Surge AI

O principal ativo da Surge é quem dá a nota. A empresa fala de mais de 200 mil doutores na rede e cita economistas atuantes, litigantes, engenheiros da NASA, medalhistas da OMI e médicos entre seus colaboradores. Em trabalho de alto risco, isso pesa mais do que volume. Um advogado lendo um contrato encontra erros que um anotador comum deixa passar, e essa diferença entra nos dados de preferência que o modelo aprende a usar. O acesso é por disciplina, então áreas muito específicas demoram mais para ser cobertas do que as gerais. É um serviço de anotação especializada de dados antes de ser uma plataforma de etiquetagem em massa, o inverso das ferramentas de multidão.

Esta é a parte do catálogo voltada para agentes. A Surge monta ambientes de várias etapas com ferramentas, sistemas internos e servidores MCP, e depois escreve verificadores que pontuam se o agente realmente terminou o trabalho. Uma montagem publicada simula uma empresa de atendimento e treina modelos com tickets realistas; outra reproduz o acompanhamento de políticas corporativas em um manual de cem páginas. A vantagem é que errar sai barato: o agente pode se enganar mil vezes na simulação antes de tocar um sistema real.

Uma rubrica transforma julgamento subjetivo em nota, e é aí que está o motor de boa parte dos dados de RLHF coletados pela Surge. Numa tarefa de preferência, a pessoa escolhe a melhor de duas respostas; numa tarefa com rubrica, a mesma pessoa quebra a qualidade em critérios com pesos. Assim, uma biografia ganha pontos por seguir fielmente a vida do personagem e perde por deixar de fora o que a tornava interessante. Essa estrutura permite avaliar em volume sem alguém reler cada resposta, e ainda separa o competente do excelente, algo que um simples aprovado ou reprovado esconde.

O catálogo vende os mesmos dados que a Surge usa no trabalho com laboratórios, sem exigir encomenda. As categorias cobrem agentes de programação, agentes corporativos, raciocínio multimodal e raciocínio especializado, com conjuntos como GDP.pdf, Chartography e ComplexConstraints. Entre os resultados publicados, o Kimi K2.7 ganha 20 pontos no SWE-Marathon depois de treinar com o conjunto de código. Parceiros do programa Trusted podem treinar primeiro e pagar se funcionar, o que reduz o risco de comprar dados antes de ver um número se mexer.

A Surge publica seus próprios rankings, pontuados por profissionais e não por outro modelo. O Antidote ordena respostas cotidianas pela utilidade no longo prazo, o Hemingway-bench avalia escrita por gosto e inteligência emocional, e a série DAYJOB testa agentes em finanças e saúde. O Riemann-bench usa problemas avançados de matemáticos atuantes. Esses benchmarks dão aos compradores uma referência comum e, de quebra, sustentam o argumento público de que um avaliador especialista supera o automático.

A Surge trabalha em mais de 70 idiomas com linguistas que desenham os dados a partir de gramática, expressões e uso local, sem traduzir prompts do inglês. Na parte multimodal, cobre imagem, áudio, vídeo, documentos e interfaces. Um resumo jurídico em coreano ou uma manchete brasileira é escrito por alguém que lê aquilo nativamente, e isso aparece quando o modelo é lançado fora dos mercados anglófonos.