O Estado da IA Open Source: Paridade Alcançada, Lacuna de Produção Persiste

O relatório State of Open Source AI da Mozilla (V1.0, julho de 2026) traz dados concretos: modelos de peso aberto fecharam a lacuna de capacidade em relação aos melhores modelos fechados, mas persiste uma lacuna de implantação em produção.

Principais descobertas

• Lacuna de capacidade: A diferença no Chatbot Arena caiu de 8,04% para 0,5% em agosto de 2024, brevemente igualada pelo DeepSeek-R1 em fevereiro de 2025, mas reaberta para 3,3% em março de 2026 com o avanço dos modelos fechados de raciocínio. O código aberto está em paridade ou próximo disso em codificação, seguimento de instruções e conhecimento geral; a lacuna concentra-se em raciocínio, recuperação de contexto longo e tarefas agentivas.
• Queda no custo de inferência: A inferência de classe GPT-4 caiu 50x em 36 meses — de US$ 20 para US$ 0,40 por 1M de tokens. Isso é mais rápido que as curvas de preço da largura de banda da era pontocom ou da computação PC.
• Volume de tokens: Modelos de peso aberto agora roteiam a maioria dos tokens de produção no OpenRouter. Os cinco modelos de maior volume são todos de peso aberto. Modelos construídos na China roteiam ~18T tokens/semana contra ~5,5T dos EUA (análise do FT).
• Adoção versus produção: 79% dos desenvolvedores que adicionam funcionalidade de IA usam modelos abertos (contra 71% fechados), mas apenas 51% das equipes de modelos abertos chegam à produção (contra 63% das fechadas). A lacuna está em ferramentas operacionais e confiança, não na capacidade do modelo.

O relatório cita casos de uso concretos: uma emissora maori treinando modelos de fala para te reo sob licença de soberania de dados; a PwC ajustando um modelo aberto em linguagem financeira executado em seu próprio hardware; pesquisadores construindo um modelo médico aberto com a Cruz Vermelha; agricultores diagnosticando doenças da mandioca com modelos offline no dispositivo; e um consórcio público suíço treinando um modelo nacional em supercomputadores públicos, liberando pesos, dados e código de treinamento.