Qual é a diferença entre um modelo de IA de pesos abertos e um de código aberto?

Pesos abertos significa que os parâmetros treinados do modelo podem ser baixados, mas os dados de treinamento, o código ou as liberdades da licença podem ser omitidos. Código aberto (pela definição da OSI) exige adicionalmente informações sobre os dados e o código de treinamento/inferência sob termos abertos. Se os dados de treinamento não forem divulgados, o modelo é de pesos abertos, não de código aberto.

O Llama é de código aberto?

Não — o Llama é de pesos abertos sob uma licença comunitária. A Meta não divulga os dados de treinamento, e a licença adiciona uma política de uso aceitável, um limite de 700 milhões de usuários ativos mensais e restrições sobre o uso das saídas para treinar modelos concorrentes. A OSI e outros o classificam como de fonte disponível ou de pesos abertos, não de código aberto.

O que é a Definição de IA de Código Aberto da OSI?

Publicada em outubro de 2024, é a primeira definição estável de IA de código aberto. Ela concede quatro liberdades — usar, estudar, modificar e compartilhar — e exige três componentes: informações sobre os dados, código completo de treinamento e inferência e os parâmetros do modelo. Vale destacar que exige informações detalhadas sobre os dados de treinamento em vez do conjunto de dados bruto.

A IA de código aberto exige a publicação dos dados de treinamento?

Não o conjunto de dados bruto — a definição da OSI exige informações sobre os dados suficientemente detalhadas para que uma pessoa qualificada possa construir um sistema substancialmente equivalente, e os dados em si apenas quando legalmente possível. Esse compromisso é a parte mais debatida da definição, pois a verdadeira reprodutibilidade possivelmente exige os próprios dados.

Posso usar modelos de pesos abertos comercialmente sem pagar?

Muitas vezes sim, mas depende inteiramente da licença. Os modelos Apache-2.0 (muitas versões de Qwen e Mistral) permitem uso comercial irrestrito. A licença comunitária do Llama permite uso comercial, mas com um limite de usuários e outras restrições. Algumas variantes são apenas para uso não comercial. Verifique sempre a licença específica do modelo antes de implantá-lo comercialmente.

Quais modelos de IA são verdadeiramente de código aberto?

Modelos que publicam os pesos junto com os dados de treinamento e o código completo de treinamento e inferência — o OLMo da Ai2 é o principal exemplo, publicando seu corpus, código, logs e checkpoints. A maioria dos modelos "abertos" populares (Llama, Qwen, Mistral, DeepSeek) são de pesos abertos e retêm pelo menos os dados de treinamento.

Um modelo Apache-2.0 é o mesmo que código aberto?

Apache-2.0 é uma licença de código aberto genuína, então os pesos sob Apache-2.0 são permissivos e não têm restrições comerciais. Mas um modelo com pesos sob Apache-2.0 ainda não é totalmente "código aberto" pela definição de IA da OSI, a menos que as informações sobre os dados de treinamento e o código também sejam publicados — portanto, é melhor descrito como pesos abertos com licença permissiva.

← Resources

By Ren Sugaya — Performance Engineer, GPU & Inference · 2026-04-12 · INSIGHT

Modelos de IA de pesos abertos vs. código aberto: qual é a diferença?

A maioria dos modelos apresentados como "código aberto" são, na verdade, de pesos abertos: os pesos podem ser baixados, mas os dados de treinamento e as liberdades completas da licença não estão disponíveis. Este artigo explica a distinção, a Definição de IA de Código Aberto da OSI, onde os modelos populares se encaixam no espectro e por que o rótulo importa para o uso comercial.

A distinção fundamental

"Pesos abertos" significa que os parâmetros treinados do modelo podem ser baixados, mas os dados de treinamento, o código de treinamento ou as liberdades completas da licença podem ser omitidos. A "IA de código aberto", pela definição oficial, exige adicionalmente informações sobre os dados e o código de treinamento e inferência, tudo sob termos abertos. Sem a divulgação dos dados de treinamento, uma publicação é de pesos abertos, não de código aberto.

Isso importa porque os dois termos são constantemente confundidos. Um modelo que você pode baixar e executar não é automaticamente "código aberto" no sentido que o mundo do software dá a esse termo — e a diferença aparece exatamente onde mais importa: direitos comerciais, reprodutibilidade e o que você de fato pode fazer com ele.

A Definição de IA de Código Aberto da OSI

Em outubro de 2024, a Open Source Initiative publicou a primeira Definição de IA de Código Aberto estável. Ela concede quatro liberdades — usar o sistema para qualquer finalidade sem permissão, estudar como ele funciona, modificá-lo para qualquer finalidade e compartilhá-lo com ou sem modificações — e exige três componentes: informações sobre os dados (detalhes suficientes para construir um sistema substancialmente equivalente), o código completo de treinamento e inferência e os parâmetros do modelo.

Seu compromisso mais contestado é que não exige a publicação do conjunto de dados de treinamento bruto — apenas informações suficientemente detalhadas sobre ele. Os críticos chamam isso de enfraquecimento; os defensores apontam que restrições legais e de privacidade muitas vezes tornam impossível publicar os dados brutos. De qualquer forma, esse é o padrão pelo qual as afirmações de "código aberto" devem ser avaliadas.

Onde os modelos populares realmente se encaixam

A maioria dos modelos "abertos" conhecidos são de pesos abertos, não de código aberto:

O Llama é de pesos abertos sob uma licença comunitária: a Meta não divulga os dados de treinamento, e a licença adiciona uma política de uso aceitável, uma cláusula de 700 milhões de usuários ativos mensais e restrições sobre o uso das saídas para treinar modelos concorrentes. Ele não cumpre a liberdade de "usar para qualquer finalidade sem permissão", portanto é de fonte disponível, não de código aberto. (Veja nosso [guia do Llama](/articles/run-llama-locally-hardware-guide).)
Qwen e Mistral publicam muitos modelos sob Apache-2.0, uma licença de código aberto genuína sobre os pesos, permitindo uso comercial permissivo; ainda assim, sem dados e código completos eles continuam sendo "pesos abertos com licença permissiva" em vez de abertos segundo a OSAID. (Veja nosso [guia do Qwen3](/articles/run-qwen3-locally-guide).)
O OLMo (da Ai2) é a referência do verdadeiramente aberto: pesos mais o corpus de treinamento completo, código de treinamento, logs e checkpoints.
O DeepSeek é de pesos abertos: os pesos são publicados, mas os dados de treinamento não são divulgados.

O espectro de licenças

Ajuda pensar em um espectro do mais ao menos aberto:

Totalmente aberto / alinhado com a OSAID: pesos mais dados mais código (OLMo).
Licença OSI permissiva sobre os pesos: Apache-2.0 (Qwen, Mistral) — pesos sem restrições comerciais, mas sem divulgação completa de dados/código.
"Comunitária" restritiva / fonte disponível: Llama — uso comercial permitido, mas com limites, regras de uso aceitável e restrições para concorrentes.
Somente não comercial / somente pesquisa: algumas variantes de modelos limitam-se ao uso não comercial.
Somente API / fechado: os pesos nunca são publicados.

Saber onde um modelo se situa indica o que você pode fazer legalmente com ele — que é a questão prática, mais do que saber se ele merece o rótulo de "código aberto".

Por que isso importa e o "open-washing"

O rótulo tem consequências reais. Os termos da licença — limites de usuários ativos mensais, proibições por campo de uso, cláusulas de não destilação — determinam diretamente a legalidade comercial. O código aberto (no sentido estrito) também permite reproduzir e auditar um modelo, o que importa para a confiança e a pesquisa. E a regulamentação eleva as apostas: a Lei de IA da UE concede certas isenções a sistemas de código aberto, então chamar um modelo de pesos abertos de "código aberto" não é apenas descuido — pode ter consequências reais.

Essa é a essência da crítica ao "open-washing": comercializar um modelo como código aberto quando, na melhor das hipóteses, é de pesos abertos. Estudos sobre sistemas de IA generativa constataram que muitos rótulos de "código aberto" são, na realidade, de pesos abertos, e a tendência mais ampla confirma isso: a proporção de downloads de modelos que divulgam os dados de treinamento caiu drasticamente, o que significa que o ecossistema está caminhando para os pesos abertos, não para o código aberto.

Como o osFoundry trata isso

O osFoundry executa modelos de pesos abertos independentemente de onde estejam no espectro: os permissivos Apache-2.0 (Qwen, Mistral), os de licença comunitária restritiva (Llama) e os totalmente abertos (OLMo) funcionam da mesma forma via BYOK ou auto-hospedagem. Como a questão de aberto versus pesos abertos é, no fundo, uma questão de licenciamento, o osFoundry exibe os termos reais de licença de cada modelo — as cláusulas de limite de usuários, as regras de não destilação e as restrições não comerciais — para que as equipes possam confirmar a legalidade comercial antes de implantar. Com BYOK e auto-hospedagem, você mantém os pesos, os dados e a inferência sob seu próprio controle, em vez de depender da API de um fornecedor, que é o benefício prático do "aberto", supere ou não um dado modelo o rigoroso padrão de código aberto.

Frequently asked questions

Qual é a diferença entre um modelo de IA de pesos abertos e um de código aberto?: Pesos abertos significa que os parâmetros treinados do modelo podem ser baixados, mas os dados de treinamento, o código ou as liberdades da licença podem ser omitidos. Código aberto (pela definição da OSI) exige adicionalmente informações sobre os dados e o código de treinamento/inferência sob termos abertos. Se os dados de treinamento não forem divulgados, o modelo é de pesos abertos, não de código aberto.
O Llama é de código aberto?: Não — o Llama é de pesos abertos sob uma licença comunitária. A Meta não divulga os dados de treinamento, e a licença adiciona uma política de uso aceitável, um limite de 700 milhões de usuários ativos mensais e restrições sobre o uso das saídas para treinar modelos concorrentes. A OSI e outros o classificam como de fonte disponível ou de pesos abertos, não de código aberto.
O que é a Definição de IA de Código Aberto da OSI?: Publicada em outubro de 2024, é a primeira definição estável de IA de código aberto. Ela concede quatro liberdades — usar, estudar, modificar e compartilhar — e exige três componentes: informações sobre os dados, código completo de treinamento e inferência e os parâmetros do modelo. Vale destacar que exige informações detalhadas sobre os dados de treinamento em vez do conjunto de dados bruto.
A IA de código aberto exige a publicação dos dados de treinamento?: Não o conjunto de dados bruto — a definição da OSI exige informações sobre os dados suficientemente detalhadas para que uma pessoa qualificada possa construir um sistema substancialmente equivalente, e os dados em si apenas quando legalmente possível. Esse compromisso é a parte mais debatida da definição, pois a verdadeira reprodutibilidade possivelmente exige os próprios dados.
Posso usar modelos de pesos abertos comercialmente sem pagar?: Muitas vezes sim, mas depende inteiramente da licença. Os modelos Apache-2.0 (muitas versões de Qwen e Mistral) permitem uso comercial irrestrito. A licença comunitária do Llama permite uso comercial, mas com um limite de usuários e outras restrições. Algumas variantes são apenas para uso não comercial. Verifique sempre a licença específica do modelo antes de implantá-lo comercialmente.
Quais modelos de IA são verdadeiramente de código aberto?: Modelos que publicam os pesos junto com os dados de treinamento e o código completo de treinamento e inferência — o OLMo da Ai2 é o principal exemplo, publicando seu corpus, código, logs e checkpoints. A maioria dos modelos "abertos" populares (Llama, Qwen, Mistral, DeepSeek) são de pesos abertos e retêm pelo menos os dados de treinamento.
Um modelo Apache-2.0 é o mesmo que código aberto?: Apache-2.0 é uma licença de código aberto genuína, então os pesos sob Apache-2.0 são permissivos e não têm restrições comerciais. Mas um modelo com pesos sob Apache-2.0 ainda não é totalmente "código aberto" pela definição de IA da OSI, a menos que as informações sobre os dados de treinamento e o código também sejam publicados — portanto, é melhor descrito como pesos abertos com licença permissiva.