Modelos de Pesos Abertos Acirram Disputa e Redefinem o Futuro da IA Global

VALE DO SILÍCIO, EUA - A inteligência artificial (IA) encontra-se em um ponto de inflexão, marcada por uma disputa fundamental entre dois modelos de desenvolvimento distintos. De um lado, emergem as IAs fechadas, representadas por gigantes como OpenAI, Google e Anthropic, que mantêm a maior parte de sua tecnologia sob sigilo e oferecem acesso via aplicativos e APIs. Do outro, ganham força os modelos de pesos abertos, que disponibilizam os parâmetros de treinamento para que desenvolvedores e empresas possam baixar e executar a IA em infraestrutura própria. Essa dicotomia ganhou enorme relevância nos últimos anos, pois altera a dinâmica das relações entre as empresas e os sistemas de IA. Em vez de depender exclusivamente dos servidores de uma companhia, os desenvolvedores podem agora hospedar os modelos internamente, adaptá-los para necessidades específicas e assegurar um controle mais apurado sobre os dados que são processados. A disputa entre esses modelos possui também um componente geopolítico inegável. Empresas chinesas têm investido massivamente em modelos de pesos abertos, visando ampliar a presença de suas tecnologias no mercado internacional. Nos Estados Unidos, a Meta adotou uma estratégia similar, enquanto OpenAI, Google e Anthropic continuam focadas em seus sistemas proprietários e fechados.

Como os modelos de pesos abertos funcionam?

Os modelos de pesos abertos são sistemas de IA que tornam publicamente acessíveis os pesos — que são os valores numéricos aprendidos pela IA durante seu treinamento. Esses parâmetros são cruciais para que a inteligência artificial consiga reconhecer padrões e gerar respostas. Com os pesos disponíveis, qualquer desenvolvedor pode baixar o modelo e executá-lo em servidores próprios ou em computadores com a compatibilidade necessária.

Contudo, é importante notar que nem todo modelo desse tipo pode ser executado em um PC comum. Sistemas de IA maiores demandam quantidades significativas de memória e poder de processamento, especialmente da GPU. Em contrapartida, versões mais compactas ou comprimidas podem funcionar de forma eficiente em máquinas mais modestas.

Embora a Meta seja uma referência americana com o Muse Glimmer, a maioria dos modelos de pesos abertos provém de empresas chinesas, como a Alibaba com a família Qwen, a Moonshot AI com a família Kimi, e a DeepSeek.

A operacionalização desses modelos se dá quando o usuário, em vez de enviar cada solicitação para os servidores da empresa que desenvolveu a IA, baixa os arquivos do modelo e fornece a infraestrutura necessária para sua execução. O processamento pode ocorrer em um computador local, servidor próprio ou em um serviço de nuvem de escolha da empresa. Essa abordagem confere maior controle sobre os dados e a operação do sistema, pois as informações não precisam, necessariamente, sair da infraestrutura da organização. Adicionalmente, facilita a adaptação do modelo para tarefas específicas, desde que a licença de uso permita.

O principal desafio reside no hardware exigido para rodar esses modelos. Quanto maior e mais complexo o sistema, maiores são as demandas por memória e poder de processamento, especialmente da GPU. Para mitigar essa exigência, podem ser utilizados modelos menores, que requerem menos recursos. Outra técnica é a destilação de modelos, onde uma IA maior serve de referência para treinar uma versão mais compacta, visando manter parte significativa da capacidade original com menor necessidade de processamento local.

Qual a diferença entre pesos abertos e open source?

Embora frequentemente usados como sinônimos, "pesos abertos" e "open source" não denotam a mesma coisa. Os pesos abertos concedem acesso ao resultado do treinamento do modelo, enquanto "open source" implica na abertura do código-fonte e das condições para estudar, modificar e redistribuir o software.

Um modelo de pesos abertos disponibiliza seus parâmetros treinados, permitindo que desenvolvedores baixem e executem a IA em sua própria infraestrutura. No entanto, isso não significa, necessariamente, que o código usado para criar o modelo, os dados de treinamento ou todos os detalhes da arquitetura também estejam disponíveis.

Já um software open source tem seu código-fonte disponibilizado sob uma licença específica que dita como ele pode ser usado, modificado e redistribuído. Assim, no contexto da inteligência artificial, um projeto pode apresentar pesos abertos sem, contudo, ser considerado totalmente open source. Um exemplo claro é o modelo chinês Kimi K3, da Moonshot AI, que liberou seus pesos gratuitamente para adoção global, mas manteve em sigilo comercial a receita de seus dados de treinamento e códigos de criação.

Por que a China investe em modelos de pesos abertos?

Essa estratégia ganhou significativa força entre as empresas chinesas de IA, como a Alibaba com a família Qwen, e a Moonshot AI com o Kimi. Ao disponibilizar os pesos, essas companhias facilitam a adoção de seus modelos por desenvolvedores e empresas de outros países, impulsionando a criação de ferramentas e serviços baseados nessas IAs.

A abertura também contribui para reduzir a dependência de tecnologias estrangeiras. As restrições impostas pelos Estados Unidos à exportação de chips avançados para a China intensificaram a pressão sobre o setor. Modelos que podem ser executados em diversas infraestruturas oferecem maior flexibilidade para aproveitar os recursos de hardware disponíveis. Ao mesmo tempo, a adoção de modelos próprios fortalece a soberania digital, pois empresas e governos diminuem a dependência de fornecedores externos para aplicações de IA, especialmente aquelas que envolvem dados sensíveis. A estratégia ainda abre caminho para a monetização indireta, permitindo que as empresas gerem receita com serviços de hospedagem, processamento, suporte técnico e soluções corporativas.

Por que os modelos de pesos abertos ameaçam as IAs dos EUA?

A expansão dos modelos de pesos abertos exerce considerável pressão sobre o modelo de negócios das empresas americanas que mantêm suas principais IAs fechadas. Companhias dos EUA, como OpenAI e Anthropic, investem quantias vultosas no desenvolvimento e treinamento de seus modelos e baseiam sua receita na cobrança pelo acesso a esses sistemas.

Com os modelos de pesos abertos, uma organização pode optar por hospedar um modelo em seus próprios servidores e adaptá-lo às suas necessidades, em vez de pagar continuamente pelo uso de uma API. Embora isso não elimine totalmente os gastos — pois ainda há custos com hardware, energia e manutenção —, pode reduzir substancialmente a dependência de fornecedores externos em aplicações de grande escala.

A ascensão dos modelos chineses intensifica essa pressão. Sistemas como o Kimi K3 e os modelos da família Qwen ampliam a oferta de alternativas fora do ecossistema das grandes empresas americanas. Quanto mais desenvolvedores e companhias adotarem essas tecnologias, maior será a probabilidade de surgir um ecossistema robusto de ferramentas e serviços que concorra diretamente com as plataformas proprietárias dos EUA.

Se os modelos chineses de pesos abertos consolidarem sua posição entre empresas de diversos países, a influência tecnológica pode se expandir globalmente sem que as companhias responsáveis precisem controlar cada aplicação. Para as empresas americanas, isso representa uma disputa pelo desempenho dos modelos, pelo controle do ecossistema de IA e pela forma como essa tecnologia será distribuída mundialmente.