Categorias de modelos de IA

Meta: conhecer as três categorias de modelos (frontier, intermediário e open-weight) e o que cada uma compra — e cobra.

Resumo em 3 frases

Os modelos se dividem em três categorias por onde rodam e quanto custam: frontier (API cara, ponta de capacidade), intermediário (custo por token é o fator crítico) e open-weight (auto-hospedado, controle total).
Frontier é para tarefas complexas porque carrega a máxima capacidade de raciocínio e linguagem — e o custo alto é o preço do treinamento, da qualidade e do desenvolvimento por trás.
Open-weight não tem custo por chamada, mas a infraestrutura, a manutenção e a observabilidade viram conta de verdade — o “de graça” é só na API.

	Modelo Frontier\	Modelo Intermediário\	Modelo Open-Weight\
Onde roda	API do provedor	API do provedor	sua infraestrutura
Custo	alto por token	baixo por token — decisivo em volume	zero por chamada; infra + manutenção + observabilidade
Capacidade	máxima em raciocínio e linguagem	cai em tarefas complexas	depende do modelo e do hardware
Controle	pouco (caixa-preta, SLA do provedor)	pouco	total (pesos, serving, dados)
Quando usar	tarefa complexa, crítica, baixo volume	tarefa direta, alto volume	dado sensível, controle total, escala constante

Máxima capacidade de raciocínio em tarefas longas e ambíguas (parecer, arquitetura, prova de conceito).
O custo alto reflete treinamento, curadoria e desenvolvimento — não é margem arbitrária.
Risco prático: excesso de capacidade — pagar frontier para classificar urgência de ticket é comprar caminhão para levar carta.

Em tarefa complexa a qualidade cai visivelmente — é a fronteira da categoria.
Fine-tuning pode aproximá-los do nível frontier na tarefa alvo: o modelo não sobe de categoria geral, mas especializa onde importa (ver Fine-tuning, LoRA).
A conta de volume: em 1M de chamadas/mês, a diferença de preço por token entre intermediário e frontier decide o orçamento sozinha (ver Token, Lab 01 - Contando tokens e medindo custo).

Sem custo por chamada — mas a infraestrutura (GPUs, serving), a manutenção (atualização de modelo, patches) e a observabilidade (monitoramento, avaliação) são custos fixos que existem mesmo com pouca demanda.
Vantagem estratégica: dados não saem da sua infra; sem dependência do preço e das decisões de um provedor (ver vendor lock-in — tema da sequência de seleção).
O termo correto é open-weight (pesos abertos): nem sempre a licença é open-source no sentido da OSI.

❌ Não é “uma categoria melhor que as outras” — é uma troca de eixos (capacidade × custo × controle).
✅ É um espectro de decisão entre capacidade, custo e controle — escolher entre eles com critérios é o resto da disciplina.

Liste as três categorias e, para cada uma, o custo que ela carrega fora do preço por token.
Por que fine-tuning aproxima um intermediário do frontier só “na tarefa alvo”?
Em que situação um open-weight é a única opção viável, mesmo com infra cara?