Título original: Possuir vs. Alugar Inteligência
Autor original: Lin Qiao
Tradução: Peggy, BlockBeats

Prefácio: Mythos foi encerrado esta semana, fazendo muitos empreendedores de IA perceberem novamente uma questão que o custo muitas vezes encobre: quando o núcleo de um produto é construído sobre modelos e plataformas externas, o que é que a empresa realmente possui?

Nos últimos anos, modelos de código aberto têm sido frequentemente discutidos sob a perspectiva de “alternativas mais baratas a modelos de ponta”. Mas este artigo acredita que o custo não é a variável mais importante; o controle é. Para uma empresa de IA, usar a API de modelos de ponta pode acelerar o lançamento do produto e reduzir a barreira técnica, mas também significa que a capacidade central pode ficar sujeita às regras, preços, estratégias e até decisões de retirada do fornecedor do modelo.

O artigo propõe ainda que, “possuir inteligência” não equivale a abandonar modelos de ponta, mas sim que a empresa deve consolidar seus dados, fluxos de trabalho, conhecimento de domínio, padrões de avaliação e casos extremos em um sistema de modelos controlável. No futuro, a competição em IA não será necessariamente dominada por um único modelo maior, mas por múltiplos “pioneiros”: modelos gerais de ponta, modelos treinados posteriormente e de propriedade exclusiva da empresa, modelos verticais especializados, além de sistemas de roteamento que coordenam vários modelos.

O encerramento do Mythos serve como um lembrete: a verdadeira barreira competitiva na era da IA não é apenas a capacidade de usar modelos poderosos, mas sim transformar a inteligência em um ativo próprio da empresa.

A seguir, o texto original:

Mythos foi encerrado esta semana. Independentemente de você concordar ou não com essa decisão, o ponto principal já não é mais esse.

O que realmente dói na maioria das pessoas é: uma empresa que constrói seu negócio com inteligência que ela não consegue controlar, de repente, fica exposta a um conjunto de decisões que ela não consegue influenciar. Muitos fundadores, ao perceberem isso, se perguntam: quais partes do meu negócio são, na verdade, “alugadas”?

Nos últimos anos, as discussões sobre modelos de código aberto têm girado principalmente em torno de custos: eles realmente conseguem realizar as tarefas? Se sim, quanto mais barato é do que usar uma API de modelo de ponta?

Hoje, temos uma resposta bastante clara. Trabalhamos com empresas como @RampLabs, @cursor_ai, @harvey, e o caminho geralmente é semelhante: partir de um modelo de código aberto robusto, treinar posteriormente com foco nas tarefas mais importantes para a empresa, e continuamente compará-lo com modelos de ponta por meio de avaliações rigorosas.

E os resultados surpreendem repetidamente. Para tarefas de maior preocupação empresarial, um modelo de código aberto ajustado pode, com custos extremamente baixos, alcançar ou até superar a qualidade de modelos de ponta.

Mas o que realmente ficou claro nesta semana é que o custo nunca foi o problema mais importante.

A questão mais profunda é o controle. A quem pertence a inteligência na qual seu produto depende?

Recentemente, muitas discussões foram resumidas na distinção entre “alugar” e “possuir”. Essa analogia não é perfeita, mas é bastante útil.

Alugar inteligência

Alugar, antes de qualquer problema, sempre foi uma solução eficaz. O apartamento já vem pronto para morar, as luzes acendem, a água funciona, e há alguém responsável pela manutenção. É por isso que a maioria das empresas opta por esse caminho inicialmente.

APIs de modelos de ponta são produtos excelentes. Permitem que startups construam coisas que, até alguns anos atrás, pareciam impossíveis.

Por outro lado, alugar também impõe limites. O locador pode aumentar o aluguel, decidir sobre reformas, alterar regras. E, ocasionalmente, por motivos alheios a você, pode até dizer: “Você precisa sair”.

Você não fez nada de errado. Simplesmente está operando em um terreno que não é seu.

Por isso, a história do Mythos ressoa com tanta gente. Quando sua capacidade central depende totalmente de uma plataforma de terceiros, você fica vulnerável a decisões que não controla.

Na maior parte do tempo, isso não é um problema. Mas, em certos momentos, pode se tornar extremamente crítico.

Possuir inteligência

A lição aqui não é que as empresas devam parar de usar modelos de ponta. Muito pelo contrário. Os laboratórios de modelos de ponta já fizeram avanços extraordinários. A maioria dos produtos deve usá-los. Nós mesmos estamos usando.

Em muitos aspectos, modelos de ponta estão se tornando infraestrutura. Mas infraestrutura e propriedade não são a mesma coisa.

Você pode usar infraestrutura pública e, ao mesmo tempo, possuir algo que realmente gere valor para seu negócio. No campo da IA, “possuir” significa partir de um modelo de código aberto de ponta e moldá-lo ao redor das partes mais únicas da sua empresa.

Seus dados.

Seus fluxos de trabalho.

Seu conhecimento de domínio.

Seus casos extremos.

Seus padrões de avaliação.

Sua definição de “bom”.

Com o tempo, esse modelo se tornará cada vez menos genérico, refletindo mais precisamente o trabalho que sua empresa realiza diariamente. É aqui que o valor é criado.

Pode imaginar isso como uma casa. Mover móveis é fácil, pintar uma parede também. Mas, se o seu futuro depende da configuração da casa, cedo ou tarde, você desejará a capacidade de mover paredes. O mesmo vale para a inteligência.

Quando a inteligência realmente pertence a você, ninguém pode silenciosamente remover o chão sob seus pés.

Essa é uma das razões pelas quais construímos o Fireworks dessa forma.

Colocamos treinamento e inferência no mesmo sistema, permitindo que a empresa utilize os melhores modelos de código aberto, moldando-os ao redor das questões mais importantes, e implantando-os de forma estável em produção.

Não apenas consumindo inteligência. Possuindo inteligência.

Não há uma única fronteira

Outra lição otimista desta semana é que o futuro da IA não depende de um único modelo que domine tudo.

Não existe uma única fronteira. Existem muitas.

Um modelo de ponta é uma fronteira.

Um modelo treinado posteriormente com conhecimento proprietário de anos de empresa também é uma fronteira.

Um modelo especializado, que resolve melhor do que qualquer outro em uma tarefa específica, também é uma fronteira.

Um sistema que roteia solicitações para múltiplos modelos, fazendo-os colaborar e superando um único modelo em várias tarefas, também é uma fronteira.

A mudança mais interessante na área de IA não é que um modelo esteja ficando mais inteligente, mas que a inteligência está se tornando cada vez mais customizável.

A empresa que vencerá no final não será necessariamente aquela que possui o maior modelo, mas aquela que consegue transformar a inteligência em um ativo único.

Perspectivas futuras

Muito do tempo desta semana foi dedicado a reagir às notícias, enquanto continuamos lançando produtos: @Kimi_Moonshot K2.7 Code, @MiniMax_AI M3, @Alibaba_Qwen 3.7 Plus.

O futuro que espero não é de um modelo que devora silenciosamente tudo ao seu redor.

Mas de muitas equipes tendo sua própria parte de ponta.

Se o encerramento do Mythos fez você reconsiderar as escolhas envolvidas, estamos abertos para conversar.

[Link para o original]

Clique para conhecer as vagas na BlockBeats em ritmo de movimento

Junte-se à comunidade oficial da BlockBeats:

Grupo Telegram de assinatura: https://t.me/theblockbeats

Grupo de discussão no Telegram: https://t.me/BlockBeats_App

Conta oficial no Twitter: https://twitter.com/BlockBeatsAsia