Amodei rompe o silêncio: Anthropic nunca pediu banir modelos abertos, mas quer travar o compute chinês

Dario Amodei publicou na segunda-feira 27 de julho um post público no site da Anthropic dizendo, em letras destacadas, que a companhia nunca defendeu proibir modelos abertos. A frase é textual: Anthropic has never advocated for a ban on open-weights models. O gesto foi feito depois de uma coalizão pública formada por Nvidia, Microsoft, Meta, OpenAI e Google mirar a Anthropic como suposto vetor de regulação restritiva nos EUA. Amodei separa a defesa dos modelos abertos, que classifica como public good quando não têm capacidades perigosas, do que descreveu como sua preocupação central: o compute e os pesos hoje disponíveis livremente na China.

O gatilho imediato

O texto sai três dias após a Moonshot AI publicar no HuggingFace os pesos do Kimi K3, modelo com 2,8 trilhões de parâmetros em arquitetura mixture of experts, o maior open weight da história. Kimi K3 lidera seis de sete domínios do Frontend Code Arena e pontua 88,3 no Terminal Bench 2.1, resultado que aproxima o modelo aberto chinês das últimas gerações fechadas do próprio laboratório de Amodei. Amodei não cita Moonshot pelo nome, mas descreve o cenário como aquele em que quantidade crescente de compute passa a estar disponível abaixo do custo marginal para atores fora do arcabouço regulatório americano.

A resposta de Amodei é dupla. Diz que a Anthropic não trabalha por proibição da modalidade aberta e não sustenta o argumento moral do risco existencial contra qualquer distribuição pública de pesos. E defende três pilares específicos de política pública que, no seu entender, atacam o problema real: manter chips avançados fora de mãos autoritárias, cortar distillation em escala industrial dos modelos americanos por atores externos e exigir testes obrigatórios de segurança para todo modelo suficientemente capaz, aberto ou fechado.

O que os concorrentes escreveram e o que Amodei está aceitando

A carta coletiva assinada em 24 de julho por Jensen Huang (Nvidia), Yann LeCun (Meta), Satya Nadella (Microsoft), Sam Altman (OpenAI) e Sundar Pichai (Google) pedia ao governo americano que não impusesse restrições categóricas a modelos abertos, sob o argumento de que competitividade nacional e diversidade de fornecimento exigem pluralidade. Amodei aceita a premissa e adota a mesma tese em público. A divergência, então, deixa de ser sobre modelos abertos em si e passa a ser sobre teste obrigatório e sobre controle de exportação de compute. Nesse recorte, a Anthropic segue alinhada ao Departamento de Comércio, e nenhum dos cinco laboratórios da carta discorda formalmente.

Segundo o próprio texto, o que Amodei quer da política americana é o segundo estágio da regra AI Diffusion, que trate compute como bem de dupla natureza e crie categoria específica de licenciamento para pesos abertos exportáveis. Traduzido para o comprador corporativo, isso significa que, se a proposta for adotada, empresas brasileiras, indianas ou europeias que hoje fazem fine tuning de modelos americanos abertos podem passar a precisar de authorization number para uso comercial escala.

Como o comprador corporativo deve ler

A tese de fundo importa mais para o roadmap de 2027 do que para a decisão desta semana. Se o compute chinês continuar crescendo ao ritmo atual, o custo do token de fronteira em modelos abertos vai continuar caindo, e a proposta de fine tuning proprietário sobre pesos livres tende a se firmar como alternativa real ao consumo via API dos laboratórios americanos. Kimi K3 já é servido em contratos empresariais na Europa por meio do parceiro DeepInfra e na Índia via Yotta.

No Japão, a NTT Data anunciou em julho que passa a suportar deployments internos de Kimi K3 em seu portfolio de arquiteturas para bancos e seguradoras, uma decisão que abre precedente forte para clientes MUFG e Nomura. Na Alemanha, a Deutsche Telekom incluiu open weights chineses e americanos em pé de igualdade no catálogo de sua nuvem soberana Sovereign AI Cloud. No Brasil, TOTVS, Stefanini e CI&T já rodam POCs internos com Llama 4, Kimi K2 e agora K3 em ambientes de cliente sujeitos a LGPD, apostando que fine tuning proprietário será a rota mais defensável para atender exigências de residência de dados.

O ponto que Amodei não fecha

O teste obrigatório para modelos abertos e fechados de fronteira é a parte mais difícil da proposta. Em modelo fechado, o desenvolvedor original executa o teste e assina a atestação. Em modelo aberto, quem responde pelo teste da versão que roda dentro do cliente? Amodei escreve que a Anthropic apoia governança em nível de treinamento inicial, não em nível de cada fork. Mas o texto não resolve o que acontece quando um agente autônomo com custom fine tuning de Kimi K3 gera dano em uma jurisdição regulada. A discussão que o post abriu, portanto, é só o primeiro turno.