Llama 3.2, da Meta, roda na ISS sem conexão com a Terra

A restrição que definiu o modelo

O fato mais importante no anúncio da Meta é uma limitação, não um recurso: não há internet na Estação Espacial Internacional. Essa única condição orienta cada escolha técnica aqui.

Como o Llama 3.2 é distribuído como pesos de modelo para download, a Booz Allen conseguiu carregar uma cópia com fine-tuning em um hardware em órbita e rodar a inferência localmente. Nenhuma requisição sai da estação, nenhum dado passa por um serviço de IA hospedado, e nenhum link com a Terra é necessário para o modelo responder. A Meta apresenta isso como uma questão de segurança e custo, mas o benefício real é mais simples — o sistema funciona quando não há nada a que se conectar.

Esse é o caso que os modelos de API fechada estruturalmente não conseguem atender. Um endpoint medido pressupõe um caminho de rede até os servidores de um fornecedor. A ISS elimina essa premissa e, com ela, todo o padrão de implantação do qual a maior parte da IA comercial depende.

O que a stack realmente é

O Space Llama é mais um projeto de integração do que um projeto de modelo. A Meta forneceu as capacidades de visão do Llama; a Booz Allen contribuiu com sua ferramenta A2E2 (AI for Edge Environments); a computação é o Spaceborne Computer-2 da HPE, com hardware acelerado da NVIDIA.

A afirmação de desempenho é específica e vale destacar: a equipe diz que reduziu tarefas de IA que levavam minutos para pouco mais de um segundo, usando modelos com fine-tuning feito com o software NVIDIA CUDA e suas bibliotecas de aceleração cuDNN e cuBLAS. Essa é uma história de otimização de ponta — espremer um sistema compacto, de classe satelital e com restrição de energia até chegar a uma resposta em tempo real, em vez de simplesmente escalar para um modelo maior.

A Meta descreve essa combinação como, segundo acredita, a primeira do tipo usada fora da Terra. A novidade está na junção de pesos abertos, ferramentas de edge e computação certificada para o espaço, não em nenhum componente isolado.

Um primeiro trabalho específico: buscar documentos

O uso descrito é modesto e concreto. O Space Llama é generativo e multimodal — entrada de texto, imagem e áudio — e o exemplo dado é ajudar pesquisadores a extrair informações de documentos técnicos de referência e instruções sem conexão com a internet.

Isso é, essencialmente, busca e resposta a perguntas offline sobre a documentação de bordo, aplicada a reparos e manutenção. É uma primeira tarefa sensata: alto valor, escopo limitado e tolerante a um modelo pequeno rodando em hardware restrito.

Bill Vass, diretor de tecnologia da Booz Allen, conecta isso a uma trajetória maior:

A inovação no espaço historicamente foi limitada pela dependência de conectividade baseada na Terra para capacidades de computação e comunicação. O Space Llama leva ferramentas diretamente para a borda do espaço para realizar reparos críticos rapidamente e manter o ISS National Lab.Montana Labs

O caminho que tornou isso possível

O anúncio aponta para duas etapas anteriores. Em agosto de 2024, a Booz Allen já havia rodado um LLM generativo no espaço no mesmo Spaceborne Computer-2. Em novembro de 2024, a Meta abriu seus modelos Llama para agências do governo dos EUA e parceiros do setor privado, o que a empresa credita como o que tornou o Space Llama possível.

Ou seja, isso é uma evolução incremental sobre um hardware anterior e uma decisão de licenciamento, não um avanço isolado. O modelo de distribuição — pesos que você pode baixar, fazer fine-tuning e implantar sob uma licença voltada ao governo — é o ingrediente que viabiliza tudo.

A implicação: o offline-first é uma classe de implantação real, e os pesos abertos dominam esse espaço

O Space Llama é um exemplo extremo de uma categoria que também importa aqui na Terra: ambientes desconectados, isolados (air-gapped) ou com conexão intermitente, onde não é possível chamar uma API hospedada. Submarinos, sensores remotos, operações de campo e instalações seguras compartilham a restrição central da ISS, mesmo que nenhum deles compartilhe sua altitude.

Para equipes que constroem soluções nesses ambientes, a lição é prática. Quando não se pode contar com a rede, a capacidade de baixar pesos, fazer fine-tuning e rodar inferência no seu próprio hardware acelerado não é uma preferência — é a única arquitetura que funciona. Essa implantação mostra esse padrão funcionando de ponta a ponta em hardware espacial restrito, o que eleva o patamar crível do que a IA de peso aberto em edge pode fazer mais perto de casa.