Em janeiro de 2025, um modelo de inteligência artificial desenvolvido na China ultrapassou o ChatGPT na App Store. Não foi criado por uma gigante tecnológica com milhares de milhões de dólares em investimento. Foi construído por uma equipa relativamente pequena, com uma fração do orçamento — e o seu código foi disponibilizado gratuitamente para o mundo inteiro.
O DeepSeek-V3 não foi apenas um marco tecnológico. Foi um sismo. A NVIDIA perdeu temporariamente 593 mil milhões de dólares em valor de mercado num único dia. As ações das grandes tecnológicas tremeram. E a pergunta que todos fizeram foi inevitável: os modelos de IA de código aberto são uma ameaça existencial para as big tech — ou a maior oportunidade que o setor já viu?
A resposta, como quase tudo em IA, é mais complexa do que parece. Mas uma coisa é certa: nada será como antes.
A Revolução Open Source: De Onde Viemos e Onde Estamos
Durante anos, a inteligência artificial de ponta foi um clube exclusivo. OpenAI, Google, Anthropic e Microsoft dominavam o território com modelos proprietários — poderosos, sim, mas fechados, caros e opacos. Para aceder a esta tecnologia, empresas e programadores dependiam de APIs pagas, com contratos de utilização que limitavam o que podiam fazer.
Tudo começou a mudar em 2023, quando a Meta lançou o Llama 2 — o primeiro modelo de linguagem de grande escala verdadeiramente competitivo disponibilizado com pesos abertos. A partir daí, o movimento open source acelerou a um ritmo sem precedentes.
Hoje, em meados de 2026, o panorama é radicalmente diferente. Quatro famílias de modelos dominam o ecossistema open source, cada uma com a sua própria filosofia e vantagens.
DeepSeek: A Disrupção Vinda da China
O DeepSeek-V3 é, provavelmente, o modelo que mais abalou o status quo. Com uma arquitetura Mixture-of-Experts (MoE) de 671 mil milhões de parâmetros — dos quais apenas 37 mil milhões são ativados por token — este modelo demonstrou que é possível alcançar desempenho de topo a uma fração do custo tradicional.
Os números falam por si: o DeepSeek-V3 foi treinado com apenas 2.788 milhões de horas de GPU H800, o que se traduz num custo estimado de 5,6 milhões de dólares. Para comparação, estima-se que o treino do GPT-4 tenha custado mais de 100 milhões de dólares.
Mas o mais impressionante é o desempenho. Em benchmarks como o MMLU (88.5), MATH (61.6) e LiveCodeBench (40.5), o DeepSeek-V3 iguala ou supera modelos como o GPT-4o e o Claude 3.5 Sonnet. No AIME 2024, uma competição matemática de alto nível, obteve 39.2 — contra 9.3 do GPT-4o e 16.0 do Claude 3.5.
O DeepSeek-R1, modelo especializado em raciocínio, elevou ainda mais a fasquia ao usar reinforcement learning em larga escala, provando que a inovação em IA não é exclusiva das empresas americanas com orçamentos astronómicos.
Meta Llama: A Aposta Aberta que Mudou Tudo
A Meta tem sido uma das maiores impulsionadoras do ecossistema open source, e a família Llama é a prova disso. Desde o Llama 3 de abril de 2024 até ao Llama 4 lançado em abril de 2025, a evolução foi meteórica.
O Llama 4 Maverick merece destaque especial: com 17 mil milhões de parâmetros ativos e 128 especialistas, suporta um contexto de 10 milhões de tokens — o maior de qualquer modelo open source. Isto significa que o modelo pode processar e raciocinar sobre documentos inteiros, bases de código extensas ou conversas extremamente longas sem perder o fio à meada.
Os números de adoção são impressionantes: os modelos Llama foram descarregados centenas de milhões de vezes, e milhares de projetos comunitários foram construídos sobre esta base. A estratégia da Meta é clara — ao abrir os modelos, atrai developers, cria um ecossistema e fortalece a posição dos seus próprios produtos (WhatsApp, Instagram, Facebook) com integrações de IA.
Mistral AI: A Fronteira Europeia
Do outro lado do Atlântico, a Mistral AI — startup francesa que levantou 1,7 mil milhões de euros em 2025 — tem sido a resposta europeia à corrida da IA. Com uma cadência de lançamentos impressionante, a Mistral cobre todo o espetro: desde modelos compactos como o Mistral Small 3 até modelos especializados em programação como o Devstral, passando por soluções de OCR (Mistral OCR 3), speech-to-text (Voxtral) e até text-to-speech.
A parceria estratégica com a NVIDIA para acelerar modelos open source de fronteira reforça a posição da Mistral como um dos atores mais importantes do ecossistema — e uma prova de que a Europa pode competir nesta arena.
Qwen: O Poder Chinês ao Serviço do Mundo
A família Qwen, desenvolvida pela Alibaba Cloud, é talvez a mais versátil de todas. O Qwen3 trouxe uma nova geração de modelos base, enquanto o Qwen-Image (20 mil milhões de parâmetros) se especializou em geração e edição de imagem com renderização de texto complexo.
Mas a joia da coroa é o Qwen-MT: um sistema de tradução automática que suporta 92 línguas, cobrindo 95% da população mundial. Num mundo cada vez mais globalizado, esta capacidade é um trunfo enorme para empresas que operam em múltiplos mercados.
O Qwen3Guard merece também destaque como o primeiro modelo de segurança e guardrail da família, oferecendo classificação de risco para prompts e respostas — uma funcionalidade cada vez mais crítica à medida que as empresas adotam IA em produção.
Por Que as Empresas Estão a Mudar para Open Source
A adoção de IA open source não é apenas uma moda tecnológica. É uma decisão de negócio fundamentada em dados concretos.
Segundo um estudo da IBM realizado em dezembro de 2024 com 2.400 decisores de IT em 13 países, 51% das empresas que usam ferramentas open source de IA reportam ROI positivo, contra apenas 41% das que não usam. Mais de 80% dos inquiridos afirmam que pelo menos 25% das suas soluções de IA são baseadas em open source, e 48% planeiam aumentar o investimento nesta área.
As Cinco Vantagens Decisivas
1. Custos Dramaticamente Inferiores
Modelos como o DeepSeek-V3 e o Llama 4 são gratuitos para usar. Não há taxas de API, não há subscrições, não há custos por token. Para empresas que processam grandes volumes de dados, a diferença é abismal. O custo de treino do DeepSeek-V3 — 5,6 milhões de dólares contra mais de 100 milhões do GPT-4 — é o exemplo perfeito de como a eficiência está a democratizar o acesso.
2. Controlo Total e Personalização
Com modelos open source, as organizações podem fazer fine-tuning com os seus próprios dados, adaptar o modelo a casos de uso verticais (saúde, finanças, direito) e controlar completamente o comportamento do sistema. Não há dependência de terceiros, não há limitações impostas por termos de serviço.
3. Privacidade e Segurança de Dados
A possibilidade de executar modelos localmente (on-premises) significa que os dados nunca saem da infraestrutura da empresa. Para organizações que lidam com informação sensível — dados pessoais, propriedade intelectual, segredos comerciais — esta é uma vantagem inestimável. Como afirma JJ Asghar, da IBM: “As empresas precisam de uma forma segurada, privada e confiável de fazer inferência com IA.”
4. Transparência e Conformidade Regulatória
Com o EU AI Act em vigor, a transparência deixou de ser opcional. Modelos open source permitem auditorias completas, deteção de enviesamentos e explicabilidade — requisitos essenciais para setores regulados como a saúde, as finanças e a justiça.
5. Inovação Colaborativa
A Linux Foundation reporta mais de 100.000 developers a contribuir para 68 projetos de IA open source, de mais de 3.000 organizações. Nenhuma empresa individual consegue igualar este nível de expertise e escala. O resultado é um ciclo virtuoso de inovação contínua.
Aberto vs. Proprietário: O Gap Está a Fechar
Durante muito tempo, a escolha entre modelos abertos e proprietários era óbvia: os fechados eram melhores, mas caros; os abertos eram gratuitos, mas inferiores. Esse tempo acabou.
Desempenho: A Convergência é Real
Os modelos open source de topo já igualam ou superam os melhores modelos proprietários na maioria dos benchmarks. O DeepSeek-V3 supera o GPT-4o em matemática e programação. O Llama 4 Maverick compete com modelos de fronteira em compreensão geral. A velocidade de convergência acelerou — o que levava 18 meses agora leva 6 a 12 meses.
Custos: A Diferença é Abismal
Enquanto os modelos proprietários cobram por token (com custos que podem escalar rapidamente para empresas com grande volume), os modelos open source são gratuitos. O investimento é transferido para infraestrutura de hardware, mas com modelos cada vez mais eficientes — como o Llama 3.3 70B, que oferece desempenho comparável ao Llama 3.1 405B com menos de um quinto dos parâmetros — os custos de inferência estão a cair drasticamente.
Funcionalidades: Cada Um com as Suas Forças
Os modelos proprietários ainda levam vantagem em facilidade de uso (plug-and-play), suporte dedicado e guardrails de segurança integrados. Mas os modelos open source respondem com execução local, fine-tuning completo, transparência total e context windows maiores (até 10 milhões de tokens no Llama 4 Maverick).
A escolha, cada vez mais, não é entre “melhor” ou “pior” — é entre controlo e personalização versus conveniência e suporte.
O Impacto nas Big Tech: Adaptar ou Morrer
O crescimento do open source não passou despercebido às grandes tecnológicas. Cada uma reagiu à sua maneira.
A OpenAI continua a liderar em notoriedade — o ChatGPT atingiu 1.000 milhões de utilizadores mensais em maio de 2026 — mas a pressão open source forçou reduções de preços e o lançamento de modelos mais pequenos e acessíveis, como o GPT-4o mini.
A Google integrou o Gemini no seu ecossistema, mas reconhece estar atrás na corrida das ferramentas de programação. A Microsoft aposta no Copilot integrado no Windows, Office e GitHub, enquanto a Anthropic mantém uma posição forte em qualidade e segurança, com o compromisso de um modelo sem publicidade.
Mas talvez a jogada mais inteligente venha da própria Meta. Ao abrir o Llama, a Meta não está a dar vantagem aos concorrentes — está a expandir o mercado total de IA e a posicionar-se como a plataforma de referência. Os modelos são gratuitos, mas o ecossistema que criam beneficia diretamente os produtos da empresa.
Novos Modelos de Negócio
O crescimento do open source está a forçar uma reestruturação dos modelos de negócio. A venda de acesso a modelos (API) está a dar lugar à venda de infraestrutura, serviços e suporte enterprise. A Mistral oferece modelos open com serviços enterprise (Forge, Le Chat Enterprise). A IBM aposta em modelos abertos (Granite) com consultoria e cloud. A NVIDIA, independentemente do modelo escolhido, vende o hardware que o faz funcionar.
O Que o Futuro Reserva
Especialistas da IBM, Linux Foundation, Meta e outras organizações apontam para várias tendências que vão definir os próximos anos:
Modelos menores e mais inteligentes. A eficiência é a nova fronteira. Modelos de 1 a 7 mil milhões de parâmetros estão a tornar-se suficientemente bons para muitos casos de uso, reduzindo custos e permitendo IA diretamente no dispositivo (edge computing).
Multimodalidade nativa. As futuras arquiteturas processarão texto, imagem, áudio e vídeo de forma integrada — não como amálgamas de modelos separados, mas como um sistema unificado. O Qwen-Image e o Llama 4 Vision são passos nessa direção.
IA Agente (Agentic AI). Modelos open source estão a servir de base para agentes autónomos capazes de executar tarefas complexas. Frameworks como o OpenClaw permitem a execução segura destes agentes, e empresas como a Microsoft já desenvolveram contentores de execução dedicados.
Regulamentação e governação. O EU AI Act está a impulsionar práticas de IA ética e transparente. Open source facilita a conformidade regulatória, tornando-se uma vantagem competitiva para empresas que operam na Europa.
Colaboração entre grandes empresas. A Linux Foundation AI & Data já aloja 68 projetos com mais de 100.000 developers. É provável que surjam consórcios de IA open source entre empresas que, em outras circunstâncias, seriam concorrentes.
Conclusão: Ameaça e Oportunidade — Ao Mesmo Tempo
Voltemos à pergunta inicial: a IA de código aberto é uma ameaça ou uma oportunidade para as grandes tecnológicas?
A resposta mais honesta é: é ambas as coisas — e isso é precisamente o que a torna tão poderosa.
Para empresas que dependiam exclusivamente do acesso a modelos fechados como fonte de receita, o open source é uma pressão real. O “moat” tecnológico está a encolher, os preços estão a cair, e os clientes têm cada vez mais alternativas viáveis.
Mas para empresas que souberem adaptar-se — usando open source como base e adicionando valor através de serviços, integração, suporte e inovação — a IA de código aberto é o maior catalisador de crescimento que o setor já viu. Está a democratizar o acesso, a acelerar a inovação e a forçar todas as empresas a evoluir mais rapidamente.
O que é certo é que o futuro da IA não será nem totalmente aberto nem totalmente fechado. Será um ecossistema híbrido onde modelos open source e proprietários coexistem, competem e se complementam. E nesse ecossistema, todos — das startups às multinacionais, dos programadores independentes às grandes tecnológicas — têm a ganhar.
A revolução open source em IA não está a chegar. Já aconteceu. A questão agora é: vai ficar a ver ou vai fazer parte dela?
Gostou deste artigo? Partilhe-o com a sua rede e subscreva a newsletter do Dicaforma para receber os melhores conteúdos sobre tecnologia, formação e transformação digital diretamente no seu email. O futuro não espera — e a sua empresa também não deveria.
