Chris Alexiuk, da NVIDIA, defende IA totalmente aberta e leva modelos open weights a desenvolvedores

A notícia é um perfil, não um lançamento. Chris Alexiuk, senior product research engineer em deep learning da NVIDIA, baseado em Toronto, defende que IA aberta de verdade inclui pesos, dados, receitas de treinamento e o resto da pilha. Para ele, transparência é precondição, não recurso. Esse é o recorte que separa "open weights" de IA totalmente open source.

O texto cita duas pontas da família Nemotron: o Nemotron 3.5 Lightning, para execução repetitiva e de alta frequência por desenvolvedores individuais, e o Nemotron Ultra, para agentes autônomos de longa duração, deep research e tarefas corporativas. A fonte não traz números de desempenho, preço, licença nem requisitos de hardware, então não dá para medir custo ou limitações a partir dela. O canal de Alexiuk no YouTube e a série NVIDIA Nemotron Labs Livestreams são o meio de divulgação.

A tese dele conversa com a cobertura anterior do CEVIU. Em 11 de março de 2026, o CEVIU noticiou "Como a NVIDIA Constrói Dados Abertos para IA", e em 24 de março de 2026, "Nvidia abre mais sobre sua receita pós-treinamento", sobre o Nemotron-Cascade 2 com receita liberada como open-source. Em 11 de julho de 2026 veio "NVIDIA Destaca Dados Abertos e Sintéticos como Pilares para Agentes de IA", citando os conjuntos de dados Nemotron. Em 28 de julho de 2026, "Nvidia lidera publicação de modelos de IA de código aberto". Ou seja, dados e receitas abertos já vinham sendo publicados pela empresa, e agora um engenheiro da casa faz a defesa pública dessa linha. Não há produto novo aqui.

Para quem opera modelos em produção, a leitura é que a abertura de dados e receitas é o que permite auditar, reproduzir e fazer fine-tuning com mais controle. Isso é argumento de posicionamento, vindo de funcionário da NVIDIA, e não prova técnica. Antes de adotar, vale checar licença e termos de cada modelo da família.