Frontier Model
Um frontier model é um sistema de IA operando nos limites atuais da capacidade de aprendizado de máquina, tipicamente treinado com os maiores orçamentos de computação conhecidos. O termo é usado em políticas de IA para identificar sistemas cujas capacidades justificam o escrutínio de segurança mais próximo.
Frontier models são os sistemas de IA mais capazes disponíveis em um determinado momento, definidos não por um score de benchmark fixo, mas por sua posição na vanguarda do que é tecnicamente alcançável. O termo é usado intensamente em contextos de segurança e governança de IA—pelo UK AI Safety Institute, pelo US AI Safety Institute no NIST e no AI Act da UE—para distinguir sistemas cujas capacidades e riscos potenciais exigem avaliação dedicada antes do deployment público. A partir de 2026, os desenvolvedores de frontier models incluem Anthropic, OpenAI, Google DeepMind, Meta, xAI e um pequeno número de laboratórios chineses bem equipados, incluindo Zhipu AI e DeepSeek.
Frontier models são caracterizados por infraestrutura de treinamento excepcional: tipicamente dezenas de milhares de aceleradores especializados (GPUs H100 ou sucessoras, TPUs) funcionando por semanas a meses, a custos por execução comumente estimados em dezenas a centenas de milhões de dólares. Eles incorporam os avanços algorítmicos mais recentes—mecanismos de atenção aprimorados, pipelines de dados sintéticos em larga escala e aprendizado por reforço a partir de feedback humano e de IA (RLHF e RLAIF). A designação 'frontier' migra ao longo do tempo conforme novas técnicas empurram o limite; um sistema que representava a frontier em 2023 pode ser considerado mid-tier em 2025.
A relevância política dos frontier models decorre da possibilidade de que desenvolvam capacidades emergentes com impacto significativo na sociedade ou permitam uso indevido em domínios de alta consequência, como design biológico, automação de ciberataques ou desinformação em larga escala. Compromissos voluntários feitos na UK AI Safety Summit de 2023 e estruturas legislativas subsequentes começaram a exigir que desenvolvedores de frontier models conduzam avaliações de segurança estruturadas antes do deployment e compartilhem descobertas com órgãos governamentais. A Responsible Scaling Policy da Anthropic e documentos semelhantes de outros laboratórios vinculam decisões de deployment a limites de capacidade específicos.
Em 2026, a avaliação de frontier models tornou-se uma área de prática distinta. Os UK e US AI Safety Institutes conduzem testes pré-deployment de modelos de desenvolvedores líderes, usando 'evals' estruturados para medir limites de capacidade perigosa em áreas como uplift para desenvolvimento de armas ou capacidade de cyberataques autônomos. O limite de computação mais frequentemente citado em documentos de políticas—aproximadamente 10²⁶ operações de ponto flutuante para uma execução de treinamento—serve como proxy regulatório para identificar sistemas da classe frontier, embora definições baseadas em capacidade sejam cada vez mais preferidas em relação a proxies apenas de computação.