O que são modelos de IA de pesos abertos, os favoritos da China
Modelos de pesos abertos, aposta de empresas chinesas como DeepSeek e Moonshot AI, liberam os parâmetros treinados para download — mas não são a mesma coisa que código aberto.
Por Elias Brandão · Analista de IA e ética
Pesos abertos, em bom português
Pesos são os números que um modelo de IA aprende durante o treinamento — os parâmetros que definem como ele processa uma pergunta e chega a uma resposta. Quando uma empresa libera esses pesos para download, o modelo é dito "de pesos abertos": qualquer um pode baixá-lo e rodá-lo na própria infraestrutura, sem depender da API de quem o criou.
É diferente de "código aberto". Pesos abertos entregam o resultado do treinamento pronto para uso; código aberto libera também o processo — dados, método e licença permissiva para modificar e redistribuir. O Kimi K3, da Moonshot AI, por exemplo, tem pesos abertos mas mantém dados e código fechados sob licença comercial própria; já os pesos do DeepSeek-V3 saem sob licença MIT, bem mais permissiva.
Foto: reprodução/kingy.ai
Dois lados da disputa
De um lado, gigantes americanas como OpenAI, Google e Anthropic mantêm seus modelos mais avançados fechados, cobrando por acesso via API. Do outro, empresas chinesas — Alibaba (família Qwen), Moonshot AI (Kimi) e DeepSeek — apostam em pesos abertos como estratégia de mercado. A Meta também libera pesos de parte de seus modelos, caso do Muse Glimmer.
Rodar um modelo de pesos abertos dá mais controle: os dados processados não saem da infraestrutura de quem usa, e é possível adaptar o modelo para uma tarefa específica. O preço dessa liberdade é o hardware — GPUs, energia e manutenção contínua custam caro, e nem toda empresa consegue bancar isso sozinha.
Por que a China aposta nisso
Para startups e governos sem orçamento de big tech americana, pesos abertos são porta de entrada para IA de ponta sem pagar por API. Isso pressiona o modelo de negócio das empresas fechadas dos EUA e cria um ecossistema concorrente. O Kimi K3, por exemplo, chegou a 88,3 pontos no Terminal-Bench 2.1 e 1 milhão de tokens de contexto, com pesos publicados em julho de 2026 — desempenho que rivaliza com modelos fechados.
Falta responder se essa estratégia geopolítica vai se sustentar conforme o custo de treinar modelos de ponta sobe, ou se apenas poucas empresas vão conseguir continuar bancando pesos abertos de graça.