A ByteDance, dona do TikTok, está pré-treinando um modelo de linguagem com até 10 trilhões de parâmetros — o maior já desenvolvido por um laboratório chinês e um patamar que a coloca lado a lado com a Anthropic, segundo reportagem do Financial Times publicada em 7 de agosto, baseada em três fontes com conhecimento direto do projeto.
O modelo é construído pela equipe Seed da ByteDance, que reúne cerca de 2 mil pesquisadores, e seria mais de três vezes maior que o Kimi K3, da Moonshot AI — até agora o maior modelo chinês já lançado publicamente, com 2,8 trilhões de parâmetros. A comparação que circulou nos bastidores é direta: o alvo declarado é encostar no Claude Mythos, modelo de fronteira da Anthropic estimado em cerca de 8 trilhões de parâmetros.
Vale registrar o que a reportagem não confirma. O projeto está em fase de pré-treinamento — etapa que costuma levar de três a seis meses só para ser concluída, antes de qualquer ajuste fino, avaliação de segurança ou lançamento. Não há arquitetura de parâmetros ativos divulgada, não há chips especificados, não há data de lançamento, e não há um único benchmark público. Zhang Yiming, fundador da ByteDance, orientou a equipe a evitar destilação de modelos rivais — ou seja, construir capacidade própria mesmo que isso signifique ficar atrás no curto prazo. É uma aposta de longo prazo, não um produto pronto para avaliação.
Por que "trilhões de parâmetros" diz pouco sobre o que comprar
Aqui está o ponto que interessa a quem decide adoção de IA numa empresa brasileira: contagem de parâmetros é uma métrica de engenharia, não uma métrica de compra. A própria Anthropic não divulga o número de parâmetros de nenhum de seus modelos — inclusive do Mythos, que virou a régua de comparação nesta reportagem. Isso significa que boa parte do "gap" mencionado é estimativa de terceiros, não um número que a Anthropic confirma. Comparar modelos por parâmetro é como comparar carros por cilindrada sem saber consumo, manutenção ou se o motor cabe na aplicação que você precisa.
Mais relevante ainda para orçamento de TI: modelos maiores custam mais para rodar. Cada trilhão de parâmetro a mais eleva o custo de inferência — a conta que a empresa paga por chamada de API, não apenas o custo de treinamento que o laboratório absorve uma vez. Já mostramos aqui como a precificação de IA pode variar bastante conforme horário e demanda; escala bruta do modelo é outra variável que empurra esse custo para cima, sem necessariamente entregar ganho proporcional na tarefa que sua empresa precisa resolver.
O que muda para quem decide em empresas brasileiras
Antes de deixar um anúncio de escala influenciar timing de contrato ou orçamento de IA, três perguntas valem mais que o número de parâmetros:
- O modelo resolve a tarefa específica que você precisa, com o benchmark certo? Desempenho em tarefas de raciocínio geral não garante desempenho em atendimento ao cliente, extração de dados fiscais ou geração de código em conformidade com política interna.
- Qual o custo por resultado, não por token? Um modelo menor e mais barato que acerta 90% das vezes pode custar menos, no total, que um modelo gigante que acerta 94% — especialmente em volume alto.
- Onde os dados ficam, e sob qual jurisdição? Modelos de fronteira chinesa e americana carregam implicações de soberania de dados diferentes — tema que já tratamos aqui quando o Kimi K3 abriu seus pesos.
A corrida por escala entre ByteDance, Anthropic, OpenAI e Google vai continuar gerando manchetes nos próximos meses. Para quem lidera adoção de IA no Brasil, o conselho prático é resistir à tentação de tratar "maior modelo" como sinônimo de "melhor decisão de compra" — e manter o critério de avaliação ancorado na tarefa, no custo e na governança, não no tamanho anunciado.