Modelos abertos estão impulsionando a pesquisa em IA — o que o ICML 2026 revelou

A cada ano, o ICML (International Conference on Machine Learning) funciona como uma radiografia de para onde a pesquisa em IA está indo. A edição de 2026, recém-concluída, deixou uma mensagem inequívoca: modelos abertos e infraestrutura aberta de IA se tornaram a fundação sobre a qual a ciência moderna de machine learning acontece.

A NVIDIA teve 74 artigos aceitos na conferência. Mas o número que realmente impressiona é outro: aproximadamente 2.000 trabalhos aceitos citam GPUs NVIDIA, e 145 citam o Nemotron — a família de modelos abertos da empresa, que inclui datasets públicos — como base para novas pesquisas. Centenas de outros papers utilizam as famílias Cosmos, Isaac GR00T e BioNeMo.

O que dominou a conferência

Visão computacional, geração de vídeo, reinforcement learning para LLMs e treinamento de agentes continuaram como temas dominantes. Mas novas frentes também romperam.

Modelos de mundo para robótica

O DreamDojo ampliou a fronteira de como sistemas de IA aprendem a agir em ambientes físicos. Ele aprende o comportamento do mundo físico a partir de vídeos de humanos e utiliza modelos abertos Cosmos para prever como um robô manipularia objetos em ambientes nunca vistos — acelerando o desenvolvimento sem custos de implantação física.

IA para ciências da vida

Os modelos BioNeMo impulsionaram avanços em compreensão de proteínas e descoberta de fármacos. O FLIP2 introduziu benchmarks públicos para predição de mutações em proteínas. O KERMT é um novo modelo aberto para prever propriedades moleculares.

Geração de dados sintéticos (SDG)

Este foi um dos temas de maior interesse, com vários datasets abertos do Nemotron e de IA física apresentados, refletindo uma mudança na forma como pesquisadores pensam o treinamento em escala sem depender apenas de dados rotulados.

Nemotron como stack de pesquisa

O dado mais relevante é como a comunidade usa o Nemotron: menos como um lançamento pontual e mais como uma stack de pesquisa completa. Os papers citam pesos abertos para avaliar, datasets abertos para treinar e adaptar, e receitas abertas para raciocínio, uso de ferramentas e segurança.

Ferramentas como o NeMo Curator dão aos pesquisadores uma fundação reprodutível para curadoria de dados. As ferramentas de SDG permitem criar conjuntos de treinamento de alta qualidade em escala que seriam impraticáveis poucos anos atrás.

Por que isso importa

Quando 2.000 papers em uma conferência de elite usam a mesma infraestrutura de modelos abertos, isso significa reprodutibilidade, velocidade de avanço, democratização para laboratórios menores e segurança via auditoria externa. O ecossistema de pesquisa em IA está se consolidando em torno de plataformas abertas — uma boa notícia para a ciência e para quem acredita que o avanço da IA não deveria ficar concentrado em meia dúzia de laboratórios fechados.