GitLab expandiu suporte para modelos open-source em redes fechadas

GitLab 19.0 expandiu o suporte para modelos open-source para a Plataforma Duo Agent self-hosted. Isso é especialmente importante para equipes que trabalham em redes isoladas e não podem enviar código-fonte para a nuvem.

Air-gap agora não é atraso

Equipes operando em redes completamente isoladas sem acesso à internet historicamente são as últimas a receber acesso às novas capacidades de IA. A razão não está na tecnologia, mas na legislação: em indústrias reguladas, os requisitos de compliance proíbem enviar código-fonte para terceiros.

Anteriormente, GitLab oferecia uma seleção limitada de modelos para esses ambientes, o que criava um duplo problema. Por um lado, você precisa de um modelo poderoso para raciocínio complexo — análise de diffs grandes, ferramentas multi-etapas. Por outro lado, tarefas simples como renomear uma variável não requerem poder computacional. Era necessário pagar a mais por overkill ou trabalhar com qualidade fraca em tarefas complexas.

Quatro novos modelos para cenários diferentes

GitLab adicionou suporte para quatro modelos open-source. Todos foram testados em tarefas reais da Plataforma Duo Agent: uso multi-etapas de ferramentas, geração de código, trabalho com diffs grandes e bases de código multi-arquivo.

• Mistral Devstral 2 123B — foco em geração de código, o melhor em escrever código
• GLM-5.1 — modelo multilíngue, adequado para equipes internacionais
• Kimi-K2.6 — se destaca em logging e raciocínio multi-etapas
• MiniMax-M2.7 — a mais leve, adequada se os recursos computacionais são limitados

A seleção não é aleatória. GitLab testou os candidatos justamente nas tarefas que a plataforma resolve. Os engenheiros avaliaram qualidade de geração de código, aderência às instruções e capacidade de trabalhar com grande contexto.

Duas opções de implantação

A opção principal é equipamento próprio com vLLM (plataforma recomendada por GitLab para servir modelos open-source). A computação permanece em seu servidor, os dados não saem da rede local. Isso é ideal para ambientes onde há requisitos de residência de dados.

Para equipes sem grande capital para hardware, há uma alternativa: máquinas virtuais GPU em nuvem privada (AWS, Azure e outras). Você paga apenas pelo que usa, sem despesas com compra e manutenção de hardware. Enquanto isso, as garantias de isolamento de dados permanecem as mesmas — nada sai para a internet pública.

Como escolher seu caminho

A escolha depende dos requisitos da empresa. Se você precisa de isolamento total com air-gap — apenas modelos self-hosted na própria infraestrutura. Se o compliance permite uma abordagem híbrida — você pode usar diferentes modelos por feature: por exemplo, refatorações simples no MiniMax leve, e análise complexa no Kimi.

O que isso significa

Air-gap não é mais sinônimo de atraso em IA. Indústrias reguladas agora podem implantar agentes da mesma qualidade que corporações enviando dados para a nuvem. Compliance e segurança não devem mais ser obstáculos para a produtividade em IA.