A Meta, dona de Facebook, Instagram, WhatsApp e Threads, voltou a ampliar sua aposta em inteligência artificial de pesos abertos. A empresa apresentou o Muse Glimmer, um novo modelo desenvolvido para executar tarefas de forma mais autônoma em computadores pessoais, enquanto o presidente-executivo Mark Zuckerberg aproveitou o lançamento para defender mudanças na política de IA dos Estados Unidos.
A iniciativa foi acompanhada pela divulgação de um manifesto de cerca de 6.500 palavras, intitulado “The Future is for Everyone” (“O futuro é para todos”, em tradução livre). No documento, Zuckerberg argumenta que sistemas avançados de inteligência artificial não deveriam ficar concentrados em um pequeno grupo de empresas ou governos.
O executivo também criticou o que considera excesso de restrições para o desenvolvimento de modelos de pesos abertos nos Estados Unidos. Na avaliação apresentada por Zuckerberg, regras mais flexíveis poderiam ajudar empresas americanas a competir com desenvolvedores estrangeiros, especialmente da China.
Leia mais:
Gastos com inteligência artificial pressionam lucro e caixa da Meta
O que é o Muse Glimmer
O Muse Glimmer foi concebido com uma proposta diferente da adotada por modelos que dependem de enormes estruturas de computação em nuvem. Em vez de buscar apenas o maior número possível de parâmetros ou desempenho máximo em todos os tipos de tarefas, a Meta direcionou o modelo para atividades chamadas de agênticas.
Na prática, isso significa que a inteligência artificial pode ser usada para realizar sequências de ações, utilizar ferramentas e ajudar na execução de tarefas com menor necessidade de intervenção humana.
O modelo foi desenvolvido para funcionar em equipamentos de consumo equipados com uma única GPU, o que reduz a barreira de entrada para desenvolvedores e usuários interessados em executar IA localmente. Informações divulgadas sobre o lançamento apontam para um modelo de aproximadamente 30 bilhões de parâmetros, com versões comprimidas capazes de operar em hardware de uso pessoal.
Essa característica é importante porque uma parte significativa da indústria de IA ainda depende de infraestrutura instalada em grandes data centers. Quando um modelo pode ser executado localmente, determinadas tarefas deixam de depender integralmente de uma conexão com servidores externos.
Para o usuário, isso pode representar vantagens em áreas como privacidade, velocidade de resposta e custos de utilização. Para empresas e desenvolvedores, a possibilidade de adaptar o modelo também pode facilitar a criação de aplicações específicas.
Por que os modelos de pesos abertos ganharam importância
Modelos de pesos abertos são sistemas nos quais os parâmetros treinados são disponibilizados para que desenvolvedores possam estudá-los, adaptá-los ou executá-los de acordo com as condições de licenciamento.
É importante diferenciar pesos abertos de “código aberto” no sentido tradicional. Um modelo pode disponibilizar seus pesos sem necessariamente tornar públicos todos os dados utilizados no treinamento, códigos, processos e demais componentes necessários para reproduzir integralmente seu desenvolvimento.
Essa diferença é relevante porque a discussão atual não envolve apenas tecnologia, mas também custos, segurança, privacidade, propriedade intelectual e competitividade.
Modelos fechados, por outro lado, normalmente são disponibilizados por meio de aplicativos ou APIs. O usuário acessa a inteligência artificial, mas não recebe os pesos do modelo para executar uma cópia local.
A estratégia da Meta tem sido historicamente mais favorável à disponibilização de modelos de pesos abertos. Em 2026, a empresa também vem desenvolvendo a família Muse como parte de sua nova estrutura de inteligência artificial. O Muse Spark, apresentado em abril, foi anunciado como o primeiro modelo desenvolvido pelo Meta Superintelligence Labs e passou a alimentar diferentes experiências da Meta AI.
Zuckerberg quer menos barreiras para IA aberta nos EUA
O lançamento do Muse Glimmer ganhou uma dimensão política porque Zuckerberg aproveitou a ocasião para defender mudanças na regulamentação americana.
Segundo o executivo, empresas dos Estados Unidos enfrentam restrições adicionais relacionadas a dados utilizados no treinamento e a técnicas de desenvolvimento de modelos menores a partir de sistemas mais avançados.
Uma das tecnologias citadas nesse debate é a destilação de modelos. O processo permite utilizar informações produzidas por um sistema mais poderoso para ajudar no treinamento de outro modelo, geralmente menor e mais barato de operar.
A discussão é estratégica porque modelos menores podem alcançar resultados relevantes sem exigir a mesma quantidade de infraestrutura computacional dos sistemas de fronteira.
Para Zuckerberg, dificultar esse tipo de desenvolvimento nos Estados Unidos poderia criar uma desvantagem competitiva diante de empresas de outros países.
A tese apresentada pelo executivo é que o país deveria encontrar um equilíbrio entre segurança e inovação, evitando que regulações excessivas acabem dificultando a criação e distribuição de modelos americanos de pesos abertos.
O argumento de Zuckerberg contra a concentração da inteligência artificial
No manifesto divulgado junto ao lançamento, Zuckerberg questionou a ideia de que sistemas avançados de IA precisariam necessariamente ficar sob controle de poucas empresas.
O executivo defende uma distribuição mais ampla da tecnologia, argumentando que indivíduos, empresas menores e desenvolvedores independentes poderiam se beneficiar de ferramentas avançadas se tivessem acesso a modelos suficientemente capazes.
Essa visão está alinhada à estratégia que a Meta vem adotando ao disponibilizar tecnologias de IA para uma comunidade maior de desenvolvedores.
O argumento também tem um componente econômico. Quanto maior a quantidade de empresas e profissionais capazes de desenvolver aplicações com IA, maior tende a ser o ecossistema criado ao redor desses modelos.
Na prática, isso pode estimular novas startups, ferramentas especializadas e soluções desenvolvidas para setores específicos.
Ao mesmo tempo, o modelo aberto não elimina os riscos associados à inteligência artificial. A facilidade de acesso também pode permitir que ferramentas poderosas sejam utilizadas para finalidades inadequadas, o que torna a discussão sobre mecanismos de segurança particularmente importante.
Meta prepara novos modelos de IA
O Muse Glimmer não deve ser o único lançamento da Meta nessa nova fase.
A companhia indicou que possui modelos maiores em desenvolvimento e também trabalha na evolução da família Muse. O próprio Muse Spark foi apresentado pela empresa como um ponto inicial de uma trajetória de expansão, com modelos maiores previstos para a sequência do projeto.
A Meta também anunciou a intenção de disponibilizar os pesos de uma versão futura do Muse Spark 1.2, ampliando a relevância da estratégia de pesos abertos.
Isso indica uma possível combinação de modelos de diferentes tamanhos: sistemas mais robustos para tarefas complexas e modelos menores, como o Muse Glimmer, voltados para execução local e aplicações agênticas.
Essa arquitetura pode ser particularmente importante à medida que a inteligência artificial deixa de ser utilizada apenas para responder perguntas e passa a executar tarefas de maneira mais autônoma.
O que são tarefas agênticas
A chamada IA agêntica representa uma evolução em relação ao modelo tradicional de chatbot.
Em uma interação convencional, o usuário faz uma pergunta e recebe uma resposta. Em um sistema agêntico, a inteligência artificial pode receber um objetivo e dividir o trabalho em várias etapas.
Por exemplo, em uma aplicação de programação, o sistema poderia analisar um projeto, identificar um erro, modificar determinados arquivos, executar testes e verificar se a alteração resolveu o problema.
Em um computador pessoal, isso abre espaço para assistentes capazes de interagir diretamente com arquivos, aplicativos e ferramentas disponíveis no equipamento.
O Muse Glimmer foi desenvolvido justamente com esse tipo de utilização em mente, buscando oferecer capacidade suficiente para executar fluxos de trabalho locais sem exigir uma infraestrutura equivalente à utilizada pelos maiores modelos hospedados em data centers.
Por que executar IA diretamente no computador pode ser importante
A execução local de modelos de inteligência artificial tem algumas vantagens.
A primeira está relacionada à privacidade. Dependendo da aplicação e de sua configuração, informações processadas localmente não precisam ser enviadas para um servidor remoto para cada operação.
Outra vantagem é a possibilidade de reduzir a dependência de serviços de nuvem. Um desenvolvedor, por exemplo, pode executar determinado modelo diretamente em uma máquina equipada com hardware compatível.
Também existe uma questão de custo. Empresas que processam grandes quantidades de solicitações podem reduzir parte das despesas relacionadas ao uso de APIs externas ao executar determinados modelos internamente.
No entanto, isso não significa que a IA local seja sempre mais barata ou melhor. Modelos maiores continuam exigindo hardware poderoso, memória suficiente e capacidade de processamento adequada.
Por isso, a principal contribuição de modelos como o Muse Glimmer está em tentar colocar recursos mais avançados em uma faixa de hardware acessível a um número maior de usuários.
Data centers também entraram no debate
A estratégia de inteligência artificial da Meta não se limita aos modelos.
O crescimento da IA exige enormes quantidades de capacidade computacional, o que aumenta a necessidade de data centers, chips, energia e infraestrutura de rede.
Zuckerberg reconheceu que a expansão dessa infraestrutura enfrenta resistência em comunidades americanas. Como resposta, a Meta anunciou um fundo de US$ 1 bilhão destinado a apoiar comunidades afetadas pela expansão dos data centers da empresa.
A questão é especialmente relevante porque a construção de data centers passou a ocupar espaço crescente nas discussões sobre consumo de energia, disponibilidade de água, geração de empregos e impactos econômicos locais.
Para a Meta, ampliar a infraestrutura é fundamental para sustentar seus investimentos em inteligência artificial. Para comunidades onde esses empreendimentos são instalados, porém, os custos e benefícios precisam ser avaliados de forma mais ampla.
Como a estratégia da Meta mudou nos últimos anos
A Meta já tinha uma posição de destaque no desenvolvimento de modelos abertos, especialmente com a família Llama. No entanto, a empresa passou por mudanças estratégicas enquanto tentava acompanhar a evolução dos concorrentes em inteligência artificial generativa.
O lançamento do Muse Spark marcou uma nova etapa dessa trajetória. Segundo a própria Meta, o modelo foi desenvolvido pelo Meta Superintelligence Labs e passou a alimentar a Meta AI e outros produtos da companhia.
A empresa também expandiu o uso de IA para áreas como geração de imagens. Em julho, lançou o Muse Image, modelo desenvolvido pelo Meta Superintelligence Labs para criação e edição de imagens e integrado a diferentes experiências da Meta AI.
Com o Muse Glimmer, a companhia acrescenta outra peça à estratégia: modelos mais compactos, voltados para execução local e capazes de realizar tarefas de maneira mais autônoma.
O que isso muda para usuários e empresas
Para o usuário comum, a principal consequência ainda não é uma mudança imediata no uso de aplicativos como WhatsApp ou Instagram.
O impacto mais importante está na direção tecnológica adotada pela indústria. Se modelos cada vez mais capazes puderem ser executados em computadores pessoais, aumenta a possibilidade de surgirem aplicações que funcionem diretamente nos dispositivos.
Imagine, por exemplo, um pequeno escritório que queira utilizar IA para organizar documentos internos. Em vez de enviar todos os arquivos para um serviço externo, uma empresa poderia optar por uma solução local, desde que tenha hardware e software adequados.
Outro exemplo seria um desenvolvedor criando um assistente especializado para uma determinada atividade. Com acesso aos pesos do modelo, ele pode ter mais liberdade para adaptar o sistema às necessidades de sua aplicação, dentro dos termos da licença.
Para startups, essa possibilidade também pode diminuir a dependência de poucos fornecedores de inteligência artificial.
A disputa com empresas americanas e chinesas
O movimento da Meta ocorre em um mercado no qual empresas chinesas vêm ganhando espaço no segmento de modelos de pesos abertos.
A competição aumentou a pressão sobre empresas americanas para desenvolver sistemas capazes de combinar desempenho, custo e acessibilidade.
Enquanto companhias como OpenAI, Anthropic e Google mantêm seus modelos mais avançados predominantemente sob estruturas fechadas, a Meta procura se diferenciar justamente pela disponibilização de pesos em parte de sua estratégia.
Essa diferença de modelo de negócios é uma das questões centrais da atual corrida pela inteligência artificial.
O debate não é apenas sobre qual sistema obtém a maior pontuação em um benchmark. Também envolve quem poderá executar, modificar, comercializar e integrar essas tecnologias em produtos próprios.
IA aberta não significa ausência de riscos
Apesar dos argumentos favoráveis à abertura, existem preocupações importantes.
Um modelo disponível para execução local pode ser mais difícil de controlar depois que seus pesos são distribuídos. Diferentemente de um serviço fechado, no qual a empresa pode alterar filtros e bloquear determinados usos em seus servidores, um modelo local pode ser modificado por terceiros.
Isso torna segurança, licenciamento e mecanismos de proteção temas importantes.
A própria Meta já publicou avaliações de segurança relacionadas ao Muse Spark. Em um relatório de preparação, a companhia descreveu testes envolvendo riscos químicos e biológicos, cibersegurança e perda de controle, além das medidas de mitigação adotadas antes da disponibilização do modelo.
Portanto, a discussão sobre modelos abertos não pode ser reduzida à oposição entre “inovação” e “regulação”. O desafio está em definir mecanismos capazes de preservar os benefícios do acesso mais amplo sem ignorar riscos concretos.
Chesnot/Getty Images
