IBM: modelo aberto entrega 90% do resultado por até 10% do custo

IBM afirma que modelos de peso aberto entregam 90% da eficácia por 10% a 25% do custo por token. O que a alegação muda na escolha de modelo por tarefa.

02 de novembro de 2026 · 7 min de leitura

ibm

IBM: modelo aberto entrega 90% do resultado por até 10% do custo

Na teleconferência de resultados do terceiro trimestre de 2026, o presidente-executivo da IBM, Arvind Krishna, colocou um número em uma decisão que a maioria das empresas vem tomando sem número nenhum: qual modelo de inteligência artificial roda cada tarefa.

Segundo reportagem de Simon Sharwood no The Register, publicada em 22 de outubro, Krishna afirmou que modelos de peso aberto hoje são cerca de 90% tão eficazes quanto os modelos de fronteira, custando entre 25% e 10% do custo por token.

Modelo de peso aberto é aquele cujos parâmetros treinados são distribuídos publicamente, o que permite baixar, rodar e ajustar o modelo em infraestrutura própria. Modelo de fronteira é o de maior capacidade disponível no mercado em um dado momento, normalmente acessado por API e cobrado por volume de texto processado.

A trajetória que ele descreveu

Krishna sustentou o argumento com uma linha do tempo de desempenho em avaliações de referência. Em 2024, os modelos proprietários de topo pontuavam em torno de 70, enquanto as alternativas abertas ficavam entre 20 e 30. No fim de 2025, segundo ele, os abertos já chegavam a 50 contra os mesmos 70.

O executivo citou as tarefas em que considera a opção mais barata economicamente racional: resumir um e-mail, examinar um contrato, atender uma chamada de cliente, redigir um e-mail. São tarefas de volume alto, repetitivas e com tolerância a erro relativamente administrável, porque passam por revisão humana de qualquer forma.

Sobre infraestrutura própria, Krishna disse que a maioria das empresas conseguiria montar uma instalação funcional de IA local com apenas dois ou três racks. E reconheceu, na mesma fala, o que trava essa conta: falta de engenheiro de kernel, de competência em infraestrutura de rede, de otimização de cluster de GPU e de estratégia de cache de resultados. Capacidades necessárias e, segundo ele, em geral indisponíveis dentro de casa.

O que é novo, e o que não é

A existência de modelos abertos competentes não é notícia. A Claudim já tratou do movimento oposto, quando a Meta passou a cobrar pela API do Muse Wonder com pesos fechados.

O que muda aqui são duas coisas. A primeira é a quantificação pública, feita por um fornecedor de infraestrutura, de uma relação entre desempenho e custo suficientemente específica para sustentar uma decisão de arquitetura. A segunda é o reconhecimento, pelo mesmo executivo que vende a solução, de que a barreira atual é operacional e não é mais de modelo.

Essa segunda parte é a mais útil para quem decide. Ela reposiciona o problema: a dificuldade deixou de estar na qualidade do modelo disponível e passou a estar na capacidade de operar o que está disponível.

A decisão que isso cria: roteamento

Boa parte do custo de IA nas empresas vem de rodar tarefa rotineira no modelo mais caro do catálogo, porque foi o que estava configurado quando o projeto começou. Se a relação que Krishna descreve se confirmar nos casos de uso de cada empresa, e isso precisa ser testado caso a caso, a decisão passa a ser de roteamento.

Roteamento, aqui, significa classificar as tarefas por criticidade e custo unitário, e direcionar cada uma ao menor modelo que a resolve com a qualidade que o processo exige. Na prática, isso costuma produzir três faixas:

• Tarefa crítica, com consequência jurídica, financeira ou clínica, e volume baixo: vale o melhor modelo disponível, porque o custo do erro supera com folga a diferença de preço.

• Tarefa de apoio, com volume alto e revisão humana garantida depois: é exatamente o território que Krishna descreve, onde pagar preço de fronteira é desperdício.

• Tarefa de triagem, com volume muito alto e saída que alimenta outra etapa: o critério deixa de ser qualidade da redação e passa a ser custo por transação, porque o erro é absorvido adiante no fluxo.

Esse raciocínio é o mesmo que organiza a escolha entre modelos em sistemas com agentes, assunto que já tratamos em modelos de decisão e o custo dos agentes. O que a fala da IBM acrescenta é a ordem de magnitude: uma diferença de custo de até dez vezes é grande o suficiente para mudar a viabilidade de um caso de uso inteiro, não apenas para melhorar uma linha de despesa.

O interesse comercial na fala

A declaração tem interesse comercial evidente, e isso precisa estar na mesa. A IBM vende hardware, software e serviço para infraestrutura local. A tese de que o modelo aberto é suficiente e deve rodar no data center do cliente é, literalmente, a tese que sustenta parte da receita da companhia.

Os números de 90% de eficácia e de 10% a 25% do custo são alegação da empresa. A reportagem não traz metodologia divulgada, e resultado desse tipo depende fortemente de qual avaliação de referência foi usada e de qual tarefa está sendo medida. Média de desempenho em benchmark não é desempenho na tarefa específica de uma empresa específica.

Vale também notar o que a própria fala admite e que trabalha contra a conclusão fácil. Se operar isso exige engenheiro de kernel e otimização de cluster de GPU, o custo que desaparece no token reaparece na folha de pagamento e na dependência de um integrador. Internalizar inferência pode ser troca de uma dependência por outra, e não eliminação de dependência.

Um contraponto independente, com ressalvas

Na mesma janela apareceu um teste que aponta na mesma direção por outro caminho. Em 25 de outubro, o dermatologista Magnus Lynch, cirurgião no Guy's Hospital e Honorary Reader no King's College London, publicou um experimento comparando uma rede neural convolucional antiga a modelos de fronteira em diagnóstico de lesão de pele.

Ele usou uma Inception v3, arquitetura de 2015, pré-treinada em fotografias comuns e com todas as camadas ajustadas em 68.011 imagens dermatoscópicas e clínicas do ISIC Archive, em uma única GPU H100. O teste foi feito em 200 lesões com biópsia confirmada, selecionadas aleatoriamente do conjunto MILK10k, metade exigindo intervenção e metade liberável.

A rede antiga acertou 125 das 200 (62%). O GPT-6 Astra acertou 84 (42%) e o Claude Fable 5.1 acertou 85 (42%). Em melanoma, a rede identificou 13 de 30, contra 8 e 11 dos modelos de fronteira.

O próprio autor registra as limitações: número pequeno, todas as lesões eram casos biopsiados e portanto mais difíceis, possibilidade de contaminação do conjunto de dados, e o reconhecimento de que a arquitetura usada não é estado da arte. Não é material revisado por pares, e nada disso autoriza conclusão clínica.

Como evidência médica, portanto, o teste é limitado. Como evidência sobre escolha de arquitetura, ele é interessante justamente por isso: um modelo pequeno, antigo e especializado superou modelos generalistas enormes em uma tarefa estreita e bem definida.

O que fica

A pergunta que a maioria das empresas está fazendo é qual é o melhor modelo. A pergunta que gera decisão é qual é o menor modelo que resolve esta tarefa com a qualidade que o processo exige.

A primeira pergunta se responde lendo ranking. A segunda exige saber quais tarefas a empresa executa, qual o custo do erro em cada uma e quanto cada transação pode custar. Quem não tem isso mapeado continua decidindo por default do fornecedor, e paga preço de fronteira para resumir e-mail.

Continue explorando

Posts relacionados