Módulo 9: Geopolítica, modelos abertos e custo real

Por que política entra num curso técnico

Até aqui a gente viu cada peça da fábrica: modelo, token, API, provedor, harness, skill, loop, grafo. Falta lembrar que essa fábrica tem dono, tem preço e tem contexto político.

Por trás do ChatGPT tem política. Por trás do Claude tem política. Por trás dos modelos chineses tem política. E muito do desenvolvimento que você acabou de aprender a usar aconteceu por causa dela.

O objetivo aqui não é convencer ninguém de nada. É mostrar o mapa de risco, para você entender de onde vêm os movimentos de preço e como se proteger deles.

A linha do tempo

Ano	O que aconteceu
2018	Os EUA passam a barrar exportação de tecnologia para empresas chinesas e incluem várias delas na Entity List, uma lista do Departamento de Comércio. A Huawei é o nome mais conhecido. Nesse momento ainda é burocracia: você precisa de licença para comprar.
2020	Entra a regra FDP (produto estrangeiro direto). Os EUA reivindicam controle total sobre tecnologia avançada produzida lá que fosse para a China. Deixa de ser questão de licença e passa a ser controle do processo inteiro.
2022	Em outubro, o BIS (Bureau of Industry and Security) exige licença para as GPUs mais avançadas da NVIDIA. Na prática era impossível atender aos requisitos, então era proibição disfarçada de burocracia. Depois a linha H100 também é barrada. Foi a primeira proibição direta, e tirou da China o acesso às placas que todo mundo usava para treinar IA.
2023	A NVIDIA lança versões rebaixadas (A800 e H800) só para conseguir vender para a China dentro dos limites. Em outubro do mesmo ano, o BIS atualiza os termos e barra também essas. Até a RTX 4090, que é placa de uso doméstico, entrou na lista.
2024	A proibição chega à memória HBM (High Bandwidth Memory), memória de alta largura de banda. A ideia era deixar a China um ano sem conseguir fazer pesquisa avançada de IA.
2025	A DeepSeek lança o R1 e abala o mercado. Depois vêm mais sanções, e também uma flexibilização parcial, ligada à negociação de terras raras, que voltou a liberar alguns modelos de ponta com licença.

O que a DeepSeek realmente provou

O R1 chamou atenção por bater de frente com o ChatGPT da época. Mas o que importa é como: um modelo chinês competindo com os americanos sem ter tido acesso, por anos, às melhores placas do mercado.

Sem os melhores chips, eles precisaram otimizar o algoritmo de inferência e a estrutura de treinamento. Tornaram o processo mais eficiente na parte científica, não na parte de força bruta.

Isso caiu numa época em que a OpenAI pedia bilhões aos acionistas alegando que precisava comprar placas, e as ações da NVIDIA estavam nas alturas pelo raciocínio: a NVIDIA controla o mercado de chip, IA depende de chip da NVIDIA, IA é o futuro, logo NVIDIA é o futuro.

Aí chega um modelo menor, mais barato, com resultado melhor, sem o hardware de ponta. A mensagem implícita foi: vocês estão inflacionados. E, além disso, liberaram tudo de forma gratuita e pública, enquanto Anthropic e OpenAI seguem fechadas até hoje.

A consequência de longo prazo é que todo mundo passou a investir em chip próprio: a China por necessidade, a OpenAI já desenvolveu o seu, a Anthropic anunciou planos. É a lógica da Apple, que controla o ecossistema inteiro e por isso consegue otimizar iOS e hardware juntos, enquanto o Android precisa rodar em celular de 200 reais, em celular de 5 mil, em TV e em relógio.

Por que ficou mais barato (e por que isso não é bondade)

Se antes o prognóstico era de alta de preços por causa da bolha, e agora está acontecendo o contrário, a explicação é essa: o mercado chinês liberou modelos de ponta gratuitos ou muito baratos, surgiram muitas opções, e mais competição derruba preço.

O que as empresas ganham colocando modelo bom de graça:

1. Hábito. Elas querem você ativo na plataforma. Depois que você está condicionado, dá para subir o preço, porque você não tem opção. É a jogada de monopólio de sempre, a mesma da Amazon com as livrarias no Brasil: chegou com livro a R$ 10 e R$ 15 quando a livraria cobrava R$ 50, matou as livrarias, e hoje o preço já não é aquele.
2. Tráfego para anúncio. A IA roubou muito tráfego de busca do Google, e lá não passa anúncio. Ainda. Colocar o modelo bom de graça mantém a audiência para quando o anúncio chegar.
3. Dados. Você usando de graça é você entregando dados para treinar os modelos seguintes, com ou sem consentimento.

Isso é bom para você agora: dá para testar sem gastar, comparar modelos e produzir com custo baixo. Só não confunda com generosidade.

Pesos e parâmetros

Você vê nomes como GLM-300B. Aquele 300B são os pesos ou parâmetros (B de bilhões, T de trilhões, M de milhões).

Parâmetro não é a informação em si. É a estrutura que recebe os dados do treinamento. A analogia: 30 livros cabem numa prateleira comum; 300 livros pedem cinco estantes; 3 mil livros pedem um cômodo inteiro. A quantidade de informação exige uma estrutura compatível.

E aqui está a notícia boa. Um modelo aberto de ponta recente tem por volta de 321 bilhões de parâmetros, enquanto os fechados provavelmente já passaram de 2 trilhões. Ou seja, os modelos estão ficando menores e melhores ao mesmo tempo, porque estão virando especialistas: você treina para ser muito bom numa coisa só, tipo código, em vez de bom em tudo.

Isso significa que um modelo de 50 bilhões de parâmetros bem treinado para código pode superar um de 1 trilhão que não passou por essa especialização. E 50 bilhões é uma escala que começa a caber na casa das pessoas.

No Hugging Face você encontra os modelos abertos que existem, filtráveis por tarefa (text to image, por exemplo). A comunidade ainda melhora esses modelos com quantização e fine tuning, deixando versões menores e mais acessíveis. O Stable Diffusion, por exemplo, aparece lá com dezenas de variações quantizadas.

Rodar em casa: a conta sem romantismo

Existem sites que checam a sua GPU, a sua RAM e o seu sistema operacional e devolvem quais modelos você consegue rodar, separados por categoria (código, imagem, vídeo) com estimativa de velocidade em tokens por segundo. É um bom lugar para começar antes de baixar qualquer coisa.

O aviso honesto: um PC para rodar localmente de forma satisfatória é caro. Estamos falando de R$ 25 mil a R$ 30 mil para brincar com os melhores modelos, e ainda assim com versões modificadas deles.

A recomendação realista é começar pequeno. Um modelo de 4 a 7 bilhões de parâmetros roda numa RTX da linha 3000 (3050, 3060) com pelo menos 16 GB de RAM no sistema. Serve de laboratório: você vê a velocidade, vê a qualidade, e decide.

Aberto x fechado

Modelos abertos

• Rodam na sua infraestrutura, no seu PC ou numa VPS.
• Não têm rate limit: nem diário, nem semanal, nem mensal.
• Privacidade real. Se você trabalha com cibersegurança, compliance, dados sigilosos ou setor público, você não deveria estar colocando informação sensível em modelo de terceiro. Modelo aberto rodando local é obrigação, não preferência.
• O custo é o hardware.

Modelos fechados

• Muito mais fáceis de usar e de escalar, porque a infraestrutura já está pronta.
• Preço alto e contratos.
• Mudanças de política no meio do caminho, internas ou forçadas por governo.

O conselho que resume o módulo: se o modelo é aberto, use. Se é fechado, não construa dependência desnecessária.

Uma nota de realidade para não parecer discurso: um dos modelos abertos mais citados aqui aumentou mais de 1000% de preço depois de começar de graça. Mesmo assim, continua entre os mais baratos do mercado e ainda é mais barato que qualquer modelo da Anthropic.

Qualidade percebida é o que sobrou

Este é o parágrafo mais importante do módulo.

A IA está virando commodity. Quanto mais fácil o acesso a alguma coisa, mais comum ela fica e menor o valor percebido. Se todo mundo tem, não vale nada.

As pessoas precisam bater o olho e sentir que aquilo não foi feito por IA. É isso que dá o salto e tira você do conteúdo genérico. E o conhecimento sobre skills é justamente o que mais ajuda nisso, porque é ele que treina a sua IA para fazer as coisas com o seu jeito.

Olhando os rankings, a diferença de inteligência entre os seis ou sete modelos do topo é de cerca de 5 pontos. Já a diferença de custo por tarefa entre eles chega a ser de 100 vezes. Um modelo 10 pontos abaixo do melhor, custando cem vezes menos e sendo mais rápido, é uma escolha racional na maioria dos casos.

O preço da inteligência caiu. O valor da sua curadoria subiu. Você é o seu principal ativo agora, não o modelo.

Arquitetura substituível e o custo do episódio

O objetivo final: se o Claude Code parar, se o ChatGPT sumir, se um modelo for bloqueado, o seu processo não pode ser impactado. Priorize o que é aberto.

E faça a conta que quase ninguém faz. Quanto custa um episódio seu? Some energia elétrica, o seu tempo, a assinatura ou a API, e lembre que multiagente multiplica consumo.

Tipo de tarefa	Custo relativo
Rodando localmente	Zero
Texto	Médio, número de tokens relativamente baixo
Áudio e vídeo	Alto, gasta muito token independente do modelo
Qualquer saída	Mais caro que a entrada, sempre

Próximo módulo

No Módulo 10 tudo isso vira pasta, arquivo e etapa: a esteira montada de verdade.