Amazon e Anthropic enfrentam reação negativa da IA aberta enquanto a OpenAI muda de lado

Os laços entre Amazon e Anthropic enfrentam novo escrutínio depois que a Anthropic recusou um compromisso do setor contra restrições prematuras a modelos de IA baixáveis. A recusa colocou a Anthropic em oposição a Nvidia, Microsoft, Meta, Google e, por fim, OpenAI, apesar de relatos de que os dois laboratórios de modelos fechados compartilhavam preocupações regulatórias dias antes.

O conflito acompanhou a rápida adoção de modelos chineses de pesos abertos, especialmente o Kimi K3, da Moonshot AI. Modelos de pesos abertos publicam seus parâmetros aprendidos, permitindo que desenvolvedores os baixem, modifiquem e executem sem depender da API do fornecedor original.

Essa escolha técnica tornou-se uma linha divisória política. A Anthropic alerta que sistemas baixáveis altamente capazes não podem ser recolhidos nem atualizados de forma centralizada após o lançamento. O CEO da Nvidia, Jensen Huang, Elon Musk, Meta, Microsoft e centenas de empresas menores de tecnologia argumentam que restrições amplas enfraqueceriam os desenvolvedores americanos.

A história original, portanto, foi superada por uma reviravolta reveladora. A OpenAI inicialmente ficou de fora da carta do setor, mas a assinou durante o fim de semana. A Anthropic permaneceu como a dissidente mais proeminente, embora o CEO Dario Amodei tenha negado explicitamente apoiar uma proibição de pesos abertos.

A OpenAI mudou de lado, mas a Anthropic manteve sua posição

A mudança imediata não é uma proposta de proibição. É a formação de uma coalizão excepcionalmente ampla contra uma.

Em 24 de julho, Nvidia, Microsoft, Meta, IBM, Dell, Palantir, Hugging Face e outras empresas apoiaram uma carta de política intitulada “Open Weights and American AI Leadership”. O documento inicial incluía 25 signatários e alertava formuladores de políticas contra restrições prematuras a modelos baixáveis.

A coalizão argumentou que modelos abertos apoiam a concorrência, a pesquisa, a cibersegurança e o controle nacional sobre a infraestrutura de IA. Também pediu que Washington diferencie a destilação comum de modelos da extração ilegal de sistemas proprietários.

Destilação significa treinar um modelo com resultados produzidos por outro. O método é comum em todo o setor, mas torna-se controverso quando desenvolvedores usam contas fraudulentas ou violam restrições de acesso em larga escala.

A lista original de signatários da carta não incluía OpenAI, Anthropic ou Google. Essa ausência sustentava uma interpretação simples: empresas que vendem sistemas fechados de fronteira resistiam a uma campanha apoiada por desenvolvedores de modelos abertos e fornecedores de infraestrutura.

O alinhamento mudou durante o fim de semana. Google e OpenAI acrescentaram seus nomes, deixando a Anthropic como o principal laboratório americano de IA de fronteira ainda fora do acordo. Essa cronologia atualizada importa porque contradiz alegações de que OpenAI e Anthropic permanecem unidas em defesa de restrições amplas.

Segundo o relato mais recente da coalizão do setor, a OpenAI agora apoia o alerta contra limites prematuros. A empresa ainda quer uma estrutura nacional para avaliar modelos e responder a riscos de segurança.

Essa distinção é importante. Apoiar a disponibilidade de pesos abertos não exige aceitar lançamentos irrestritos de todos os sistemas futuros. Em vez disso, rejeita a própria abertura como gatilho para uma regulamentação generalizada.

A Anthropic adotou uma posição mais restrita, porém mais cética. Ela concorda que muitos modelos abertos oferecem valor público, mas questiona se modelos de nível de fronteira devem continuar livremente baixáveis à medida que suas capacidades aumentam.

Dario Amodei respondeu diretamente em 27 de julho. Ele escreveu que a Anthropic “nunca defendeu” uma proibição de pesos abertos e afirmou que modelos menos perigosos podem ser um bem público.

Em vez disso, Amodei propôs controles voltados a três áreas específicas. Ele quer restrições mais rígidas à exportação de chips avançados, fiscalização contra destilação em escala industrial e testes obrigatórios para modelos suficientemente capazes, independentemente de seu modelo de distribuição.

Essa posição é mais precisa do que uma exigência para bloquear modelos chineses. No entanto, a ausência da Anthropic na carta permite que críticos questionem se suas salvaguardas preferidas produziriam efeitos semelhantes de forma indireta.

A assinatura da OpenAI torna essa questão mais difícil para a Anthropic. Ambas as empresas dependem principalmente do acesso controlado a modelos proprietários. Apenas uma aderiu à coalizão que defende alternativas baixáveis.

O resultado é um debate político fragmentado, não uma disputa simples entre empresas americanas e chinesas. A OpenAI aproximou-se da coalizão de modelos abertos, mantendo preocupações sobre destilação. A Anthropic rejeita uma proibição, mas continua não convencida pelo argumento mais amplo de segurança da coalizão.

Por que a economia entre Amazon e Anthropic importa para o debate

A divergência política também reflete como cada empresa ganha dinheiro com IA e onde seus parceiros estratégicos se beneficiam.

Laboratórios de fronteira normalmente vendem acesso medido aos modelos que hospedam. Clientes enviam solicitações a uma API, e o fornecedor controla os pesos subjacentes, a infraestrutura, os sistemas de segurança e os termos de serviço.

Modelos de pesos abertos transferem mais controle aos usuários. Uma empresa pode baixar um modelo, adaptá-lo e implantá-lo em sua própria infraestrutura. Também pode mover cargas de trabalho entre provedores de nuvem ou empresas especializadas em hospedagem.

Essa flexibilidade cria pressão direta sobre os preços dos fornecedores de APIs fechadas. Um modelo baixável e capaz oferece aos desenvolvedores outra referência ao negociar custos, projetar sistemas de contingência ou decidir se cargas de trabalho sensíveis precisam sair de suas próprias redes.

A conexão comercial da Anthropic com a Amazon torna essa concorrência especialmente significativa. A Amazon investiu bilhões na Anthropic e posicionou a AWS como principal parceira de nuvem e treinamento da empresa. Claude também é distribuído pelo Amazon Bedrock, que dá às empresas acesso gerenciado a modelos de vários fornecedores.

A parceria entre Amazon e Anthropic não prova que a posição de segurança da Anthropic seja comercialmente motivada. Preocupações de segurança podem ser genuínas mesmo quando uma política também protege receita. Ainda assim, os incentivos econômicos merecem análise porque restrições podem remodelar as compras corporativas.

A Amazon ocupa os dois lados da questão. Ela se beneficia quando clientes usam Claude pelo Bedrock, mas também obtém receita de nuvem quando clientes implantam modelos abertos na infraestrutura AWS. Mais atividade de modelos geralmente gera mais demanda por computação, armazenamento, redes e serviços de inferência.

Os incentivos da Nvidia são mais claros. Modelos baixáveis podem operar em data centers empresariais, nuvens regionais, clusters de pesquisa e infraestrutura local. Cada novo modelo pode criar demanda adicional por aceleradores e sistemas de suporte.

Huang, portanto, argumenta que o mercado precisa tanto de sistemas abertos quanto fechados. A carta da Nvidia sobre modelos abertos afirma que o desenvolvimento aberto pode fortalecer a cibersegurança ao permitir que defensores inspecionem e adaptem modelos em infraestrutura sob seu controle.

A Microsoft também se beneficia de ambas as rotas. Ela tem uma relação profunda com a OpenAI, vende modelos proprietários gerenciados e oferece infraestrutura para implantações abertas. A Meta publica pesos de modelos baixáveis enquanto usa a abertura para ampliar a adoção além de seus próprios produtos.

Essas empresas não são organizações neutras de interesse público. Seu apoio à abertura corresponde às suas posições comerciais, assim como a cautela da Anthropic corresponde ao seu negócio de acesso controlado. Isso não invalida nenhum dos argumentos.

A questão mais útil é se as regras propostas enfrentam danos demonstráveis sem eliminar a concorrência de menor custo. Uma política voltada à extração fraudulenta deve atingir o comportamento fraudulento. Uma política voltada a capacidades perigosas deve aplicar testes comparáveis a sistemas abertos e fechados.

Restrições generalizadas favoreceriam fornecedores que sozinhos retêm acesso aos modelos. Elas também poderiam aumentar a dependência de um pequeno grupo de fornecedores americanos, elevando custos para startups sem impedir que desenvolvedores estrangeiros usem pesos que já circulam em outros lugares.

É por isso que o debate não pode ser reduzido à tecnologia aberta contra a segurança nacional. Trata-se também de uma disputa sobre quem controla a distribuição, quem captura a receita de inferência e quem pode alterar termos de serviço depois que clientes constroem seus sistemas em torno de um modelo.

Para compradores corporativos, as consequências vão além dos rankings de benchmarks. Um modelo baixável pode apoiar implantação privada, controles de segurança personalizados, capacidade previsível e proteção contra mudanças repentinas na API. Um sistema hospedado pode oferecer atualizações mais fáceis, monitoramento centralizado mais forte e menos trabalho operacional.

Nenhuma rota vence para todas as cargas de trabalho. O perigo vem de uma regulamentação que escolhe um modelo de distribuição antes de medir os riscos do próprio sistema.

Modelos abertos chineses pressionam preços e políticas

Washington está reagindo agora porque modelos chineses de pesos abertos se tornaram úteis o bastante para que empresas americanas os tratem como infraestrutura prática.

Desenvolvedores chineses lançaram uma série de modelos que concorrem de perto com os principais sistemas americanos em tarefas importantes. Moonshot, DeepSeek, Alibaba e Z.ai também usaram lançamentos baixáveis para conquistar distribuição internacional.

O Kimi K3, da Moonshot, intensificou o debate em julho. O modelo atraiu desenvolvedores com capacidades competitivas e custos operacionais menores, ao mesmo tempo em que oferecia às organizações a opção de executar ou modificar seus pesos.

Sua adoção foi mensurável. A Sensor Tower estimou que o Kimi recebeu mais de 930.000 downloads durante a semana após o lançamento do K3. Isso representou um aumento de 200 por cento em relação à semana anterior.

Aproximadamente 86.000 desses downloads vieram dos Estados Unidos, um aumento semanal de 387 por cento. A demanda tornou-se forte o bastante para a Moonshot suspender temporariamente novas assinaturas quando a capacidade se aproximou de seus limites.

Modelos chineses também ocuparam todas as cinco primeiras posições no OpenRouter por uso durante o mês medido, segundo números citados pela análise de adoção. Isso não estabelece superioridade técnica geral, mas confirma uma demanda significativa de desenvolvedores.

Avaliadores ainda veem limitações. O CEO da Arena, Anastasios Angelopoulos, disse à Associated Press que os sistemas chineses continuavam atrás dos líderes americanos em toda a sua gama de capacidades.

A ameaça competitiva, portanto, vem do pacote, não necessariamente da melhor pontuação absoluta. Desenvolvedores podem aceitar desempenho ligeiramente inferior quando um modelo é mais barato, personalizável, baixável ou suficiente para uma tarefa estreitamente definida.

Esse pacote pressiona OpenAI e Anthropic simultaneamente. Se empresas podem usar um modelo chinês para programação de rotina, classificação, processamento de documentos ou tarefas de agentes, podem reservar APIs de fronteira caras para as solicitações mais difíceis.

Uma arquitetura mista reduz a dependência de qualquer laboratório individual. Ela também transforma sistemas proprietários em componentes premium, em vez de no mecanismo padrão por trás de cada interação.

Autoridades americanas levantaram uma preocupação diferente. A Anthropic alega que desenvolvedores chineses usaram campanhas em escala industrial para extrair resultados do Claude e treinar sistemas concorrentes.

Em uma carta obtida pelo The Washington Post, a Anthropic afirmou que a equipe do Qwen, da Alibaba, usou cerca de 25.000 contas fraudulentas. Essas contas supostamente geraram mais de 28,8 milhões de interações com o Claude.

A Alibaba não respondeu a esse relatório. A Anthropic fez alegações relacionadas contra DeepSeek, Moonshot e MiniMax, descrevendo campanhas que contornam controles geográficos e restrições de serviço.

Essa conduta, se comprovada, representa uma questão legítima de fiscalização. Contas fraudulentas, contorno de restrições e extração em massa não autorizada não se tornam aceitáveis porque a destilação é um método de treinamento reconhecido.

No entanto, provar o uso indevido por empresas específicas é diferente de provar que a distribuição de pesos abertos é inerentemente insegura. A disputa sobre destilação também mostra como a atribuição pode se tornar difícil.

Às vezes, pesquisadores conseguem detectar padrões que sugerem que um modelo aprendeu com outro. Um sistema pode reproduzir frases, estilos de raciocínio ou até se identificar incorretamente como o modelo que gerou seus dados de treinamento.

Esses sinais nem sempre revelam como os dados foram obtidos. Desenvolvedores podem usar dados sintéticos licenciados, resultados públicos, registros gerados por clientes, extração fraudulenta ou uma combinação de fontes.

Empresas americanas também usam destilação. A OpenAI ofereceu ferramentas que ajudam clientes a gerar dados de treinamento a partir de seus sistemas, enquanto Elon Musk descreveu a técnica como comum em todo o setor.

A questão jurídica e política envolve autorização, escala e método. Tratar todo modelo destilado como propriedade roubada colocaria o desenvolvimento legítimo em uma categoria criada para coibir abusos.

Isso também poderia incentivar formuladores de políticas a subestimar a engenharia chinesa. Os controles de exportação levaram laboratórios chineses a melhorar a eficiência, otimizar hardware limitado e competir por meio da distribuição aberta. Nem todo avanço pode ser explicado por cópia.

A Coalizão de Pesos Abertos Vê uma Barreira Regulatório-Competitiva

Defensores de modelos abertos temem que regras de segurança protejam laboratórios fechados da concorrência antes que o governo defina um limite de segurança mensurável.

A resistência vai muito além da Nvidia e da Meta. Mais de 200 startups, investidores e organizações de tecnologia aderiram a um apelo separado organizado pela Little Tech Association.

O grupo escreveu ao assessor científico da Casa Branca, Michael Kratsios, e ao secretário de Comércio, Howard Lutnick. Pediu que o governo não imponha uma proibição total a sistemas chineses de pesos abertos.

Seus membros argumentam que modelos acessíveis e baixáveis se tornaram um insumo para startups americanas. Remover o acesso elevaria os custos de desenvolvimento, interromperia produtos existentes e concentraria ainda mais poder entre alguns poucos laboratórios de fronteira.

Essa preocupação não é hipotética. Empresas menores frequentemente não têm capital para treinar grandes modelos fundacionais. Elas desenvolvem produtos adaptando sistemas existentes, distribuindo tarefas entre vários modelos ou hospedando versões especializadas para clientes definidos.

Um modelo aberto também pode continuar disponível quando um provedor altera uma API, limita uma região, retira uma versão ou enfrenta problemas de capacidade. Para uma startup, esse controle pode determinar se um produto continua operando.

A oposição das startups aceita que salvaguardas possam ser necessárias. Sua objeção central é que negar acesso aos americanos prejudicaria os desenvolvedores domésticos mais rapidamente do que os laboratórios chineses.

A carta original da Nvidia incluiu Microsoft, Meta, Palantir, IBM, Dell, Hugging Face, Replit, Perplexity, ServiceNow, CrowdStrike e Y Combinator. Elon Musk manifestou separadamente seu total apoio ao esforço.

Mark Zuckerberg não precisou assinar pessoalmente porque a Meta aderiu como empresa. Os negócios da Meta há muito se beneficiam da ampla distribuição de pesos de modelos, incentivando desenvolvedores a construir fora de uma única API controlada.

O assessor de IA da Casa Branca, David Sacks, enquadrou a questão como uma possível captura regulatória. Ele argumenta que laboratórios fechados dominantes poderiam usar políticas de segurança para eliminar a concorrência aberta de menor custo.

Essa é a principal estrutura de oposição nesta disputa: controle por provedores fechados contra concorrência de modelos baixáveis. A nacionalidade importa, mas a divisão comercial explica por que empresas americanas adotaram posições opostas.

A crítica se torna mais incisiva porque o governo não estabeleceu padrões de segurança detalhados e consistentes para modelos americanos. Restrições voltadas a sistemas abertos estrangeiros poderiam, portanto, surgir antes que existam obrigações comparáveis para sistemas fechados domésticos.

A resposta da Anthropic é que a igualdade de tratamento deve depender da capacidade, e não da nacionalidade ou do formato de licenciamento. Amodei defendeu testes obrigatórios para modelos suficientemente capazes, sejam eles abertos ou fechados.

Essa proposta poderia aproximar os dois campos se os formuladores de políticas definirem limites de capacidade de forma transparente. Seriam necessárias avaliações reproduzíveis, regras claras de fiscalização e salvaguardas contra a adaptação de padrões à arquitetura preferida de uma única empresa.

A Anthropic também argumenta que pesos abertos criam um problema distinto após o lançamento. Um provedor hospedado pode corrigir um modelo, reforçar o monitoramento, encerrar contas ou retirar o acesso. Um modelo baixado não pode ser recolhido de todos os operadores.

A distinção é real. Ela se torna mais importante quando um modelo possui capacidades que auxiliam de modo significativo ataques biológicos, operações cibernéticas, vigilância em massa ou outros danos graves.

No entanto, o controle centralizado também tem limitações. Um provedor fechado pode alterar termos, bloquear pesquisas legítimas ou se tornar um ponto único de falha. Usuários não podem inspecionar de forma independente o sistema completo, e pesquisadores externos precisam depender do acesso que a empresa permite.

Sistemas abertos dão aos defensores mais liberdade para inspecionar, modificar e executar ferramentas de forma privada. Sistemas fechados dão aos provedores mais liberdade para monitorar e intervir. A regulação deve enfrentar essa troca em vez de declarar qualquer uma das rotas universalmente mais segura.

A Anthropic não demonstrou que os modelos chineses atualmente disponíveis ultrapassam um limite de capacidade catastrófica claramente definido. Defensores de modelos abertos não demonstraram que inspeção e personalização sempre darão aos defensores uma vantagem sobre os atacantes.

Ambos os lados fazem alegações voltadas ao futuro. A resposta política responsável é testar essas alegações em relação às capacidades e ao uso indevido observado, não apenas à identidade corporativa.

É também por isso que a alegação de que a Anthropic está fazendo lobby por uma proibição ampla precisa de ressalvas. Reportagens indicam que a empresa pressionou autoridades governamentais sobre destilação, controles de exportação e riscos de segurança. Amodei agora afirma que uma proibição de modelos chineses não resolveria suas preocupações mais graves.

Seu esclarecimento de política delimita a posição pública da Anthropic. Críticos ainda podem questionar seus incentivos e limites propostos, mas não devem tratar uma política negada como uma exigência estabelecida.

O Que Washington Fará em Seguida Definirá o Mercado

A próxima fase depende de três sinais: ação governamental direcionada, testes baseados em capacidade e adoção contínua de modelos chineses nos Estados Unidos.

O primeiro sinal é se o governo buscará sanções específicas contra empresas em vez de uma restrição geral aos pesos baixáveis. Uma ação na Entity List do Departamento de Comércio, regras para compras federais ou sanções ligadas a campanhas documentadas de extração indicariam uma abordagem direcionada.

Esse resultado fortaleceria o argumento de que Washington está separando a segurança nacional do debate mais amplo sobre modelos abertos. Poderia penalizar condutas específicas e, ao mesmo tempo, preservar o acesso a sistemas desenvolvidos de forma independente.

Uma orientação mais ampla desaconselhando todos os modelos chineses apontaria na direção oposta. Mesmo sem uma proibição legal, restrições de compras e pressão pública poderiam levar equipes jurídicas a rejeitar esses sistemas.

O segundo sinal é se as autoridades publicarão testes de capacidade consistentes para modelos abertos e fechados. A política preferida da Anthropic depende de identificar quando um sistema se torna perigoso o suficiente para exigir avaliação obrigatória.

Esses testes devem divulgar quais capacidades acionam a supervisão e como os provedores podem contestar conclusões. Aplicá-los apenas a modelos baixáveis reforçaria a crítica de barreira regulatório-competitiva.

Aplicar os mesmos limites a todos os métodos de distribuição sustentaria o argumento da Anthropic de que ela busca controles de risco, e não proteção contra a concorrência. Isso também obrigaria laboratórios fechados a aceitar escrutínio junto com desenvolvedores abertos.

O terceiro sinal é a adoção no mundo real. Contagens de downloads e dados de roteamento de modelos mostram interesse, mas os compromissos empresariais revelarão se sistemas chineses podem sustentar uma presença americana duradoura.

Desenvolvedores devem acompanhar o uso do OpenRouter, a disponibilidade em nuvem, divulgações de grandes clientes e lançamentos contínuos de Moonshot, Alibaba, DeepSeek e Z.ai. A queda no uso após o atual ciclo de atenção enfraqueceria a alegação de que modelos abertos ameaçam o mercado de provedores fechados.

O crescimento contínuo aumentaria a pressão sobre OpenAI e Anthropic para melhorar preços, lançar alternativas baixáveis ou explicar por que clientes deveriam aceitar o controle do provedor. Também tornaria restrições amplas mais caras para empresas americanas.

O comportamento da Amazon merece atenção especial. A empresa pode promover Claude enquanto apoia um amplo catálogo de modelos por meio da AWS. Qualquer alteração na disponibilidade, nos requisitos de conformidade ou no suporte à implantação ofereceria uma visão antecipada de como a política afeta o acesso empresarial.

A relação entre Amazon e Anthropic poderia, em última análise, ilustrar o compromisso preferido do mercado. Clientes podem combinar sistemas de fronteira controlados com modelos abertos, em vez de escolher uma filosofia para cada tarefa.

Essa abordagem exige avaliação cuidadosa. As equipes precisam manter registros de versões de modelos, licenças, resultados de testes, descobertas de segurança e mudanças de política antes de transferir cargas de trabalho importantes entre provedores.

Uma base de conhecimento pesquisável pode ajudar equipes técnicas a preservar essas evidências à medida que modelos e regulações mudam. A decisão deve se basear nos requisitos da carga de trabalho, não na lealdade a um campo aberto ou fechado.

O conflito atual é, portanto, maior do que uma única reportagem contestada. A OpenAI mudou seu alinhamento público, a Anthropic rejeitou a acusação de que deseja uma proibição, e uma ampla coalizão de tecnologia desafiou Washington a evitar restrições prematuras.

A economia entre Amazon e Anthropic continua fazendo parte dessa disputa, mas não a resolve. A questão decisiva é se os reguladores conseguem combater abusos comprovados sem transformar a política de segurança nacional em proteção para um pequeno grupo de provedores de modelos.

Desenvolvedores e compradores empresariais devem agora fazer três perguntas práticas. Uma regra proposta identifica condutas prejudiciais específicas? Ela aplica testes equivalentes a sistemas abertos e fechados comparáveis? Ela preserva concorrência suficiente para que clientes possam trocar de provedores?

Essas respostas determinarão se a política americana de IA cria um desenvolvimento mais seguro ou apenas um mercado mais restrito.