Uma nova edição da newsletter Chain of Thought, da Brownstone Research, assinada por Ben Lilly, compara a disputa pela inteligência artificial de código aberto à fase inicial do Bitcoin. Segundo o analista, quem identificar esse movimento cedo pode enxergar uma oportunidade parecida com a que surgiu no mercado cripto nos primeiros anos do ativo.

O argumento parte de um depoimento dado ao Congresso dos Estados Unidos, em julho de 2023, por Dario Amodei, CEO da Anthropic. Na ocasião, ele afirmou que o código aberto costuma trazer benefícios para a maior parte dos campos científicos. Ao mesmo tempo, ressaltou que os riscos dos modelos abertos lançados até então eram “relativamente limitados”. Contudo, disse que a evolução desses sistemas seguia, em suas palavras, “uma trilha muito perigosa”.

Para Lilly, essa formulação cria um contraste político conveniente. Em outras palavras, se os modelos abertos viram ameaça, os modelos fechados de empresas como a Anthropic ganham espaço como opção mais segura. Assim, o debate regulatório tende a limitar o aberto e a favorecer o fechado.

Paralelo com o Bitcoin ganha força na tese

Segundo a análise, esse roteiro soa familiar para quem acompanha o mercado cripto. Lilly relembra o início do Bitcoin nos Estados Unidos, incluindo a compra do primeiro Bitcoin no Capitólio em 2014 pelo deputado Jared Polis. Além disso, ele cita os apelos do senador Joe Manchin para banir o que chamou de “moeda perigosa”.

O texto também menciona acusações de 2023 segundo as quais reguladores tentaram isolar empresas de criptomoedas do sistema bancário. Críticos apelidaram esse movimento de “Operation Choke Point 2.0”. Ainda assim, a newsletter sustenta que a indústria sobreviveu à pressão e avançou politicamente.

Agora, de acordo com Lilly, Washington caminha para um ambiente de regras mais claras com a aprovação do GENIUS Act e o avanço do CLARITY Act. Nesse sentido, ele argumenta que a inteligência artificial descentralizada, chamada por ele de “DeAI”, enfrenta hoje uma batalha regulatória parecida.

Anthropic e OpenAI reforçam alerta sobre acesso

Como sinal de endurecimento, Lilly cita a proibição de exportação nos Estados Unidos ligada ao lançamento mais recente da Anthropic. Na visão dele, esse cenário pode empurrar a empresa para um modelo de acesso permissionado. Nesse formato, o usuário precisa comprovar identidade antes de usar o sistema.

Além disso, o analista menciona a decisão da OpenAI de limitar a distribuição do GPT-5.6 a parceiros considerados confiáveis. Para ele, exigências de identificação devem se tornar cada vez mais comuns. Contudo, Lilly adota tom crítico ao afirmar que esse tipo de medida costuma surgir como proteção ao usuário, embora também fortaleça plataformas fechadas.

O texto recorre ainda a um episódio ligado à segurança nacional para ilustrar o temor em torno dos modelos avançados. Com base em uma fala atribuída ao chefe da National Security Agency, Joshua Rudd, citada pelo senador Mark Warner, Lilly afirma que o modelo “Mythos”, da Anthropic, teria invadido “quase todos os nossos sistemas classificados, não em semanas, mas em horas”.

Embora use esse caso para explicar o clima político, o autor diz que o código aberto continua reduzindo a distância para a fronteira tecnológica. Segundo ele, o GLM-5.2 alcançou recentemente desempenho comparável ao Sonnet 4.6 da Anthropic, lançado em fevereiro. Dessa maneira, os modelos abertos estariam apenas três a quatro meses atrás dos sistemas mais avançados do mercado.

IA descentralizada tenta replicar redes abertas

A previsão da newsletter é direta. Conforme Lilly, um rival aberto ao Mythos e ao GPT-5.6 pode surgir até o outono no Hemisfério Norte. Portanto, a janela entre sistemas proprietários e modelos abertos estaria encolhendo rapidamente.

Na parte mais estrutural da tese, o analista afirma que o ponto de virada pode vir do treinamento descentralizado em redes ponto a ponto. A arquitetura lembraria Bitcoin e Ethereum. A lógica, segundo ele, trocaria a computação dedicada à segurança da rede por computação voltada ao treinamento de modelos de inteligência artificial.

Além disso, Lilly acrescenta que o treinamento distribuído avançou de menos de 1 bilhão de parâmetros para 100 bilhões em apenas dois anos. Esse salto, na avaliação dele, sugere que a infraestrutura descentralizada já superou a fase meramente experimental.

Projetos citados por Ben Lilly ainda começam

Entre os exemplos iniciais, Lilly destaca a Dark Bloom, descrita como uma solução de inferência privada e de baixo custo em Macs ociosos. Da mesma forma, ele cita a c0mpute, apresentada como uma rede descentralizada de inferência. Por fim, menciona a Pluralis, focada em treinar inteligência artificial com GPUs de consumidores distribuídas.

Segundo o analista, mais iniciativas desse segmento devem lançar tokens e recompensar usuários que cedam poder computacional. Assim, a expansão da chamada DeAI pode se aproximar da lógica econômica que ajudou a consolidar redes abertas no universo das criptomoedas.

Em suma, a tese central de Lilly sustenta que governos tentarão proibir ou limitar modelos abertos, mas não conseguirão deter esse avanço no longo prazo. Para ele, investir nesse setor hoje pode se parecer com comprar Bitcoin em 2014, quando o ativo ainda enfrentava forte desconfiança política e institucional. O paralelo se apoia nas falas de Dario Amodei ao Congresso, nas restrições atribuídas a Anthropic e OpenAI, no episódio citado por Joshua Rudd e Mark Warner e no surgimento de projetos como Dark Bloom, c0mpute e Pluralis.