Gigantes da tecnologia se unem em carta aberta para defender modelos de IA com pesos abertos nos Estados Unidos
Um grupo formado por cerca de duas dezenas de empresas e organizações assinou uma carta aberta direcionada a formuladores de políticas dos Estados Unidos pedindo a proteção dos modelos de inteligência artificial de pesos abertos. Entre os signatários estão concorrentes diretos no mercado e instituições com modelos de negócio bastante distintos, o que chamou a atenção do setor. A lista reúne nomes como Meta, Microsoft, Nvidia, IBM, Dell Technologies, CrowdStrike, Palantir, ServiceNow, Hugging Face, Perplexity e Mistral, além de fundos e entidades como Andreessen Horowitz, Y Combinator, Linux Foundation e Mozilla.
Os modelos de pesos abertos, também chamados de open-weight, são sistemas de inteligência artificial cujos parâmetros treinados são publicados para que qualquer pessoa possa baixar, examinar, modificar e executar em seu próprio hardware. O formato se diferencia dos modelos fechados, como os produtos de fronteira oferecidos por empresas como OpenAI e Anthropic por meio de acesso via API, nos quais os pesos nunca saem da infraestrutura do fornecedor.
A carta faz uma comparação direta entre o movimento de software de código aberto que ganhou força a partir dos anos 1980 e o debate atual sobre a livre circulação dos pesos de modelos de IA. Para os signatários, os pesos abertos funcionam como o mecanismo responsável por levar a capacidade da inteligência artificial além de um pequeno grupo de laboratórios bem capitalizados. Eles defendem que esses modelos podem chegar a fluxos de trabalho que descrevem como os de fábricas, hospitais, fazendas, salas de aula e pequenos negócios.
A argumentação central da carta se organiza em três eixos. O primeiro sustenta que os pesos abertos reduzem o custo de entrada para startups e instituições públicas que não têm recursos para treinar modelos de fronteira do zero nem para arcar com tarifas por token cobradas em modelos fechados para tarefas rotineiras. O segundo eixo aponta que a abertura amplia a concorrência em toda a cadeia, desde chips até infraestrutura em nuvem e aplicações, o que contribuiria para manter os preços baixos e evitar que o valor fique concentrado em poucos fornecedores. O terceiro eixo destaca que empresas-clientes que rodam modelos de pesos abertos mantêm o controle sobre seus próprios dados e podem adaptar o modelo a necessidades internas, sem depender do roadmap ou da política de preços de um único fornecedor.
O documento também dedica atenção especial ao argumento de segurança, apresentando uma leitura que inverte a forma habitual de enquadrar a questão. Os signatários reconhecem que, uma vez liberados, os pesos ficam fora do controle do desenvolvedor original, o que dificulta o rastreamento e a reversão de versões modificadas. Eles admitem ainda que versões ajustadas ou simplificadas de um modelo aberto podem circular sem as camadas de proteção originais e que não existe um mecanismo de recall.
A resposta defendida na carta não é a proibição. Os signatários recorrem a uma analogia com a cibersegurança e argumentam que os profissionais de defesa, ao enfrentarem atacantes equipados com inteligência artificial, precisam ter acesso a modelos com capacidade equivalente para detectar e simular ameaças, algo que sistemas fechados com acesso permissionado não oferecem com facilidade. A carta amplia essa tese ao afirmar que modelos fechados não são inerentemente mais seguros, pois podem ser invadidos, mal utilizados ou apresentar falhas que pesquisadores externos não conseguem observar nem verificar. Nessa leitura, concentrar capacidade avançada em poucos fornecedores fechados criaria pontos únicos de falha em vez de eliminá-los. Já os modelos abertos permitiriam que pesquisadores externos examinassem o comportamento dos sistemas, realizassem testes de simulação de ataques e identificassem vulnerabilidades de forma distribuída, em vez de depender exclusivamente dos testes internos de um único fornecedor. O documento traça um paralelo com o argumento de que software de código aberto é mais seguro do que soluções baseadas em obscuridade, embora não apresente dados específicos de descoberta de vulnerabilidades ou incidentes aplicáveis a sistemas de inteligência artificial.
A carta reserva espaço para a defesa de uma técnica que se tornou controversa no setor, a destilação, processo pelo qual as saídas de um modelo são utilizadas para treinar ou aprimorar outro modelo. A prática é comum em pesquisa e desenvolvimento de produtos de aprendizado de máquina, sendo usada para avaliação, validação e transferência de capacidade entre modelos de diferentes tamanhos. Os signatários fazem uma distinção entre a destilação como técnica legítima e o que descrevem como esforços ilegítimos de extrair valor de modelos fechados, argumentando que a primeira não deve ser atingida por restrições voltadas ao segundo caso. O posicionamento parece responder diretamente a discussões que surgiram após a ascensão de modelos chineses como DeepSeek e Kimi, quando laboratórios norte-americanos sugeriram que modelos rivais teriam sido treinados a partir da destilação não autorizada de seus próprios sistemas fechados. A carta defende que a apropriação indevida deve ser tratada por meio de mecanismos legais e comerciais específicos, e não por restrições amplas a uma técnica da qual todo o campo depende.
O documento não vem acompanhado de uma proposta legislativa ou regulatória específica. Trata-se de um posicionamento estratégico diante de ações anticipatedas em política de inteligência artificial em Washington. A carta pede que legisladores ampliem o acesso a capacidade de computação para startups e pesquisadores, financiem conjuntos de dados de treinamento compartilhados e estruturas de avaliação, e evitem o que os signatários chamam de restrições prematuras aos modelos abertos.
Empresas de infraestrutura e fabricantes de chips como Nvidia, IBM e Dell têm interesse comercial direto no florescimento de ecossistemas de pesos abertos, já que uma variedade maior de modelos prontos para implantação tende a impulsionar a venda de computação e serviços, independentemente de qual laboratório tenha produzido os pesos. Para equipes de aquisição que avaliam implantações com modelos abertos ou fechados, o cenário regulatório segue indefinido, e eventuais restrições à destilação ou à liberação de pesos podem alterar a economia da inteligência artificial hospedada internamente dentro de um único ciclo legislativo.
