Rio de Janeiro ma własne AI? Pod maską flagowego modelu znaleziono chiński silnik

Kiedy IplanRIO, agencja IT urzędu miasta Rio de Janeiro, ogłosiła premierę modelu Rio 3.5 Open 397B, świat technologii na chwilę wstrzymał oddech. Informacja o potężnym systemie, rzekomo lepszym od Alibaby czy DeepSeek, brzmiała jak spełnienie marzeń o cyfrowej suwerenności Globalnego Południa. Moment publikacji nie był przypadkowy – 13 czerwca 2026 roku zbiegł się z meczem otwarcia Brazylii na Mistrzostwach Świata, co zagwarantowało projektowi rozgłos i entuzjastyczne wpisy polityków, w tym burmistrza Eduardo Cavaliere.

Spór o Rio 3.5 jest tak istotny, ponieważ uderza w rzekomą – i bardzo kosztowną wizerunkowo – suwerenność technologiczną Brazylii. W ostatnich dniach lokalna duma zmieniła się w międzynarodowy skandal, gdy okazało się, że publiczne deklaracje o autorskim projekcie nijak mają się do dowodów zapisanych w kodzie modelu. Zamiast przełomu, otrzymaliśmy lekcję o tym, jak trudna i droga jest prawdziwa innowacja w świecie LLM.

Matematyczny dowód na zapożyczenie

Euforia trwała krótko. Kilka dni po premierze firma Nex-AGI z Szanghaju opublikowała analizę, która podważyła narrację urzędników. Inżynierowie z Nex wykazali, że Rio 3.5 to w rzeczywistości proste połączenie wag (weight merge) dwóch istniejących modeli. Według obliczeń, system składa się w 60% z Nex-N2-Pro oraz w 40% z Qwen3.5-397B. Dowody były bezdyskusyjne – po usunięciu systemowego nakazu udawania Rio, model zapytany o tożsamość w 79% przypadków przedstawiał się jako produkt Nex-AGI.

– To w zasadzie nasz model open-source, Nex N2 Pro, tylko w innym kapeluszu – skomentowali przedstawiciele Nex-AGI. Analiza techniczna wykazała kolinearność parametrów na poziomie 0,993 we wszystkich 60 warstwach sieci. W statystyce oznacza to niemal identyczność. Stało się jasne, że Rio to oznakowany kod z Azji, a nie efekt unikalnych procesów treningowych z Brazylii.

Sztuka łączenia zamiast innowacji

Architektura Rio 3.5 wykorzystuje strukturę Mixture-of-Experts (MoE). Z 397 miliardów parametrów podczas generowania odpowiedzi aktywnych jest jedynie ok. 17 miliardów. IplanRIO twierdziło, że kluczem jest autorski framework SwiReasoning, dzięki któremu model świetnie wypada w benchmarkach takich jak HLE czy Terminal-Bench.

Krytycy szybko jednak zauważyli, że wyniki te są niższe niż osiągi oryginalnego Nex N2 Pro. Dodatkowo koszty rozwoju oszacowane na 100 tysięcy dolarów – kwota śmiesznie niska w porównaniu z budową nowoczesnego LLM od podstaw – od początku sugerowały, że mamy do czynienia z drogą na skróty.

Wpadka techniczna czy świadoma manipulacja?

W obliczu dowodów IplanRIO zaktualizowało kartę na platformie Hugging Face. Z opisu zniknęły tabele benchmarków, a pojawiło się wyjaśnienie o – rzekomo – błędnym przesłaniu plików. Według urzędników do sieci trafiła surowa baza przed procesem destylacji wiedzy, która miała być tą właściwą wartością dodaną brazylijskiego zespołu.

Prawo nie zostało złamane – oba bazowe modele korzystają z licencji MIT i Apache 2.0. Spór dotyczy etyki. Budowanie na fundamentach stworzonych przez innych to standard, ale fundamentem tej kultury jest rzetelne przypisanie autorstwa. Przypadek Rio 3.5 pokazuje, że ambicje polityczne i chęć pochwalenia się sukcesem mogą prowadzić do niebezpiecznego zatarcia granicy między innowacją a zwykłym kopiowaniem.