Um modelo de IA tem três peças: 'open source' quase sempre entrega só uma

Rodar um modelo de inteligência artificial na sua própria máquina, sem mandar seus dados pro servidor de outra empresa toda vez, é uma coisa. Entender por que aquele modelo responde o que responde, e de onde veio o que ele aprendeu, é outra, bem diferente. Quase todo modelo que o mercado chama de “open source” entrega só a primeira, e a etiqueta esconde exatamente essa diferença.

Quem apontou isso, com nome institucional atrás, foi a Open Source Initiative (OSI), a entidade que criou e mantém a definição de código aberto usada pelo mercado de software desde os anos 90. Numa página chamada “Open Weights: not quite what you’ve been told”, a OSI escreve que o que você está chamando de IA aberta, na maioria dos casos, tem outro nome: open weights. E que a diferença não é briga de palavra.

Um modelo de linguagem nasce de três peças. Os dados de treino, que é tudo que ele leu. O código de treino, que é a receita: como os dados foram limpos, em que ordem entraram, com que ajuste. E os pesos, os números finais da rede depois que o treino termina, que são o que decide como o modelo interpreta a sua pergunta e monta a resposta. A OSI define “open weights” como só a terceira peça, distribuída sob uma licença aprovada: os pesos finais, e mais nada.

Publicar os pesos é entregar o bolo pronto. Você consegue provar, consegue ajustar pro seu caso, consegue rodar na sua própria infraestrutura e nunca mais depender de nuvem alheia. O que você não consegue é refazer o bolo, nem conferir o que entrou nele. O código que montou o treino e a informação sobre os dados, de onde vieram e como foram filtrados, ficam de fora. E é aí que mora a régua da própria OSI: a Open Source AI Definition pede quatro liberdades, usar o modelo pra qualquer fim, estudar como ele funciona, modificar pra qualquer objetivo e compartilhar com ou sem alteração. Sem o código e a informação de dados, estudar e modificar ficam capengas. Você usa e compartilha, mas não reconstrói nem confere a origem.

Isso muda a pergunta que você faz antes de montar um processo em cima de um modelo dito aberto. “É open source?” não separa nada, porque quase todo fornecedor responde sim. A pergunta que separa é outra: os pesos são abertos, ou o código de treino e a informação sobre os dados também são? Se você toca uma clínica, um escritório ou um time pequeno e está pensando em rodar um modelo na sua própria máquina pra ganhar privacidade, esse ganho é real e vem junto com os pesos. Mas se o seu jurídico, ou o seu cliente, um dia perguntar de onde veio o dado que treinou aquele modelo, essa resposta normalmente não vem na caixa.

Nada disso é motivo pra evitar modelo de pesos abertos. É motivo pra saber, antes de depender dele, qual das duas coisas você está recebendo. A etiqueta “open source” não te conta isso. A pergunta sobre as três peças, sim.