🔭 Sinais da Semana
A empresa que mais defendeu modelos abertos nos últimos anos fechou a torneira. O motivo oficial é "segurança", mas o timing — logo após o GPT-5.6 e o Grok 4.5 — sugere outra coisa: os modelos abertos estavam ficando bons demais para serem distribuídos de graça.
Enquanto a Meta fecha, a OpenAI abre. Os modelos gpt-oss, mesmo sendo versões destiladas, colocam capacidade de frontier em qualquer servidor. É a OpenAI tentando ocupar o espaço que a Meta está deixando — e criando dependência no ecossistema open-source.
Um modelo chinês — não americano — no topo do coding. O K3 da Moonshot AI não é só mais um benchmark: é um sinal de que a liderança técnica em IA já não tem nacionalidade fixa. E a China está jogando com regras diferentes das americanas.
Não é benchmark sintético. É matemática de verdade. O modelo não apenas superou humanos — fez algo que nenhum humano conseguiu em cinco décadas. Isso muda o patamar do que esperamos de "raciocínio de máquina".
Enquanto as big techs brigam por preço, 29 nações assinam a criação da Agência Mundial de Cooperação em IA. O Brasil está na mesa. Governança global de IA saiu do papel de vez.
🧩 O Que Eles Realmente Significam
A guerra de preços — GPT-5.6 vs Grok 4.5 vs GLM-5.2 a US$ 1 por milhão de tokens — é cortina de fumaça. O jogo real está em três camadas muito mais profundas:
Primeiro: a batalha pelo open-weight virou uma guerra de posicionamento. A Meta fecha porque seus modelos estavam virando commodity — qualquer um podia rodar, inclusive concorrentes chineses. A OpenAI abre porque precisa fincar bandeira no ecossistema de desenvolvedores antes que alternativas como Kimi e DeepSeek ocupem esse espaço. Não é sobre princípios. É sobre quem controla a base instalada.
Segundo: a compressão de vantagem dos laboratórios está acelerando. O DeepSeek V4-Pro quase empata com modelos fechados em coding. O Kimi K3 lidera. O gpt-oss coloca capacidade de frontier em qualquer lugar. A distância entre o melhor modelo proprietário e o melhor modelo aberto está encolhendo a uma velocidade que os valuations de big tech não precificam.
Terceiro: a governança global está chegando mais rápido que o esperado. WAICO com 29 países, UE ativando regras de transparência, governo dos EUA com poder de veto sobre lançamentos de modelos de fronteira. Em 6 meses, nenhum laboratório vai lançar um modelo frontier sem passar por algum tipo de escrutínio multilateral. Isso é novo.
Junte as três peças e a imagem é clara: o mercado de LLMs está saindo da fase de "corrida do ouro" e entrando na fase de "infraestrutura regulada". Quem apostar em diferenciação por modelo bruto vai perder. Quem apostar em distribuição, custo de inferência e conformidade regulatória vai ganhar.
🗺️ Cenários: 3-6 Meses
Cenário 1: Consolidação de Provedores
Premissa: A guerra de preços sangra os players menores. Laboratórios que não têm escala de infraestrutura própria ou distribuição estabelecida ficam sem margem.
O que muda: O mercado converge para 3-4 grandes provedores de inferência (OpenAI, Google, Anthropic, talvez Grok/X.ai). Modelos menores viram features, não produtos.
Quem ganha: OpenAI (com Azure), Google (com TPU), X.ai (com cluster próprio). Quem perde: Startups de API de LLM, laboratórios independentes, empresas que apostaram em fine-tuning como negócio principal.
Cenário 2: Open-Weight Atinge Paridade — e o Valor Migra
Premissa: Modelos abertos (gpt-oss, DeepSeek, Kimi destilado) atingem performance comparável aos fechados em 80% dos casos de uso empresarial até o final de 2026.
O que muda: O valor não está mais no modelo — está na camada de aplicação. Agentes, workflows, integrações verticais. Empresas param de pagar por API e passam a rodar local.
Quem ganha: NVIDIA e fabricantes de chips de inferência, plataformas de orquestração de agentes (Codex, CrewAI, LangChain), empresas com dados proprietários. Quem perde: OpenAI (se não pivotar para plataforma), provedores de API pura, Anthropic (se não verticalizar).
Cenário 3: Choque Regulatório Global
Premissa: WAICO + UE AI Act + regulação americana convergem em um framework que exige auditoria prévia para qualquer modelo acima de 10^25 FLOP.
O que muda: Ciclo de lançamento desacelera de semanas para meses. Modelos passam por compliance antes de chegar ao público. Open-source sofre restrição por "risco sistêmico".
Quem ganha: Big techs com times de compliance (Google, Microsoft), consultorias de IA responsável, empresas de auditoria de algoritmos. Quem perde: Comunidade open-source, startups que dependem de iteração rápida, laboratórios chineses com acesso limitado a mercados ocidentais.
👀 Fique de Olho
- Próximo lançamento da Anthropic: O que a Anthropic vai fazer depois de recolher o Mythos 5? Se lançarem algo nas próximas semanas, o jogo muda.
- Métricas de adoção do gpt-oss: Quantos desenvolvedores vão migrar para modelos open-weight da OpenAI? O número de forks e deploys nos próximos 30 dias vai dizer muito.
- Regulação Chinesa: Como o governo chinês vai reagir ao Kimi K3 liderando rankings globais? Vão restringir exportação do modelo ou usar como soft power?
- ICML 2026 papers: Os papers de sparsity seletivo que saíram no ICML podem reduzir o custo de inferência em 10x — se virarem produto rápido, a guerra de preços fica irrelevante.
—
O Radar TF é publicado todo domingo às 21h. Não é notícia — é radar. Aponte para onde vamos, não para onde estamos.