Modelos

Modelos de pesos abertos: quem lidera e a que distância estão dos fechados

Kimi, DeepSeek, GLM, Qwen, Gemma, gpt-oss: quem lidera entre os modelos de pesos abertos, a distância para os fechados, licenças e o que muda para você.

Por Audryk · 28 de outubro de 2026

• Modelos
• #modelos
• #código aberto
• #DeepSeek
• #Kimi
• #Qwen
• #benchmarks
• #preços

Em 27 de outubro, a Artificial Analysis mudou as regras. Seu Intelligence Index passou para a versão 5, com 60% de testes privados, e a distância entre o melhor modelo fechado e o melhor aberto aumentou de 3 para 12 pontos (Artificial Analysis). Para os modelos cujos pesos podem de fato ser baixados, chega a 26 pontos. É um bom momento para fazer um balanço: quem lidera, por quanto, a que preço e sob qual licença.

Antes, uma palavra sobre vocabulário. Quase nenhum desses modelos é "código aberto" no sentido do software livre: são modelos de pesos abertos. Você pode baixar o modelo treinado, executá-lo por conta própria e adaptá-lo, mas a licença costuma impor condições. Salvo indicação em contrário, as pontuações anunciadas por um fornecedor são as dele próprio, e os preços estão em dólares americanos por milhão de tokens.

Quem lidera entre os modelos abertos

Os laboratórios chineses ocupam o topo da tabela.

• Moonshot AI (Kimi). O Kimi K3 tem 2,8 trilhões de parâmetros e uma janela de contexto de um milhão de tokens; a Moonshot o chama de "o primeiro modelo aberto da classe 3T do mundo" (Kimi). Seu sucessor, o Kimi K3.1 Pro, está disponível pela API desde 23 de outubro, mas seus pesos só serão publicados "até 4 de novembro" (Kimi).
• DeepSeek. O DeepSeek V4.1-Flash é um modelo multimodal de 552 bilhões de parâmetros com uma janela de contexto de um milhão de tokens (Hugging Face). Sua atualização de 17 de outubro, V4.1-Flash-1017, tem licença MIT (Hugging Face).
• Z.ai. O GLM-5.3 tem cerca de 753 bilhões de parâmetros segundo o Hugging Face, e sua versão leve, GLM-5.3-Flash, tem licença MIT (Hugging Face).
• Alibaba (Qwen). O Qwen3.8-27B, um modelo de 27 bilhões de parâmetros sob Apache 2.0, é um dos modelos abertos mais baixados (Hugging Face). O modelo grande, Qwen3.8-2.4T-A95B, é a versão baixável do Qwen3.8-Max, sob licença própria (Hugging Face).

Do lado americano, a Meta lançou o Muse Spark Open em 15 de outubro: 816 bilhões de parâmetros, 42 bilhões deles ativos por token, e uma janela de contexto de um milhão de tokens. A Meta o chama de "o modelo de pesos abertos americano mais capaz até hoje" (Meta). O Google tem o Gemma 4, cuja versão de 31B está sob Apache 2.0 (Hugging Face). A OpenAI não lançou nada novo: sua página de modelos abertos continua listando apenas gpt-oss e gpt-oss-safeguard (OpenAI), e o gpt-oss data de 5 de agosto de 2025 (OpenAI).

Na Europa, a Mistral publica o Mistral Small 4 sob Apache 2.0 (Hugging Face) e o Mistral Medium 3.5 sob uma licença MIT modificada (Mistral). Seu modelo principal, o Mistral Large 4, consta como proprietário na LMArena (LMArena).

Os modelos pequenos também avançam. A Liquid AI lançou o LFM3 em 27 de outubro, com uma versão de 1,7 bilhão de parâmetros (Liquid AI). O Nanbeige4.3-33B, lançado em 24 de outubro sob Apache 2.0, informa 23,8% no Terminal-Bench 4.0 (Hugging Face).

A distância para os modelos fechados

No índice v5 da Artificial Analysis, os cinco primeiros modelos são todos da Anthropic e da OpenAI. O melhor modelo aberto, o Kimi K3.1 Pro, ainda não publicou seus pesos. Entre os pesos realmente disponíveis, o DeepSeek V4.1 Flash 1017 e o GLM-5.3 lideram com 32 pontos, atrás do Claude Haiku 5.5, o modelo pequeno da Anthropic (36).

Artificial Analysis Intelligence Index v5, em 100
█ modelo fechado
▓ pesos abertos, publicados
░ pesos prometidos, ainda não publicados

Claude Opus 5.5         58 │█████████████████████████████
GPT-6 Astra             57 │█████████████████████████████
GPT-6.1 Sol             55 │████████████████████████████
Gemini 4 Argon          50 │█████████████████████████
Muse Wonder Full        50 │█████████████████████████
Kimi K3.1 Pro           46 │░░░░░░░░░░░░░░░░░░░░░░░
Claude Haiku 5.5        36 │██████████████████
DeepSeek V4.1 Flash     32 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
GLM-5.3                 32 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
Qwen3.8-27B             20 │▓▓▓▓▓▓▓▓▓▓

Fonte: Artificial Analysis, Index v5, 27 de outubro de 2026; as pontuações do Muse Wonder Full e do Qwen3.8-27B vêm da Cybernews, 28 de outubro de 2026. Esforço de raciocínio máximo para cada modelo.

A distância é maior nas tarefas longas e inéditas. No FrontierCode 2.0, um teste privado em que um mantenedor precisa aceitar a alteração de código, o Claude Opus 5.5 conclui 46% das tarefas e o DeepSeek V4.1 Flash 1017, o melhor modelo aberto, 28%. No Terminal-Bench-Science, pesquisa científica executada em um terminal, o melhor modelo aberto publicado fica em 13% e a maioria não passa de 10%, contra 63% do GPT-6 Astra (Artificial Analysis). Há uma exceção: o Kimi K3.1 Pro tem a melhor pontuação de todos os modelos no Terminal-Bench 4.0, com 67%.

A reordenação tem seus críticos. Vários modelos abertos perderam mais de 10 pontos de uma vez, como o DeepSeek V4.1 Flash, que caiu de 45 para 32, e comentaristas do Hacker News pedem explicações (Cybernews).

O ranking da LMArena, baseado nos votos de usuários que comparam duas respostas às cegas, mostra uma distância menor.

Fonte: LMArena, ranking de texto de 27 de outubro de 2026, 419 modelos. O primeiro lugar é do Gemini 4 Carbon (1528), uma pontuação ainda marcada como "preliminar".

Nossa leitura: os dois rankings não medem a mesma coisa. Nos votos dos usuários, o melhor modelo aberto, o Kimi K3, está a apenas 32 pontos do Gemini 4 Argon. Em tarefas longas de agentes com testes inéditos, a distância é muito maior. E esse é justamente o uso que importa para um agente de programação.

O custo, o primeiro argumento a favor dos modelos abertos

O preço continua sendo a grande vantagem dos modelos abertos, mas não de todos, e já não de forma automática.

Preço oficial da API, em $ por milhão de tokens de saída
█ modelo fechado
▓ modelo de pesos abertos

Claude Opus 5.5         20 │████████████████████
Kimi K3                 15 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
GPT-6.1 Sol             10 │██████████
Gemini 4 Argon          10 │██████████
Qwen3.8-Max              6 │▓▓▓▓▓▓
GPT-6.1 Terra            5 │█████
GLM-5.3               4,40 │▓▓▓▓
DeepSeek V4-Pro       3,96 │▓▓▓▓
DeepSeek V4.1-Flash   1,20 │▓
Claude Haiku 5.5      0,50 │█
GPT-6 Luna            0,50 │█
GLM-5.3-Flash         0,50 │▓

Fontes: Anthropic, Kimi, OpenAI, Google (preço de lançamento até 30 de novembro), Alibaba Cloud (tarifa internacional; é o preço da versão hospedada), Z.ai, DeepSeek (horário de pico, metade do preço fora dele). Claude Haiku 5.5: prompts de 100.000 tokens ou menos. Consultado em 28 de outubro de 2026.

O DeepSeek V4.1-Flash continua sendo o exemplo mais marcante. Custa 0,30 dólar de entrada e 1,20 de saída em horário de pico, e metade disso fora dele (DeepSeek). Por outro lado, o Kimi K3 é cobrado a 3 dólares de entrada e 15 de saída, mais do que o GPT-6.1 Sol (Kimi). Os modelos fechados pequenos também chegaram ao extremo inferior da escala: o Claude Haiku 5.5 e o GPT-6 Luna custam 0,10 e 0,50 dólar (Anthropic, OpenAI).

O preço por token não é tudo. A Artificial Analysis também mede em seu índice o custo de uma tarefa completa: 10,04 dólares para o Claude Opus 5.5, 6,24 para o GPT-6 Astra, 1,27 para o GPT-6.1 Sol e 0,96 para o GPT-6.1 Terra (Artificial Analysis). Um modelo barato que escreve muitos tokens de raciocínio pode acabar custando tanto quanto um modelo fechado mais enxuto.

Licenças: aberto não significa livre

As licenças formam um espectro, das realmente permissivas às que impõem condições dirigidas a grandes concorrentes.

Nossa leitura: a tendência é clara. Os maiores modelos abertos vêm com licenças personalizadas cujas cláusulas visam sobretudo os hospedeiros que revenderiam o modelo como API. Para uma equipe que o usa internamente, a maioria continua utilizável. Para um fornecedor de software acima dos limites, convém ler a licença antes de escolher.

O que realmente é baixado

Os modelos que viram notícia não são os que os desenvolvedores mais baixam.

Downloads no Hugging Face no último mês, em milhões

Gemma 4 31B           8,47 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
Qwen3.8-27B           7,52 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
GLM-5.3-Flash         6,42 │▓▓▓▓▓▓▓▓▓▓▓▓▓
gpt-oss-20b           6,01 │▓▓▓▓▓▓▓▓▓▓▓▓
gpt-oss-120b          2,83 │▓▓▓▓▓▓
GLM-5.3               2,30 │▓▓▓▓▓
DeepSeek V4.1-Flash   1,85 │▓▓▓▓
Kimi K3               0,85 │▓▓
Muse Glimmer 30B      0,21 │▏
Mistral Small 4       0,07 │▏
Muse Spark Open       0,01 │▏

Fonte: contador "Downloads last month" de cada página do Hugging Face (Gemma 4 31B, Qwen3.8-27B, GLM-5.3-Flash, gpt-oss-20b, gpt-oss-120b, GLM-5.3, DeepSeek V4.1-Flash, Kimi K3, Muse Glimmer 30B, Mistral Small 4, Muse Spark Open), consultado em 28 de outubro de 2026. Repositório principal de cada modelo, sem contar as versões quantizadas nem as cópias da comunidade.

Duas ressalvas. O Hugging Face conta cada requisição a certos arquivos, como config.json, incluindo as de pipelines automatizados (Hugging Face). E o Muse Spark Open só está disponível sob solicitação, o que reduz mecanicamente seus downloads. O ranking mostra, ainda assim, uma tendência clara: dominam os modelos de 20 a 30 bilhões de parâmetros, que cabem em uma única máquina.

O que isso significa para os desenvolvedores

Localmente, o hardware decide antes das pontuações. O gpt-oss-20b funciona com 16 GB de memória e o gpt-oss-120b em uma única GPU de 80 GB (OpenAI). O Muse Spark Open precisa de duas máquinas Mac Studio M5 Ultra (Meta). Para o Kimi K3, a Moonshot recomenda clusters de 64 aceleradores ou mais (Kimi). Nosso guia para executar um modelo de programação localmente com o Ollama explica a configuração passo a passo.

Nos agentes de programação, um modelo aberto já se conecta como um fechado. A API da DeepSeek aceita os formatos da OpenAI e da Anthropic, e sua documentação explica como usá-la com Claude Code, Codex e OpenCode (DeepSeek). Trocar de modelo costuma se resumir a um endereço de API e uma chave.

Nas empresas, a adoção continua baixa. Segundo a Menlo Ventures, a participação dos modelos de código aberto no uso corporativo de API caiu de 19% em 2024 para 11% em 2025, e os modelos chineses representam apenas cerca de 1% desse uso (Menlo Ventures). A Menlo Ventures é investidora da Anthropic.

O próximo teste tem data: a Moonshot promete os pesos do Kimi K3.1 Pro até 4 de novembro. Se cumprir, o melhor modelo baixável ficaria a 12 pontos do topo do índice da Artificial Analysis, em vez dos 26 atuais.

Fontes

• Artificial Analysis, Intelligence Index v5, 27 de outubro de 2026, consultado em 2026-10-28
• Cybernews, reordenação dos modelos de pesos abertos, 28 de outubro de 2026
• LMArena, ranking de texto, 27 de outubro de 2026, consultado em 2026-10-28
• Kimi K3 e Kimi K3.1 Pro, Moonshot AI
• Meta, Muse Spark Open, 15 de outubro de 2026
• OpenAI, gpt-oss, 5 de agosto de 2025, e página de modelos abertos
• DeepSeek, modelos e preços da API, consultado em 2026-10-28
• Z.ai, preços, consultado em 2026-10-28
• Alibaba Cloud, preços do Model Studio, consultado em 2026-10-28
• Anthropic, preços e OpenAI, preços da API, consultados em 2026-10-28
• Liquid AI, LFM3, 27 de outubro de 2026
• Hugging Face, como os downloads são contados
• Menlo Ventures, State of Generative AI in the Enterprise 2025, 9 de dezembro de 2025

Encontrou um erro neste artigo? Avise-nos · Nossa política de correções