Pesquisadores da Snowflake e da Universidade de Washington lançaram o MidTool em 20 de agosto, um corpus aberto de 20.3B-token e um pipeline para treinar LLMs no uso de ferramentas entre pretraining e fine-tuning específico de tarefas. Mid-training de Qwen3-4B-Base e Qwen3-8B-Base no MidTool-Mix produziu modelos que superam os lançamentos instruction-tuned oficiais da Qwen3 no MCP Universe em ambas as contagens de parâmetros, antes de qualquer post-training específico de tarefas.

A afirmação central: o conhecimento para o tool-use confiável—quando chamar uma função, como extrair argumentos de contexto ruidoso, como recuperar quando um campo está faltando—vive em documentação de desenvolvedor, especificações de API, repositórios de código e PDFs, não em trajetórias de agentes curadas. Post-training vê muito pouco deste material muito tarde. MidTool move a exposição para mais cedo.

O pipeline constrói MidTool-Mix a partir de quatro fontes: páginas web, PDFs, repositórios de código e artefatos de ferramentas estruturadas. Dois ramos de síntese convertem material bruto em sinal de treinamento. A augmentação de trajetória com grounding de contexto toma documentação e código para produzir supervisão para reconhecer limites de ferramentas, inferir parâmetros e reconstruir estrutura de workflow a partir de texto bagunçado e incompleto. A síntese de trajetória agentic nativa constrói trajetórias multi-turn executáveis a partir de APIs ao vivo e definições de skill do MCP, com validação explícita de schema grounding, completude de argumentos, ordenação de turnos e consistência de tool-response.

O corpus visa quatro capacidades atômicas: reconhecer affordances de ferramentas a partir de linguagem natural, grounding de call arguments a partir de contexto longo ruidoso, compor múltiplas ferramentas em workflows sequenciais e recuperar quando informação necessária está ausente. Estes mapeiam diretamente para modos de falha em produção—JSON malformado em schemas aninhados, valores de argumentos alucinados, tarefas abandonadas quando uma API retorna null. SFT padrão endereça o caminho feliz; MidTool codifica casos de erro.

Após mid-training, a equipe aplica post-training convencional sob tanto SFT quanto RL, avaliando em BFCL, τ²-Bench e MCP Universe. MidTool-Mix melhora resultados sob ambos os pipelines nos três benchmarks. O destaque: modelos 4B e 8B com mid-training superam os modelos instruction-tuned oficiais da Qwen3 no MCP Universe. O paper enquadra mid-training como composição com, não substituição por, post-training—o estágio mid-training instala um prior estrutural que melhora a eficiência de SFT e RL subsequentes.

Um paper relacionado de mid-training (arxiv 2607.12463) testou um corpus de FIM somente Python em agentes de coding e encontrou ganhos transferidos para τ-bench e BFCL apesar de não conter zero trajetórias de tool-use. O mecanismo proposto: chamadas de função e passos de action-observation de agente compartilham uma estrutura de quatro partes. MidTool visa este isomorfismo diretamente, explicando o tamanho de 20.3B-token versus o corpus de coding de 2.6B-token—o conhecimento de tool-use é mais heterogêneo que estrutura de código.

Corpus, modelos e pipeline são lançados em hf.co/collections/MidTool/midtool-release. Para arquitetos decidindo se devem construir tool-calling em um modelo base antes de fine-tuning específico de tarefas, MidTool fornece uma receita reproduzível com pesos públicos em duas escalas de parâmetros que fazem benchmark contra uma baseline oficial.