A inteligência artificial vive um momento de intensa disputa entre dois modelos de desenvolvimento predominantes. De um lado, estão as IAs fechadas, como as desenvolvidas por empresas como OpenAI, Google e Anthropic, que mantêm grande parte de sua tecnologia sob sigilo, oferecendo acesso principalmente via aplicativos e APIs. Do outro, emergem os modelos de pesos abertos, que disponibilizam os parâmetros aprendidos durante o treinamento para que outras empresas e desenvolvedores possam baixar e executar a IA em sua própria infraestrutura.
Essa distinção ganhou relevância nos últimos anos, pois altera fundamentalmente a relação entre empresas e modelos de IA. Em vez de depender exclusivamente dos servidores de uma única companhia, os desenvolvedores agora podem hospedar o modelo em sua própria infraestrutura, adaptá-lo para tarefas específicas e exercer maior controle sobre os dados processados. Essa mudança tem, inclusive, um componente geopolítico significativo, com empresas chinesas e a Meta, nos EUA, apostando forte nos modelos de pesos abertos, enquanto outras gigantes americanas persistem nos sistemas proprietários.
O que são e como funcionam as IAs de pesos abertos?
Os modelos de pesos abertos são sistemas de inteligência artificial que tornam públicos os “pesos” – valores numéricos que a IA aprende durante seu treinamento para reconhecer padrões e gerar respostas. Ao disponibilizar esses pesos, os desenvolvedores podem baixar o modelo e executá-lo em seus próprios servidores ou em computadores compatíveis. Isso confere maior controle sobre os dados e a operação do sistema, já que as informações não precisam sair da infraestrutura da organização, além de facilitar a adaptação do modelo para tarefas específicas, desde que a licença permita.
Contudo, é importante notar que nem todo modelo desse tipo pode rodar em um PC comum. Sistemas maiores exigem uma quantidade significativa de memória e poder de processamento, especialmente da GPU. Para contornar essa limitação, existem modelos menores ou comprimidos, que demandam menos recursos, e a técnica de destilação, que usa uma IA maior como referência para treinar uma versão mais compacta, mantendo parte importante de sua capacidade.
Pesos abertos e código aberto: entenda a diferença
Embora frequentemente usados como sinônimos, “pesos abertos” e “código aberto” (open source) não são a mesma coisa. Modelos de pesos abertos dão acesso ao resultado do treinamento da IA, ou seja, aos parâmetros aprendidos, permitindo que o modelo seja executado localmente. No entanto, isso não garante que o código-fonte usado para criar o modelo, os dados de treinamento ou todos os detalhes da arquitetura também estejam disponíveis.
Um software open source, por outro lado, tem seu código-fonte disponibilizado sob uma licença que permite estudar, modificar e redistribuir o software. Assim, um projeto de IA pode ter seus pesos abertos sem ser, necessariamente, um projeto totalmente open source. Um exemplo disso é o modelo chinês Kimi K3, da Moonshot AI, que liberou seus pesos para adoção global, mas manteve a receita de seus dados de treinamento e códigos de criação sob sigilo comercial.
A estratégia por trás dos modelos de pesos abertos
A aposta em modelos de pesos abertos tem sido uma estratégia crucial para empresas chinesas de IA, como Alibaba (família Qwen) e Moonshot AI (família Kimi), e também para a Meta, nos Estados Unidos. Ao disponibilizar os pesos, essas empresas facilitam o uso de seus modelos por desenvolvedores e companhias em diversos países, impulsionando a criação de ferramentas e serviços baseados nessas IAs.
Essa abordagem também visa reduzir a dependência de tecnologias estrangeiras. Diante das restrições americanas à exportação de chips avançados para a China, modelos que podem ser executados em diferentes tipos de hardware oferecem maior flexibilidade para aproveitar a infraestrutura disponível. Além disso, a adoção de modelos próprios fortalece a soberania digital, diminuindo a dependência de fornecedores externos, especialmente em aplicações que lidam com dados sensíveis. A monetização indireta é outra vantagem, pois a empresa pode disponibilizar os pesos e gerar receita com serviços de hospedagem, processamento, suporte técnico e soluções corporativas.
O desafio para as IAs proprietárias dos EUA
A expansão dos modelos de pesos abertos exerce uma pressão considerável sobre o modelo de negócios das empresas americanas que mantêm suas IAs fechadas, como OpenAI, Google e Anthropic. Essas companhias investem pesadamente no desenvolvimento e treinamento de seus modelos e dependem da cobrança pelo acesso a esses sistemas, seja via APIs ou assinaturas.
Com os modelos de pesos abertos, uma organização pode hospedar uma IA em seus próprios servidores e adaptá-la às suas necessidades, em vez de pagar continuamente pelo uso de uma API. Embora ainda existam custos com hardware, energia e manutenção, essa abordagem pode reduzir a dependência de fornecedores externos em aplicações de grande escala. A ascensão de modelos chineses, como o Kimi K3 e a família Qwen, intensifica essa pressão, ampliando a oferta de alternativas fora do ecossistema das grandes empresas americanas. Quanto mais desenvolvedores e companhias adotam essas tecnologias, maior a chance de surgir um ecossistema de ferramentas e serviços que concorra diretamente com as plataformas proprietárias dos EUA, redefinindo a disputa pelo desempenho dos modelos, o controle do ecossistema de IA e a forma como essa tecnologia será distribuída globalmente.
Fonte: canaltech.com.br