O que são modelos de IA de pesos abertos?

A inteligência artificial passa por uma disputa entre dois modelos de desenvolvimento. De um lado estão as IAs fechadas , como as desenvolvidas por OpenAI, Google e Anthropic, que mantêm boa parte da tecnologia sob sigilo e oferecem acesso principalmente por aplicativos e APIs. Do outro estão os modelos de pesos abertos , que disponibilizam os parâmetros aprendidos durante o treinamento para que outras pessoas e empresas possam baixar e executar a IA por conta própria.

Essa diferença ganhou importância nos últimos anos porque muda a relação entre empresas e modelos de IA. Em vez de depender exclusivamente dos servidores de uma companhia, os desenvolvedores podem hospedar o modelo em uma infraestrutura própria, adaptá-lo para determinadas tarefas e ter mais controle sobre os dados processados.

A disputa também tem um componente geopolítico . As empresas chinesas vêm apostando em modelos de pesos abertos para ampliar a presença de suas tecnologias no mercado internacional. Nos Estados Unidos, a Meta também adotou essa estratégia, enquanto OpenAI, Google e Anthropic continuam concentradas principalmente em sistemas proprietários.

Os modelos de pesos abertos são sistemas de IA que disponibilizam publicamente os pesos, nome dado aos valores numéricos aprendidos pelo modelo durante o treinamento. Esses parâmetros ajudam a IA a reconhecer padrões e gerar respostas. Quando os pesos ficam disponíveis, os desenvolvedores podem baixar o modelo e executá-lo em servidores próprios ou em computadores compatíveis.

Isso não significa, porém, que qualquer modelo desse tipo possa rodar em um PC comum. Sistemas maiores exigem bastante memória e poder de processamento , principalmente da GPU. Já versões menores ou comprimidas podem funcionar em máquinas mais simples.

Embora a Meta seja uma das principais referências americanas em pesos abertos com o lançamento do Muse Glimmer, a maior parte dos modelos desse tipo vem de empresas chinesas , como a Alibaba, com a família Qwen, a Moonshot AI, com a família Kimi e a DeepSeek .

Em vez de enviar cada solicitação para os servidores da empresa que desenvolveu a IA, o usuário baixa os arquivos do modelo e fornece a infraestrutura necessária para executá-lo . O processamento pode acontecer em um computador, servidor próprio ou serviço de nuvem escolhido pela empresa.

Essa abordagem dá mais controle sobre os dados e sobre a operação do sistema, já que as informações não precisam necessariamente sair da infraestrutura da organização. Também facilita a adaptação do modelo para tarefas específicas , desde que a licença autorize esse tipo de uso.

O principal desafio está no hardware necessário para rodar esses modelos . Quanto maior e mais complexo é o sistema, mais memória e poder de processamento ele exige, especialmente da GPU . Por isso, nem todo modelo de pesos abertos pode ser executado em um computador comum.

Uma forma de reduzir essa exigência é usar modelos menores , que precisam de menos recursos para funcionar. Também existe a destilação de modelos , técnica que usa uma IA maior como referência para treinar uma versão menor.