O essencial
- Um frontier model é a classe mais avançada de IA de uso geral, os poucos sistemas situados na fronteira do que a IA sabe fazer, como os que estão por trás dos assistentes da geração GPT-4, Claude, Gemini ou Llama.
- É um alvo móvel, definido pela capacidade e pela potência de cálculo de treino, não por uma lista fixa de funções. A fronteira de hoje torna-se o padrão de amanhã.
- Um frontier model é um subconjunto dos foundation models e é mais amplo do que um LLM: pode ser multimodal, não apenas textual.
- O Regulamento de IA governa os frontier models mais potentes como IA de uso geral com risco sistémico, presumido quando a potência de cálculo de treino ultrapassa 10 elevado a 25 operações em vírgula flutuante.
- Os seus fornecedores têm deveres concretos: avaliação e testes adversariais, mitigação do risco sistémico, comunicação de incidentes e cibersegurança.
O que é um frontier model?
Um frontier model é a classe mais avançada de IA de uso geral existente num dado momento, o punhado de sistemas que se situam na fronteira do que a IA consegue fazer. Na prática, o rótulo aponta para modelos como os que estão por trás dos assistentes da geração GPT-4, o Claude da Anthropic, o Gemini da Google, o Llama da Meta ou as maiores versões da Mistral. O termo é deliberadamente relativo: um frontier model define-se por comparação com tudo o resto no mercado, pelo que a fronteira avança a cada ano.
Sob o rótulo esconde-se uma ideia jurídica precisa. Um frontier model é uma forma de IA de uso geral, que o Regulamento de IA descreve como um modelo treinado com dados amplos, dotado de generalidade acentuada, capaz de executar com competência um vasto leque de tarefas distintas e integrável em muitos sistemas a jusante. Um frontier model é a sua gama alta: os exemplares mais gerais, mais capazes e mais exigentes em cálculo.
Duas propriedades separam um frontier model de um sistema de IA comum. A primeira é a generalidade: não é construído para uma única tarefa, mas adapta-se a muitas, da redação de texto à escrita de código à análise de imagens. A segunda é a escala: os frontier models são treinados com enormes conjuntos de dados e uma potência de cálculo colossal, e por isso poucas organizações os constroem. Estas duas propriedades fazem do frontier model também um tema de governação, e não apenas uma proeza de engenharia.
Frontier model, foundation model e LLM
Os três termos sobrepõem-se, e por isso a pergunta mais procurada é a da sua diferença. A forma mais nítida de os manter distintos é vê-los como três círculos de dimensão decrescente.
Frontier model e foundation model
Um foundation model é qualquer grande modelo treinado com dados amplos e adaptável a muitas tarefas a jusante. É uma categoria vasta: inclui milhares de modelos de todas as dimensões, abertos ou fechados, antigos ou recentes. Um frontier model é o pequeno subconjunto dos foundation models situado na fronteira. Por outras palavras, todo o frontier model é um foundation model, mas a esmagadora maioria dos foundation models não são frontier models. A diferença está na capacidade e no cálculo, não na arquitetura.
Frontier model e grande modelo de linguagem
Um grande modelo de linguagem (LLM) define-se pela sua modalidade: trata e produz linguagem. Um frontier model define-se pela sua posição na fronteira da capacidade, seja qual for a modalidade. Muitos frontier models são multimodais e tratam texto, imagens e áudio, o que os torna mais amplos do que o rótulo LLM sugere. E a maioria dos LLM não são frontier models, porque a categoria inclui muitos modelos de linguagem pequenos e médios. À pergunta de saber se o ChatGPT é um frontier model, a resposta honesta é que os modelos mais potentes que o animam o são, enquanto os modelos de linguagem mais pequenos ou mais antigos não.
Como se constrói um frontier model
O insumo que define um frontier model é o cálculo. Treiná-lo significa executar um número colossal de operações matemáticas sobre um conjunto de dados muito grande, um processo medido em operações em vírgula flutuante, ou FLOP. A escala é difícil de imaginar: o GPT-3, lançado em 2020, foi treinado com cerca de 3,14 vezes 10 elevado a 23 FLOP, e os modelos de ponta seguintes ultrapassaram claramente 10 elevado a 25.
Esta escala produz uma propriedade que preocupa os reguladores: as capacidades emergentes, aptidões não concebidas de forma explícita que só surgem acima de uma certa dimensão. A emergência explica por que um frontier model não pode ser totalmente especificado de antemão, e por que testá-lo após o treino importa tanto como concebê-lo. Explica também por que tão poucas organizações operam na fronteira, pois o custo de cálculo, dados e talento está fora do alcance da maioria. Para uma equipa de governação, a consequência prática é que um frontier model é uma dependência de terceiros que raramente se constrói e quase sempre se consome, exatamente o tipo de dependência que um registo de sistemas de IA serve para rastrear.
Por que os frontier models carregam risco sistémico
A mesma generalidade que torna útil um frontier model torna amplas as suas falhas. Um modelo estreito que falha afeta uma tarefa; um frontier model integrado em milhares de produtos a jusante pode propagar uma única fraqueza à escala da economia. Os reguladores chamam-lhe risco sistémico: um risco próprio das capacidades de elevado impacto dos modelos mais potentes, com potencial para efeitos significativos sobre a saúde pública, a segurança ou os direitos fundamentais.
O risco não é hipotético. O perfil de IA generativa do NIST, NIST AI 600-1, enumera doze riscos que os frontier models generativos amplificam, entre eles a vantagem informativa CBRN, a confabulação, a integridade da informação e os media sintéticos, e a segurança da informação como a injeção de instruções. Vários, como a alucinação, não se comportam de todo como erros de software clássicos, e por isso os frontier models exigem um tratamento de governação da IA próprio, e não uma lista de controlos de segurança reciclada.
Como o Regulamento de IA governa os frontier models
O Regulamento de IA é a primeira grande lei a governar diretamente os frontier models, e fá-lo através da categoria da IA de uso geral com risco sistémico. Em vez de nomear produtos, o Regulamento de IA fixa um gatilho mensurável: num modelo de uso geral presume-se risco sistémico quando o cálculo acumulado do seu treino ultrapassa 10 elevado a 25 FLOP (artigo 51.º). Os modelos da geração GPT-4 situam-se acima desta linha; o GPT-3, com cerca de 3 vezes 10 elevado a 23, bem abaixo. O limiar é um indicador indireto de capacidade de elevado impacto, e a Comissão pode designar modelos que fiquem abaixo segundo outros critérios.
Ultrapassar o limiar ativa um conjunto de obrigações ao abrigo do artigo 55.º. Os fornecedores de frontier models com risco sistémico devem avaliar o modelo, incluindo testes adversariais ou red teaming; avaliar e mitigar os riscos sistémicos; acompanhar e comunicar os incidentes graves ao Serviço Europeu para a IA; e assegurar um nível adequado de cibersegurança. Devem ainda notificar o Serviço para a IA no prazo de duas semanas após atingir o limiar, seguindo as comunicações de incidentes graves prazos apertados.
O detalhe operacional vive no código de boas práticas para a IA de uso geral, publicado pelo Serviço Europeu para a IA em julho de 2025, cujos capítulos de Segurança, Transparência e Direitos de autor traduzem os deveres jurídicos em documentação e processos aplicáveis. Para uma organização que implementa um frontier model em vez de o construir, o passo prático é confirmar a situação do fornecedor e ligar as obrigações pertinentes a esse modelo dentro do seu próprio programa, o trabalho que uma plataforma de ativação de referenciais assume.
A segurança dos frontier models fora da UE
A Europa não é a única a distinguir os frontier models, ainda que as abordagens difiram. Nos Estados Unidos, uma ordem executiva de 2023 introduziu um limiar de declaração de 10 elevado a 26 FLOP para os modelos de base de duplo uso, obrigando os criadores a declarar os grandes treinos; as especificidades norte-americanas mudaram desde então com as alternâncias de administração, pelo que esse regime de declaração deve ser tratado como mutável e não como consolidado.
A indústria também avançou por iniciativa própria. O Frontier Model Forum, fundado por vários dos maiores criadores, coordena a investigação sobre a segurança dos frontier models, a avaliação de capacidades e normas partilhadas, e alguns laboratórios publicam quadros de segurança que os comprometem a suspender ou a acrescentar salvaguardas quando um modelo ultrapassa níveis de capacidade definidos. Estes esforços voluntários não são lei, mas fixam o nível mínimo que uma equipa de governação deveria exigir a um fornecedor de frontier model.
O que os frontier models significam para o seu programa de governação
Para a maioria das organizações, a pergunta relevante não é como construir um frontier model, mas como governar os que utilizam. O ponto de partida é a visibilidade. Os frontier models entram normalmente por produtos e API, muitas vezes como shadow AI que ninguém aprovou formalmente, pelo que a primeira tarefa é inventariar os frontier models presentes nas suas ferramentas e fluxos de trabalho.
A partir daí, o caminho é o mesmo ciclo de risco que qualquer programa sério aplica. Registe cada frontier model como uma dependência, ligue-lhe as obrigações que se aplicam (os deveres do Regulamento de IA quando pertinentes, mais as suas políticas internas), meça os riscos que importam para o seu caso de uso e monitorize as mudanças à medida que o fornecedor lança novas versões. A fronteira move-se, o seu inventário deve mover-se com ela, e uma gestão contínua do risco mantém as evidências atualizadas em vez de as congelar no momento de uma única aprovação.
Perguntas frequentes
O que é um frontier model em termos simples? Um frontier model é o tipo mais capaz de IA de uso geral disponível num dado momento, o pequeno conjunto de sistemas na fronteira do que a IA sabe fazer. São treinados com enormes conjuntos de dados e uma potência de cálculo colossal, o que os torna muito gerais mas também caros e escassos.
O ChatGPT é um frontier model? Os modelos mais potentes por trás do ChatGPT, como os sistemas da geração GPT-4, são geralmente considerados frontier models. Os modelos de linguagem mais pequenos ou mais antigos não o são, mesmo quando animam uma interface de conversa, porque o termo segue a fronteira da capacidade e não o nome do produto.
Qual é a diferença entre um frontier model e um foundation model? Um foundation model é qualquer grande modelo treinado com dados amplos e adaptável a muitas tarefas, uma categoria muito vasta. Um frontier model é o pequeno subconjunto situado na fronteira. Todo o frontier model é um foundation model, mas a maioria dos foundation models não são frontier models.
Frontier model ou LLM, qual é a diferença? Um grande modelo de linguagem define-se pela modalidade, pois trabalha com linguagem. Um frontier model define-se pela capacidade e pode ser multimodal. Muitos frontier models são mais do que um LLM, e a maioria dos LLM não está na fronteira.
O Regulamento de IA governa os frontier models? Sim. O Regulamento de IA governa os frontier models mais potentes como IA de uso geral com risco sistémico, presumido quando o cálculo de treino ultrapassa 10 elevado a 25 FLOP. Os fornecedores enfrentam então obrigações de avaliação, mitigação do risco, comunicação de incidentes e cibersegurança.
Por que os frontier models são considerados arriscados? A sua generalidade faz com que uma única fraqueza possa propagar-se a todos os produtos que neles se apoiam, o que os reguladores chamam risco sistémico. Mostram ainda capacidades emergentes que só surgem em grande escala e não podem ser totalmente previstas antes do treino, daí a necessidade de testes e monitorização em vez de uma revisão única.
Conclusão
Um frontier model entende-se melhor como uma posição, não como um produto: a IA de uso geral mais capaz na fronteira atual, um pequeno subconjunto dos foundation models e algo mais amplo do que um modelo de linguagem. É precisamente essa posição que o torna um sujeito de governação. A escala que produz a capacidade emergente produz também o risco sistémico, e por isso o Regulamento de IA governa diretamente os frontier models e cresceram em seu redor quadros de segurança do setor. Para uma organização, o trabalho não é perseguir a definição, mas saber de que frontier models depende e ligar a cada um as obrigações certas. A via mais rápida é colocar cada frontier model no mapa e ativar os referenciais que o governam.