PulseFlow Tecnologia
← Insights
·7 min de leitura·brief-executivo·modelos-abertos·deepseek·open-weight
PulseFlow Tecnologia

O que DeepSeek, Kimi e modelos abertos mudaram na estratégia de IA

Em menos de dois anos, o argumento de que "só quem tem o melhor modelo fechado vence" ficou insustentável. DeepSeek-R1, Kimi K2, Llama 3.1 e o próprio gpt-oss da OpenAI mostram um padrão consistente: capacidade de ponta deixou de ser exclusividade de um punhado de laboratórios fechados.

DeepSeek-R1: paridade com o1, MIT, preço uma fração do mercado

O DeepSeek-R1 chegou com "performance on par with OpenAI-o1" em matemática, código e tarefas de raciocínio, usando RL em larga escala no pós-treinamento. Mas o detalhe mais disruptivo não é técnico, é comercial: o modelo é totalmente open-source sob licença MIT, permitindo destilar e comercializar livremente, com preço de API de $0,14 por milhão de tokens de entrada em cache - uma fração do que os principais concorrentes fechados cobravam na época. Versões destiladas menores (32B e 70B) alcançam paridade com o o1-mini.

Kimi K2: um trilhão de parâmetros, MIT modificada

O Kimi K2, da Moonshot AI, é um modelo MoE (mixture-of-experts) com 1 trilhão de parâmetros totais, mas apenas 32 bilhões ativados por vez, distribuídos em 384 especialistas com 8 selecionados por token. Foi pré-treinado em 15,5 trilhões de tokens "com zero instabilidade de treinamento", com janela de contexto de 128K tokens. Nos benchmarks, atinge 53,7% no LiveCodeBench e 69,6% no AIME 2024 - competitivo com modelos fechados de referência —, licenciado sob uma licença MIT modificada, com pesos e código abertos.

Llama 3.1: a Meta chama de "o primeiro modelo open source de fronteira"

A Meta descreveu o Llama 3.1 405B como "the first frontier-level open source AI model", treinado em mais de 15 trilhões de tokens usando 16 mil GPUs H100, avaliado em mais de 150 datasets de benchmark, competitivo com GPT-4, GPT-4o e Claude 3.5 Sonnet segundo a própria Meta. A licença foi modificada para permitir que desenvolvedores usem "outputs from Llama models... to improve other models" - uma mudança estratégica que incentiva todo um ecossistema a construir em cima do modelo da Meta. Mais de 25 parceiros, incluindo AWS, NVIDIA, Google Cloud e Databricks, ofereceram serviços já no primeiro dia.

gpt-oss: até a OpenAI abriu pesos

O sinal mais forte de que essa pressão funcionou veio da própria OpenAI: gpt-oss-120b e gpt-oss-20b, lançados sob licença Apache 2.0, com pesos livres para download no Hugging Face. O gpt-oss-120b alcança quase paridade com o o4-mini em benchmarks de raciocínio rodando numa única GPU de 80GB; o gpt-oss-20b entrega resultados parecidos com o o3-mini e roda em dispositivos edge com apenas 16GB de memória. A OpenAI fez parceria prévia com Azure, Hugging Face, AWS, Databricks e outras plataformas para lançar com suporte amplo já no dia um.

O que isso muda na estratégia de empresas

Quando um modelo chinês (DeepSeek), um modelo de um laboratório menos conhecido no ocidente (Kimi K2), o maior modelo aberto da Meta e até um lançamento da própria OpenAI convergem para o mesmo padrão - capacidade de ponta disponível como peso aberto, a preço muito menor —, a mensagem para quem decide arquitetura é clara: apostar tudo em um único modelo fechado como vantagem competitiva é uma aposta cada vez mais frágil. O diferencial real se desloca para o que a empresa constrói em volta do modelo - arquitetura de agente, governança, integração de dados, observabilidade - porque a capacidade bruta do modelo, hoje, está disponível para qualquer concorrente disposto a rodar um peso aberto.

Fontes