Cyberpediapor Brain
PTDEENESFRITNL

Modelos de IA abertos ou proprietários

Modelo com pesos publicados ou serviço em linha: o que muda para os dados da empresa e o que o colaborador deve fazer ou evitar.

Em 30 segundos

Onde acontece
Em qualquer ferramenta de IA, seja um serviço em linha ou um modelo descarregado e instalado num posto de trabalho.
O que muda
Com um serviço em linha, os seus dados seguem para um alojador. Com um modelo aberto, tudo depende do local onde funciona e de quem o instalou e o atualiza.
O risco
Um modelo «aberto» continua sujeito a uma licença e a riscos, e não protege os dados se for utilizado através de um serviço de terceiros.
O reflexo
O reflexo: utilizar apenas as ferramentas de IA autorizadas pela Brain, não instalar nenhum modelo descarregado sem validação e não introduzir dados sensíveis num serviço não aprovado.
Se já o fez
Avisar sem demora a equipa de segurança da Brain e indicar que dados foram introduzidos ou que modelo foi instalado.

Do que se trata

Um assistente de IA assenta num modelo de linguagem. Esse modelo pode ser distribuído sob a forma de ficheiros que qualquer pessoa pode descarregar e executar no seu próprio computador: fala-se então de um modelo com pesos publicados, ou «aberto». Pode também ficar junto do seu editor, que só o oferece através de um serviço em linha: fala-se então de um modelo proprietário.

Para um colaborador, a diferença está menos na qualidade das respostas do que numa pergunta simples: para onde vão os dados que introduz e quem responde por eles? Esta ficha explica os dois casos e o que a Brain espera em cada um.

Perguntas diretas

Qual é a diferença entre um modelo aberto e um modelo proprietário?

Um modelo aberto é publicado, em vez de ficar por detrás de um serviço. Há dois exemplos documentados nas fontes aqui citadas: o LLaMA, apresentado em fevereiro de 2023 por uma equipa de investigadores, que escreve «We release all our models to the research community»1, e o Mistral 7B, publicado sob licença Apache 2.02. Um modelo proprietário só se consulta através de um serviço em linha: o utilizador envia o seu texto e recebe uma resposta, sem ver o modelo.

Para onde vão os meus dados?

Com um serviço em linha, o texto introduzido sai da empresa para ser tratado pelo fornecedor. As orientações do NCSC britânico visam, aliás, os sistemas que utilizam modelos alojados por uma organização ou interfaces externas (API), e querem sistemas de IA que funcionem sem revelar dados sensíveis a terceiros não autorizados4. Com um modelo aberto instalado num posto ou num servidor interno, o tratamento pode ficar no local. Nada nos próprios modelos o impõe: tudo depende do local onde funcionam.

Um modelo aberto protege os meus dados?

Não automaticamente. Se um modelo aberto for utilizado através de um serviço de terceiros, o que introduz passa por esse serviço, tal como num modelo proprietário. O que conta é o local onde o tratamento se realiza, não o facto de o modelo ser aberto.

Quem atualiza o modelo e quem responde por ele?

Com um serviço em linha, o modelo fica no fornecedor. Com um modelo descarregado, fica com quem o instalou, e mais ninguém trata dele. As orientações do NCSC colocam a gestão das atualizações na fase de «operação e manutenção» de um sistema de IA e a segurança da cadeia de abastecimento na fase de desenvolvimento4. Quanto aos dados pessoais, a CNIL levanta a questão da repartição das responsabilidades quando um sistema de IA é fornecido por um editor e utilizado por um terceiro5.

O fornecedor pode reutilizar o que eu introduzo?

A CNIL indica que um fornecedor de sistemas de IA pode legalmente reutilizar dados confiados por um responsável pelo tratamento se várias condições estiverem reunidas: autorização do responsável pelo tratamento, teste de compatibilidade, informação e respeito pelos direitos das pessoas, conformidade do novo tratamento5. Daí o interesse de recorrer a uma ferramenta cujas condições a Brain verificou.

1Como funciona1 min

Um modelo de linguagem é treinado com uma grande quantidade de textos e depois serve para prever uma continuação de texto em resposta a uma instrução7. Os investigadores do LLaMA mostraram que era possível treinar um modelo de ponta apenas com dados públicos, e que o LLaMA-13B superava o GPT-3 (175B) na maioria dos testes1. O Mistral 7B, com 7 mil milhões de parâmetros, ultrapassa o Llama 2 13B em todos os testes avaliados2. O maior modelo do Llama 3 tem 405 mil milhões de parâmetros, e os seus autores consideram que a sua qualidade é comparável à do GPT-4 em muitas tarefas3. Publicaram esse modelo, bem como o Llama Guard 3, um modelo de controlo das entradas e das saídas3.

Do lado da empresa, a decisão incide, portanto, em três pontos: o alojamento do modelo, quem o atualiza e quem responde por um incidente. A resposta varia de ferramenta para ferramenta. É por isso que a lista das ferramentas autorizadas faz as vezes de regra.

2O que fazer1 min
  • Utilize apenas as ferramentas de IA autorizadas pela Brain, quer assentem num modelo aberto, quer num modelo proprietário.
  • Não instale um modelo descarregado num posto de trabalho sem validação da equipa de segurança.
  • Não introduza dados sensíveis num serviço não aprovado: dados de clientes, de colegas, de saúde, segredos da empresa.
  • Para um teste, prefira dados fictícios, isto é, com a mesma estrutura dos verdadeiros mas sem ligação a nenhuma pessoa. A CNIL cita os testes com dados fictícios para determinar os dados necessários a um sistema de IA5.
  • Em caso de dúvida sobre uma ferramenta, pergunte antes de a utilizar.
  • Se já introduziu dados num serviço não aprovado ou instalou um modelo, comunique-o de imediato.
3As armadilhas2 min

«Aberto» não quer dizer sem licença

O Mistral 7B é publicado sob licença Apache 2.02. Um modelo aberto é, pois, publicado com uma licença, que fixa as suas condições de utilização. As fontes aqui citadas não detalham as licenças dos outros modelos: não parta do princípio de que qualquer utilização é permitida.

Um modelo descarregado pode estar manipulado ou enviesado

A OWASP inclui entre os dez riscos de 2025 para as aplicações de IA generativa a cadeia de abastecimento dos modelos, exposta a diversas vulnerabilidades, e o envenenamento de dados e de modelos6. Inclui também a desinformação, desta vez como fragilidade central das aplicações que assentam em modelos6. Um ficheiro de modelo obtido num sítio qualquer não foi controlado pela Brain. O NCSC inclui, aliás, a segurança da cadeia de abastecimento nos pontos a tratar desde o desenvolvimento de um sistema de IA4.

Um modelo pode ter memorizado dados pessoais

A CNIL observa que numerosos estudos mostraram que os modelos de linguagem de grande dimensão tendiam a «memorizar» elementos dos seus dados de treino: nome, apelido, morada, número de telefone, número de cartão bancário5. Um ataque bem-sucedido à confidencialidade de um modelo pode constituir uma violação de dados5. Isto é verdade tanto para um modelo aberto como para um modelo proprietário.

Um modelo que continua a aprender

Alguns sistemas reutilizam os dados introduzidos para melhorar, o que o NCSC designa por aprendizagem contínua7. A CNIL assinala que este modo de funcionamento levanta questões de proteção de dados, pois os dados servem então duas finalidades distintas5. O que um serviço faz com o que lhe é introduzido faz parte das condições a conhecer antes de o autorizar.

Um referencial que muda

O quadro de gestão dos riscos da IA do NIST, de utilização voluntária, foi publicado a 26 de janeiro de 2023 e depois complementado, a 26 de julho de 2024, por um perfil dedicado à IA generativa8. A página do NIST indica que a versão 1.0 está em revisão8. As recomendações evoluem: as regras da Brain, essas, continuam a ser as da empresa.

4Casos reais1 min

27 de fevereiro de 2023: LLaMA

Uma equipa de investigadores apresenta o LLaMA, uma coleção de modelos de 7 a 65 mil milhões de parâmetros, treinados apenas com conjuntos de dados públicos, e publica todos os seus modelos para a comunidade de investigação1.

10 de outubro de 2023: Mistral 7B

O Mistral 7B v0.1, um modelo de 7 mil milhões de parâmetros, é publicado sob licença Apache 2.0, com uma versão afinada para seguir instruções2.

31 de julho de 2024: Llama 3

A família Llama 3 é apresentada, com um modelo de 405 mil milhões de parâmetros e uma janela de contexto até 128 000 tokens. As versões pré-treinada e pós-treinada do maior modelo são publicadas. As versões que acrescentam imagem, vídeo e voz não são amplamente divulgadas, porque ainda estão em desenvolvimento segundo os autores3.

Ficha

Identificador
CP-268
Ala
4. Inteligência artificial
Competência Brain
Ferramentas autorizadas (authorized_tools)
Reflexo Brain
air-023
Esquema
G3 · Corte anatómico
Idiomas
de, en, es, fr, it, nl, pt
Fontes
8 fontes verificadas em 3 de novembro de 2026
Fontes8 fontes
  1. arXiv, «LLaMA: Open and Efficient Foundation Language Models», 27 de fevereiro de 2023. https://arxiv.org/abs/2302.13971 (consultado em 3 de novembro de 2026)
  2. arXiv, «Mistral 7B», 10 de outubro de 2023. https://arxiv.org/abs/2310.06825 (consultado em 3 de novembro de 2026)
  3. arXiv, «The Llama 3 Herd of Models», 31 de julho de 2024. https://arxiv.org/abs/2407.21783 (consultado em 3 de novembro de 2026)
  4. NCSC (Royaume-Uni), «Guidelines for secure AI system development», 27 de novembro de 2023. https://www.ncsc.gov.uk/collection/guidelines-secure-ai-system-development (consultado em 3 de novembro de 2026)
  5. CNIL, «IA : comment être en conformité avec le RGPD ?», 5 de abril de 2022. https://www.cnil.fr/fr/intelligence-artificielle/ia-comment-etre-en-conformite-avec-le-rgpd (consultado em 3 de novembro de 2026)
  6. OWASP, «LLMRisks Archive». https://genai.owasp.org/llm-top-10/ (consultado em 3 de novembro de 2026)
  7. NCSC (Royaume-Uni), «Principles for security of Machine learning ML», 22 de maio de 2024. https://www.ncsc.gov.uk/collection/machine-learning-principles (consultado em 3 de novembro de 2026)
  8. NIST, «AI Risk Management Framework». https://www.nist.gov/itl/ai-risk-management-framework (consultado em 3 de novembro de 2026)

Citar este artigo

Brain, «Modelos de IA abertos ou proprietários», Cyberpedia, 2026. https://startbrain.io/cyberpedia/pt/articles/modelos-abertos-vs-proprietarios-ia/

BibTeX 
@misc{brain_cp268_pt_2026,
  author = {Brain},
  title = {Modelos de IA abertos ou proprietários},
  year = {2026},
  howpublished = {Cyberpedia},
  url = {https://startbrain.io/cyberpedia/pt/articles/modelos-abertos-vs-proprietarios-ia/},
  note = {CC BY 4.0}
}
Licença CC BY 4.0