O relatório State of Open Source AI da Mozilla, publicado em 15 de setembro, afirmou que as organizações deveriam usar modelos abertos como opção padrão na maior parte de suas atividades. O modelo de pesos abertos Kimi K3, da Moonshot AI, ficou apenas três pontos atrás do modelo fechado Fable 5, da Anthropic, no Artificial Analysis Intelligence Index, operando a 30% do seu custo. Segundo Raffi Krikorian, CTO da Mozilla, os modelos fechados oferecem vantagens em trabalhos profissionais que exigem especialização, acesso intensivo a informações e contextos longos. Além disso, são preferidos por estarem prontos para uso e oferecerem pacotes de conformidade, suporte e responsabilização. Embora os modelos de pesos abertos possam ser baixados, os dados de treinamento, o pipeline de dados e o código de treinamento geralmente não são compartilhados.
A DoorDash usa o Kimi em tarefas rotineiras e o Fable em tarefas mais difíceis. Os dados de “horizonte temporal” da METR, medidos com base no tempo de conclusão de especialistas humanos, mostram que o melhor modelo fechado consegue executar tarefas 1,7 vez mais longas do que aquelas que o melhor modelo aberto consegue concluir de forma confiável. Krikorian afirmou que, enquanto o modelo aberto consegue realizar um trabalho de sete horas, o modelo fechado consegue concluir um de 12 horas; quatro meses depois, o modelo aberto chega a 12 horas, e o fechado, a cerca de 20 horas. Embora tarefas com menos de oito horas possam ser atribuídas a ambos os tipos de modelo, a diferença atual surge principalmente em trabalhos de oito a 12 horas. De modo geral, nenhum modelo consegue executar de forma confiável tarefas com mais de 12 horas.
Camadas de software específicas que permitem aos modelos acessar ferramentas e memória podem influenciar as comparações. Na avaliação Terminal-Bench 2.1, realizada com o software neutro da Vals AI, o modelo GLM 5.2 da Z.ai ficou a cerca de um ponto dos modelos Claude Opus 4.7 e 4.8 da Anthropic e custou aproximadamente cinco vezes menos por tarefa concluída. Assim, pagar por modelos fechados proporciona uma vantagem de quatro meses apenas em tarefas de oito a 12 horas, a um custo cerca de cinco vezes maior.
Em agosto de 2026, oito dos primeiros 10 modelos no OpenRouter por volume de tokens são de pesos abertos. Em contrapartida, segundo dados de maio a setembro de 2025 de uma pesquisa da Linux Foundation, os modelos abertos ficaram com 4% da receita, enquanto os modelos fechados receberam 96%. Krikorian afirmou que a concentração dos melhores modelos abertos na China e dos modelos fechados nos EUA representa um risco. Para criar um ecossistema alternativo nos EUA e na Europa, sugeriu o apoio de programas públicos de computação, fundações neutras, empresas e organizações filantrópicas, e ressaltou que é difícil confiar em modelos cujos processos de treinamento e avaliação são desconhecidos.
Por que isso é importante
Este quadro mostra que, para as organizações, faz mais sentido escolher com base na duração da tarefa, no custo e nos requisitos de suporte e conformidade, em vez de ficar restritas a um único tipo de modelo. Enquanto os modelos de pesos abertos reduzem a pressão dos custos em tarefas rotineiras e curtas, a diferença dos modelos fechados se torna mais evidente em tarefas mais longas e que exigem especialização; no entanto, o fato de nenhuma opção conseguir concluir de forma confiável trabalhos que ultrapassem 12 horas mantém os limites da automação. A possibilidade de os resultados variarem conforme as camadas de software proprietárias demonstra que as comparações não devem considerar apenas as pontuações brutas de desempenho. A concentração do uso em modelos abertos e da receita em modelos fechados destaca a distinção entre adoção e valor comercial, bem como o papel dos serviços de suporte. Além disso, a inconsistência na nomenclatura dos modelos da Anthropic na fonte torna necessária a verificação das comparações.
Termo: pesos abertos
Pesos abertos significa que os parâmetros treinados de um modelo de inteligência artificial podem ser baixados; como os dados e o código de treinamento podem não ser abertos, isso não significa o mesmo que código aberto.