Allen Institute of Artificial Intelligence

Allen Institute of Artificial Intelligence

Allen Institute for Artificial Intelligence (Ai2) · Negócios · Outros

O Allen Institute of Artificial Intelligence (Ai2) é uma entidade sem fins lucrativos de Seattle fundada em 2014 por Paul Allen. Cria modelos de IA de código aberto como Olmo e Molmo, além de ferramentas gratuitas de pesquisa para a ciência.

Prévia da interface de Allen Institute of Artificial Intelligence

Sobre Allen Institute of Artificial Intelligence

About

O que é o Allen Institute of Artificial Intelligence

O Allen Institute of Artificial Intelligence, conhecido como Ai2, é um instituto de pesquisa sem fins lucrativos sediado em Seattle. Paul Allen, cofundador da Microsoft e filantropo, o criou em 2014 para conduzir pesquisa em IA que enfrenta problemas científicos e sociais relevantes. O instituto não vende um produto. Ele publica modelos, conjuntos de dados, código de treinamento e ferramentas de avaliação que qualquer pessoa pode baixar e inspecionar.

O que separa o Ai2 é a extensão da sua abertura. Muitos laboratórios liberam apenas os pesos do modelo e mantêm dados e código em sigilo. O Ai2 publica todo o processo da sua família Olmo, o que chama de fluxo do modelo: dados de pré-treinamento, dados de treinamento intermediário, checkpoints, código e conjuntos de avaliação. Pesquisadores conseguem rastrear o comportamento de um modelo até os dados que o geraram.

Os limites são práticos. O Ai2 é uma organização de pesquisa, não uma empresa de software de consumo, então não existe um aplicativo de assinatura bem acabado com suporte ao cliente. Seus modelos principais são menores que os maiores sistemas fechados, e algumas ferramentas atendem sobretudo cientistas e desenvolvedores, não usuários casuais.

Como começar

  1. Acesse allenai.org e percorra a seção de modelos abertos para escolher uma família como Olmo, Molmo ou Tulu.
  2. Experimente um modelo no Ai2 Playground, uma demonstração web gratuita, sem instalar nada.
  3. Baixe pesos, conjuntos de dados e código no Hugging Face ou no GitHub se quiser rodar ou ajustar um modelo por conta própria.
  4. Use a API pelos parceiros de inferência do Ai2 se precisar de acesso programático para um aplicativo.
  5. Leia os relatórios técnicos e artigos para entender benchmarks, etapas de treinamento e limites conhecidos.

Informações do produto

Uma visão rápida dos preços, das plataformas compatíveis e do desempenho de Allen Institute of Artificial Intelligence.

Plano gratuitoSim
Planos pagosFree, with paid third-party API access
PlataformaWeb, Hugging Face, GitHub, API
DesenvolvedorAllen Institute for Artificial Intelligence (Ai2)
CategoriaNegócios · Outros
Data de lançamentoFeb 2014
Última atualizaçãoDec 2025
Visitas ao site262.3K
Ranking global do site189.6K
Disponibilidade da APISim

Ideal para

Os usuários, tarefas e cenários em que esta ferramenta se encaixa melhor.

Usuários

  • Pesquisadores de IA
  • Desenvolvedores criando produtos abertos
  • Estudantes e professores

Tarefas

  • Estudar o treinamento de modelos de linguagem
  • Rodar ou ajustar um LLM aberto
  • Rastrear as saídas do modelo até os dados
  • Pesquisar literatura e citações

Cenários

  • Um laboratório quer reproduzir um resultado publicado
  • Uma startup precisa de um modelo base que possa modificar legalmente
  • Um jornalista ou checador de fatos precisa de um buscador de artigos grátis

Principais recursos

Fluxo Olmo totalmente aberto

O Ai2 publica todo o ciclo de vida dos seus modelos de linguagem Olmo, não só os pesos finais. Isso inclui dados de pré-treinamento, dados de treinamento intermediário, checkpoints intermediários, código de treinamento e conjuntos de avaliação. A família Olmo 3 atual cobre 7B e 32B parâmetros nas variantes Base, Instruct e Think, com um modelo Think de 32B feito para raciocinar passo a passo.

Modelos multimodais Molmo

Molmo é a família de modelos multimodais abertos do Ai2, que lidam com imagens e vídeo. O Molmo 2 vem nas versões 4B, 8B e uma variante 7B totalmente aberta que une a visão ao motor de linguagem Olmo. Os modelos cobrem legendagem, apontamento, contagem, compreensão de vídeo e rastreamento, e o Ai2 publica os dados de treinamento por trás deles.

Ai2 Playground

O Playground é uma interface web gratuita para experimentar os modelos do Ai2 sem escrever código nem montar hardware. Você conversa com um modelo Olmo, testa prompts de raciocínio e compara o comportamento entre variantes. Isso reduz a barreira para quem quer avaliar um modelo antes de baixá-lo.

Semantic Scholar

O Semantic Scholar é um buscador acadêmico gratuito criado pelo Ai2 que cobre artigos de várias áreas científicas. Ele resume os pontos-chave, destaca as citações e ajuda pesquisadores a achar trabalhos relacionados com rapidez. Está aberto a qualquer pessoa e não pede conta para buscar.

Ferramentas de agente científico Asta

Asta é um conjunto de ferramentas de agente voltadas à descoberta científica, desenhadas junto com especialistas de domínio. Inclui o AstaBench, um conjunto de benchmarks para avaliar agentes de IA em tarefas de pesquisa, e rankings que comparam sistemas. O foco são pesquisadores que buscam resultados mensuráveis e reproduzíveis.

OlmoEarth e a IA para o planeta

O OlmoEarth leva a IA ao trabalho ambiental, como conservação e modelagem climática. A plataforma transforma dados de observação da Terra em informações prontas para decidir e é feita para organizações sem experiência própria em IA. Entre os projetos relacionados estão o EarthRanger para gestão de áreas protegidas e o Skylight para detectar pesca ilegal.

Prós e contras

Prós

  • Publica dados de treinamento, código e checkpoints completos dos seus modelos principais, um nível de abertura que poucos laboratórios alcançam.
  • Os modelos saem com licenças permissivas, então o ajuste comercial e a redistribuição em geral são permitidos.
  • Tem o respaldo de uma entidade sem fins lucrativos com missão de pesquisa clara, não de um fornecedor comercial empurrando assinaturas.
  • Ferramentas gratuitas e acessíveis como o Playground e o Semantic Scholar reduzem a barreira de entrada.
  • Atualizações regulares, como a renovação Olmo 3.1 de dezembro de 2025, mantêm o stack atual.

Contras

  • Os tamanhos de modelo ficam bem abaixo dos maiores sistemas fechados, então a capacidade bruta em tarefas difíceis pode ficar atrás.
  • Não há um pacote de consumo com suporte dedicado, então os usuários dependem da documentação e dos fóruns da comunidade.
  • Tirar o máximo dos modelos exige conhecimento de aprendizado de máquina e, muitas vezes, hardware local.
  • A documentação é escrita para pesquisadores, o que pode pesar para iniciantes.

Perguntas frequentes

É um instituto de pesquisa em IA sem fins lucrativos em Seattle, fundado em 2014 por Paul Allen. Desenvolve modelos, conjuntos de dados e ferramentas de pesquisa abertos e os publica para uso público.