A aposta de US$ 3,5 bilhões da Snorkel em avaliação de modelos

Em setembro de 2026, a Snorkel AI levantou US$ 350 milhões a uma avaliação de US$ 3,5 bilhões. Cinco anos antes, reportagens a descreviam como um serviço de rotulagem de dados avaliado em US$ 1 bilhão. Em 2026, a Snorkel apresentava uma plataforma na qual humanos e agentes de IA criam e validam dados. A mudança levanta uma questão para clientes que sua avaliação não responde: quem fica com os julgamentos usados para tornar um modelo útil?

O mesmo modelo-base pode gerar um produto diferente

Em agosto de 2026, a Z.ai afirmou que o GLM-5.3 usava o mesmo modelo-base do GLM-5.2, mas ganhou habilidades mais fortes de programação com pós-treinamento em escala. A Z.ai disse que planejava divulgar os pesos do modelo mais novo duas semanas depois; esse anúncio, por si só, não comprova que a divulgação ocorreu. A comparação isola uma distinção de engenharia: um modelo-base pode permanecer fixo enquanto o trabalho posterior muda o que os usuários recebem dele.

Pré-treinamento, fine-tuning e pós-treinamento alteram os pesos do modelo com finalidades diferentes, como distingue Chip Huyen em AI Engineering. A avaliação não altera os pesos por si só. Ela fornece os testes e julgamentos que indicam ao desenvolvedor o que mudar em seguida. Uma empresa que adapta um modelo pode passar a depender menos de uma única versão ajustada do que do processo que conecta seus dados de domínio, ajustes e resultados mensurados.

A expansão do programa Custom Model da OpenAI em 2024 reuniu fine-tuning assistido, pipelines de dados de treinamento, sistemas de avaliação e métricas de treinamento e validação em um único fluxo de trabalho para o cliente. As organizações podem comprar ajuda para adaptar um modelo e, ainda assim, permanecer dependentes do provedor pelo serviço subjacente. Pesos abertos oferecem outro ponto de partida, mas não fornecem as definições de tarefas ou os testes de um cliente.

A Snorkel passou de fornecer exemplos a organizar julgamentos

Em agosto de 2021, reportagens noticiaram a rodada de US$ 85 milhões da Snorkel àquela avaliação de US$ 1 bilhão. Em maio de 2025, a Forbes descreveu uma guinada para ferramentas de avaliação de IA e a dependência de especialistas humanos para julgar a precisão dos sistemas; a publicação estimou a avaliação da Snorkel em US$ 1,3 bilhão. Em setembro de 2026, a Reuters descreveu uma “plataforma de desenvolvimento de dados agêntico” na qual humanos e agentes de IA criam e validam dados, ao lado da rodada de US$ 350 milhões.

As três avaliações reportadas da Snorkel acompanham uma proposta em transformação, mas não medem a adoção por clientes nem mostram que a avaliação substituiu a receita de rotulagem. Elas não permitem estabelecer uma curva de adoção para todo o mercado.

Outros desenvolvedores atacaram partes adjacentes do problema de forma independente. A Cleanlab vendia ferramentas para dados de treinamento mais precisos em 2023, antes da guinada reportada da Snorkel para avaliação. O trabalho de qualidade de dados da Cleanlab e a ênfase da Snorkel em avaliação por especialistas são produtos diferentes. Ambos tratam de uma restrição para desenvolvedores de modelos: mais exemplos ajudam menos quando eles não conseguem identificar quais exemplos ou respostas merecem confiança.

A avaliação passa a fazer parte da operação do modelo

A AWS lançou o Model Evaluation on Bedrock em prévia em 2023 para ajudar empresas a avaliar modelos antes do uso, com participação de avaliadores humanos. A ênfase posterior da Snorkel em juízes especialistas aborda uma questão mais difícil do que saber se há testes disponíveis: quem decide quais erros importam? Alguém precisa traduzir um objetivo operacional em respostas aceitáveis, falhas relevantes e casos pelos quais um modelo precisa passar. Uma resposta fluente e uma resposta correta podem receber avaliações muito diferentes.

Uma pontuação pré-implantação tem prazo de validade. Em Designing Machine Learning Systems, Huyen descreve como mudanças no ambiente ou nos usuários de uma aplicação podem produzir deslocamento de covariáveis. A organização que usa o modelo precisa então verificar se seus casos de teste anteriores ainda representam o trabalho. Para manter a garantia operacional, o cliente precisa reter casos de teste, revisar respostas e atualizar a rubrica após o lançamento.

A participação da Meta na Scale gerou consultas, não um êxodo de compradores

O investimento de US$ 14,3 bilhões da Meta na Scale AI expôs a sensibilidade comercial desse trabalho. Em junho de 2025, Snorkel, Labelbox e Turing relataram aumento do interesse de clientes preocupados com a independência da Scale. Um fornecedor que ajuda a produzir dados proprietários de treinamento e julgamentos pode aprender onde o modelo de um cliente erra e como ele pretende corrigir esses erros. O interesse reportado mostra uma preocupação de compras, não migrações concluídas para rivais da Scale.

A Scale ainda conquistou grandes contratos. O Departamento de Defesa concedeu a ela um contrato de US$ 500 milhões em 2026 para ajudar a filtrar dados e auxiliar decisões, após um acordo de US$ 100 milhões em 2025. A escolha do Pentágono recomenda cautela contra tratar as consultas aos rivais da Scale como uma troca generalizada.

Os padrões de um cliente precisam de uma rota de saída

Um comprador pode incorporar linguagem de domínio e restrições de negócio a exemplos de treinamento e casos de avaliação, em vez de pedir a um modelo genérico que os infira. Ainda precisa decidir quem pode inspecionar esses exemplos, revisar rótulos, contestar o julgamento de um especialista e levar históricos de validação para outro provedor. O teste de compras é saber se o cliente pode reter e transferir esses artefatos, não apenas se um fornecedor oferece um painel de avaliação.

A revisão humana também tem um custo que ferramentas agênticas não conseguem eliminar por vontade própria. Huyen observa que o viés pode entrar pela coleta de dados, amostragem e rotulagem. A Wired noticiou em 2023 que alguns provedores de rotulagem de dados para IA haviam contratado menores de idade inadvertidamente, às vezes expondo-os a conteúdo traumático. Um comprador que depende de feedback humano precisa saber como esse trabalho é contratado e supervisionado, além de como os julgamentos resultantes afetam o comportamento do modelo.

As rodadas de financiamento da Snorkel e o lançamento da avaliação pela AWS mostram fornecedores desenvolvendo essa camada, mas dizem pouco sobre quantos clientes conseguem levar seu trabalho entre provedores. A avaliação de US$ 3,5 bilhões da Snorkel não pode dizer a um comprador se seus exemplos, rubricas e históricos de validação o acompanharão até o próximo fornecedor. Se não puderem, o provedor que torna a customização mais fácil também fica com a definição de “correto”.