SLMs em Ascensão: Porque é que os Modelos de Linguagem Pequenos Estão a Ganhar Terreno às Gigantes da IA

O mercado da IA está a mudar de escala

Durante muito tempo, a narrativa dominante na inteligência artificial foi simples: quanto maior o modelo, melhor. Contudo, a tendência de mercado começa a inverter-se. Os chamados SLMs (Small Language Models), modelos com poucos mil milhões de parâmetros, estão a captar o interesse de empresas, programadores e fabricantes de hardware, e o motivo é essencialmente económico.

Modelos como o Phi-3 da Microsoft, o Gemma da Google ou o Mistral 7B demonstram que é possível obter desempenho competitivo em tarefas específicas com uma fracção dos custos computacionais dos gigantes como o GPT-4 ou o Claude Opus. Para empresas portuguesas que querem integrar IA sem depender de faturas mensais na cloud, esta é uma mudança relevante.

O apelo do on-device: IA que corre no telemóvel

Uma das razões pela qual os SLMs estão a crescer prende-se com a execução local. A Apple Intelligence assenta em grande parte em modelos pequenos que correm directamente no iPhone, enquanto a Qualcomm e a MediaTek estão a desenhar chips optimizados para inferência de modelos com 3 a 8 mil milhões de parâmetros no próprio dispositivo.

Isto tem implicações práticas: menor latência, funcionamento sem ligação à internet e, sobretudo, dados que nunca saem do telemóvel do utilizador. Num contexto europeu marcado pelo RGPD e pelo AI Act, este último ponto é decisivo para adopção empresarial.

Especialização em vez de generalismo

Outra tendência clara é a fragmentação por domínio. Em vez de um modelo que sabe um pouco de tudo, o mercado começa a preferir modelos afinados para tarefas concretas: apoio jurídico, análise de código, transcrição médica ou atendimento ao cliente. A francesa Mistral tem apostado nesta lógica com variantes especializadas, e a Meta tem seguido caminho semelhante com o Llama em versões instruct de menor dimensão.

Para as PME em Portugal, esta especialização traduz-se numa oportunidade concreta: já é viável correr um modelo afinado com dados internos num servidor local relativamente modesto, sem depender de APIs externas.

O que dizem os números

Relatórios recentes de consultoras como a Gartner e a IDC apontam para um crescimento acelerado do segmento de edge AI, com previsões de que uma parte significativa das aplicações empresariais de IA passará a assentar em modelos híbridos — combinando SLMs locais com chamadas pontuais a LLMs na cloud apenas para tarefas complexas.

Esta abordagem híbrida é, provavelmente, o caminho mais realista. Reserva-se a potência bruta dos modelos gigantes para quando é mesmo necessária, enquanto o dia-a-dia é resolvido por modelos leves, rápidos e baratos.

Um mercado menos concentrado

A consequência estratégica é interessante: se os SLMs continuarem a evoluir, a dependência exclusiva da OpenAI, Anthropic ou Google pode diluir-se. Modelos abertos como o Llama, o Mistral ou o Qwen da Alibaba democratizam o acesso e permitem que integradores locais, incluindo em Portugal, construam soluções competitivas sem infra-estruturas de milhares de milhões.

A conversa deixou de ser apenas sobre qual é o modelo mais inteligente. Passou a ser sobre qual é o modelo mais eficiente para cada problema — e é aí que os pequenos começam a fazer barulho.

Siga o NetThings no Google News

Fique a par de todas as novidades tecnológicas em tempo real.

⭐ SEGUIR NO GOOGLE NEWS

Acompanhe-nos também em:

FACEBOOK INSTAGRAM X