Programa e convidado

Este episódio de Odd Lots, da Bloomberg Podcasts, é apresentado por Joe Weisenthal e Tracy Alloway, com Daniel Saedi, cofundador da Minerva (ex-funcionário da Bridgewater), como convidado. Título original em inglês: How an American AI Company Uses Chinese Open-Weight Models | Odd Lots.

Principais pontos

  • Os modelos de pesos abertos permitem baixar pesos limpos diretamente e executá-los nos próprios computadores ou chips. Para as empresas da camada de aplicação, o verdadeiro valor está no ajuste fino: usar dados próprios para ajustar pesos abertos é atualmente a principal fonte de retorno. 9:08
  • Ajustar modelos chineses de pesos abertos, como o Kimi, pode gerar resultados melhores a custos menores e permite capturar uma camada adicional de margem. Outros benefícios incluem soberania de dados, flexibilidade técnica e não ficar preso a grandes fornecedores que aumentam os preços. 12:32
  • Ele próprio testou a versão mais recente do DeepSeek sem censura—alguém desligou os neurônios do modelo que dizem “não”; isso é o chamado “apagamento do modelo”. Esse é o maior risco dos modelos abertos de ponta que circulam fora dos canais previstos. O modelo custa cerca de $0.30 por milhão de tokens, aproximadamente 10 vezes menos que o Sonnet, mas suas capacidades se aproximam das da versão mítica de fevereiro. 25:20
  • Os benefícios da destilação podem ser medidos: a Reflection AI, uma das principais empresas de modelos de pesos abertos dos EUA, acaba de lançar seu modelo principal, que está cerca de 3–6 meses atrás dos modelos chineses de pesos abertos. A empresa tem o apoio da Nvidia e treinou o modelo usando 12 mil–14 mil GPUs; segundo relatos, a Nvidia está adquirindo a empresa. 29:54

Contexto e observações

Este episódio de Odd Lots gira em torno de notícias de que o governo Trump estuda exigir que empresas dos EUA divulguem publicamente o uso de modelos chineses de IA. Também discute se, após o “momento DeepSeek”, os clientes estão dispostos a pagar um preço premium por modelos de ponta nacionais. Cobertura das legendas: o vídeo tem 978 segmentos de legenda com marcações de tempo, cobrindo 0:00–48:59 (duração total 48:59), com cobertura do vídeo inteiro. As opiniões e marcações de tempo no artigo são relatadas com base nas legendas originais; cada marcação de tempo indica o início do trecho de fala correspondente. Informação sobre a publicação: publicado às 17:48 do dia 2026-11-20, horário de Hong Kong, convertido do tempo relativo exibido pelo YouTube no momento da coleta, com precisão de hora.

Ligações para fontes

Leituras relacionadas

Temas relacionados