A maioria das notícias sobre IA trata de modelos fechados: aqueles que você só pode usar pelo aplicativo ou pela API de uma empresa. Mas alguns dos lançamentos mais importantes deste ano foram modelos cujos pesos qualquer pessoa pode baixar, executar em seu próprio hardware e modificar.
Neste outono, a oferta de IA de pesos abertos cresceu de forma perceptível. Veja o que foi lançado, o que “aberto” realmente significa em cada caso e quem deve prestar atenção.
Pesos abertos, em resumo
Os pesos de um modelo são os bilhões de números que ele aprendeu durante o treinamento. Quando uma empresa os disponibiliza, você pode executar o modelo por conta própria em vez de enviar seus dados aos servidores de outra empresa. Também pode fazer o ajuste fino com seus próprios dados.
Isso é diferente de “código aberto” no sentido tradicional do software. Muitos modelos de pesos abertos não publicam seus dados de treinamento nem o código completo de treinamento, e muitos vêm com licenças que restringem seu uso. Voltarei a esse ponto, pois ele importa mais do que a maioria das reportagens sugere.
Os principais lançamentos do ano
DeepSeek
O laboratório chinês DeepSeek manteve um ritmo constante este ano. Sua família V4 chegou ao Hugging Face em versões Pro e Flash na primavera, seguida por checkpoints atualizados durante o verão, um modelo experimental de visão no início de setembro e uma versão V4.1 Flash em meados de outubro. As atualizações frequentes e incrementais da DeepSeek fizeram dela um dos laboratórios de pesos abertos mais acompanhados.
Qwen da Alibaba
Em 14 de agosto, a equipe Qwen da Alibaba disponibilizou os pesos de dois modelos Qwen3.8. O menor, Qwen3.8-27B, é um modelo multimodal de 27 bilhões de parâmetros que processa texto, imagens e vídeo, com uma janela de contexto nativa de cerca de 262.000 tokens que, segundo a equipe, pode ser ampliada para um milhão. A Qwen afirma que ele supera o maior Qwen3.7-Plus em tarefas de programação e escritório. Ele é lançado sob a licença permissiva Apache 2.0.
O segundo, um modelo muito maior chamado Qwen3.8-2.4T-A95B, é voltado ao segmento mais avançado. Segundo reportagem da eWeek, ele vem com uma licença personalizada que acrescenta limites para alguns grandes usuários comerciais.
Meta
A trajetória da Meta com pesos abertos mudou de rumo. Llama 4, lançado em abril de 2025, foi o último grande lançamento com o nome Llama. Este ano, a Meta passou para uma nova família de modelos chamada Muse, e seu primeiro modelo Muse foi lançado em abril como um produto fechado, disponível apenas por API.
Em 15 de outubro, a Meta lançou Muse Spark Open, um grande modelo de mistura de especialistas com pesos abertos. O diretor de IA da Meta, Alexandr Wang, chamou-o de “o modelo americano de pesos abertos mais capaz até hoje”, e a Meta afirma que ele rivaliza com modelos semelhantes de desenvolvedores chineses líderes, como Qwen da Alibaba, Kimi da Moonshot AI e GLM da Z.ai, e em alguns casos os supera. Essas são afirmações da própria Meta.
A Meta diz que o modelo pode ser executado em dois Mac Studios com chips M5 Ultra da Apple, o que revela algo: “executa localmente” agora significa hardware de grande porte no segmento mais avançado. Ele também é lançado sob uma licença própria da Meta, com restrições comerciais, em vez de uma licença padrão de código aberto.
O que realmente mudou
Laboratórios chineses ditam o ritmo
O detalhe mais revelador do outono talvez seja a forma como a Meta apresentou seu próprio lançamento. A divulgação de Muse Spark Open foi construída em torno da comparação com modelos chineses de pesos abertos. No último ano, laboratórios como DeepSeek, a equipe Qwen da Alibaba, Moonshot e Z.ai definiram o que caracteriza um modelo forte de pesos abertos, e o maior novo participante americano agora se posiciona em relação a eles.
Para algumas empresas, isso importa por razões além do desempenho. Empresas de setores regulados, ou com políticas sobre a origem de seus softwares, podem precisar verificar a origem e a licença de qualquer modelo antes de usá-lo, mesmo quando ele é executado inteiramente em seus próprios servidores.
Modelos pequenos se tornaram realmente úteis
Os lançamentos que considero mais práticos não são os gigantes. São modelos como Qwen3.8-27B: pequenos o suficiente, quando comprimidos, para rodar em uma única GPU de alto desempenho, mas capazes o suficiente para trabalhos reais, como processamento de documentos, busca interna e ajuda com programação. Para muitas tarefas empresariais, esse é o ponto ideal.
“Aberto” agora abrange uma ampla variedade
Compare as licenças: Apache 2.0 para o modelo menor da Qwen, uma licença personalizada com limites para o maior e a licença própria da Meta com restrições comerciais para Muse Spark Open. Todos são chamados de “abertos”. Eles não são igualmente abertos. Leia sempre a licença antes de criar um produto sobre um modelo, especialmente se você planeja crescer.
Quem deve prestar atenção
Você provavelmente não precisa de pesos abertos se é uma pessoa ou uma pequena equipe que usa IA para escrita, pesquisa e análise no dia a dia. Um bom modelo fechado por meio de um plano empresarial é mais simples e geralmente mais forte nas tarefas mais difíceis.
Vale a pena considerar seriamente os pesos abertos se:
- Seus dados não podem sair do seu ambiente. Executar um modelo em sua própria infraestrutura mantém os dados sensíveis dentro da organização. Nosso guia sobre como usar IA no trabalho sem vazar dados sensíveis explica quando isso importa.
- Você processa grandes volumes. Em escala, hospedar seu próprio modelo para tarefas rotineiras pode custar menos do que pagar por token.
- Você precisa personalizar. O ajuste fino com seus próprios dados é muito mais fácil quando você controla os pesos.
- Você quer evitar a dependência de um fornecedor. Um modelo que você hospeda não pode ser descontinuado, ter o preço alterado ou ser modificado sem seu controle.
A contrapartida é assumir o que um fornecedor normalmente cuida: hardware, atualizações, monitoramento e medidas de segurança. Isso dá trabalho de verdade, e é por isso que muitas equipes acabam usando ambos: modelos fechados para as tarefas mais difíceis e de menor volume, e modelos de pesos abertos para tarefas de alto volume ou sensíveis.
Minha opinião
O ecossistema de pesos abertos está mais saudável do que há um ano: mais laboratórios, mais tamanhos de modelos e mais concorrência. Isso é bom para todos, inclusive para quem nunca baixa um modelo, porque pressiona os preços dos modelos fechados.
Mas eu teria cuidado com a palavra “aberto”. A pergunta mais importante sobre um modelo de pesos abertos não é sua pontuação em benchmarks. É se a licença permite fazer o que você planeja e se você realmente consegue executá-lo em um hardware que pode pagar.
Para conhecer os modelos fechados lançados neste outono, veja o que mudou com os lançamentos de GPT-6, Gemini 4 Argon e Claude 5.5. E, se estiver escolhendo um modelo para uma tarefa específica, nosso guia sobre como escolher um modelo de IA explica as vantagens e desvantagens, inclusive entre modelos abertos e fechados.
Fontes
- Hugging Face, Repositórios de modelos da DeepSeek
- The Decoder, Equipe Qwen da Alibaba lança modelos Qwen 3.8 de pesos abertos sob a licença Apache 2.0, 14 de agosto de 2026
- eWeek, Alibaba abre Qwen3.8-27B enquanto modelo Max acrescenta limites de licença, agosto de 2026
- Khaleej Times, Meta apresenta novo modelo de IA “aberto” para rivalizar com a concorrência chinesa, 16 de outubro de 2026
- The New Stack, Meta lança Muse Spark Open, sua resposta aos melhores modelos chineses de pesos abertos, outubro de 2026



