Do fundo vibecodaram - ForkLog

# Do fundo, vibecodamos

Guia para lançar modelos de IA abertos do GitHub profundo

No desenvolvimento da IA, surgiu um vetor onde a descentralização e o código aberto permitem ir além das soluções comerciais populares. Os LLM locais permitem trabalhar com dados de forma privada, configurar o sistema de forma flexível para as suas tarefas e controlar o ambiente de utilização de forma independente. No entanto, o lançamento de tais modelos requer compreensão das ferramentas básicas — desde repositórios e pesos de modelos até ambientes cloud e especificações técnicas.

No novo artigo do ForkLog, contaremos como começar a conhecer modelos de IA autónomos sem custos, quais recursos usar para iniciantes e o que os desenvolvedores de soluções OS oferecem.

Primeiro contato

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, a segunda tornou-se um hub global para pesos de modelos, conjuntos de dados e soluções ML prontas. No Hugging Face, são publicadas centenas de milhares de redes neurais treinadas, desde modelos de linguagem miniatura para smartphone, geradores alternativos de conteúdo multimédia, até algoritmos especializados para cientistas e entusiastas.

As métricas de atividade da comunidade ajudam a escolher o modelo necessário. No GitHub, são representadas pelo número de estrelas (stars), regularidade de atualizações (commits) e rapidez na resolução de problemas (issues).

Separadamente, é importante verificar a origem do produto e a autenticidade do repositório. As compilações OS populares tornam-se regularmente isca para cibercriminosos que distribuem código malicioso disfarçado de ferramentas de IA conhecidas.

O próximo passo para conhecer modelos de IA locais é testar a sua funcionalidade na prática. Para utilizadores sem hardware potente, existem plataformas cloud gratuitas e condicionalmente gratuitas.

A solução mais popular — Google Colab — é um ambiente cloud que fornece acesso a unidades de processamento gráfico (GPU) diretamente a partir do navegador. A subscrição gratuita permite trabalhar num sistema com acelerador Nvidia Tesla T4, em média, de duas a quatro horas, dependendo da carga. Alternativas incluem Kaggle Notebooks e Hugging Face Spaces. Esta última permite interagir com modelos através de interfaces web prontas, como Gradio ou Streamlit.

Além disso, ao trabalhar com soluções federadas, é necessário considerar o aspeto jurídico. Muitos projetos populares estão disponíveis sob licenças clássicas, como MIT ou Apache 2.0, o que permite usá-los, inclusive para fins comerciais, com restrições mínimas.

No entanto, existem abordagens específicas. A Meta distribui os seus modelos emblemáticos sob a sua própria licença, Llama 3.1 Community License, que requer uma autorização especial se a audiência mensal do serviço ultrapassar 700 milhões de utilizadores.

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

O meu ChatGPT pessoal

De um enorme número de LLM autónomos de uso geral (análogos do ChatGPT ou Gemini), classificações independentes baseadas em testes cegos e métricas de desempenho, como o Open LLM Leaderboard e o Chatbot Arena, ajudam a escolher o modelo necessário.

Painel de LLM abertos. Fonte: llm-stats.O padrão ouro do segmento é considerado a família de modelos Llama da desenvolvedora Meta e Qwen da Alibaba. Estes modelos funcionam bem com contexto longo, lidam com consultas de múltiplas etapas e são adequados para tarefas de vibecoding e programação. Graças ao framework aberto Ollama, a sua instalação resume-se a um comando.

Durante o teste realizado para a redação deste material, o modelo qwen3.5:2b conseguiu ser executado num portátil sem placa gráfica discreta baseado em Core i7 com 8 GB de RAM e SSD, fechando aplicações pesadas: mensageiros e navegadores.

Fonte: Ollama."2b" significa 2 mil milhões de parâmetros. Quanto maior o valor, mais complexas são as relações que a rede neural pode captar. Por exemplo, o modelo 2b aprenderá gramática básica e comandos simples, enquanto o 122b se lembrará de factos de física quântica, nuances de documentos legais e aprenderá a planear tarefas com dez passos de antecedência.

Cada parâmetro ocupa espaço físico no disco rígido e, mais importante, na memória RAM. O modelo 2b usou cerca de 4-5 GB de RAM e foi o máximo para executar nessa máquina. No entanto, a resposta a um pedido simples "olá!" demorou quase três minutos a ser gerada.

Captura de ecrã: ForkLog.Gradação indicativa de modelos:

• 0.5b-2b. Rápidos, podem funcionar em portáteis antigos e smartphones. Ideais para tarefas simples (roteamento de comandos, sumarização básica, autocompletar linhas curtas de código). Propensos a alucinações em pedidos complexos;
• 3b-4b. Equilíbrio entre velocidade e qualidade. Bons para dispositivos móveis, casa inteligente e tarefas de automação. Por exemplo, pode pedir ao chatbot para diminuir a luz do quarto, ligar o ar condicionado ou levantar a barreira;
• 7b-9b. Exigem cerca de 6-8 GB de RAM livre. Modelos potentes com compreensão de contexto e lógica profunda, adequados para programação e trabalho com textos grandes.

Na sua recente investigação sobre vibecoding em Web3, Vladimir Sleeper descobriu que, para uma máquina do nível de um MacBook Air com 16 GB de RAM, são adequados qwen2.5-coder:7b, qwen3:8b, llama3.2:3b, deepseek-r1:8b. Modelos mais potentes requerem investimento num PC potente com placas gráficas topo de gama ou instalação em servidores alugados.

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

As opções de interação com modelos de IA abertos dependem do nível de preparação do utilizador e do hardware. Existem projetos empacotados em instaladores convenientes (ficheiros com extensão .EXE) ou aplicações móveis que funcionam "prontas a usar". Outros são repositórios GitHub abandonados, onde a instalação se transforma numa luta de várias horas com conflitos de bibliotecas desatualizadas.

Hoje, os modelos de IA aplicados são usados para muito mais do que apenas gerar texto. Mesmo uma análise superficial do ecossistema permite destacar 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 pequenos vídeos realistas, possui pesos abertos e pode ser implementado em ambientes como Jupyter ou Colab, desde que haja memória de vídeo suficiente;
• DepthCrafter. Ferramenta para extrair informações de profundidade de campo de vídeos. Útil para profissionais de VFX e modelação 3D. Permite criar mapas de profundidade de alta precisão para cada frame de uma cena dinâmica;
• TRELLIS (Morfx 3D). Sistema avançado de geração de assets 3D. O projeto permite criar modelos tridimensionais de alta qualidade a partir de imagens ou pedidos de texto, otimizando-os para uso em motores de jogo.

Transformação de uma fotografia de comboio num objeto para processamento e impressão 3D usando a versão web do modelo Morfx 3D. Captura de ecrã: ForkLog.Som e reconhecimento:

• CosyVoice. Modelo multilingue de síntese de fala com suporte para clonagem de voz. Permite gerar áudio realista, preservando as entoações e a coloração emocional do orador original;
• Whisper-WebGPU. Implementação do modelo de reconhecimento de fala da OpenAI, reescrita para funcionar diretamente no navegador usando a API WebGPU. Isto significa que a transcrição de áudio ocorre localmente, garantindo total privacidade sem transferir ficheiros de áudio para servidores externos;
• BirdNET-Analyzer. Rede neural da Universidade de Cornell para identificar espécies de aves pelo seu canto. Ao contrário da popular aplicação Merlin Bird ID, que depende em grande parte do processamento cloud para algumas funções, o BirdNET-Analyzer fornece controlo total sobre o processo de análise localmente e pode ser usado para processamento em massa de gigabytes de gravações de campo.

Fonte: BirdNET.Programação e proteção do utilizador:

• Screenshot-to-Code. Utilitário para converter uma captura de ecrã de uma página web ou aplicação móvel em código HTML, Tailwind ou React limpo. Embora o projeto funcione frequentemente com APIs pagas (Claude, GPT-4), a arquitetura permite conectar modelos multimodais abertos;
• MinerU/Magic-PDF. Projeto para extração precisa de dados estruturados de documentos PDF. O modelo reconhece texto, fórmulas matemáticas e tabelas, convertendo a maquetagem complexa para formato Markdown;
• Fawkes. Insere alterações invisíveis ao olho humano nas imagens, dificultando a identificação de uma pessoa pelos sistemas de reconhecimento facial. É carregado localmente no PC através de um ficheiro com extensão .EXE e pode ser usado para avatares em redes sociais;
• Nightshade. "Envenena" os pixéis da imagem para confundir os algoritmos de treino de empresas de IA, se o fizerem sem permissão. Por exemplo, ao pedido "cão", o modelo gerará uma imagem de gato.

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

Luta com bibliotecas e primeiro sucesso

Após a instalação de modelos de IA com UI/UX intuitivos, foi necessário descobrir até que ponto seria fácil implantar um repositório pesado na cloud, e de forma gratuita.

FLUX.1 da startup Black Forest Labs é um dos modelos mais avançados de geração de imagens, concorrendo com os empresariais Midjourney e Nano Banana. Com o hardware necessário, o software pode funcionar de forma autónoma sem acesso à internet e permite contornar a censura.

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

Durante as tentativas de instalar a implementação Forge — cagliostro-forge-colab — foi necessário gastar toda uma sessão de acesso à GPU do Google Colab. O problema foi o clássico erro de principiante — incompatibilidade de versões do Python, do ambiente cloud e do próprio modelo. Em quatro horas de vibecoding com a versão gratuita do Gemini 3 Flash, não se conseguiu sucesso.

No final, foi necessário abandonar a instalação do framework e passar diretamente à implementação do FLUX.1, mas já na sessão gratuita seguinte, noutro dia.

Na prática, o Google Colab gratuito é mais conveniente de usar ao fim de semana: nessa altura, a plataforma oferece frequentemente acesso mais prolongado.

O modelo ocupou cerca de 34 GB de espaço em disco do SSD cloud. Mas todos os processos associados à instalação acabaram por usar cerca de 86 GB.

Recursos utilizados da máquina cloud Google Colab. Captura de ecrã: ForkLog.Na primeira fase, o modelo FLUX.1 Schnell não teve memória de vídeo suficiente do acelerador Nvidia Tesla T4. A configuração não adaptada esbarrava nos limites da GPU, até que, após uma série de experiências simples com código, o Gemini 3 Flash ajudou a fazer alterações, usando carregamento faseado e limpeza de memória. Como resultado, dos 16 GB de memória de vídeo disponíveis, cerca de 3 GB foram usados durante o processo de geração.

Captura de ecrã: ForkLog.O processo de criação de uma imagem demorava cerca de sete minutos. Considerando que é uma versão gratuita de um modelo aberto, o resultado surpreendeu agradavelmente.

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

Imagem gerada do artista com o pedido "desenha o Marilyn Manson em estilo vitoriano" usando FLUX.1 Schnell. Fonte: ForkLog.## Complexos e incríveis

As redes neurais abertas há muito que são usadas não apenas para gerar textos e imagens, mas também para tarefas mais específicas e invulgares. Um exemplo marcante de aplicação não convencional da arquitetura de IA foi o modelo GameNGen, capaz de recriar o jogo do clássico shooter DOOM em tempo real.

Fonte: GameNGen/Github GameNGen não simula o jogo no sentido habitual, mas sim gera vídeo sequencialmente: o modelo prevê como deve ser o próximo frame após a ação do utilizador (por exemplo, movimento ou disparo). Por isso, os inimigos, objetos e alterações de cena não são "calculados" pelo motor, mas sim reproduzidos visualmente como o resultado mais provável.

Entre os sistemas autónomos, destaca-se o projeto Voyager — um agente de IA para Minecraft. Ele explora o mundo do jogo de forma independente, recolhe recursos e aprende continuamente.

A comunidade científica também está a adaptar ativamente a IA aberta às suas necessidades, por exemplo, usando algoritmos para decifrar a história. Assim, investigadores das Universidades de Tel Aviv e Munique treinaram o modelo Akkademia para traduzir diretamente a antiga escrita cuneiforme acadiana para inglês. Permite processar milhares de tabletes de argila danificadas, acelerando o trabalho dos arqueólogos dezenas de vezes.

Não menos interessante é o projeto MinD-Vis. Este sistema analisa dados de fMRI e tenta reconstruir as imagens que o sujeito está a ver no momento da digitalização. Ou seja, gera uma interpretação do que a pessoa viu com base nos padrões de atividade cerebral.

Iniciativas como estas provam que a inteligência artificial se tornou uma ferramenta universal de conhecimento e modelação da realidade. A transição da iniciativa de APIs empresariais fechadas para código aberto está a formar um paradigma completamente novo de desenvolvimento tecnológico. Hoje, qualquer investigador, desenvolvedor ou entusiasta tem a oportunidade de implantar uma infraestrutura que, há apenas alguns anos, exigia investimentos multimilionários em quintas de servidores.

O desenvolvimento do ecossistema é inevitavelmente acompanhado pela melhoria da experiência do utilizador: scripts complexos dão lugar a interfaces intuitivas e ambientes de implantação automatizados. O uso de ferramentas como Ollama e Forge demonstra que privacidade, ausência de censura e alto desempenho podem coexistir harmoniosamente numa única solução de software. O futuro da indústria de IA depende hoje, em grande parte, da força, escalabilidade e independência que o ecossistema aberto manterá.