FSRS-5 vs SM-2: o comparativo técnico dos algoritmos de repetição espaçada
SM-2 ou FSRS-5? Comparativo técnico completo: modelo de memória, ease hell, personalização, benchmark Expertium 700M revisões. FSRS-5 reduz as revisões em 25% com a mesma retenção.
1. SM-2 vs FSRS-5: o veredicto em 30 segundos
O SM-2 (Wozniak, 1987) dominou a repetição espaçada durante 35 anos. O FSRS-5 (Anderson & Ye, 2022-2024) tornou-o obsoleto em quase todos os critérios mensuráveis.
SM-2 (SuperMemo, 1987)
Algoritmo de regras estáticas, parâmetros globais, fator de facilidade fixo.
- E-factor global (sem modelo por carta dinâmico)
- Intervalos calculados por regras fixas
- Ease hell: mínimo do e-factor em 1.3 irreversível
- Nenhuma personalização automática
- Precisão de retenção ±15% nos benchmarks
FSRS-5 (2022-2024)
Modelo neuronal diferenciável, 3 parâmetros por carta, aprendizagem do histórico.
- Estabilidade + Dificuldade + Recuperabilidade por carta
- Função de perda minimizada no teu histórico real
- Zero ease hell: estabilidade recalculada dinamicamente
- Otimização personalizada com 1000+ revisões
- Precisão de retenção ±5% nos benchmarks
Veredicto: o FSRS-5 reduz o número de revisões diárias em ~25% para uma retenção idêntica de 90%. Se ainda usas SM-2 hoje, estás a fazer mais revisões do que o necessário.
2. Como o SM-2 funciona (e por que trava)
Piotr Wozniak publicou o SM-2 em 1987 num contexto em que os computadores pessoais tinham 640 KB de RAM. O algoritmo precisava ser leve, calculável à mão e funcionar sem histórico detalhado.
O princípio é simples: cada carta tem um e-factor (fator de facilidade), inicializado em 2.5. Após cada revisão, notas a tua resposta de 0 a 5. O intervalo seguinte é calculado assim:
- Revisão 1 → 1 dia
- Revisão 2 → 6 dias
- Revisão n →
intervalo(n-1) × e-factor
O e-factor atualiza-se segundo a nota: se premes "difícil" (nota < 3), o e-factor baixa. Se atingir 1.3 (mínimo), a carta volta de poucos em poucos dias para sempre, independentemente de quantas vezes a revises corretamente.
É o ease hell. Um termo inventado pela comunidade Anki para designar o fenómeno em que um deck "difícil" acumula centenas de cartas presas no e-factor 1.3, que saturam as sessões de revisão sem nunca progredirem para intervalos longos.
O SM-2 tem outro defeito estrutural: os seus parâmetros são globais. O algoritmo aplica as mesmas regras a todas as tuas cartas, qualquer que seja o teu perfil memorístico pessoal. Um estudante de medicina que revisa 500 cartas por dia e um aluno de liceu que revisa 20 cartas recebem os mesmos intervalos calculados segundo as mesmas fórmulas.
As 3 variáveis-chave da memória (modelo DSR)
O FSRS assenta no modelo DSR (Difficulty-Stability-Retrievability), formalizado por Averell & Heathcote (2011) e implementado por Jarrett Ye (2022):
- Estabilidade (S): duração durante a qual a tua memória permanece acima do limiar de recuperação. Uma carta estável = intervalos longos possíveis.
- Dificuldade (D): propriedade intrínseca da carta, independente do momento de revisão. Modificada lentamente ao longo do tempo.
- Recuperabilidade (R): probabilidade de te lembrares da carta agora, em função do tempo decorrido desde a última revisão e de S.
O SM-2 não implementa nenhum desses três conceitos explicitamente. O e-factor é uma aproximação grosseira de D, e os intervalos são uma aproximação de S. R não existe no SM-2.
3. Por que o FSRS-5 supera o SM-2: 4 razões técnicas
1. Modelo de memória baseado na ciência
O FSRS-5 implementa as equações de decaimento da memória baseadas no modelo DSR. Cada carta tem a sua própria Estabilidade, Dificuldade e Recuperabilidade calculadas com precisão. O SM-2 usa um e-factor único por carta sem base teórica rigorosa.
2. Personalização no teu histórico
O FSRS-5 otimiza os seus 17 parâmetros internos no teu histórico pessoal via descida de gradiente. O algoritmo aprende literalmente como a tua memória funciona. O SM-2 usa as mesmas constantes para toda a gente, definidas por Wozniak em 1987.
3. Zero ease hell
No FSRS-5, a Estabilidade é recalculada a cada revisão segundo o teu resultado real. Uma carta difícil não fica presa indefinidamente: se a aprenderes corretamente, a Estabilidade aumenta e o intervalo alarga. O mínimo do e-factor do SM-2 não existe.
4. Otimização por função de perda
O FSRS-5 minimiza uma função de perda que mede o desvio entre a recuperabilidade prevista e o resultado observado (lembrar / esquecer). É uma abordagem clássica de machine learning. O SM-2 ajusta os seus parâmetros com regras if/then definidas manualmente há 37 anos.
O ponto 4 merece desenvolvimento. O SM-2 é fundamentalmente um sistema especialista de regras: se a nota é ≥ 4, aumenta o e-factor em 0.1. Se a nota é < 3, diminui o e-factor em (0.8 - 0.28 × q + 0.02 × q²). Essas regras foram calibradas por Wozniak nos seus próprios dados pessoais.
O FSRS-5 aborda o problema de outra forma: define uma arquitetura de rede diferenciável, inicializa parâmetros padrão treinados em milhões de revisões anônimas e depois afina-os nos teus dados pessoais. É por isso que o FSRS melhora com o tempo enquanto o SM-2 estagna.
4. O benchmark Expertium: 700 milhões de revisões
O Expertium publicou em 2023-2024 uma análise comparativa dos algoritmos de repetição espaçada num dataset de 700 milhões de revisões Anki anonimizadas. É o benchmark público mais rigoroso disponível até à data.
As métricas usadas são:
- Log-loss: quão bem o algoritmo prevê se vais lembrar ou esquecer uma carta
- RMSE (Root Mean Square Error) na retenção prevista vs observada
Resultados principais do benchmark:
| Algoritmo | Log-loss | RMSE retenção | |---|---|---| | SM-2 | 0.354 | 16.2% | | FSRS-4.5 | 0.298 | 6.1% | | FSRS-5 | 0.291 | 5.3% |
O que isso significa concretamente: para manter uma retenção alvo de 90%, o FSRS-5 programa as revisões certas no momento certo com uma precisão de ±5.3%. O SM-2 desvia ±16.2%. Essa imprecisão traduz-se em revisões demasiado frequentes nas cartas fáceis (desperdício de tempo) e esquecimentos nas cartas cujo intervalo é subestimado.
O autor do Expertium também calculou o impacto no volume de revisões: com o FSRS-5 otimizado, observa-se em média ~25% de revisões a menos por dia para uma retenção idêntica de 90%. Num deck de 2000 cartas com 100 revisões diárias no SM-2, isso representa ~25 revisões economizadas por dia — cerca de 15 minutos.
O que o Anki diz oficialmente
Desde a versão 23.10, o Anki recomenda o FSRS como algoritmo padrão e indica na sua documentação oficial: "FSRS can improve memory efficiency, allowing you to remember more with fewer reviews." A migração é automática para novos perfis.
“Esta aplicação poupa-me imenso tempo nas revisões e torna-as concretas e ativas! As fichas que cria são sintéticas sem deixar nada de fora, os flashcards são pertinentes.”
tinitoumasun, App Store FR · 5★ · janeiro 2026 (traduzido)
5. Qual algoritmo escolher segundo o teu caso?
A resposta é quase sempre FSRS-5. Aqui estão as poucas exceções reais:
Manténs o SM-2 se:
- Usas software legado (SuperMemo < v16, ou plugins Anki muito antigos) que não suporta FSRS
- Tens um histórico de revisões SM-2 de vários anos que não queres absolutamente perturbar — nesse caso, migra progressivamente
Passas para o FSRS-5 se:
- Começas um novo deck (nenhuma razão para começar com SM-2 em 2026)
- Sofres de ease hell (cartas presas no e-factor 1.3 que não progridem)
- As tuas sessões de revisão demoram mais do que previsto sem progresso percetível
- Queres intervalos adaptados ao teu perfil memorístico pessoal
O Diane AI simplifica a escolha: o FSRS-5 está ativo por padrão, sem necessidade de configuração. A otimização dos parâmetros lança-se automaticamente em segundo plano ao longo das tuas revisões. Não tens de escolher entre o algoritmo e o uso da app — está tratado.
Para aprofundar os fundamentos teóricos, consulta o nosso guia sobre repetição espaçada, a nossa página dedicada ao método FSRS, ou o comparativo das alternativas ao Anki se ainda hesitas entre as ferramentas.
E se quiseres compreender por que a recuperação ativa em paralelo com o FSRS é o que realmente faz a diferença, lê também o nosso guia sobre active recall.
6. Perguntas frequentes
Revisa de forma mais inteligente com FSRS-5
O Diane AI usa FSRS-5 por padrão. Cria os teus flashcards em segundos e deixa o algoritmo otimizar as tuas revisões automaticamente.
Experimentar o Diane AI gratuitamente