A linguagem de programação Mojo foi oficialmente aberta sob licença Apache 2 em 18 de agosto de 2026, cumprindo a promessa feita pela equipe desde o anúncio original em maio de 2023. O lançamento inclui o compilador e o toolchain, tornando o projeto acessível à comunidade para uso, modificação e distribuição, sem restrições comerciais.
Da promessa ao open source
Quando foi anunciada em 2023, a proposta da Mojo era ser um superset de Python, permitindo a reutilização direta de código Python para impulsionar o crescimento do ecossistema. No entanto, essa ambição foi reavaliada em agosto de 2025: a equipe deixou de perseguir compatibilidade total com Python e passou a tratar Mojo como uma linguagem própria, com sintaxe inspirada em Python, mas sem compromisso com compatibilidade absoluta. A justificativa foi a maturidade crescente das ferramentas de migração assistida por IA, que já facilitam a transição de código Python para Mojo.
Foco em performance e GPU
Hoje, Mojo se posiciona como uma linguagem otimizada para programação de GPU, mantendo sintaxe familiar para desenvolvedores Python, mas com foco explícito em desempenho. O objetivo é tornar o desenvolvimento de aplicações de alto desempenho, especialmente em IA, mais acessível para quem já domina Python, mesmo que o código não seja 100% intercambiável.
Por que importa
A abertura do código sob licença Apache 2 elimina barreiras para adoção corporativa e acadêmica, além de permitir contribuições da comunidade. O movimento reforça a tendência de linguagens emergentes voltadas para IA e computação paralela se abrirem para acelerar adoção e maturidade do ecossistema. Para o Brasil, onde a dependência de ferramentas open source é alta no setor público e educação, a disponibilidade do Mojo pode incentivar experimentação em projetos de IA e HPC sem custos de licenciamento.
A decisão de priorizar uma linguagem própria, em vez de perseguir compatibilidade total com Python, sinaliza que o ecossistema de IA começa a aceitar novos paradigmas para superar limitações históricas do Python na execução paralela e uso de hardware especializado.