Um ano depois do DeepSeek: como a China mudou o jogo da inteligência artificial aberta
O modelo chinês que rodava em chips baratos forçou gigantes de tecnologia a repensar estratégias — e abriu caminho para uma IA mais acessível e colaborativa.
Faz um ano que o DeepSeek (um modelo de linguagem desenvolvido na China) sacudiu o mercado de inteligência artificial ao provar que era possível treinar sistemas poderosos gastando muito menos do que gigantes como OpenAI e Google. Segundo a Hugging Face (uma plataforma onde desenvolvedores compartilham e baixam modelos de IA já treinados), aquele momento marcou uma virada: mostrou que a corrida da IA não seria vencida só por quem tem mais dinheiro ou acesso aos chips mais avançados da Nvidia (a fabricante que domina o mercado de processadores para IA).
O impacto foi imediato. Empresas que apostavam exclusivamente em modelos fechados e caros começaram a liberar versões de código aberto — ou seja, modelos cujos pesos (os parâmetros internos que definem como a IA responde) podem ser baixados, modificados e rodados em qualquer lugar, sem depender de APIs pagas (interfaces que conectam aplicativos a serviços de terceiros). A Meta lançou o Llama 3, a Alibaba abriu o Qwen, e até a Mistral na França entrou na disputa. De repente, rodar um LLM (Large Language Model, os modelos de linguagem que entendem e geram texto) deixou de ser privilégio de quem tinha data centers gigantes.
Hoje, a Hugging Face concentra boa parte dessa movimentação: são mais de 1,8 milhão de modelos disponíveis, muitos deles treinados para tarefas específicas — tradução, análise de sentimentos, geração de código — e otimizados para rodar em hardware mais simples, como placas de vídeo comuns ou até em celulares. A plataforma virou um termômetro do que está acontecendo fora do eixo Estados Unidos–China: startups na Índia, pesquisadores na América Latina e desenvolvedores independentes no mundo todo agora conseguem baixar, ajustar (fazer fine-tuning, o processo de retreinar um modelo para uma tarefa nova) e distribuir suas próprias versões de IA.
Mas o artigo também aponta um desafio: a fragmentação. Com tantos modelos circulando, falta padronização — cada um tem suas peculiaridades, formatos diferentes, documentação irregular. A promessa de uma IA verdadeiramente colaborativa e distribuída ainda esbarra em questões práticas: como garantir qualidade, segurança e reprodutibilidade quando qualquer um pode publicar um modelo? A Hugging Face defende que a solução passa por governança comunitária, ferramentas de auditoria abertas e, principalmente, por manter o código acessível para que erros possam ser corrigidos por qualquer pessoa.
O texto termina olhando para frente: a próxima fronteira não seria apenas melhorar os modelos, mas integrá-los em fluxos de trabalho reais — o que a indústria chama de "AI+" (a combinação de modelos de linguagem com bancos de dados, APIs e outras ferramentas para resolver problemas do dia a dia). A aposta é que, em vez de uma corrida por quem faz o modelo maior, o futuro da IA esteja em ecossistemas abertos onde milhares de pessoas colaboram para resolver problemas locais — em idiomas, culturas e contextos que as big techs nunca priorizariam sozinhas.
