Notícias em destaque

Por que os modelos de IA chineses estão dominando o código aberto enquanto os laboratórios ocidentais recuam?

2026-06-15 por AICC
Modelos de IA chineses dominam a implementação de código aberto.

Porque os laboratórios de IA ocidentais não querem mais — ou não podem. OpenAI, Anthropic e Google Diante da crescente pressão para restringir seus modelos mais poderosos, os desenvolvedores chineses preencheram a lacuna de código aberto com IA criada especificamente para atender às necessidades das operadoras: Modelos poderosos que funcionam em hardware comum.

Uma nova segurança estudar Revela o quão completamente a IA chinesa dominou esse espaço. Pesquisa publicada por SentinelOne e Censysmapeamento 175.000 hosts de IA expostos em 130 países ao longo de 293 dias, mostra o Alibaba Qwen2 Consistentemente classificada em segundo lugar, atrás apenas da Llama da Meta, em implantação global. Mais revelador ainda, o modelo chinês aparece em 52% dos sistemas executam múltiplos modelos de IA—sugerindo que se tornou a alternativa de facto ao Llama.

“Nos próximos 12 a 18 meses, esperamos que as famílias de modelos de origem chinesa desempenhem um papel cada vez mais central no ecossistema de código aberto do LLM, especialmente à medida que os laboratórios de ponta ocidentais diminuem ou restringem os lançamentos de modelos de peso aberto.”

Gabriel Bernadett-Shapiro, Cientista de Pesquisa de IA de destaque, SentinelOne, falando com AI News Por TechForge Media

A descoberta surge como OpenAI, Anthropic e Google enfrentam o escrutínio regulatório, os custos indiretos das revisões de segurança e os incentivos comerciais que os impulsionam em direção a Lançamentos com acesso restrito por API em vez de publicar livremente os pesos dos modelos. O contraste com os desenvolvedores chineses não poderia ser mais nítido.

Principal conclusão: Laboratórios chineses demonstraram o que Bernadett-Shapiro chama de "uma disposição para publicar pesos grandes e de alta qualidade que sejam explicitamente otimizados para Implantação local, quantização e hardware de baixo custo"

As implicações práticas são significativas. De acordo com Bernadett-Shapiro:

  • 🔴 Mais fácil de adotar Para desenvolvedores e operadores em todo o mundo.
  • 🔴 Mais fácil de operar sem infraestrutura de nível empresarial
  • 🔴 Mais fácil de integrar em ambientes residenciais e de periferia

“Na prática, isso torna a adoção, a operação e a integração em ambientes residenciais e de borda mais fáceis de implementar.”

Gabriel Bernadett-Shapiro, SentinelOne

Mais de 300 modelos de IA para
OpenClaw e Agentes de IA

Economize 20% nos custos