Algoritmos de Repetição Espaçada Explicados
Uma análise aprofundada de FSRS, SM-2 e Leitner — os algoritmos que alimentam os apps modernos de flashcards. Descubra como cada um funciona e quais apps (Anki, RemNote, StudyGlen, Brainscape) os implementam melhor.
Em 1885, Hermann Ebbinghaus descobriu que esquecemos 70% das novas informações em 24 horas — a menos que as revisemos em intervalos cientificamente otimizados. A repetição espaçada é hoje o método de estudo nº 1 baseado em evidências, mas o algoritmo importa: o FSRS pode agendar 20-30% menos revisões que o SM-2 para a mesma retenção. Explicamos como cada algoritmo funciona e quais apps de flashcards os implementam.
Por que o algoritmo por trás dos seus flashcards importa
A repetição espaçada funciona mostrando um flashcard pouco antes do momento em que se prevê que você vai esquecê-lo. A parte do "pouco antes" é o jogo inteiro — e quem decide isso é um algoritmo.
Durante boa parte da história digital da repetição espaçada, esse algoritmo foi o SM-2 (SuperMemo 2), uma fórmula que Piotr Wożniak publicou em 1987. Ele alimentou o SuperMemo original, todos os usuários do Anki antes de 2023, e ainda é o agendador padrão no RemNote. O SM-2 é testado no mundo real — mas também é rígido: todo estudante recebe as mesmas curvas de agendamento, independentemente do comportamento específico da sua memória.
Em 2022, um projeto open-source chamado FSRS (Free Spaced Repetition Scheduler) mudou isso. O FSRS ajusta um modelo estatístico ao seu histórico real de revisões e agenda cada cartão com base na probabilidade prevista de recordação. Benchmarks sobre 500+ milhões de revisões do Anki mostram que o FSRS precisa de 20-30% menos revisões que o SM-2 para a mesma taxa de retenção. O Anki adotou o FSRS como agendador padrão na versão 23.10 (novembro de 2023).
Este guia explica como FSRS, SM-2 e o clássico sistema de caixas de Leitner funcionam — e quais apps de flashcards implementam cada um. Se você está escolhendo uma ferramenta de estudo em 2026, o algoritmo é o maior diferencial.
FSRS — o Free Spaced Repetition Scheduler
O FSRS é um algoritmo de agendamento moderno e open-source desenvolvido desde 2022 por Jarrett Ye e a comunidade open-spaced-repetition. Foi projetado para superar o SM-2 em precisão e eficiência, tratando a memória como um modelo estatístico que se adapta a cada estudante individualmente. Anki, RemNote e StudyGlen o implementam hoje.
Como o FSRS funciona — o modelo de memória DSR
O FSRS modela a memória de um único flashcard usando três valores, atualizados após cada revisão:
- Dificuldade (D): O quanto um cartão específico é difícil para você. Varia de 1 a 10. Calibrado com base em se você aperta De novo, Difícil, Bom ou Fácil.
- Estabilidade (S): Quantos dias são necessários para que sua probabilidade de lembrar deste cartão caia até a sua meta de retenção (padrão 90%). Cresce após revisões corretas, é zerada após falhas.
- Recuperabilidade (R): Sua probabilidade prevista de lembrar deste cartão agora — uma função de D, S e dos dias desde a sua última revisão.
Com esses três valores, o FSRS responde a uma pergunta para cada cartão: dada a sua meta de retenção, qual é o momento mais tardio em que posso agendar esta revisão e ainda esperar que você se lembre?
O que torna o FSRS diferente do SM-2
O SM-2 usa multiplicadores fixos — todo mundo recebe as mesmas curvas de crescimento de intervalos de fábrica. O FSRS ajusta os seus parâmetros pessoais ao seu histórico real de revisões usando gradient descent, normalmente após ~1.000 revisões. Depois de treinado, ele leva em conta quais tipos de cartão você acha mais difíceis, com que rapidez você esquece e como as falhas afetam a estabilidade a longo prazo.
Você também define uma meta de "Retenção Desejada" — normalmente entre 0,80 e 0,97, com a maioria dos usuários por volta de 0,85-0,90. Retenção mais alta significa mais revisões; mais baixa, menos. O SM-2 não tem controle equivalente.
Quais apps de flashcards usam o FSRS
- Anki: Agendador padrão desde a v23.10 (novembro de 2023) no desktop, AnkiDroid e AnkiMobile. O SM-2 continua disponível como alternativa.
- RemNote: Disponível como agendador opcional ao lado do SM-2.
- StudyGlen: Algoritmo padrão para todos os baralhos de flashcards gerados por IA — nenhuma configuração manual necessária.
Quando o FSRS vence com clareza
Baralhos grandes (2.000+ cartões), metas de retenção a longo prazo e dificuldade heterogênea (alguns cartões fáceis, outros difíceis). Quanto mais dados de revisão você acumula, mais o FSRS supera o SM-2.
Quando o FSRS não faz diferença
Abaixo de ~1.000 revisões, o FSRS ainda não consegue ajustar um modelo pessoal significativo — ele recorre aos parâmetros padrão e se comporta de forma semelhante ao SM-2. Para estudo casual ou cramming de curto prazo, a escolha do algoritmo é majoritariamente cosmética.
SM-2 — o algoritmo clássico do Anki
O SM-2 foi publicado por Piotr Wożniak em 1987 como parte do SuperMemo — a primeira aplicação comercial de repetição espaçada. Ele alimentou o agendador padrão do Anki desde o lançamento em 2006 até o fim de 2023, e ainda é o padrão no RemNote. Quatro décadas de uso no mundo real o tornaram a referência com que todo outro algoritmo de SRS é comparado.
Como o SM-2 funciona
O SM-2 acompanha dois números por cartão:
- Fator de facilidade (EF): Um multiplicador, inicializado em 2,5, que controla a velocidade com que os intervalos crescem.
- Intervalo: Dias entre revisões.
Após cada revisão:
- Se você errou o cartão, zere o intervalo para 1 dia e mantenha o EF.
- Se acertou, multiplique o intervalo atual pelo EF (elevando um pouco o EF para Fácil, reduzindo para Difícil).
Uma sequência típica de SM-2 pode ser: 1 dia → acerto → 6 dias → acerto → 15 dias → acerto → 37 dias → acerto → 92 dias...
Pontos fortes
O SM-2 é simples, transparente e não precisa de dados de treinamento. Funciona desde a primeira revisão. Seu comportamento é previsível à mão — você pode olhar o EF e o intervalo de um cartão e explicar exatamente por que ele foi agendado onde foi. 35+ anos de uso no mundo real o tornaram o padrão mais seguro para qualquer SRS.
Limitações
Os multiplicadores do SM-2 são universais — o algoritmo não se adapta a estudantes individuais. Se sua memória para fatos geográficos decai mais rápido que para equações, o SM-2 trata os dois igual. Ele também não tem meta explícita de retenção: você não pode pedir 95% de retenção em vez dos ~85% implícitos produzidos pelos multiplicadores.
Quais apps usam o SM-2
- Anki: Disponível como agendador alternativo. Era o padrão até a v23.10 mudar para o FSRS.
- RemNote: Agendador padrão.
- SuperMemo: O app original de Piotr Wożniak. Ainda em desenvolvimento ativo — o SuperMemo moderno usa o SM-18, um descendente do SM-2.
O sistema Leitner — repetição espaçada no papel
O sistema Leitner, inventado pelo jornalista científico alemão Sebastian Leitner em 1972, antecede todo algoritmo digital de SRS. É um método de cartões físicos que inspirou toda a categoria — e vale a pena entender porque alguns apps (incluindo o modo Aprender do Quizlet) ainda usam uma versão simplificada dele.
Como o Leitner funciona
Você tem um conjunto de caixas numeradas (classicamente 5). Todos os cartões novos começam na Caixa 1.
- • Resposta correta — mova o cartão para a próxima caixa superior.
- • Resposta errada — devolva o cartão para a Caixa 1.
Cada caixa tem sua própria frequência de revisão: Caixa 1 todos os dias, Caixa 2 a cada dois dias, Caixa 3 a cada quatro dias, e assim por diante. Cartões que você lembra consistentemente migram para as caixas superiores; cartões que você esquece são puxados de volta para revisão frequente.
Pontos fortes e limites
O Leitner é o SRS mais simples possível — não precisa de matemática e funciona com cartões de papel e uma caixa de sapatos. Seu agendamento é muito mais grosseiro que o do SM-2 ou FSRS, e os intervalos não se adaptam à memória individual ou à dificuldade do cartão. Para aprendizado de curto prazo ou ambientes de estudo que rejeitam ferramentas digitais, ainda serve. Para a maioria dos usos modernos, qualquer SRS digital com SM-2 — e especialmente FSRS — agendará revisões com mais eficiência.
FSRS vs SM-2: qual algoritmo tem desempenho melhor?
A equipe do Anki rodou benchmarks sobre mais de 500 milhões de logs de revisão comparando FSRS e SM-2. Resultado principal: para a mesma taxa de retenção, o FSRS exige aproximadamente 20-30% menos revisões. Num baralho de 2.000 cartões com revisões diárias, isso representa horas economizadas por semana.
Onde o FSRS vence com clareza
- Retenção de longo prazo (intervalos de 30+ dias): o rastreamento adaptativo de estabilidade do FSRS agenda intervalos longos com mais precisão que os multiplicadores fixos do SM-2.
- Baralhos de dificuldade mista: o FSRS aprende a dificuldade por cartão; os multiplicadores universais do SM-2 agendam demais os fáceis e de menos os difíceis.
- Usuários com 1.000+ revisões: o FSRS precisa de dados de treinamento para personalizar. Uma vez que tem, a diferença em relação ao SM-2 aumenta a cada revisão adicional.
Onde o SM-2 ainda se segura
- Baralhos pequenos (menos de 500 cartões): o FSRS ainda não consegue ajustar um modelo pessoal; os padrões do SM-2 são competitivos.
- Estudantes iniciantes: o SM-2 funciona desde o primeiro dia, sem setup. O FSRS com parâmetros padrão também funciona, mas a vantagem real só aparece depois que você acumula dados.
- Interpretabilidade: o agendamento do SM-2 é previsível a partir de (EF, intervalo). O modelo ajustado do FSRS é efetivamente uma pequena rede neural — mais difícil de raciocinar à mão.
Se seu app de flashcards oferece FSRS, ative. Para a maioria dos usuários, a redução de 20-30% nas revisões é o maior ganho ergonômico disponível — foi por isso que a equipe do Anki o tornou padrão na v23.10. Os únicos motivos para ficar no SM-2 são um baralho muito pequeno, um histórico de revisões raso ou uma migração no meio do baralho que você não quer reotimizar.
Qual algoritmo você deve usar?
Um framework rápido de decisão:
- 1.
Baralho grande (1.000+ cartões) e meta de retenção a longo prazo → FSRS. Anki, RemNote ou StudyGlen implementam todos.
- 2.
Baralho pequeno e estudo de curto prazo (uma única prova, um guia de frases de idioma) → qualquer algoritmo serve, incluindo Leitner puro. Não pense demais.
- 3.
Quer zero setup e cartões gerados por IA → StudyGlen (FSRS por padrão, IA gera cartões a partir de PDFs, notas ou imagens).
- 4.
Quer controle máximo e acesso a baralhos da comunidade → Anki (FSRS padrão desde a v23.10, SM-2 disponível como alternativa).
- 5.
Faz notas longas e quer flashcards embutidos → RemNote (SM-2 padrão, FSRS disponível).
- 6.
Quer conjuntos de flashcards curados por especialistas com uma revisão simples baseada em confiança → Brainscape (usa CBR, um agendador proprietário que não é FSRS).
- 7.
Precisa da maior biblioteca existente de flashcards e não precisa de SRS de verdade → Quizlet (estilo Leitner, não é SRS verdadeiro).
Para a maioria dos estudantes em 2026, um app com FSRS é o padrão certo. O algoritmo substituiu o SM-2 como estado da arte por um motivo — e a infraestrutura para treiná-lo já está embutida em todas as ferramentas de flashcards relevantes.
Apps que implementam esses algoritmos
Aqui estão os cinco apps de flashcards mais usados para repetição espaçada, agrupados pelo algoritmo que rodam por baixo. Os vereditos e prós/contras abaixo ajudam você a comparar — mas se ainda está decidindo entre algoritmos, volte para a seção Qual algoritmo você deve usar.
Pros
- Algoritmo FSRS se adapta aos seus padrões pessoais de memória para o tempo de revisão ideal
- IA gera flashcards a partir de PDF, texto e imagem (sem necessidade de criar cartões manualmente)
- Defina sua taxa de retenção desejada e o FSRS programa revisões matematicamente
- Também gera quizzes, quadrinhos educacionais e sessões de quiz ao vivo
- 37 idiomas com detecção automática
- Plano gratuito disponível com preços baseados em créditos (sem assinatura)
- Imagens educacionais geradas por IA nos flashcards como auxílios visuais de memória
Cons
- Plataforma mais nova, comunidade em crescimento
- Ainda sem app mobile (responsivo baseado em web)
- Sem biblioteca de decks prontos compartilhados
Pros
- Gratuito e de código aberto (desktop e Android)
- Suporta tanto os algoritmos FSRS quanto SM-2 (FSRS é padrão para novos usuários)
- Modelos de cartões, tipos de notas e parâmetros de agendamento altamente personalizáveis
- Comunidade enorme com milhares de decks compartilhados (AnKing para medicina, etc.)
- Funciona totalmente offline em todas as plataformas
- Ecossistema poderoso de complementos amplia a funcionalidade
Cons
- Curva de aprendizado íngreme — intimidante para iniciantes
- Sem geração integrada de cartões por IA (exige criação manual ou complementos)
- App para iOS custa US$24,99 (compra única)
- Design de interface desatualizado
Pros
- A Repetição Baseada em Confiança (CBR) adapta a frequência de revisão à sua confiança autoavaliada (escala de 1 a 5)
- Grande marketplace de classes de flashcards certificadas feitas por especialistas
- Apps mobile nativos polidos (iOS e Android)
- Acompanhamento detalhado de progresso e painel de análises
- Ferramentas para professores e salas de aula integradas
Cons
- Sem geração de cartões por IA a partir de conteúdo enviado
- CBR é proprietário — menos transparente e com menos respaldo de pesquisa do que o FSRS
- Assinatura Pro necessária para acesso completo à biblioteca (US$9,99/mês)
- Personalização de cartões limitada em comparação com o Anki
Pros
- Repetição espaçada SM-2 integrada diretamente ao fluxo de trabalho de anotações
- IA gera flashcards automaticamente a partir das suas anotações
- Links bidirecionais criam um grafo de conhecimento de conceitos conectados
- Anotação e importação de PDFs para materiais de estudo
- Combina anotações, flashcards e revisão em um único espaço de trabalho
Cons
- Algoritmo SM-2 é menos eficiente do que o FSRS (exige ~20-30% mais revisões para a mesma retenção)
- Curva de aprendizado mais íngreme do que um app simples de flashcards
- Plano gratuito limita recursos de IA e armazenamento
- Comunidade menor e menos decks prontos do que o Anki
Pros
- Enorme biblioteca de mais de 800 milhões de conjuntos de flashcards criados por usuários
- Magic Notes da IA converte anotações em flashcards
- Apps mobile polidos com acesso offline
- Múltiplos modos de estudo (Learn, Test, jogo Match)
- Interface familiar com onboarding fácil
Cons
- Sem verdadeiro algoritmo de repetição espaçada — usa um sistema básico de caixas estilo Leitner
- Recursos de IA exigem assinatura Quizlet Plus (US$7,99/mês)
- Plano gratuito com muitos anúncios
- Otimizado para estudo de última hora, não para retenção de longo prazo
- Sem entrada OCR de imagens
Tabela Comparativa de Recursos
| Recurso | StudyGlen | Anki | Brainscape | RemNote | Quizlet |
|---|---|---|---|---|---|
| Algoritmo SR | FSRS | FSRS/SM-2 | CBR | SM-2 | Básico |
| Geração de cartões por IA | Sim | Complementos | Não | Sim | Sim |
| Upload de PDF | Sim | Complementos | Não | Sim | Não |
| Tipos de cartão | Básico, Cloze, Imagem | Básico, Cloze, Personalizado | Apenas básico | Básico, Cloze | Básico, Diagrama |
| Análise de revisões | Sim | Sim | Sim | Limitado | Limitado |
| Plano gratuito | Grátis | Grátis | Limitado | Limitado | Com anúncios |
| App mobile | Não | Sim | Sim | Sim | Sim |
Veja na prática
Veja como o StudyGlen gera flashcards a partir de qualquer material de estudo em segundos.
Perguntas Frequentes
FSRS significa Free Spaced Repetition Scheduler. É um algoritmo open-source de repetição espaçada desenvolvido desde 2022 por Jarrett Ye e pela comunidade open-spaced-repetition. O Anki o adotou como agendador padrão na versão 23.10 (novembro de 2023), substituindo o SM-2.
O FSRS modela a memória de cada flashcard usando três valores: Dificuldade (o quanto o cartão é difícil para você), Estabilidade (quantos dias até sua probabilidade de recordação cair até a sua meta de retenção) e Recuperabilidade (sua probabilidade prevista atual de lembrar do cartão). Após cada revisão, o FSRS atualiza esses valores e agenda a próxima revisão no momento ideal para atingir a sua taxa de retenção alvo. Após aproximadamente 1.000 revisões, ele consegue ajustar parâmetros personalizados aos seus padrões de memória específicos usando gradient descent.
O SM-2, publicado por Piotr Wożniak em 1987, usa multiplicadores fixos para aumentar os intervalos com base em como você avalia cada revisão. O FSRS, lançado em 2022, ajusta um modelo estatístico ao seu histórico de revisões e agenda cada cartão com base na probabilidade prevista de recordação. Benchmarks sobre 500+ milhões de revisões do Anki mostram que o FSRS exige aproximadamente 20-30% menos revisões que o SM-2 para a mesma taxa de retenção, porque se adapta aos estudantes individuais e à dificuldade em nível de cartão. O SM-2 é mais simples e não precisa de dados de treinamento; o FSRS é mais preciso assim que tem histórico de revisões suficiente para personalizar.
Para praticamente qualquer uso digital moderno, sim. O sistema de caixas de Leitner (1972) usa intervalos fixos entre caixas (por exemplo, 1 dia, 2 dias, 4 dias) que não se adaptam à memória individual ou à dificuldade em nível de cartão. O FSRS calcula o comprimento do intervalo dinamicamente a partir do seu histórico de revisões e mira explicitamente em uma taxa de retenção que você escolhe. O Leitner continua válido para flashcards de papel ou os apps mais simples, mas qualquer SRS com FSRS — ou até SM-2 — agendará revisões com mais eficiência.
Segundo os mantenedores do Anki, reotimizar 3-4 vezes por ano é suficiente uma vez que seu baralho tenha 1.000+ revisões. Reotimização mais frequente (por exemplo, semanal) produz melhorias irrisórias e não compensa o tempo. Um bom gatilho é quando o total de cartões revisados dobra aproximadamente.
Anki (padrão desde a v23.10), RemNote (como alternativa ao SM-2) e StudyGlen (padrão para flashcards gerados por IA) suportam FSRS nativamente. O algoritmo em si é open-source — implementações MIT-licensed em Python e Rust estão na organização open-spaced-repetition no GitHub — então é de se esperar que mais apps o adotem com o tempo.
O FSRS precisa de dados de revisão para ajustar um modelo personalizado. Abaixo de aproximadamente 1.000 revisões, ele recorre aos parâmetros padrão e se comporta de forma semelhante ao SM-2, então você ainda não verá a redução de 20-30% nas revisões. Dito isso, não há desvantagem em ativar o FSRS cedo: o Anki agora faz isso automaticamente, e os ganhos de precisão personalizada começam a aparecer assim que você acumula histórico de revisões suficiente.
Depende do app de destino. O StudyGlen aceita uploads de .apkg e .colpkg diretamente e pode, mediante opt-in, converter seu estado de agendamento SM-2 do Anki — intervalos, facilidade, lapsos — para FSRS, então os cards que você já aprendeu não voltam ao dia zero. A maioria das outras ferramentas ou não aceita .apkg, ou trata os cards importados como novos e perde seu histórico de revisões. Se preservar anos de agendamento do Anki for importante para você, verifique se o app de destino suporta explicitamente a conversão SM-2 → FSRS antes de migrar. O plano gratuito do StudyGlen inclui 5 importações por dia; pacotes de créditos desbloqueiam ilimitadas.
Experimente o app nº 1 de repetição espaçada grátis
Envie um PDF, cole suas anotações ou escaneie uma imagem — obtenha flashcards por IA com agendamento de repetição espaçada FSRS em segundos
Comece a repetição espaçada grátis