A corrida da IA muda o foco das fronteiras para aplicações mais amplas

Durante semanas neste verão, o setor de IA focou nos mais recentes modelos de fronteira da Anthropic e nos esforços de Washington para regular o acesso. No entanto, enquanto a atenção permanecia na vanguarda, os desenvolvedores continuaram a construir sem esperar permissão de grandes laboratórios como a Anthropic ou a OpenAI.

Os modelos chineses de pesos abertos capturaram 41% dos downloads do Hugging Face nesta primavera, superando os concorrentes dos EUA. No OpenRouter, os seis primeiros modelos são todas as ofertas de código aberto de empresas chinesas, incluindo Tencent, Xiaomi, DeepSeek, MiniMax e Z.ai. O Claude Opus 4.7 da Anthropic ficou em sétimo lugar no momento da redação. Os dados da Vercel mostram ainda que os modelos de pesos abertos lidam com grande parte da infraestrutura de IA de alto volume, enquanto os modelos fechados servem como a camada premium e de maior custo. Os modelos abertos processaram quase um terço das solicitações de IA na plataforma em junho.

Essas plataformas representam apenas parte do ecossistema de IA, excluindo sessões hospedadas por grandes laboratórios que provavelmente impulsionam a maior parte do uso da OpenAI e da Anthropic. No entanto, a crescente participação de mercado dos modelos de código aberto levanta uma questão crítica: Quão relevantes são os modelos de fronteira se a maioria das operações de IA em produção roda em alternativas mais baratas e personalizáveis?

Alguns especialistas veem o surgimento dos modelos de código aberto como um sinal de que os modelos mais avançados acabará servindo apenas a tarefas especializadas. “Em alguns anos, os modelos de fronteira podem ser reservados para experimentação e tarefas de alto valor, enquanto a maioria das cargas de trabalho de produção dependerá de modelos privados ou de código aberto”, afirmou o CEO da Hugging Face, Clem Delangue, em um recente podcast Equity.

A Hugging Face é uma plataforma e comunidade de desenvolvedores renomada por hospedar, compartilhar e auxiliar empresas na implantação de modelos abertos. Delangue observa que os clientes enfatizam cada vez mais os benefícios de possuir modelos de IA em vez de alugá-los, uma tendência acelerada pelos altos custos de escalonamento de modelos de fronteira fechados.

“Se você é uma empresa de IA ou tecnologia, não deve terceirizar capacidades essenciais para outra entidade por meio de uma API de caixa preta que você não pode controlar, monitorar ou possuir”, explicou Delangue.

Delangue argumenta que essa mudança é evidente na atividade da Hugging Face. Um novo repositório é criado a cada sete segundos na plataforma, que hospeda quase três milhões de modelos públicos e um milhão de conjuntos de dados públicos. Isso contradiz a narrativa de “um modelo para governá-los todos”, sugerindo, em vez disso, que as empresas utilizam modelos diversos personalizados para casos de uso específicos. Metade das 500 maiores empresas da Fortune utiliza a Hugging Face para implantar modelos privados e de código aberto, afirma ele.

A crescente popularidade dos modelos abertos coincide com o lançamento frequente de modelos capazes por laboratórios de IA chineses.

A cada poucos meses, uma empresa chinesa de IA lança um modelo de pesos abertos poderoso, mais barato de implantar e mais fácil de personalizar do que os concorrentes proprietários, desafiando a economia dos bilhões investidos pelas empresas dos EUA. Recentemente, a Z.ai, sediada em Pequim, lançou o GLM-5.2, um modelo de pesos abertos que se destaca na codificação agêntica e compete com os mais recentes modelos da Anthropic na detecção de vulnerabilidades de segurança.

Delangue não é o único executivo a aconselhar as empresas a evitar a dependência de um único provedor de modelos.

O CEO da Microsoft, Satya Nadella, alertou recentemente contra o bloqueio a um único provedor, enfatizando que o controle dos dados deve ser uma preocupação primordial para os usuários de IA.

“Embora os direitos de uso justo para que os provedores de modelos treinem com dados públicos impulsionem a inovação, é irônico que termos restritivos sejam então impostos à destilação e que o direito de aprender com os dados dos clientes seja reservado”, afirmou Nadella. “Se o aprendizado fluir apenas em uma direção, o valor econômico se concentra entre os proprietários da infraestrutura, em vez dos criadores de conhecimento. Portanto, distribuir a infraestrutura de aprendizado para todas as empresas é imperativo para que possam controlar seu próprio ciclo de aprendizado.”

O surgimento dos modelos abertos também intensificou os debates sobre se modelos cada vez mais capazes devem estar amplamente disponíveis.

O CEO da Anthropic, Dario Amodei, argumenta que o escalonamento de pesos de modelos abertos poderosos pode ser perigoso, pois os modelos lançados tornam-se difíceis de controlar. Outros sustentam que os modelos abertos são mais acessíveis a atores mal-intencionados que poderiam usá-los para desinformação, ciberataques ou guerra biológica.

Delangue vê a troca de forma diferente.

“O maior risco na IA é a concentração de poder”, disse Delangue. “Tornar o mundo mais seguro, em minha visão, envolve nivelar o campo de jogo e aumentar a transparência dos modelos.”

A transparência permite que os defensores “corrijam riscos de segurança cibernética que os modelos de código aberto podem explorar”, explicou ele.

O executivo da Hugging Face argumenta que manter modelos poderosos fechados não elimina os riscos de IA avançada, em parte porque as barreiras de segurança das APIs de modelos de fronteira são fáceis de contornar e os pesos podem ser roubados e divulgados abertamente. Restringir modelos poderosos, argumenta Delangue, simplesmente concentra a tecnologia nas mãos de poucas empresas, reduzindo a transparência sobre as operações do sistema.

“Manter modelos atrás de portas fechadas para alguns jogadores não os torna seguros”, disse Delangue. “Torna-os mais perigosos, criando assimetrias de poder e capacidades.”