Uma abordagem diferente: modelos causais de mundo em vez de retreinamento

Em vez de atualizar continuamente os pesos internos de um modelo, a kausable treina um modelo fundacional uma única vez e utiliza modelos causais de "mundo" — construídos com dados sintéticos e aprendizado em contexto — para inferir a estrutura subjacente de qualquer novo sistema a partir de uma observação curta . A empresa afirma que o modelo continua funcionando quando as condições mudam, sem a necessidade de um novo ciclo de treinamento .

A tese central é que os sistemas de IA atuais são fundamentalmente estáticos: eles memorizam padrões dos dados de treinamento e quebram quando o mundo se move. A kausable descreve sua alternativa como uma IA de "raciocínio em primeiro lugar" — modelos projetados para aprender e se adaptar de forma mais parecida com os humanos, usando raciocínio causal para entender por que um sistema se comporta de determinada maneira e se ajustar de acordo .

Fundadores

A kausable foi fundada por três físicos que se conheceram na Universidade de Heidelberg:

• Johannes Haux — CEO
• Dr. Benjamin Herdeanu — CTO
• Gregor Ramien — COO

Os três trazem experiência de pesquisa acadêmica na Universidade de Heidelberg e aplicação prática em segurança cibernética, bancos e startups . A empresa surgiu do Departamento de Física e Astronomia da Universidade de Heidelberg, o mesmo ambiente de pesquisa que produziu o Black Forest Labs .

Investidores e apoiadores

A rodada seed foi co-liderada pela UVC Partners (alemã) e pela Entourage (belga), com participação dos investidores pré-seed HTGF e Mätch VC . Outros apoiadores institucionais incluem o Black Forest Labs (BFL), o ELLIS (Laboratório Europeu de Aprendizado e Sistemas Inteligentes), a Campione Venture e a Secunet .

A lista de investidores-anjo é notável, com nomes de organizações de ponta em IA:

• Cofundadores do Black Forest Labs (Robin Rombach e Andreas Blattmann)
• Sandro Gianella (Estratégia e Operações Internacionais, OpenAI)
• Dorothy Chou (Conselheira Estratégica, DeepMind)
• Outros anjos ligados à Noxtua e ao ELLIS

TipPFN — Modelo de previsão zero-shot

O primeiro produto da kausable é o TipPFN (Tipping Point Prior-data Fitted Network, ou Rede Ajustada a Dados Prévios de Ponto de Inflexão), um modelo de previsão zero-shot que detecta a proximidade de um sistema a uma transição crítica ou "ponto de inflexão" . Principais detalhes:

• Publicado como artigo de pesquisa (arXiv 2605.12308) em colaboração com a Universidade Columbia
• Usa uma estrutura de aprendizado em contexto com uma rede ajustada a dados prévios para inferir a proximidade de transições críticas a partir de séries temporais curtas e ruidosas
• Demonstra detecção precoce de transições críticas com desempenho de ponta em sistemas dinâmicos nunca antes vistos, incluindo transferência sim-para-real e observações do mundo real
• Alega desempenho robusto em 14 domínios, com generalização zero-shot para sistemas nos quais não foi explicitamente treinado
• Visa prever eventos "cisne negro" — ocorrências raras e de alto impacto — nas áreas de saúde, energia, finanças e clima

O site da empresa afirma que o TipPFN "prova sua superioridade em 14 domínios, apresentando capacidades zero-shot" . No entanto, até o anúncio da captação, a kausable não havia divulgado um produto comercial, preços públicos, clientes em produção ou resultados de implantação verificados de forma independente .

Aplicações planejadas

A kausable está mirando três grandes domínios onde os modelos estáticos de IA falham:

• Robótica — modelos de mundo que se adaptam a ambientes em mudança sem retreinamento, permitindo que robôs lidem com situações novas em tempo real
• Previsão — detecção de pontos de inflexão em sistemas complexos (por exemplo, falhas em redes elétricas, surtos de doenças, crises financeiras) usando o TipPFN
• Sistemas industriais — IA escalável que pode ser implantada em todo um cenário industrial sem se tornar uma série de projetos caros e pontuais de retreinamento

A empresa descreve sua missão como "IA de fronteira que se adapta tão rápido quanto o mundo ao seu redor", transformando a IA de modelos estáticos e dependentes de retreinamento em sistemas que podem ser amplamente implantados e continuar funcionando quando as condições mudam .

Resumo

A rodada seed de €12 milhões da kausable é uma aposta em uma abordagem fundamentalmente diferente para a IA — uma que enfatiza o raciocínio causal, dados sintéticos e aprendizado em contexto em vez de ciclos de treinamento cada vez maiores. As alegações da empresa são ambiciosas: modelos que se adaptam a novas situações a partir de alguns exemplos, preveem eventos catastróficos raros e continuam funcionando quando o mundo muda. O artigo de pesquisa do TipPFN fornece validação acadêmica, mas a startup ainda não lançou um produto comercial nem demonstrou implantação em escala real . Os próximos 12 a 18 meses mostrarão se sua abordagem de raciocínio em primeiro lugar pode sair de uma pesquisa promissora e se tornar um sistema pronto para empresas.

Uma abordagem diferente: modelos causais de mundo em vez de retreinamento

Em vez de atualizar continuamente os pesos internos de um modelo, a kausable treina um modelo fundacional uma única vez e utiliza modelos causais de "mundo" — construídos com dados sintéticos e aprendizado em contexto — para inferir a estrutura subjacente de qualquer novo sistema a partir de uma observação curta . A empresa afirma que o modelo continua funcionando quando as condições mudam, sem a necessidade de um novo ciclo de treinamento .

A tese central é que os sistemas de IA atuais são fundamentalmente estáticos: eles memorizam padrões dos dados de treinamento e quebram quando o mundo se move. A kausable descreve sua alternativa como uma IA de "raciocínio em primeiro lugar" — modelos projetados para aprender e se adaptar de forma mais parecida com os humanos, usando raciocínio causal para entender por que um sistema se comporta de determinada maneira e se ajustar de acordo .

Fundadores

A kausable foi fundada por três físicos que se conheceram na Universidade de Heidelberg:

• Johannes Haux — CEO
• Dr. Benjamin Herdeanu — CTO
• Gregor Ramien — COO

Os três trazem experiência de pesquisa acadêmica na Universidade de Heidelberg e aplicação prática em segurança cibernética, bancos e startups . A empresa surgiu do Departamento de Física e Astronomia da Universidade de Heidelberg, o mesmo ambiente de pesquisa que produziu o Black Forest Labs .

Investidores e apoiadores

A rodada seed foi co-liderada pela UVC Partners (alemã) e pela Entourage (belga), com participação dos investidores pré-seed HTGF e Mätch VC . Outros apoiadores institucionais incluem o Black Forest Labs (BFL), o ELLIS (Laboratório Europeu de Aprendizado e Sistemas Inteligentes), a Campione Venture e a Secunet .

A lista de investidores-anjo é notável, com nomes de organizações de ponta em IA:

• Cofundadores do Black Forest Labs (Robin Rombach e Andreas Blattmann)
• Sandro Gianella (Estratégia e Operações Internacionais, OpenAI)
• Dorothy Chou (Conselheira Estratégica, DeepMind)
• Outros anjos ligados à Noxtua e ao ELLIS

TipPFN — Modelo de previsão zero-shot

O primeiro produto da kausable é o TipPFN (Tipping Point Prior-data Fitted Network, ou Rede Ajustada a Dados Prévios de Ponto de Inflexão), um modelo de previsão zero-shot que detecta a proximidade de um sistema a uma transição crítica ou "ponto de inflexão" . Principais detalhes:

• Publicado como artigo de pesquisa (arXiv 2605.12308) em colaboração com a Universidade Columbia
• Usa uma estrutura de aprendizado em contexto com uma rede ajustada a dados prévios para inferir a proximidade de transições críticas a partir de séries temporais curtas e ruidosas
• Demonstra detecção precoce de transições críticas com desempenho de ponta em sistemas dinâmicos nunca antes vistos, incluindo transferência sim-para-real e observações do mundo real
• Alega desempenho robusto em 14 domínios, com generalização zero-shot para sistemas nos quais não foi explicitamente treinado
• Visa prever eventos "cisne negro" — ocorrências raras e de alto impacto — nas áreas de saúde, energia, finanças e clima

O site da empresa afirma que o TipPFN "prova sua superioridade em 14 domínios, apresentando capacidades zero-shot" . No entanto, até o anúncio da captação, a kausable não havia divulgado um produto comercial, preços públicos, clientes em produção ou resultados de implantação verificados de forma independente .

Aplicações planejadas

A kausable está mirando três grandes domínios onde os modelos estáticos de IA falham:

• Robótica — modelos de mundo que se adaptam a ambientes em mudança sem retreinamento, permitindo que robôs lidem com situações novas em tempo real
• Previsão — detecção de pontos de inflexão em sistemas complexos (por exemplo, falhas em redes elétricas, surtos de doenças, crises financeiras) usando o TipPFN
• Sistemas industriais — IA escalável que pode ser implantada em todo um cenário industrial sem se tornar uma série de projetos caros e pontuais de retreinamento

A empresa descreve sua missão como "IA de fronteira que se adapta tão rápido quanto o mundo ao seu redor", transformando a IA de modelos estáticos e dependentes de retreinamento em sistemas que podem ser amplamente implantados e continuar funcionando quando as condições mudam .

Resumo

A rodada seed de €12 milhões da kausable é uma aposta em uma abordagem fundamentalmente diferente para a IA — uma que enfatiza o raciocínio causal, dados sintéticos e aprendizado em contexto em vez de ciclos de treinamento cada vez maiores. As alegações da empresa são ambiciosas: modelos que se adaptam a novas situações a partir de alguns exemplos, preveem eventos catastróficos raros e continuam funcionando quando o mundo muda. O artigo de pesquisa do TipPFN fornece validação acadêmica, mas a startup ainda não lançou um produto comercial nem demonstrou implantação em escala real . Os próximos 12 a 18 meses mostrarão se sua abordagem de raciocínio em primeiro lugar pode sair de uma pesquisa promissora e se tornar um sistema pronto para empresas.