam pontuações mais altas em outros cinco benchmarks, que abrangem ciência, programação e raciocínio geral:

Fonte: anúncio de lançamento da Fortytwo. As pontuações comparam o Qwen 3.8 27B com e sem o Engine, de acordo com o protocolo de avaliação da empresa.

Esses resultados foram relatados pela empresa. A redução de 24,7% no uso de tokens refere-se especificamente às execuções do DeepSWE; não deve ser interpretada como uma economia comprovada em todos os benchmarks ou em todas as cargas de trabalho de produção. Para os desenvolvedores, o teste prático é verificar se um modelo conclui suas próprias tarefas com precisão usando menos tokens no total, menos novas tentativas e menos chamadas a ferramentas.

API conhecida, com limites de compatibilidade definidos

O serviço está disponível na plataforma de desenvolvimento da Fortytwo. A documentação da API descreve a compatibilidade com a API Chat Completions da OpenAI, permitindo que um SDK ou cliente já existente use uma chave de API da Fortytwo e uma URL base, além de um ID de modelo compatível.

Entre os recursos documentados estão streaming, ferramentas de função, chamadas paralelas a ferramentas e saída estruturada. Os desenvolvedores também podem selecionar um nível de esforço de raciocínio. Esses recursos tornam o serviço relevante para agentes que precisam chamar ferramentas de software e retornar resultados legíveis por máquina, em vez de apenas gerar texto conversacional.

A compatibilidade tem limites. A documentação lista Chat Completions e a listagem de modelos como endpoints compatíveis, enquanto APIs como Responses, Embeddings, Audio, Files e Assistants não são compatíveis. Alguns campos de solicitação têm compatibilidade apenas parcial ou dependem do modelo selecionado, e campos não compatíveis geram um erro em vez de serem ignorados silenciosamente. Por isso, as equipes que migrarem uma aplicação existente devem conferir suas solicitações reais com o guia de compatibilidade.

Uma aposta mais ampla na IA coletiva

O Engine funciona em conjunto com o Fortytwo Harbor, a solução da empresa para organizações que desejam implantar inferência em enxame na própria infraestrutura. A Fortytwo apresenta o Harbor como uma forma de manter os dados dentro do perímetro da organização e usar um custo fixo de hardware, em vez da cobrança por token das APIs.

O programa de pesquisa mais amplo da empresa também inclui a geração de dados de treinamento por meio de sua rede de modelos. O site destaca o Strand-Rust-Coder-14B, um modelo aberto treinado com um conjunto de dados gerado pela Fortytwo. Esse trabalho aborda o treinamento de modelos, enquanto o novo Engine se concentra em aprimorar o raciocínio de modelos existentes com pesos abertos durante a inferência.

Fundada em 2024, a Fortytwo afirma ter uma equipe de 15 engenheiros, com integrantes em Mountain View e Abu Dhabi, ter captado US$ 2,3 milhões em financiamento pré-semente em 2025 e ter ingressado no ecossistema Hub71 de Abu Dhabi em 2026. Após o Qwen 3.8 27B, está prevista a inclusão de mais modelos abertos no Engine.

O lançamento põe em foco o custo por tarefa concluída com sucesso. Se a avaliação contínua entre pares conseguir evitar de forma confiável desperdício suficiente de raciocínio para compensar seu próprio custo adicional, os desenvolvedores poderão contar com outra maneira de melhorar a economia dos agentes, além de modelos melhores e hardware mais rápido.