Peter Farkas, CEO da Percona, um dos principais nomes do ecossistema de software open source, alerta para um equívoco comum na indústria de IA: confundir termos como “open weight” e “open source”. Segundo ele, essa distinção não é apenas semântica, mas tem implicações profundas para transparência, inovação e até mesmo segurança na utilização de modelos de inteligência artificial.
O Problema da Confusão Terminológica
Em um cenário onde empresas como Meta, Mistral e Nvidia lançam modelos de IA com pesos abertos (open weights), muitos os classificam erroneamente como “open source”. No entanto, como explica Farkas, essa confusão pode levar a expectativas enganosas sobre o que realmente está disponível para desenvolvedores e pesquisadores.
Segundo a Open Source Initiative (OSI), um modelo de IA verdadeiramente open source deve incluir não apenas os pesos do modelo, mas também:
- Código-fonte completo: Permitindo que qualquer um entenda, modifique e redistribua o código.
- Dados de treinamento: Para que seja possível auditar e replicar o processo de treinamento.
- Licença apropriada: Que garanta as liberdades típicas do open source, como uso, modificação e redistribuição.
Já os modelos com pesos abertos (open weights) disponibilizam apenas os parâmetros treinados do modelo, permitindo que sejam executados ou ajustados superficialmente, mas sem acesso ao processo completo de desenvolvimento.
Por Que Isso Importa?
Para especialistas como Gary Marcus, professor de ciência cognitiva e AI Ethics, modelos com pesos abertos são como um bolo pronto: você pode decorá-lo ou cortá-lo de maneiras limitadas, mas não sabe quais ingredientes foram usados, nem como o bolo foi assado. Já um modelo verdadeiramente open source é como ter a receita completa, permitindo que você faça alterações profundas, como ajustar os ingredientes ou até mesmo criar uma nova receita.
Esse nível de transparência é crucial para:
- Segurança: Identificar e corrigir vulnerabilidades ou viéses nos modelos.
- Inovação: Permitir que desenvolvedores criem soluções personalizadas para problemas específicos.
- Regulação: Garantir que modelos de IA atendam a padrões éticos e legais.
- Independência tecnológica: Evitar a dependência de provedores fechados, reduzindo riscos de lock-in.
O Que Dizem os Especialistas?
Peter Farkas, em palestra durante o Open Source Summit Europe 2026, destacou que a falta de clareza na terminologia está gerando confusão no mercado. Ele afirmou que a indústria de IA foi pegue de surpresa pela demanda por modelos capazes de suportar workloads de agentes autônomos, e que ainda não existe uma solução madura para isso.
Segundo Farkas, “A IA está se tornando uma situação de lock-in, onde empresas como Google e Meta controlam não apenas os modelos, mas também as infraestruturas em que eles rodam. Isso limita a capacidade das organizações de escolherem soluções verdadeiramente abertas e independentes.”
Ele também criticou a tendência de empresas como a Meta de lançarem modelos com pesos abertos, mas sem disponibilizar os dados de treinamento ou o código completo. “Isso não é open source; é uma estratégia de marketing para atrair desenvolvedores sem realmente abrir o ecossistema”, afirmou.
Modelos com Pesos Abertos vs. Open Source: Qual a Diferença Prática?
Para entender melhor, vamos comparar dois modelos populares:
- Llama (Meta): Lançado como “open source”, mas disponibiliza apenas os pesos treinados e parte do código. Os dados de treinamento não são públicos, e a licença restringe modificações profundas.
- OLMo (Allen Institute for AI): Um exemplo de modelo verdadeiramente open source, onde código, dados de treinamento e metodologias estão completamente disponíveis.
Enquanto o Llama permite que desenvolvedores façam fine-tuning limitado, o OLMo possibilita uma customização completa, desde a adaptação dos dados de treinamento até a modificação da arquitetura do modelo.
O Futuro da IA: Transparência ou Opacidade?
Com o lançamento de definições como a Open Source AI Definition (OSAID) pela OSI, em outubro de 2024, há um movimento para padronizar o que realmente constitui um modelo de IA open source. No entanto, a adoção ainda é limitada, e muitos modelos continuam sendo comercializados como “abertos” sem atender aos critérios rigorosos.
Especialistas como Naveen Rao, vice-presidente de IA na Databricks, argumentam que o valor na IA está cada vez mais nas camadas de aplicação e customização, e não apenas nos modelos em si. Por isso, modelos com pesos abertos podem ser uma solução intermediária, mas não devem ser confundidos com a verdadeira filosofia open source.
Para Farkas, o desafio é criar um ecossistema onde a inovação não seja limitada pela opacidade. “A IA tem o potencial de transformar indústrias inteiras, mas isso só será possível se construirmos sistemas verdadeiramente abertos, transparentes e colaborativos”, concluiu.
Com a crescente adoção de IA em setores críticos, como saúde e finanças, a distinção entre “open weight” e “open source” não é mais um detalhe técnico, mas uma questão de confiança, segurança e soberania tecnológica.
