- Alan Shen, da MiniMax: o trabalho comum de IA roda em quase qualquer modelo, e falta uma triagem que mande cada tarefa ao modelo certo.
- Dahai Li, da ModelBest: o modelo pequeno vence quando cabe na máquina do cliente, e rodar em casa compensa com volume estável ou tarefa estreita.
- Rohit Sharma, da True Ventures: a abertura deve vencer, como nas redes e nos celulares, mas pode faltar computação para quem não comprou antes.
Cerca de 95% das tarefas de uma empresa não precisam do modelo de IA mais avançado: escrever e-mails e apoiar o trabalho do dia a dia cabem em quase qualquer modelo. A estimativa é de Alan Shen, diretor-geral global da MiniMax. Se uma triagem mandar cada tarefa ao modelo certo, as empresas podem economizar milhões de dólares, diz ele. Shen dividiu o painel com Dahai Li, cofundador e CEO da ModelBest, e Rohit Sharma, sócio da True Ventures, e cada um mostrou um lado da mesma conta: quando a IA aberta sai mais barata e o que custa operá-la.
01Cada tarefa pede um modelo diferente
O que falta às empresas, segundo Shen, é essa camada de triagem: um sistema que reconheça o tipo de tarefa antes de chamar a IA. Ele vê aí espaço para novas empresas já no próximo ano.
Rohit Sharma desenhou a divisão para uma empresa de 500 a 1.000 pessoas. O modelo mais avançado, chamado de fronteira, fica com as tarefas mais difíceis e valiosas. No meio entram modelos abertos, ajustados sem parar com os dados da própria empresa. E, em três a cinco anos, modelos muito pequenos vão rodar no laptop, no relógio e no celular.
Os modelos fechados não saem de cena, avisou Sharma: um Walmart ou um JP Morgan sempre terá trabalho que exige o topo de linha. A novidade está em outro ponto. Na semana anterior ao painel, contou, ficou possível gerar de uma vez um modelo pequeno a partir de um grande, feito para uma tarefa só, e descartá-lo depois de algumas semanas de uso.
Só o trabalho difícil e valioso
Ajustados sempre com dados da casa
Laptop, relógio e celular em 3 a 5 anos
Gerados de um grande para uma tarefa só
E-mails e rotina cabem em quase qualquer modelo
02Rodar em casa compensa em dois casos
Dahai Li explicou quando fecha a conta de rodar o modelo em casa. O primeiro caso é o uso diário grande e estável: a nuvem cobra cada consulta, e o servidor próprio só compensa se ficar ocupado o tempo todo. O segundo é a tarefa interna e estreita, que um modelo aberto pequeno, ajustado com os dados da empresa, faz por uma fração do custo.
Muitas vezes, porém, quem decide é a privacidade, não o preço. Se a regra proíbe mandar dado sensível para fora, rodar em casa é a única opção, custe o que custar. Li recomenda misturar os dois: o modelo local cuida das tarefas frequentes e sensíveis, e a nuvem, dos problemas que pedem conhecimento amplo.
Para Li, maior nem sempre é melhor: as empresas olham qualidade, velocidade, custo e controle dos dados. O caso que ele contou é de 2024. Um cliente testou quatro projetos de IA ao mesmo tempo e, para proteger os dados, não quis usar a nuvem. Só o projeto da ModelBest chegou à produção. As outras equipes escolheram modelos grandes demais para as máquinas do cliente; o modelo de 7 bilhões de parâmetros da ModelBest coube nelas.
03Abrir o modelo transforma a comunidade em laboratório
Para Shen, publicar o modelo para que qualquer um o baixe e ajuste (o chamado modelo de pesos abertos) cria o melhor retorno possível. Desenvolvedores de fora treinam em cima dele e fazem coisas que os engenheiros da casa não tinham imaginado.
A prova que ele deu: seis dos dez modelos do ranking de geração de vídeo da Artificial Analysis foram treinados sobre o modelo de vídeo que a MiniMax abriu. E se um concorrente copiar tudo e cobrar menos? Para Shen, a defesa não é o segredo: é inovar mais rápido que os outros.
Dahai Li comparou o risco de uso indevido ao de um carro, que a montadora protege com cinto, airbag e freio. Do mesmo jeito, a ModelBest limpa os dados de treino e ensina o modelo a recusar pedidos perigosos. E milhares de pesquisadores de fora encontram falhas mais rápido do que uma empresa sozinha.
Nem todo token é igual, e precisamos reconhecer isso.
04O custo volta em outra linha, e a computação pode faltar
Sharma foi o contrapeso do painel. A queda inicial de custo convence as empresas a adotar modelos abertos, mas a conta pode voltar como gasto com engenharia e segurança: testar se o modelo faz o trabalho, instalá-lo dentro de casa e garantir que as regras de dados valem onde ele roda.
Mesmo assim, a história joga a favor da abertura, segundo ele. Ericsson, Nokia e BlackBerry começaram com sistemas fechados, e Cisco e Juniper chegaram a ter 99% das redes corporativas. Hoje há opção aberta em cada parte desses mercados, e ele espera o mesmo na IA.
O medo dele para os próximos três a cinco anos é faltar máquina. OpenAI, Anthropic e os grandes provedores de nuvem compraram boa parte da capacidade de computação, com encomendas de milhares de chips à Nvidia. A empresa que quiser rodar modelo aberto em grande escala pode não ter onde.
Dahai Li fechou com uma aposta. A ModelBest previa a onda da inteligência artificial geral para por volta de 2030, e ela parece vir antes. Em dois ou três anos, disse, modelos pequenos, abertos ou fechados, serão muito poderosos. “É fácil prever o próximo token, mas é difícil prever o que acontece em três ou cinco anos”, ressalvou.
- Custo inicial menor
A queda de preço puxa a adoção
- Dados sob controle
Nada sensível sai de casa
- Mercado mais aberto
Como em redes e telecom, surgem opções em cada parte
- Engenharia
Testar e instalar o modelo dentro de casa
- Segurança
Garantir as regras de dados onde ele roda
- Falta de máquina
Chips já reservados pelos grandes compradores
- Antes de contratar IA, separe as tarefas: só as difíceis e valiosas justificam o modelo mais caro.
- Servidor próprio só sai barato se trabalhar o dia todo; parado, custa mais que pagar por uso.
- Comece pelo dado que não pode sair da empresa: ele decide onde o modelo roda antes do preço.
Contrato longo com um único fornecedor de modelo parte da ideia de que toda tarefa pede o mesmo nível de inteligência. O painel descreveu o contrário: um conjunto de modelos, revisto com frequência, em que alguns duram poucas semanas.
O modelo aberto passa trabalho do fornecedor para dentro da empresa: testar, ajustar, proteger e manter. Sem equipe técnica para isso, a economia fica no papel.
A máquina que a empresa já tem limita o modelo que ela pode usar. A capacidade de computação disponível, dentro de casa ou alugada, entra como critério de escolha desde o primeiro dia.
Dois dos três palestrantes vendem modelos abertos, e nenhum mostrou a conta completa de um cliente.
O caso da ModelBest não tem nome nem valor. Os “milhões de dólares” de economia vieram de manchetes citadas por Alan Shen, e os 95% são estimativa dele, sem fonte.
A liderança dos modelos abertos em uso na OpenRouter também veio sem número. O alerta de Rohit Sharma sobre falta de computação é preocupação de investidor, não medição, e o painel não calculou o custo de engenharia e segurança que, segundo ele, acompanha a adoção.
O entusiasmo do palco pede um desconto.
A Menlo Ventures (dezembro de 2025) mediu que a fatia dos modelos abertos no uso das empresas caiu de 19% para 11%. Isso confirma a ressalva do próprio Alan Shen: o ranking da OpenRouter, onde os abertos lideram, mede sobretudo consumidores e profissionais avulsos, não as grandes empresas. No Brasil, o iFood mostra quando a conta de ter modelo próprio fecha: o modelo especializado em comércio que ele criou com a Prosus custa 60 vezes menos que referências internacionais e já responde por 90% das interações de IA generativa da plataforma interna da empresa (TI Inside, março de 2026).
É o perfil que Dahai Li descreveu: volume enorme, estável e tarefa específica. Para quem não tem esse volume nem equipe para operar o modelo, pagar por uso na nuvem continua sendo o caminho mais barato.
MiniMax, ModelBest e True Ventures
As três empresas do palco: dois laboratórios chineses que publicam modelos abertos e um fundo que investe em startups desde o primeiro cheque.
- MiniMax: laboratório chinês de modelos de IA, fundado no fim de 2021, aberto e com vários formatos (como texto e vídeo) desde o início; a maior parte da receita vem de empresas (Alan Shen, no palco)
- ModelBest: nascida na Universidade Tsinghua, em Pequim, faz a família aberta MiniCPM de modelos pequenos que rodam no próprio aparelho; captou mais de US$ 737 milhões no primeiro semestre de 2026, com avaliação acima de US$ 3 bilhões (KrASIA, julho de 2026)
- True Ventures: fundo que investe em startups em estágio inicial, com primeiro cheque de US$ 1 milhão a US$ 6 milhões (Rohit Sharma, no palco)
Se nem toda tarefa vale o mesmo, por que a sua empresa pagaria o mesmo preço de IA por todas?