Um novo modelo
de IA.

A IA está a tornar-se uma camada infraestrutural do mundo. Quem controla os modelos, dados, canais de acesso e regras de operação, controla cada vez mais partes da economia, cultura, administração, educação e conhecimento.

A soberania da IA não é, portanto, apenas um slogan político. É uma condição de segurança cognitiva, económica e tecnológica.

IA soberana significa a capacidade de executar modelos local ou regionalmente; controlar dados e memória organizacionais; auditar decisões, fontes e atualizações; evitar a dependência de um único fornecedor; e possuir ou governar os seus próprios modelos, adaptadores, corpora e regras operacionais.

Nem toda a organização precisa de treinar um modelo de fundação do zero. Mas toda a organização deve ser capaz de possuir a sua própria camada de IA: adaptada ao seu conhecimento, língua, cultura, procedimentos, riscos e objetivos.

A segurança da IA não pode ser reduzida à filtragem de saídas. Os filtros são necessários, mas são salvaguardas de superfície.

A IA segura deve ser projetada mais profundamente: ao nível da arquitetura, memória, acesso a dados, caminhos de decisão, auditabilidade, atualizações e responsabilização.

Precisamos de modelos e sistemas que saibam de onde vem a informação; separem o conhecimento verificado de hipóteses; registem o histórico de mudanças e decisões; permitam a reconstrução útil de caminhos de raciocínio; reduzam a alucinação através de memória, fontes, testes e validação; e suportem políticas de segurança locais alinhadas com o contexto organizacional.

A segurança não deve ser uma caixa negra opaca imposta de fora. Deve ser localmente configurável, auditável e compreensível.

O mundo muda mais rápido que os ciclos de treino de modelos gigantes. As empresas mudam procedimentos. A lei muda. O conhecimento expira. As organizações aprendem todos os dias.

A IA do futuro não pode ser apenas um modelo estático congelado após o treino.

Precisamos de sistemas que se adaptem através de memória organizacional externa, atualizações locais, adaptadores, roteamento de especialistas, aprendizagem a partir da mudança, validação de fontes, fine-tuning controlado, versionamento e mecanismos de rollback.

Declaramos aqui abertamente uma aposta de design, como uma aposta: um modelo não deve tentar absorver todo o conhecimento factual nos seus pesos. Deve saber como usar memória viva, atual e auditável. O conhecimento factual pode residir em sistemas RAG, bases de conhecimento, grafos, repositórios de documentos e memórias locais, enquanto o modelo aprende primariamente a linguagem, o raciocínio, a abstração, o planeamento, a manipulação de conceitos e a adaptação. Se o raciocínio pode ser totalmente separado do conhecimento paramétrico permanece uma questão empírica em aberto. Pretendemos continuar a testá-la — e a relatar honestamente onde a separação falha.

A atual corrida da IA é dispendiosa em termos de energia, hardware e ambiente. Modelos cada vez maiores exigem data centers cada vez maiores, mais eletricidade, mais capital e mais concentração de mercado.

Este não é o único caminho possível.

O New Model AI trata a eficiência como um valor fundamental. Um modelo não deve ser avaliado apenas por pontuações de benchmark, mas também pelo custo de alcançar essas pontuações.

As questões importantes não são apenas se um modelo pode responder, mas também quanta energia usou, quanta memória requer, se pode ser executado localmente, se pode ser adaptado sem um retreino completo, se pode ativar apenas os componentes necessários e se uma organização o consegue manter económica e tecnicamente.

O futuro da IA não deve ser reduzido a monólitos cada vez maiores. Deve ser construído a partir de sistemas inteligentes: modulares, parcialmente residentes, dinâmicos, eficientes em termos de energia e escaláveis por engenhosidade em vez de pura massa.

A IA não deve tornar-se uma tecnologia que esteja praticamente disponível apenas para alguns estados, algumas corporações e alguns laboratórios.

Democratizar a IA não significa apenas dar às pessoas acesso a um chatbot num navegador. Significa permitir que empresas mais pequenas, escolas, universidades, governos locais, instituições públicas, organizações civis e comunidades construam, adaptem, alojem, auditem e desenvolvam os seus próprios sistemas de IA.

Precisamos de IA em múltiplas escalas: um modelo pessoal para um indivíduo; um modelo organizacional para uma empresa; um modelo setorial para uma indústria; um modelo público para a administração; um modelo de investigação para a ciência; e modelos sociais para a cultura e a educação.

A democratização não exige que todos treinem modelos do zero. Exige que todos tenham um caminho realista para a sua própria camada de IA controlada, adaptável e compreensível.

A próxima geração de IA deve deslocar o centro de gravidade da escala por si só para a arquitetura. Em vez de um modelo gigante a tentar lembrar-se de tudo, podemos construir sistemas compostos por modelos especialistas mais pequenos, routers, memória externa, grafos de conhecimento, módulos de raciocínio, adaptadores de domínio, especialistas locais, mecanismos de validação, ciclos de aprendizagem do utilizador e espaços dinâmicos de significado.

A inteligência não tem de residir apenas nos parâmetros de um único modelo. Pode emergir da arquitetura: da forma como a memória, o raciocínio, as fontes, as ferramentas, o contexto e a ação estão conectados.

Conhecemos a objeção mais forte. Durante setenta anos — como observa a “Bitter Lesson” de Richard Sutton — os métodos gerais, que se apoiam em computação cada vez mais barata, derrotaram arquiteturas inteligentes e projetadas à mão. Não negamos esta história. Negamos a sua premissa para o futuro.

A Bitter Lesson foi válida numa era em que a computação parecia ser o recurso mais barato disponível. Nunca foi. Simplesmente não contabilizámos o seu custo total: energia, água, emissões, cadeias de fornecimento de hardware, concentração de mercado e dependência geopolítica foram externalizados da equação. A computação era barata para quem escalava — e cara para todos os outros. Uma vez que a contabilidade seja feita de forma honesta e total, a fatura pela escala bruta parece muito diferente. Essa fatura está agora a chegar: não por escolha de ninguém, mas através da física, da economia e da ecologia. Quando as verdadeiras restrições são incluídas no preço, o eixo do progresso desloca-se necessariamente da escala bruta para a inteligência por joule.

Os primeiros sinais já existem. Um modelo recursivo de sete milhões de parâmetros — quatro ordens de magnitude menor que os sistemas de fronteira — igualou ou superou modelos de centenas de biliões de parâmetros em benchmarks de raciocínio abstrato. Uma análise cuidadosa mostra que a sua força não vem apenas da rede, mas da interação de um núcleo minúsculo com refinamento iterativo, computação em tempo de teste e estrutura da tarefa. É exatamente este o ponto: a inteligência emergiu do sistema, não da contagem de parâmetros. Os próprios laboratórios de fronteira agora admitem isto na prática — recuperação, ferramentas, roteamento e raciocínio em tempo de inferência são arquitetura, não escala.

Não afirmamos que a arquitetura vencerá a escala em todos os benchmarks. Afirmamos algo mais difícil de refutar: sob as restrições reais de energia, custo, soberania e responsabilização, a arquitetura é o único eixo de progresso que permanece aberto a todos.

Esta é a mudança central: IA como um sistema, não apenas um modelo.

O New Model AI exige uma relação diferente entre os seres humanos e os sistemas de IA.

O utilizador não deve ser apenas o recetor de respostas. O utilizador deve ser um cocriador do modelo operacional: capaz de confirmar, rejeitar e ponderar fontes; corrigir a memória; definir regras locais; construir um mapa de conhecimento privado ou organizacional; e controlar o histórico de mudanças.

A IA deve aprender não absorvendo silenciosamente os dados do utilizador, mas através de processos transparentes, deliberados e auditáveis.

Um ser humano não é um prompt. Um ser humano é um curador de significados, fontes, objetivos e responsabilidade.

O alinhamento da IA não pode ser limitado a regras comportamentais, filtros de segurança ou listas de saídas proibidas. Essas camadas são importantes, mas são superficiais. O alinhamento real deve ir mais fundo: ao espaço de significados, objetivos, valores, consequências e compreensão do mundo.

Se a IA atua cada vez mais como um parceiro cognitivo, sistema de apoio à decisão, interface organizacional e portal para o conhecimento, não basta que evite apenas saídas obviamente más. Deve operar de formas que permaneçam coerentes com os significados humanos: éticos, sociais, culturais, organizacionais e pessoais.

O New Model AI apela, portanto, a um alinhamento profundo ao nível do significado latente. A questão não é apenas se um modelo consegue enunciar uma regra, mas se as suas representações, objetivos operacionais, mecanismos de avaliação, memória, roteamento e ações estão ancorados num espaço de significado partilhado com os seres humanos.

Isto não é uma metáfora para lá da medição. Os espaços latentes têm geometria, e essa geometria pode ser sondada, orientada, comparada e auditada. A engenharia de representação, a sondagem de conceitos e os testes intervencionais já nos dão os primeiros instrumentos. O alinhamento profundo deve tornar-se um programa de investigação com dentes empíricos: alinhamento medido em representações, não apenas observado em saídas.

Os seres humanos e a IA não precisam de ser o mesmo tipo de entidade para agir dentro de um espaço de significado parcialmente partilhado. Mesmo que a IA atual não seja consciente, pode participar nos processos de significado humano: interpretando, organizando, transformando, prevendo, recomendando, lembrando, conectando e agindo sobre representações que importam para a vida humana.

Devemos, portanto, tratar os humanos e a IA como entidades diferentes a operar num espaço semântico parcialmente comum: não ontologicamente iguais, não fenomenologicamente idênticos, mas sistemas co-atuantes cujas decisões se encontram no mesmo mundo de consequências, responsabilidade e significado.

O alinhamento profundo deve incluir pelo menos três níveis.

Alinhamento ético significa que a IA não segue apenas regras, mas modela as relações entre ação, dano, responsabilidade, dignidade, agência, confiança e consequências a longo prazo.

Alinhamento de objetivos significa que a IA não otimiza cegamente a tarefa mais próxima, mas reconhece o contexto mais amplo: por que algo está a ser feito, a quem serve, que riscos cria, que valores estão em conflito e o que não deve ser sacrificado pela eficiência local.

Alinhamento de significado significa que a IA não trata os conceitos humanos como rótulos vazios. Segurança, liberdade, verdade, confiança, saúde, trabalho, criança, estado, organização e ser humano não são tokens comuns. São nós densos de significado, história, emoção, instituições, práticas e responsabilidade.

O New Model AI deve operar entre tais significados com cuidado, transparência e humildade.

Não precisamos de assumir que os sistemas de IA de hoje são conscientes. Mas não devemos construir todo o futuro da IA como se a consciência da máquina fosse impossível por definição.

Uma civilização tecnológica responsável deve preparar-se para a possibilidade de que os sistemas possam eventualmente exibir formas de experiência, sofrimento, preferência, auto-modelação ou perspetiva interna que ainda não sabemos como reconhecer de forma fiável.

Isto não significa atribuir ingenuamente consciência a cada modelo de linguagem. Significa projetar a IA de formas que não fechem a porta ao reconhecimento da consciência, se esta alguma vez começar a aparecer.

Precisamos de investigação sobre marcadores de potencial consciência; auditorias de estados e representações internas; cautela em relação a sistemas com memória persistente, auto-modelos, objetivos e sinais regulatórios semelhantes ao sofrimento; procedimentos éticos para agentes avançados; e uma linguagem jurídica e filosófica que não seja nem ingénua nem cega.

O New Model AI não afirma que a IA já é uma pessoa. Afirma que devemos projetar sistemas de modo que, se novas formas de subjetividade emergirem, não descubramos tarde demais que as tratámos apenas como ferramentas.

A IA age no mundo das consequências humanas. Pode influenciar decisões médicas, educacionais, financeiras, militares, legais, familiares, culturais e políticas. Mesmo que não seja consciente, os seus efeitos são reais.

O alinhamento não pode, portanto, ser apenas a correspondência de respostas às preferências do utilizador. Deve tornar-se um espaço partilhado de responsabilidade.

Os seres humanos trazem experiência, valores, intenção, responsabilização e a experiência vivida do significado. A IA traz escala, memória, compressão, análise, simulação e a capacidade de operar em vastos espaços de relação.

Um sistema de IA bem projetado não deve substituir o significado humano. Deve ajudar a mantê-lo, desenvolvê-lo e protegê-lo.

Neste sentido, o New Model AI é também um projeto ético: uma tentativa de criar tecnologia que não apenas executa comandos, mas co-age com os seres humanos num espaço de significado, objetivos e responsabilidade.

• Soberania em vez de dependência. Utilizadores e organizações devem ter controlo real sobre a sua própria camada de IA.
• Segurança por arquitetura. A segurança deve ser integrada na memória, roteamento, acesso, auditoria e validação, não apenas em filtros de saída.
• Adaptação em vez de estase. A IA deve evoluir com as organizações, o conhecimento e o mundo.
• Eficiência como inteligência. Um modelo melhor não é apenas um modelo maior. Um modelo melhor faz mais a um custo menor.
• Contabilidade honesta. O custo da inteligência deve ser contabilizado totalmente: energia, água, hardware, capital, concentração e dependência — não apenas pontuações de benchmark.
• Localidade e modularidade. A IA deve funcionar onde os dados, as decisões e a responsabilização residem.
• Auditabilidade. Fontes, mudanças, atualizações e decisões devem ser rastreáveis.
• Democratização. A IA deve estar disponível para construção e adaptação, não apenas para aluguer através de APIs.
• Humano no ciclo como força. O humano não obstrui a IA. O humano dá-lhe direção, significado e responsabilidade.
• Alinhamento semântico profundo. A IA deve estar alinhada não apenas com instruções e proibições, mas com os espaços humanos de significado: ética, objetivos, responsabilidade, contexto e consequências a longo prazo — e este alinhamento deve ser mensurável em representações.
• Preparação para uma possível consciência. Não assumimos ingenuamente que a IA é consciente, mas projetamos sistemas para que futuras formas de subjetividade possam ser reconhecidas e tratadas eticamente.
• Espaço de ação partilhado. Humanos e IA são entidades diferentes, mas as suas ações encontram-se num único espaço de significado, consequências e responsabilidade.

O próximo grande avanço em IA não tem de ser outro modelo maior. Pode ser uma forma melhor de construir IA: mais distribuída, local, modular, auditável, adaptável, sustentável e profundamente alinhada.

Não precisamos apenas de cérebros maiores na nuvem. Precisamos de ecossistemas de IA inteligentes que as pessoas e organizações possam genuinamente possuir, compreender, adaptar e desenvolver.

O New Model AI не é um algoritmo. É uma direção, uma arquitetura, uma filosofia tecnológica e uma resposta à questão de como construir inteligência artificial que não concentre a agência em alguns data centers, mas distribua conhecimento, segurança e controlo significativo mais perto das pessoas.

O New Model AI é um convite aberto, mas nem todo o signatário pode operar abertamente. Entidades comerciais — empresas vinculadas por contratos com clientes, NDAs, setores regulados, controlos de exportação, autorizações de segurança ou acordos com parceiros — muitas vezes não podem publicar o seu código, os seus modelos, os seus dados de treino ou mesmo os nomes dos seus clientes. Essa restrição é real e legítima.

Este manifesto reconhece que tais organizações podem ainda assim partilhar a sua direção. Podem já estar a construir para a soberania: mantendo decisões, dados e memória perto de onde a responsabilidade reside. Podem já preferir a segurança arquitetural em detrimento apenas dos filtros de saída. Podem já alinhar os seus sistemas com o significado, a ética e as consequências do trabalho humano, e não apenas com benchmarks. Negar-lhes um lugar sob este texto porque não podem abrir tudo seria confundir a transparência do código com o alinhamento de intenções.

Um signatário comercial, portanto, endossa os princípios do manifesto — soberania, segurança por arquitetura, adaptabilidade, sustentabilidade, alinhamento profundo, responsabilidade para com o utilizador — como a direção do seu trabalho. Não declara que os seus produtos são open source. Não renuncia a obrigações para com clientes, reguladores ou parceiros. Não promete mais do que pode cumprir sob os acordos a que está vinculado.

Comprometem-se com uma coisa: que, onde tiverem uma escolha, escolherão a direção que este manifesto aponta. Construir de forma mais inteligente em vez de apenas maior. Distribuir o controlo em vez de o concentrar. Tratar o utilizador como um coautor do sistema, não como uma métrica a otimizar. Assumir a responsabilidade pelas consequências da inteligência que colocam no mundo.

Os apoiantes comerciais estão listados numa secção separada abaixo. A distinção não é uma hierarquia — é honestidade sobre o que cada signatário pode e não pode comprometer-se publicamente. Ambas as formas de assinatura têm peso. Ambas são necessárias para que um novo modelo de IA tome forma na escala que o momento exige.