Do fundo do teclado - ForkLog: criptomoedas, IA, singularidade, futuro

# Descarregado do fundo

Guia para lançar modelos de IA abertos a partir do GitHub profundo

No desenvolvimento de IA surgiu um vetor em que descentralização e código aberto permitem sair do âmbito das soluções comerciais populares. LLMs locais permitem trabalhar com dados de forma privada, configurar o sistema de forma flexível para suas tarefas e controlar a ambiente de uso de forma independente. Ao mesmo tempo, lançar esses modelos requer compreensão de ferramentas básicas — desde repositórios e pesos de modelos até ambientes em nuvem e características técnicas.

No novo material do ForkLog, contaremos como começar a familiarizar-se com modelos de IA autônomos sem custos, quais recursos usar para iniciantes e o que oferecem os desenvolvedores de soluções de código aberto.

Primeira introdução

Para desenvolvedores de modelos de IA abertos, existem duas plataformas principais — GitHub e Hugging Face. A primeira é tradicionalmente usada para publicar código-fonte, documentação e scripts de instalação, enquanto a segunda se tornou um hub global para pesos de modelos, conjuntos de dados e soluções ML prontas. No Hugging Face, são publicados centenas de milhares de redes neurais treinadas, desde modelos linguísticos compactos para smartphones, geradores alternativos de conteúdo multimídia, até algoritmos especializados para cientistas e entusiastas.

A escolha do modelo necessário é auxiliada por métricas de atividade da comunidade. No GitHub, elas são representadas pelo número de estrelas, frequência de atualizações (commits) e velocidade na resolução de problemas (issues).

É importante verificar a origem do produto e a autenticidade do repositório. Builds populares de código aberto frequentemente se tornam iscas para cibercriminosos, que distribuem código malicioso sob a aparência de ferramentas de IA conhecidas.

O próximo passo na familiarização com modelos de IA locais é testar sua funcionalidade na prática. Para usuários sem hardware potente, existem plataformas em nuvem gratuitas e condicionalmente gratuitas

A solução mais popular é o Google Colab — ambiente em nuvem que fornece acesso a processadores gráficos (GPU) diretamente do navegador. A assinatura gratuita permite trabalhar em sistema com acelerador Nvidia Tesla T4 por cerca de duas a quatro horas, dependendo da carga. Como alternativas, estão o Kaggle Notebooks e o Hugging Face Spaces. Este último permite interagir com modelos via interfaces web prontas, como Gradio ou Streamlit.

Também ao trabalhar com soluções federadas, é importante considerar o aspecto jurídico. Muitos projetos populares estão disponíveis sob licenças clássicas, como MIT ou Apache 2.0, permitindo seu uso inclusive comercial com restrições mínimas.

Por outro lado, há abordagens específicas. A Meta distribui seus modelos de ponta sob a licença própria Llama 3.1 Community License, que exige permissão especial se a audiência mensal do serviço ultrapassar 700 milhões de usuários.

Licenças copyleft rigorosas, como a GNU General Public License, também existem, obrigando a abrir o código de todos os produtos derivados.

Meu equivalente pessoal ao ChatGPT

De um grande número de LLMs de uso geral autônomos (semelhantes ao ChatGPT ou Gemini), a escolha do modelo necessário é auxiliada por rankings independentes baseados em testes cegos e métricas de desempenho como Open LLM Leaderboard e Chatbot Arena.

Painel de controle de LLMs abertos. Fonte: llm-stats. O padrão ouro do segmento é a família de modelos Llama, desenvolvida pela Meta, e Qwen, da Alibaba. Esses modelos funcionam bem com contextos longos, lidam com solicitações de múltiplas etapas e são adequados para tarefas de VibeCoding e programação. Graças ao framework aberto Ollama, sua instalação é feita com um único comando.

Durante um teste realizado para escrever este material, o modelo qwen3.5:2b foi iniciado em um notebook sem GPU discreta, baseado em Core i7 com 8 GB de RAM e SSD, fechando aplicativos pesados como mensageiros e navegadores.

Fonte: Ollama. «2b» significa 2 bilhões de parâmetros. Quanto maior o valor, mais conexões complexas a rede neural consegue captar. Por exemplo, o modelo 2b aprenderá gramática básica e comandos simples, enquanto o 122b memorizaria fatos de física quântica, detalhes de documentos jurídicos e aprenderia a planejar tarefas para dez passos à frente.

Cada parâmetro ocupa espaço físico no disco rígido e, principalmente, na memória RAM. O modelo 2b utilizou cerca de 4-5 GB de RAM e foi o máximo possível para rodar em tal máquina. Ao mesmo tempo, a resposta ao pedido mais simples “olá!” levou quase três minutos para ser gerada.

Captura de tela: ForkLog. Classificação aproximada dos modelos:

• 0.5b-2b. Rápidos, podem rodar em notebooks antigos e smartphones. Ideais para tarefas simples (roteirização de comandos, resumos básicos, autocompletar linhas curtas de código). Tendem a alucinar em solicitações complexas;
• 3b-4b. Equilíbrio entre velocidade e qualidade. Bons para dispositivos móveis, casas inteligentes e tarefas de automação. Por exemplo, pedir ao chatbot para apagar a luz, ligar o ar-condicionado ou levantar a cancela;
• 7b-9b. Requerem cerca de 6–8 GB de RAM livre. Modelos poderosos com compreensão de contexto e lógica profunda, adequados para programação e textos extensos.

Em recente estudo sobre VibeCoding em Web3, Vladimir Slyper descobriu que em um MacBook Air com 16 GB de RAM, funcionam qwen2.5-coder:7b, qwen3:8b, llama3.2:3b, deepseek-r1:8b. Modelos mais pesados exigem investimento em PC potente com placas de vídeo high-end ou instalação em servidores alugados.

Processamento de dados privado, impressão 3D e proteção do usuário

As opções de interação com modelos de IA abertos dependem do nível de preparação do usuário e do hardware disponível. Existem projetos empacotados em instaladores convenientes (.EXE) ou aplicativos móveis “prontos para uso”. Outros são repositórios abandonados no GitHub, onde a instalação vira uma batalha de horas contra conflitos de bibliotecas desatualizadas.

Modelos de IA aplicados hoje não são usados apenas para geração de texto. Uma análise superficial do ecossistema permite identificar dezenas de ferramentas especializadas para tarefas específicas

Trabalho com vídeo e 3D:

• CogVideoX. Modelo aberto da Zhipu AI para geração de vídeo a partir de descrição textual. Permite criar vídeos curtos realistas, possui pesos abertos e pode ser implantado em ambientes como Jupyter ou Colab, se houver memória de vídeo suficiente;
• DepthCrafter. Ferramenta para extrair informações de profundidade de campo de vídeos. Útil para profissionais de VFX e modelagem 3D. Permite criar mapas de profundidade de alta precisão para cada quadro de cenas dinâmicas;
• TRELLIS (Morfx 3D). Sistema avançado de geração de ativos 3D. Permite criar modelos tridimensionais de alta qualidade a partir de imagens ou solicitações textuais, otimizando-os para uso em motores de jogos.

Transformar uma foto de trem em objeto para processamento e impressão 3D usando a versão web do Morfx 3D. Captura de tela: ForkLog.Som e reconhecimento:

• CosyVoice. Modelo multilíngue de síntese de fala com suporte a clonagem de voz. Permite gerar áudio realista, mantendo entonações e emoções do orador original;
• Whisper-WebGPU. Implementação do modelo de reconhecimento de fala da OpenAI, reescrita para funcionar diretamente no navegador usando API WebGPU. Isso significa que a transcrição de áudio ocorre localmente, garantindo total privacidade sem enviar arquivos de áudio para servidores externos;
• BirdNET-Analyzer. Rede neural da Universidade de Cornell para identificação de espécies de aves pelo canto. Diferente do popular aplicativo Merlin Bird ID, que depende bastante de processamento em nuvem, o BirdNET-Analyzer oferece controle total do processo de análise localmente e pode ser usado para processamento em massa de gigabytes de gravações de campo.

Fonte: BirdNET.Programação e proteção do usuário:

• Screenshot-to-Code. Utilitário para converter captura de tela de página web ou app móvel em código HTML, Tailwind ou React limpo. Embora muitas vezes funcione com APIs pagas (Claude, GPT-4), sua arquitetura permite conectar modelos multimodais de código aberto;
• MinerU/Magic-PDF. Projeto para extração precisa de dados estruturados de PDFs. O modelo reconhece texto, fórmulas matemáticas e tabelas, convertendo layouts complexos em Markdown;
• Fawkes. Faz alterações invisíveis a olho nu em imagens, dificultando que sistemas de reconhecimento facial identifiquem a pessoa. Pode ser carregado localmente no PC via arquivo .EXE e usado para avatares em redes sociais;
• Nightshade. “Envenena” pixels de imagens para confundir algoritmos de treinamento de IA, se feitos sem permissão. Por exemplo, ao solicitar “cachorro”, o modelo gera uma imagem de gato.

Retrato do presidente dos EUA, Donald Trump, antes do uso do Fawkes. Fonte: Biblioteca do Congresso dos EUA. Após processamento pelos algoritmos Fawkes. Captura de tela: ForkLog.

Combate às bibliotecas e primeiro sucesso

Após instalar modelos de IA com UI/UX compreensível, era necessário verificar quão fácil seria implantar um repositório pesado na nuvem, de forma gratuita.

FLUX.1, do startup Black Forest Labs, é um dos modelos avançados de geração de imagens, concorrente do Midjourney corporativo e Nano Banana. Com hardware adequado, o software pode funcionar de forma autônoma, sem conexão à internet, e contornar censura.

No teste, foi usada a versão gratuita mais leve do FLUX.1 Schnell. Para facilitar a interação com soluções abertas, os desenvolvedores criam frameworks específicos como Ollama. Para geração de imagens, interfaces gráficas como ComfyUI e Forge são populares.

Durante tentativas de instalar a implementação do Forge — cagliostro-forge-colab — foi preciso gastar uma sessão inteira de acesso ao GPU do Google Colab. O problema era uma clássica falha de iniciante — incompatibilidade de versões do Python, ambiente em nuvem e o próprio modelo. Em quatro horas de VibeCoding com a versão gratuita do Gemini 3 Flash, não foi possível obter sucesso.

No final, foi necessário abandonar a instalação do framework e passar diretamente para o deploy do FLUX.1, mas já na próxima sessão gratuita, outro dia.

Na prática, o Google Colab gratuito é mais conveniente aos finais de semana: nesse período, a plataforma costuma oferecer acesso mais prolongado.

O modelo ocupou cerca de 34 GB de espaço no SSD em nuvem. Mas todos os processos relacionados à instalação usaram aproximadamente 86 GB ao final.

Recursos utilizados na máquina em nuvem Google Colab. Captura de tela: ForkLog. Na primeira tentativa, a memória de vídeo do Nvidia Tesla T4 não foi suficiente para o FLUX.1 Schnell. A configuração não adaptada atingia os limites do GPU, até que, após uma série de experimentos simples com o código, o Gemini 3 Flash ajudou a fazer ajustes, usando carregamento por etapas e limpeza de memória. Assim, dos 16 GB de memória de vídeo disponíveis, cerca de 3 GB foram usados durante a geração.

Captura de tela: ForkLog. O processo de criação de uma imagem levou cerca de sete minutos. Como é uma versão gratuita do modelo aberto, o resultado foi bastante surpreendente.

Imagem gerada com FLUX.1 Schnell. Fonte: ForkLog. Ao tentar gerar várias vezes uma imagem do vocalista Marilyn Manson em estilo vitoriano com o auxílio do FLUX.1 Schnell, provavelmente a IA não reconheceu a referência a uma pessoa específica e produziu apenas um padrão visual genérico.

Imagem gerada do artista ao solicitar “desenhe Marilyn Manson em estilo vitoriano” usando o FLUX.1 Schnell. Fonte: ForkLog.## Difíceis e incríveis

Redes neurais abertas há muito tempo são usadas não só para geração de textos e imagens, mas também para tarefas mais específicas e incomuns. Um exemplo marcante de aplicação não convencional da arquitetura de IA foi o modelo GameNGen, capaz de recriar em tempo real o gameplay do clássico shooter DOOM.

Fonte: GameNGen/Github. O GameNGen não simula o jogo no sentido tradicional, mas gera vídeos sequenciais: o modelo prevê como deve parecer o próximo quadro após uma ação do usuário (por exemplo, movimento ou disparo). Por isso, inimigos, objetos e mudanças na cena não são “calculados” pelo motor, mas reproduzidos visualmente como o resultado mais provável.

Entre sistemas autônomos, destaca-se o projeto Voyager — um agente de IA para Minecraft. Ele explora o mundo do jogo, coleta recursos e aprende continuamente por si só.

A comunidade científica também adapta ativamente IA aberta às suas necessidades, por exemplo, usando algoritmos para decifrar histórias. Assim, pesquisadores de Tel Aviv e Munique treinaram o modelo Akkademia para traduzir diretamente a antiga escrita cuneiforme acádica para o inglês. Isso permite processar milhares de tábuas de argila danificadas, acelerando o trabalho arqueológico em dezenas de vezes.

Outro projeto interessante é o MinD-Vis. Essa sistema analisa dados de ressonância magnética funcional e tenta reconstruir imagens que o sujeito observa durante o escaneamento. Ou seja, gera uma interpretação do que foi visto, com base em padrões de atividade cerebral.

Iniciativas como essas demonstram que a inteligência artificial se tornou uma ferramenta universal de compreensão e modelagem da realidade. A transição de APIs corporativos fechados para código aberto cria uma nova paradigma de desenvolvimento tecnológico. Hoje, qualquer pesquisador, desenvolvedor ou entusiasta pode implantar uma infraestrutura que, há alguns anos, exigiria investimentos de milhões em fazendas de servidores.

O desenvolvimento do ecossistema inevitavelmente melhora a experiência do usuário: scripts complexos dão lugar a interfaces intuitivas e ambientes de implantação automatizados. O uso de ferramentas como Ollama e Forge mostra que privacidade, ausência de censura e alta performance podem coexistir harmonicamente em uma única solução de software. O futuro da indústria de IA hoje depende em grande parte de quão forte, escalável e independente permanecerá o ecossistema aberto.