Guia do Open Source AI Summit 2026: datas, oradores, programa e IA local

Eva Wong

IceWhale author

Eva Wong é a redatora técnica e entusiasta residente na ZimaSpace. Uma geek desde sempre, apaixonada por homelabs e software de código aberto, dedica-se a traduzir conceitos técnicos complexos em guias práticos. A Eva acredita que a auto-hospedagem deve ser divertida, não intimidante. Através dos seus tutoriais, ajuda a comunidade a desmistificar configurações de hardware, desde montar o primeiro NAS até dominar os contentores Docker.

Open Source AI Summit 2026 Guide: Dates, Speakers, Agenda, and Local AI - Zima Store Online

Em 2026, a questão mais importante sobre a IA de código aberto já não é saber se um computador portátil consegue gerar alguns tokens a partir de um modelo descarregado. A questão é saber se consegue inspecionar o sistema, escolher para onde vão os seus dados, substituir um componente sem reconstruir tudo e manter as funcionalidades úteis em funcionamento quando um fornecedor altera os preços, as políticas ou a API.

É isso que torna a Cimeira de IA de Código Aberto invulgarmente relevante. O evento de dois dias em São Francisco não está organizado em torno do lançamento de um único modelo. A agenda aborda a inferência local, as estruturas para agentes, a computação privada, o hardware verificável, a ciência aberta, a economia, a segurança e o direito à computação. Por outras palavras, questiona o que seria necessário para as pessoas construírem, executarem e controlarem uma parte maior da sua infraestrutura de IA.

A Cimeira de IA de Código Aberto 2026 realiza-se a 10 e 11 de setembro no The Presidio, em São Francisco. As candidaturas estão encerradas e o evento atingiu a lotação máxima. Até 10 de setembro, não foi anunciada nenhuma transmissão pública em direto no site do evento. Este guia distingue os factos confirmados das suposições, destaca as sessões mais úteis para quem desenvolve IA local e transforma os temas abrangentes da cimeira em decisões práticas para um laboratório doméstico ou um servidor privado de IA.

Datas, local e estado da Cimeira de IA de Código Aberto 2026

A cimeira decorre durante dois dias, quinta-feira, 10 de setembro, e sexta-feira, 11 de setembro de 2026, no The Presidio, em São Francisco. O programa publicado começa com o pequeno-almoço às 9:00 em ambos os dias. Na quinta-feira, o programa termina com um convívio ao fim da tarde, enquanto as palestras previstas para sexta-feira terminam às 15:40, seguindo-se um encontro opcional.

Detalhe	Informações confirmadas	Nota de planeamento
Evento	Cimeira de IA de Código Aberto 2026	Um encontro presencial de dois dias dedicado à IA aberta, local, privada e descentralizada.
Datas	10–11 de setembro de 2026	11 de setembro é o segundo dia, não o dia de abertura.
Localização	The Presidio, São Francisco	Os participantes aceites devem seguir as instruções de acesso indicadas no e-mail de confirmação.
Fuso horário	Hora local de São Francisco	Em setembro, São Francisco está no horário de verão do Pacífico.
Participação	Candidatura obrigatória; lotação esgotada	A interface de candidatura indica atualmente que as candidaturas estão encerradas.
Preço do bilhete	150 $ para candidatos aceites	Este era o preço da reserva, não um bilhete para entrar sem reserva.
Transmissão em direto	Não anunciado	Não parta do princípio de que uma conversa informal à distância significa que toda a cimeira será transmitida em direto.

Os horários e o acesso ao evento podem mudar sem aviso prévio. Consulte o programa oficial da cimeira antes de viajar ou de contar com uma sessão específica.

O que é o Open Source AI Summit?

O Open Source AI Summit é um encontro selecionado sobre sistemas de IA que pessoas e organizações podem compreender, operar, modificar e controlar de forma mais direta. O programa de 2026 abrange 12 temas interligados: IA local para empresas, casos de utilização de modelos abertos, inferência e computação, estruturas agênticas, economia e mercados, IA para a ciência, segurança e salvaguardas, hardware verificável, IA privada, direito à computação, IA aberta versus fechada e a corrida mundial pela IA.

Essa combinação é importante. Um modelo aberto não se transforma num assistente privado útil só porque os seus pesos podem ser descarregados. Continua a precisar de um motor de inferência, armazenamento, permissões, uma interface, recuperação de contexto, acesso a ferramentas, monitorização, atualizações e uma fronteira de segurança. O summit aborda estas camadas complementares como parte da questão da propriedade da IA, em vez de discutir isoladamente os parâmetros de referência dos modelos.

O evento é organizado pela Presidio Bitcoin, um centro de São Francisco dedicado à tecnologia privada e descentralizada. Este contexto explica por que motivo o programa vai além da engenharia e abrange também a economia, as liberdades civis, as políticas, a confiança no hardware e o acesso à capacidade de computação. Os participantes devem esperar um ponto de vista, e não uma feira comercial neutra que cubra todas as áreas do mercado da IA por igual.

Quem vai falar no Open Source AI Summit 2026?

O site do evento apresenta 47 oradores, nas áreas de modelos e inferência, agentes e ferramentas, privacidade e segurança, ciência aberta, políticas e direitos, filosofia e economia. Entre os participantes de destaque estão Bryan Catanzaro, vice-presidente de investigação em aprendizagem profunda aplicada da NVIDIA; Jeff Boudier, vice-presidente de produto da Hugging Face; Travis Oliphant, criador do NumPy e do SciPy; Ravin Kumar, engenheiro de investigação sénior da Google DeepMind; investigadores da AI2; e profissionais da Together AI, Block, Spiral, Google, Prime Intellect, OpenTeams e empresas de IA centradas na privacidade.

Uma longa lista de oradores não significa automaticamente uma agenda útil. Para quem desenvolve IA local, o melhor critério é a camada do sistema que cada sessão ajuda a esclarecer:

Se está a decidir...	Dê prioridade a estes temas	Em que prestar atenção
Que modelos podem ser executados localmente	IA local, motores de inferência, personalização de modelos abertos	Utilização da memória, quantização, débito, limites de contexto, suporte de hardware e compromissos operacionais.
Como criar um agente útil	Ciclos de agentes, estruturas de suporte, protocolos e ferramentas	Estado, novas tentativas, permissões de ferramentas, observabilidade, mudança de modelo e recuperação de falhas.
Como proteger prompts sensíveis	IA privada, computação confidencial e segurança	Onde existe texto simples, quem controla as chaves, o que pode ser verificado e que afirmações exigem confiança.
Se um modelo é realmente aberto	Pesos abertos, ciência aberta, licenças e personalização de modelos	Acesso à informação de treino, ao código, aos parâmetros, aos direitos de modificação e às condições de redistribuição.
Quem controla a infraestrutura de IA	Direito à computação, economia, geopolítica e hardware verificável	Disponibilidade, concentração, regulamentação, confiança no hardware e dependência de fornecedores centralizados.

Programa da Open Source AI Summit: o que ver a 10 de setembro

O primeiro dia passa da defesa política da IA aberta para os aspetos práticos da inferência, da personalização de modelos, dos agentes locais, dos protocolos abertos e da segurança do software. Três sessões formam uma sequência técnica particularmente útil.

O estado da IA local

A sessão de Ahmad M. Osman, «O estado da IA local», é o ponto de partida mais direto para os leitores interessados em executar IA no seu próprio hardware. As perguntas úteis são práticas: Que cargas de trabalho passaram das demonstrações para uma utilização diária fiável? Onde continuam a criar dificuldades a largura de banda da memória e o tamanho dos modelos? Quando é que a inferência local reduz os custos e quando se limita a transferi-los para o hardware, a energia e a manutenção?

Como funcionam realmente os motores de inferência

A sessão de Zain Hasan sobre motores de inferência deverá ajudar a distinguir a capacidade do modelo do desempenho em tempo de execução. Duas pessoas podem descarregar o mesmo modelo e obter resultados muito diferentes, porque o formato do modelo, a quantização, o processamento em lotes, o comprimento do contexto, a gestão da cache, o suporte do backend e a movimentação de memória afetam a velocidade e a estabilidade. Por isso, «Esta máquina consegue executar o modelo?» é uma pergunta incompleta. A melhor pergunta é se consegue executar o contexto e a carga de trabalho necessários com um tempo de resposta aceitável.

Criar ciclos e grafos de agentes com modelos locais

A sessão de Dustin Dannenhauer passa de um único prompt para um sistema de agentes. Esta distinção é importante. Um modelo local pode ser adequado para classificação, extração, encaminhamento ou uma chamada limitada a uma ferramenta, mesmo que seja menos eficaz do que um modelo de fronteira na cloud em raciocínio aberto. Um bom desenho de agentes atribui a cada modelo uma tarefa que consiga executar de forma fiável e estabelece limites para as ferramentas, credenciais, novas tentativas e estado.

As sessões seguintes, “Panorama dos agentes autónomos” e “Proteger o software de código aberto”, acrescentam duas camadas em falta: orquestração e riscos da cadeia de fornecimento. O código descarregável pode ser inspecionado, mas isso não significa que seja automaticamente seguro. Modelos, contentores, extensões, competências de agentes, pacotes Python e modelos da comunidade alargam todos a base de computação fidedigna.

Programa da Cimeira de IA de Código Aberto: o que acontece a 11 de setembro?

Sexta-feira, 11 de setembro, é o segundo dia. O programa segue uma sequência mais concentrada, desde a criação com modelos abertos até à privacidade, à soberania empresarial, à ciência, à geopolítica, ao hardware verificável e à perspetiva da NVIDIA sobre a infraestrutura de IA aberta.

Hora	Sessão	Porque é importante
9:30–9:55	Como criar a sua própria IA com modelos abertos	Jeff Boudier, da Hugging Face, relaciona o acesso aos modelos com os componentes necessários para transformar um modelo num sistema utilizável.
10:05–10:35	Conversa informal sobre o Manifesto da Computação	Apresenta o acesso à capacidade computacional e o controlo dos utilizadores como questões sociais e económicas, e não apenas como escolhas de infraestrutura.
10:45–11:15	Painel sobre privacidade	Útil para comparar a execução local, os ambientes de execução fidedignos, os serviços encriptados e as garantias que cada arquitetura pode oferecer.
11:30–12:00	Soberania desde a conceção	Questiona de que forma a propriedade da infraestrutura, dos dados e do software afeta o valor empresarial e a dependência a longo prazo.
12:10–12:40	IA para a ciência	Explora como uma infraestrutura de investigação aberta pode facilitar a análise e a expansão de modelos, métodos e resultados.
13:45–14:15	A geopolítica da IA	Enquadra chips, modelos, regulamentação e capacidade computacional no contexto mais amplo da competição pelo controlo tecnológico.
14:25–14:55	Hardware verificável	Leva a questão da confiança para além do software, abrangendo firmware, hardware, atestação e a máquina física.
15:05–15:35	Conversa informal com Bryan Catanzaro	Apresenta a perspetiva da NVIDIA sobre investigação de modelos, inferência e a pilha de hardware e software que suporta a IA aberta.

O dia termina às 15:40, após uma breve sessão de encerramento. Seguem-se um convívio e uma reunião informal opcionais, na 38 Keyes Avenue. Os participantes devem continuar a consultar a confirmação do evento para obter os detalhes finais de acesso, em vez de considerar um resumo online como documento de admissão.

A IA de Código Aberto não é o mesmo que pesos abertos

A expressão «modelo de código aberto» é muitas vezes utilizada de forma vaga. Um fornecedor pode disponibilizar os pesos, mas não as informações importantes sobre os dados de treino, o código de treino ou os direitos necessários para modificar e redistribuir o sistema. Isso pode continuar a ser muito útil, mas não corresponde ao mesmo nível de abertura.

A Definição de IA de Código Aberto centra-se em quatro liberdades: utilizar o sistema para qualquer finalidade, estudar o seu funcionamento, modificá-lo e partilhá-lo, com ou sem alterações. Afirma também que a forma preferencial para modificação deve incluir informações suficientemente detalhadas sobre os dados, o código relevante e os parâmetros do modelo.

Termo	O que normalmente indica	O que não garante
Pesos abertos	Pode obter os parâmetros aprendidos do modelo nos termos especificados.	Transparência total do treino, utilização sem restrições, reprodutibilidade ou uma licença alinhada com a OSI.
IA de código aberto	O sistema destina-se a proporcionar direitos significativos de utilização, estudo, modificação e partilha.	Que uma determinada transferência é pequena, segura, imparcial, precisa ou fácil de utilizar.
IA local	Parte ou a totalidade das inferências é executada em hardware próximo que controla.	Licenciamento aberto, transparência do treino, configuração de segurança sólida ou ausência de ligações externas.
IA privada	A arquitetura foi concebida para limitar o acesso não autorizado a prompts, ficheiros, resultados ou identidades.	Que tudo funciona localmente ou que todas as alegações de privacidade podem ser verificadas de forma independente.

Estas designações descrevem dimensões diferentes. Um modelo fechado pode ser disponibilizado através de um serviço que protege a privacidade. Um modelo com pesos abertos pode ser executado localmente. Mesmo um sistema genuinamente aberto pode divulgar dados através de uma interface ou ferramenta de agente mal configurada. Compradores e criadores devem colocar questões distintas sobre licenciamento, local de execução, fluxo de dados, segurança e controlo operacional.

Porque é que a inferência local é apenas uma camada da autonomia em IA

Descarregar um modelo dá a sensação de controlo porque a dependência mais visível desaparece. As dependências menos visíveis mantêm-se. Um serviço de IA útil precisa de armazenamento de dados, um ambiente de execução, uma interface de utilizador, gestão de identidades, recuperação, registos, cópias de segurança, controlos de rede e, por vezes, acesso a ferramentas externas.

Num laboratório doméstico, é útil dividir a pilha em quatro camadas:

Camada de dados: documentos, fotografias, conteúdos multimédia, embeddings, bases de dados, ficheiros de modelos e cópias de segurança.
Camada de computação: CPU, GPU, memória, motor de inferência, formato do modelo e bibliotecas de aceleração.
Camada de serviços: APIs, interfaces Web locais de IA, pipelines de recuperação, ambientes de execução de agentes e automatização.
Camada de controlo: contas de utilizador, permissões, segredos, exposição à rede, registos, atualizações e recuperação.

Essas camadas não têm de estar todas na mesma caixa. Uma estação de trabalho com GPU pode executar inferências, enquanto um servidor doméstico sempre ligado armazena documentos, aloja a interface Web, controla o acesso dos utilizadores e cria cópias de segurança da configuração. Esta separação faz muitas vezes mais sentido do que obrigar um NAS orientado para armazenamento a tornar-se uma estação de trabalho de IA de topo.

Se estiver a conceber essa arquitetura de raiz, comece por uma montagem de servidor de IA local e defina a carga de trabalho antes de comprar hardware. Um modelo pequeno que serve uma pessoa tem requisitos muito diferentes dos de um agente multimodal que indexa uma biblioteca multimédia partilhada.

O que deve ser executado localmente e o que pode ficar na nuvem?

A oposição entre aberto e fechado apresentada na cimeira não obriga a optar por uma solução totalmente local. Uma abordagem melhor consiste em executar cada tarefa onde melhor se adequem os requisitos de privacidade, latência, capacidade e manutenção.

Carga de trabalho	Geralmente, favorece a execução local	Geralmente, favorece um modelo na nuvem
Pesquisa em documentos privados	Ficheiros de origem sensíveis, consultas repetidas, âmbito previsível e acesso à LAN.	Contextos muito extensos ou raciocínio avançado que um modelo local não consiga processar com fiabilidade.
Classificação e extração	Tarefas repetitivas e delimitadas, com grande volume e um formato de saída que possa ser testado.	Dados de entrada ocasionais que exijam conhecimentos mais abrangentes ou uma compreensão multimodal mais avançada.
Assistente de programação	Repositórios privados, trabalho offline, conclusão de código e perguntas específicas sobre repositórios.	Tarefas complexas de depuração ou arquitetura em que um raciocínio mais avançado seja mais valioso do que o controlo local.
Utilização de ferramentas por agentes	Ficheiros locais, serviços domésticos ou API internas protegidas por permissões rigorosas.	Investigação aberta ou planeamento exigente, desde que o contexto sensível seja removido ou controlado.
Análise de imagens e multimédia	Bibliotecas de fotografias pessoais, imagens de videovigilância, gravações privadas e indexação em segundo plano.	Geração ou análise de alta qualidade ocasional que exigiria aceleradores locais dispendiosos.

Um sistema híbrido pode encaminhar tarefas privadas de rotina para um modelo local e recorrer a um modelo na nuvem para tarefas selecionadas, apenas após o utilizador aprovar os dados a enviar. O difícil não é ligar duas API. É tornar o encaminhamento visível, evitar fugas de dados silenciosas, manter registos úteis sem armazenar segredos e lidar com segurança com a indisponibilidade de qualquer um dos serviços.

Como se integra um servidor doméstico na pilha de IA aberta

Um servidor doméstico é mais valioso quando é tratado como infraestrutura permanente e não como uma máquina de benchmarks. Pode permanecer disponível enquanto os portáteis estão em suspensão, centralizar o armazenamento de modelos e documentos, alojar uma interface Web acessível a vários dispositivos, executar a indexação agendada e manter as cópias de segurança separadas dos ambientes experimentais de IA.

Um sistema de baixo consumo pode tratar da orquestração, recuperação de informação, inferência ligeira, bases de dados e interfaces, mesmo que a geração exigente decorra noutro local. O guia de cargas de trabalho de IA de baixo consumo explica em que situações o CPU e um hardware modesto continuam a ser úteis. Para escolher uma interface, compare as interfaces Web de IA local em termos de autenticação, compatibilidade com modelos, suporte à recuperação de informação e controlos multiutilizador, em vez de se guiar apenas pela aparência.

Os utilizadores que trabalham intensivamente com armazenamento podem usar um sistema como o NAS de nuvem pessoal ZimaCube 2 como camada de dados e serviços e, depois, ligar unidades de processamento gráfico separadas quando os modelos maiores o exigirem. Esta divisão mantém os ficheiros valiosos e os serviços sempre ativos estáveis, enquanto o ambiente de modelos, que muda mais rapidamente, pode ser atualizado, reconstruído ou isolado de forma independente.

Cinco perguntas a levar da cimeira

Quer participe em São Francisco ou acompanhe os projetos e oradores posteriormente, estas cinco perguntas são mais duradouras do que qualquer anúncio isolado:

O que é que realmente me pertence? Verifique a licença do modelo, a disponibilidade do código-fonte, os dados, a configuração, os prompts, as incorporações vetoriais e as opções de exportação.
Onde existem dados em texto simples? Siga o percurso dos prompts, documentos recuperados, resultados das ferramentas, registos, ficheiros temporários, cópias de segurança e telemetria.
Que componente posso substituir? Teste se o modelo, o motor de inferência, a interface, o repositório vetorial e a infraestrutura do agente são realmente intercambiáveis.
O que acontece quando o agente se engana? Limite as permissões, exija confirmação para ações com consequências, preserve pontos de recuperação e torne as falhas visíveis.
Que carga de trabalho vale a pena executar localmente? Avalie o valor da privacidade, a frequência, a latência, o custo do hardware, o consumo de energia, a manutenção e a diferença de qualidade face às alternativas alojadas.

A IA aberta torna-se significativa quando essas perguntas têm respostas concretas. Descarregar um modelo é um começo. Um sistema que consegue compreender, transportar, reparar, proteger e continuar a operar está muito mais próximo de ser seu.

Perguntas frequentes sobre a Open Source AI Summit 2026

Quando se realiza a Open Source AI Summit 2026?

A Open Source AI Summit decorre na quinta-feira, 10 de setembro, e na sexta-feira, 11 de setembro de 2026. O pequeno-almoço está marcado para as 9:00 em ambos os dias. O dia 11 de setembro é o segundo dia da cimeira.

Onde se realiza a Open Source AI Summit?

O evento realiza-se no Presidio, em São Francisco, Califórnia. Os participantes aceites devem seguir as instruções de localização e acesso fornecidas pelo organizador.

Ainda posso obter bilhetes para a Open Source AI Summit?

Atualmente, não há venda geral de bilhetes. A participação exigia uma candidatura, e a interface de candidatura do evento indica que a cimeira esgotou a lotação. O preço de reserva anunciado para os candidatos aceites foi de 150 $, tendo sido anteriormente disponibilizado um número limitado de passes gratuitos a investigadores académicos e criadores de IA de código aberto.

Há uma transmissão em direto do Open Source AI Summit?

A organização não anunciou uma transmissão em direto pública no site do evento até 10 de setembro de 2026. Um dos itens da agenda está identificado como uma conversa informal à distância, mas isso descreve a participação do orador e não deve ser interpretado como confirmação de que o evento completo será transmitido.

Quem são os principais oradores do Open Source AI Summit?

A lista de participantes publicada inclui Bryan Catanzaro, Jeff Boudier, Travis Oliphant, Ravin Kumar, David Sacks, investigadores do Allen Institute for AI e profissionais da Together AI, Google, Block, Spiral, Prime Intellect, OpenTeams e de outras organizações de IA aberta e privada.

Qual é a diferença entre IA de código aberto e IA com pesos abertos?

Pesos abertos significa que os parâmetros aprendidos de um modelo estão disponíveis sob determinadas condições. A IA de código aberto é uma afirmação mais abrangente, que envolve uma liberdade efetiva de utilizar, estudar, modificar e partilhar o sistema, bem como o acesso à forma preferencial necessária para o modificar. A disponibilização dos pesos pode ser útil sem cumprir todos os elementos desta definição.

A IA local protege automaticamente a privacidade?

Não. A inferência local pode reduzir a necessidade de enviar pedidos e ficheiros para um fornecedor externo de modelos, mas a privacidade também depende da exposição à rede, da autenticação, dos registos, das extensões, das permissões dos agentes, da telemetria, das cópias de segurança e da segurança de todas as ferramentas ligadas.

Preciso de uma GPU para executar modelos abertos localmente?

Nem sempre. Modelos pequenos quantizados, modelos de incorporação, classificadores e assistentes simples podem ser executados em CPUs, embora a velocidade de resposta e a capacidade de contexto possam ser limitadas. Os modelos maiores, as cargas de trabalho multimodais, os contextos longos e vários utilizadores em simultâneo beneficiam, em geral, de maior largura de banda de memória e aceleração por GPU.

Um NAS pode executar IA localmente?

Sim, dentro de limites realistas. Um NAS ou servidor doméstico pode executar modelos mais pequenos, serviços de recuperação de informação, bases de dados, interfaces e automatizações. Para inferências exigentes, pode, em alternativa, armazenar os dados e alojar a camada de serviços, enquanto uma máquina separada com GPU trata da execução do modelo.

Porque é que o hardware verificável é importante para a IA privada?

A abertura do software não pode comprovar tudo sobre a máquina que lhe está subjacente. O firmware, a integridade do arranque, a identidade do dispositivo, os enclaves seguros, a atestação e as cadeias de fornecimento de hardware afetam a possibilidade de verificar as alegações de segurança de um sistema. O hardware verificável alarga a questão da confiança, passando do código do modelo para a infraestrutura física.