Por que a Meta reabriu sua estratégia de IA e voltou a apostar em modelos mais acessíveis?

A Meta voltou a apostar em inteligência artificial de código aberto depois de colocar no mercado uma geração de modelos mais fechados. O movimento ganhou força nesta segunda-feira, 10, com o lançamento do Muse Glimmer, um modelo de pesos abertos desenvolvido para executar tarefas de agentes e programação em dispositivos menores.

A mudança ocorre em um momento de disputa intensa entre empresas americanas e laboratórios chineses pelo avanço da IA. Para a Meta, manter modelos acessíveis a desenvolvedores também pode ajudar a ampliar a presença de sua tecnologia fora dos próprios produtos.

Para profissionais que querem entender como a inteligência artificial está mudando empresas e carreiras, o Pré-MBA em IA da Saint Paul e Exame custa R$ 37 e aborda os principais conceitos e aplicações da tecnologia.

O que mudou na estratégia de IA da Meta

A Meta construiu parte de sua estratégia de IA em torno da família Llama, cujos modelos ganharam ampla adoção entre desenvolvedores. A própria companhia afirma que seus modelos de código aberto já ultrapassaram 1,2 bilhão de downloads. 

Em abril, porém, a empresa apresentou o Muse Spark como seu modelo mais avançado até então. O sistema foi criado para alimentar produtos como Meta AI, WhatsApp, Instagram, Facebook e óculos inteligentes, inicialmente com acesso restrito. 

Agora, a companhia sinaliza uma mudança de direção. O Muse Glimmer chega com pesos abertos, permitindo que desenvolvedores tenham maior controle sobre a execução e adaptação do modelo.

A Meta também afirmou que pretende disponibilizar os pesos do Muse Spark 1.2, ampliando novamente o acesso a uma tecnologia mais avançada.

Por que a Meta voltou ao modelo aberto

Uma das razões está no efeito de rede. Quanto mais desenvolvedores utilizam determinado modelo, maior tende a ser o número de aplicações, ferramentas e serviços construídos ao redor dele.

Esse ecossistema pode beneficiar a própria Meta, porque seus modelos passam a fazer parte da infraestrutura tecnológica utilizada por empresas e profissionais, mesmo quando a aplicação final não é um produto da companhia.

Outro fator é o custo. Modelos abertos podem permitir que organizações executem sistemas localmente ou escolham diferentes fornecedores de infraestrutura, em vez de depender exclusivamente de uma API proprietária.

Um estudo da Linux Foundation Research, divulgado em 2025 e encomendado pela Meta, apontou que dois terços das organizações entrevistadas consideravam a IA de código aberto mais barata de implementar do que alternativas proprietárias. 

Mais desenvolvedores dentro do ecossistema

Para uma empresa que disputa espaço com gigantes como Google, OpenAI e Anthropic, ampliar a quantidade de desenvolvedores utilizando sua tecnologia pode ser estratégico.

O Llama já mostrou esse potencial. Segundo a Meta, empresas, universidades e startups utilizam os modelos para aplicações que vão de ferramentas médicas a soluções para recrutamento e pesquisa. 

Na prática, o código aberto funciona como uma forma de distribuição: em vez de concentrar a tecnologia nos próprios produtos, a empresa permite que terceiros experimentem, adaptem e criem novas aplicações.

Menor custo e mais possibilidades de adaptação

Para uma empresa, a possibilidade de executar um modelo localmente pode ser relevante em situações que envolvem dados sensíveis, requisitos de privacidade ou necessidade de personalização.

Isso não significa que um modelo aberto seja automaticamente melhor ou mais barato. A organização ainda precisa considerar infraestrutura, manutenção, segurança, integração e capacidade técnica.

Para quem trabalha com tecnologia, gestão ou negócios, entender essas diferenças ajuda a avaliar quando uma IA aberta pode fazer sentido e quando uma solução proprietária é mais adequada.

O que o movimento significa para empresas

A volta da Meta ao código aberto reforça uma tendência importante: a escolha de um modelo de IA deixou de ser apenas uma questão de desempenho.

Empresas também precisam avaliar custo por uso, infraestrutura, privacidade, possibilidade de customização, segurança e dependência de fornecedores.

Um escritório de advocacia, por exemplo, pode ter necessidades diferentes de uma startup de software. O primeiro pode priorizar controle sobre os dados, enquanto o segundo pode valorizar velocidade de implementação e acesso a APIs.

Para o profissional, isso significa que conhecer apenas ferramentas de IA não é suficiente. É necessário entender como elas funcionam, quais são suas limitações e qual modelo de implementação atende melhor a cada situação.

O que profissionais podem aprender com essa mudança

A estratégia da Meta mostra que a disputa pela inteligência artificial acontece em diferentes camadas. Há uma competição pelos melhores modelos, mas também por desenvolvedores, empresas, infraestrutura e ecossistemas.

Para quem trabalha, acompanhar apenas os lançamentos de ferramentas pode não ser suficiente. É importante observar como essas tecnologias alteram processos, custos e decisões dentro das organizações.

O movimento também reforça uma habilidade cada vez mais relevante: saber comparar soluções de IA considerando o problema que precisa ser resolvido, e não apenas a popularidade de determinada ferramenta.

A estrutura prioriza a palavra-chave “inteligência artificial”, mas evita repeti-la artificialmente. Também diferenciei “código aberto” de uma ideia de acesso irrestrito: tecnicamente, muitos desses modelos são descritos como open-weight, já que a abertura dos pesos não significa necessariamente que todo o processo de treinamento, dados e código tenha sido publicado. 

O Pré-MBA em IA da Saint Paul e Exame está disponível por R$ 37 e pode ser uma forma de aprofundar os conceitos necessários para acompanhar essas mudanças no mercado de trabalho.