Introdução
Enquanto o mercado de inteligência artificial ficou hipnotizado com os últimos modelos de fronteira da Anthropic e as batalhas regulatórias em Washington, uma mudança silenciosa mas profunda está ocorrendo no ecossistema de IA. Segundo dados recentes da Hugging Face, modelos open source chineses já representam 41% dos downloads na plataforma, superando os modelos americanos. Esta tendência levanta uma questão fundamental para executivos e gestores brasileiros: quanto ainda importam os modelos proprietários de ponta se a maior parte da IA em produção acaba rodando em alternativas mais baratas e customizáveis?
O domínio crescente dos modelos abertos
Os números são reveladores. No OpenRouter, uma plataforma que agrega acesso a diversos modelos de IA, os seis modelos mais populares são todos open source de empresas chinesas como Tencent, Xiaomi, DeepSeek, MiniMax e Z.ai. O Claude Opus 4.7 da Anthropic, considerado um dos modelos mais avançados do mercado, aparece apenas em sétimo lugar. Dados da Vercel mostram que modelos de peso aberto estão absorvendo grande parte da infraestrutura de aplicações de IA, enquanto modelos fechados operam como uma camada premium de maior custo. Em junho, modelos abertos processaram quase um terço de todas as requisições de IA na plataforma.
Clem Delangue, CEO da Hugging Face, oferece uma perspectiva provocativa sobre essa mudança: “Talvez em alguns anos, os modelos de fronteira sejam usados apenas para experimentação e algumas tarefas de altíssimo valor, enquanto a maior parte das cargas de trabalho em produção será alimentada por modelos privados dentro das empresas ou por modelos open source.”
Por que empresas estão escolhendo controle sobre capacidade
A Hugging Face se tornou uma espécie de GitHub para IA, onde desenvolvedores podem compartilhar e baixar modelos e datasets abertos. A plataforma hospeda quase três milhões de modelos públicos e um milhão de datasets públicos, com um novo repositório sendo criado a cada sete segundos. Metade das empresas Fortune 500 já usa a plataforma para implementar seus próprios modelos privados e modelos open source.
Delangue identifica uma tendência clara entre os clientes da Hugging Face: empresas começam usando APIs de modelos proprietários de fronteira, mas conforme escalam, os custos as empurram em direção a modelos open source. “Se você é uma empresa de IA ou tecnologia, não quer terceirizar suas capacidades centrais para outra empresa, para uma API caixa-preta que você não controla, não tem visibilidade e não possui realmente”, argumenta o executivo.
Essa mudança de mentalidade reflete uma preocupação crescente com a propriedade e controle dos sistemas de IA. Para empresas brasileiras que estão investindo pesadamente em transformação digital, a questão do controle sobre seus modelos de IA pode ser ainda mais crítica, considerando questões de soberania de dados e compliance com regulamentações locais.
A onda chinesa de modelos poderosos e acessíveis
A crescente popularidade dos modelos abertos coincide com um fluxo constante de lançamentos cada vez mais capazes de laboratórios chineses de IA. A cada poucos meses, surge um novo modelo de peso aberto que é mais barato para implementar e mais fácil de customizar que os concorrentes proprietários, minando a economia da IA proprietária na qual empresas americanas investiram bilhões.
Recentemente, a empresa chinesa Z.ai lançou um modelo de peso aberto chamado GLM-5.2 que se destaca em codificação agêntica e compete com os modelos mais recentes da Anthropic na identificação de vulnerabilidades de segurança. Esses desenvolvimentos mostram que a inovação em IA não está mais concentrada apenas nos grandes laboratórios americanos, mas está se democratizando globalmente.
O alerta de Satya Nadella sobre lock-in
Delangue não está sozinho em sua visão. Satya Nadella, CEO da Microsoft, recentemente alertou contra o lock-in de fornecedor único, argumentando que o controle de dados deveria ser uma preocupação primária para empresas usando IA. “Embora a grande inovação que vem dos provedores de modelos tendo direitos de uso justo para treinar modelos em dados públicos seja necessária, acho irônico que o status quo seja então impor termos restritivos sobre destilação e reservar o direito de aprender com dados de uso e interação do cliente”, disse Nadella.
O executivo da Microsoft argumenta que se o aprendizado flui em apenas uma direção, o valor econômico converge para os proprietários da infraestrutura de aprendizado em vez dos criadores do conhecimento. “Portanto, é imperativo que distribuamos a infraestrutura de aprendizado para cada empresa para que possam controlar seu próprio ciclo de aprendizado”, conclui.
O debate sobre segurança e acesso
A ascensão dos modelos abertos intensificou o debate sobre se modelos cada vez mais capazes deveriam estar amplamente disponíveis. Dario Amodei, CEO da Anthropic, argumentou que escalar modelos abertos poderosos pode se tornar perigoso porque, uma vez lançados, tornam-se difíceis de controlar. Outros argumentam que modelos abertos são mais facilmente acessados por atores mal-intencionados que poderiam usá-los para espalhar desinformação ou realizar ataques cibernéticos ou biológicos.
Delangue vê a questão de forma diferente: “O maior risco em IA é a concentração de poder. A maneira de tornar o mundo mais seguro, na minha opinião, é nivelando o campo de jogo e criando transparência sobre esses modelos.” Ele argumenta que a transparência permite que defensores possam mais facilmente “corrigir os riscos de cibersegurança que já sabem que modelos open source podem explorar”.
O executivo da Hugging Face argumenta que manter modelos poderosos fechados não elimina os riscos associados a sistemas avançados de IA, em parte porque é fácil contornar as proteções das APIs de modelos de fronteira e roubar os pesos para disseminá-los abertamente. Restringir modelos poderosos, segundo ele, simplesmente concentra a tecnologia nas mãos de poucas empresas enquanto reduz a transparência sobre como os sistemas funcionam.
Implicações para o mercado brasileiro
Para executivos e gestores brasileiros, essa mudança no panorama da IA tem implicações profundas. Primeiro, sugere que a estratégia de IA não precisa mais ser sobre ter acesso ao modelo mais avançado, mas sim sobre ter o modelo mais eficiente e adequado para suas necessidades específicas. Empresas brasileiras podem se beneficiar dessa democratização da IA, implementando soluções customizadas sem depender exclusivamente de grandes provedores internacionais.
Segundo, a tendência reforça a importância de desenvolver capacidades internas em IA. Com a disponibilidade crescente de modelos open source de alta qualidade, empresas podem construir suas próprias soluções mantendo controle total sobre seus dados e processos. Isso é particularmente relevante considerando as discussões sobre regulamentação de IA no Brasil e a necessidade de compliance com a LGPD.
Terceiro, a competição entre modelos abertos e fechados está criando um ambiente mais favorável para inovação e experimentação. Startups brasileiras de IA podem agora competir em pé de igualdade com empresas maiores, usando os mesmos modelos base e customizando-os para nichos específicos do mercado local.
Conclusão
A corrida da IA está tomando um rumo inesperado. Enquanto a atenção do mercado permanece focada nos avanços dos modelos de fronteira, a realidade da implementação empresarial está migrando rapidamente para soluções open source mais acessíveis e customizáveis. Para o mercado brasileiro, isso representa uma oportunidade única de participar mais ativamente da revolução da IA, desenvolvendo soluções próprias e mantendo controle sobre tecnologias críticas para o futuro dos negócios. A mensagem é clara: na nova economia da IA, possuir e controlar seus modelos pode ser mais valioso do que simplesmente alugar acesso aos modelos mais avançados.
Fonte original: Este artigo foi adaptado e traduzido a partir da matéria publicada em TechCrunch, disponível em https://techcrunch.com/2026/07/14/the-real-ai-race-may-no-longer-be-at-the-frontier-open-models-hugging-face/.
