Empresas de IA deixam de focar em modelos maiores e passam para sistemas mais baratos e inteligentes

Nos últimos dois anos, tem sido fácil pontuar a corrida da inteligência artificial (IA): modelos maiores, melhores referências de desempenho (benchmarks) e qualquer empresa que pudesse reivindicar a liderança, pelo menos até o próximo lançamento.

Esse painel de pontuação começa a parecer insuficiente.

À medida que as empresas passam dos testes de IA para o uso em produtos e fluxos de trabalho reais, não se trata mais de acionar o melhor modelo, mas sim de acessar aquele que melhor se adapta a um trabalho específico, pelo custo certo, com os dados necessários e no ambiente escolhido.

Leia também: Demanda por IA acelera investimentos em infraestrutura e amplia oportunidades para o Brasil

Essa mudança está abrindo as portas para um novo tipo de competição em IA, focado menos no tamanho do modelo e mais no roteamento, custo, controle e computação.

“O modelo por si só não é mais o produto”, disse o CEO da Perplexity, Aravind Srinivas, à CNBC. “É o arranjo, o sistema de orquestração que coloca o modelo dentro de uma estrutura muito capaz e o combina com uma série de ferramentas”, completou.

Isso significa que os produtos de IA estão se tornando sistemas que podem decidir qual modelo usar, quando usá-lo e quais ferramentas externas ou fontes de dados da empresa são necessárias. Uma tarefa de atendimento ao cliente pode não precisar do modelo mais caro. Um problema complexo de programação pode precisar. Um fluxo de trabalho interno rotineiro poderia rodar em um modelo aberto mais barato. Uma etapa mais difícil poderia ser escalada para um mais potente.

“A resposta é sempre usar o que for melhor para a tarefa”, disse Srinivas.

Leia também: Brasil pode exportar inteligência artificial em setores estratégicos, diz CEO do Templo

O surgimento de modelos alternativos ocorre no momento em que as corporações americanas reduzem os gastos com IA, e apresenta outro desafio para a OpenAI e a Anthropic, que prosperaram nos últimos anos vendendo a tecnologia mais inovadora do mercado.

A Perplexity apresentou nesta semana uma prévia de um novo sistema para o seu produto de uso de computador (computer-use) construído em torno do GLM 5.2, um modelo aberto da empresa chinesa Z.ai. O sistema foi projetado para permitir que um modelo mais barato lide com a maior parte do trabalho, acionando um modelo mais forte apenas quando necessário.

Essa abordagem reflete uma mudança mais ampla no mercado. Modelos de pesos abertos (open-weight), que podem ser baixados, ajustados e executados pelas próprias empresas, estão se tornando mais capazes. Eles também são mais baratos de operar do que os modelos proprietários premium dos maiores laboratórios de IA.

Peter Fenton, sócio-gerente da Benchmark, disse que a mudança pode ser drástica.

Leia também: IA impulsiona produtividade e eficiência no setor de saúde

“Uma visão talvez contrária, que está se tornando consenso, é a nossa crença de que mais de 90% dos tokens criados virão de modelos de pesos abertos nos próximos 18 a 24 meses, possivelmente até o final do ano”, disse Fenton à CNBC.

Tokens são as unidades de dados que os modelos de IA processam e geram.

“As margens de inferência geradas pelas empresas de modelos de fronteira, acredito, sofrerão pressão quando for possível executá-los sem a margem de lucro que elas aplicam, e quando houver modelos de pesos abertos bons o suficiente”, disse Fenton.

Fenton afirmou que a migração para modelos abertos não se trata apenas de economizar dinheiro. Em alguns casos, modelos menores ajustados para uma tarefa específica podem ser mais rápidos e ter melhor desempenho do que modelos maiores de uso geral.

“Onde funciona e como funciona“

Essa é uma das razões pelas quais a Benchmark investiu na Ollama, uma empresa que facilita para desenvolvedores e empresas o download, a execução e o gerenciamento de modelos abertos.

“Uma coisa é de onde o modelo vem e onde ele foi criado e treinado”, disse o CEO da Ollama, Jeff Morgan. “No entanto, o mais importante para essas empresas com quem conversamos é onde ele roda e como roda”.

Morgan disse que a Ollama foi adotada por mais de 85% das empresas da Fortune 500, incluindo companhias em setores regulamentados, como aviação, seguros e saúde. Ele afirmou que muitas empresas começam com modelos menores rodando perto de seus próprios dados e, depois, expandem para modelos abertos maiores à medida que ganham mais confiança.

Leia também: A inteligência artificial e o compreendimento da mente humana

A ascensão dos modelos abertos também cria um desafio estratégico para os EUA. Muitos dos modelos de pesos abertos mais competitivos estão vindo de laboratórios chineses, incluindo Z.ai e DeepSeek. Isso tornou a IA de código aberto uma questão de negócios, de política pública e de competitividade nacional.

Srinivas disse que os EUA deveriam apoiar os modelos abertos porque eles tornam a IA mais acessível e economicamente viável.

“Se você quer que os benefícios da IA sejam amplamente distribuídos para pequenas empresas na América e em países aliados dos EUA, então você realmente precisa que a IA seja muito mais acessível”, disse Srinivas. “E o código aberto é a única maneira de fazer isso”.

A mudança também pode afetar a enorme construção de centros de dados em andamento em todo o setor de tecnologia.

O atual boom da IA pressupõe que a demanda continuará fluindo para grandes data centers em nuvem repletos de chips de última geração. Srinivas diz que parte do trabalho de IA pode, eventualmente, ser executada localmente, em dispositivos de propriedade de consumidores ou empresas.

Isso não eliminaria a necessidade de data centers, mas poderia criar um sistema de IA mais híbrido, com tarefas rotineiras executadas localmente e o trabalho mais difícil enviado para um modelo mais potente na nuvem.

Para os investidores, a questão é se os maiores laboratórios de IA conseguirão manter seu poder de fixação de preços à medida que os modelos abertos melhoram e as empresas se tornam mais seletivas sobre o que utilizam.