IA Open Source ou IA proprietária: qual escolher?

Primeiro, o termo está errado

Quase nenhum modelo "open source" é open source no sentido clássico. O que se publica são os pesos — o resultado do treinamento — sob licenças que variam de bem permissivas a bastante restritivas. Os dados de treinamento e o processo raramente vêm junto.

O termo mais honesto é modelo de pesos abertos. Isso não é preciosismo: muda o que você pode fazer. Você pode baixar, rodar, ajustar e inspecionar o comportamento. Você não pode reproduzir o treinamento nem auditar o que entrou nele.

O que mudou nos últimos dois anos

A diferença de capacidade encolheu bastante. Modelos abertos passaram a entregar, em raciocínio e código, desempenho que estava no topo absoluto pouco tempo antes — a um custo drasticamente menor.

A fronteira ainda pertence aos fechados: os modelos mais capazes em tarefas difíceis, o ecossistema de produto mais completo, o multimodal mais maduro. Mas a pergunta relevante deixou de ser "o aberto dá conta?" para virar "o meu caso precisa da fronteira?".

Para a maioria das tarefas de empresa — classificar, extrair, resumir, responder com base num documento, aplicar regra —, não precisa.

Onde o aberto ganha

Dado que não pode sair. Saúde, jurídico, financeiro, defesa, segredo industrial. Rodando na sua infraestrutura, a pergunta "para onde foi esse dado?" tem resposta simples. Nenhuma cláusula contratual iguala isso.

Custo em alto volume. A partir de certo patamar de uso, pagar por token fica mais caro que manter a própria infraestrutura. Onde exatamente fica esse ponto depende do seu volume — mas ele existe e chega antes do que se imagina em cargas repetitivas.

Previsibilidade. O modelo que você baixou hoje se comporta igual daqui a um ano. Modelo de terceiro é atualizado, ajustado e às vezes descontinuado — e o seu prompt cuidadosamente calibrado passa a produzir outra coisa sem aviso.

Ajuste fino de verdade. Especializar num domínio, num jargão, num formato. Modelo pequeno e bem ajustado bate modelo genérico grande na tarefa específica, com uma fração do custo e da latência.

Funcionar sem internet. Fábrica, embarcado, campo, ambiente isolado.

Onde o fechado ganha

Capacidade máxima. Quando a tarefa é genuinamente difícil e o erro custa caro, os modelos de fronteira ainda entregam mais.

Custo total de propriedade. O modelo aberto é gratuito; a operação não. GPU, monitoramento, atualização, alguém para cuidar. Para volume baixo e médio, a API é mais barata quando você conta o salário de quem mantém.

Velocidade de partida. Da ideia ao funcionando: horas contra semanas.

Ecossistema. Ferramentas integradas, multimodal, geração de imagem e voz, aplicativos, integrações prontas. É produto, não só modelo.

Alguém para responsabilizar. Contrato, acordo de nível de serviço, cláusula de tratamento de dado. Em setor regulado, isso vale mais do que parece.

A escolha, em quatro perguntas

1. O dado pode sair da sua infraestrutura? Se não, o caminho está decidido: aberto e local.

2. Você tem quem opere? Sem uma pessoa que entenda de GPU, inferência e monitoramento, o modelo aberto vira um projeto parado. Não tem? Comece fechado.

3. Qual é o volume? Baixo ou irregular → API fechada, sem dúvida. Alto e constante → faça a conta comparando com o custo de infraestrutura mais pessoa.

4. A tarefa exige a fronteira? Teste com um modelo aberto pequeno antes de assumir que precisa do melhor do mundo. Você vai se surpreender com a frequência com que não precisa.

A resposta madura é quase sempre "os dois". Fechado onde a capacidade decide; aberto onde o volume, o sigilo ou a previsibilidade decidem.

O erro de tratar como ideologia

Existe uma torcida organizada dos dois lados, e ela atrapalha a decisão.

Quem defende aberto por princípio às vezes gasta meses de engenharia para economizar o equivalente a duas assinaturas. Quem defende fechado por conveniência às vezes constrói o produto inteiro amarrado a um fornecedor e descobre o preço disso quando a política de uso muda.

O caminho prático: projete a troca desde o começo. Chame o modelo por trás de uma camada sua, mantenha os prompts versionados fora do código de aplicação, tenha um conjunto de avaliação que rode contra qualquer modelo. Isso custa pouco no início e transforma a escolha em configuração — o que é a única postura sensata num mercado que muda de líder a cada semestre.