Modelo de pesos abertos

Os pesos são os números que um modelo ajusta durante o treinamento: bilhões deles, guardados em arquivos que podem pesar muitos gigabytes. Famílias como Llama, Qwen e DeepSeek publicam os pesos de vários de seus modelos. A quantização reduz esses números a menos bits para que um modelo caiba numa placa de vídeo doméstica, com alguma perda de precisão. O ajuste fino com alguns milhares de exemplos, um procedimento barato perto de treinar do zero, é como um modelo geral vira um assistente jurídico ou um ajudante de programação. Com os pesos e o código que os executa, uma pessoa ou uma empresa pode hospedar o modelo no próprio hardware, ajustá-lo para uma tarefa especial ou comprimi-lo para rodar em máquinas menores. Um modelo fechado não oferece nada disso. Ele fica nos servidores da empresa e só se alcança pela interface dela, o que significa que a empresa vê todas as requisições.

Pesos abertos e código aberto são muitas vezes confundidos. Código aberto no sentido estrito exige mais: acesso ao código, informação sobre os dados e uma licença que permita a qualquer um usar, estudar, modificar e compartilhar a obra. Muitos modelos de pesos abertos vêm com uma licença que acrescenta condições, por exemplo sobre uso comercial ou implantações muito grandes, e os dados de treinamento costumam permanecer privados. Leia a licença do modelo em que pretende se basear, em vez de presumir.

O efeito prático é a concorrência entre hospedagens. Como os mesmos pesos podem ser servidos por várias empresas, um usuário ou um aplicativo pode escolher para onde vai a requisição, comparar velocidade e preço e escolher uma hospedagem com uma política de retenção que lhe sirva. Os contrapontos também são reais: modelos grandes exigem hardware de peso, os pesos sozinhos não revelam com o que o modelo foi treinado, e qualquer um pode ajustá-los, então dois modelos feitos sobre os mesmos pesos podem se comportar de forma bem diferente: um ajuste da comunidade pode ser mais seco, mais cauteloso, especializado em código ou voltado à tradução. Os benchmarks ajudam, mas enganam: a posição num ranking premia formatos de teste específicos, então um teste curto com os seus próprios documentos diz mais do que uma nota publicada.

O Mistral Small 3.2 é um modelo aberto da Mistral que o NeverNo inclui no plano gratuito. É identificado como privado: as requisições vão a provedores escolhidos porque não as guardam, nenhum dado de conta viaja com a mensagem, e suas conversas ficam guardadas criptografadas no seu navegador, como explica a página da IA privada. Ele lê imagens, aceita até 128.000 tokens de contexto, escreve respostas de até 4.096 tokens e nunca raciocina antes de responder, então responde direto.

No NeverNo, privado quer dizer exatamente isto: um modelo aberto, servido pela DeepInfra ou pela OpenRouter com a opção de retenção zero, que não guarda as requisições. O catálogo reúne vários modelos assim, do DeepSeek, GLM, Qwen e Mistral ao NeverNo Uncensored. O rótulo se apoia nos compromissos desses provedores, e o NeverNo diz com clareza na página de transparência que não consegue inspecionar os servidores deles.