Modelos open-weight deixaram de ser a alternativa barata em 2026. Eles se tornaram o padrão. Segundo o site Lushbinary, que publicou um guia comparativo em junho, hoje há cinco ou seis modelos abertos genuinamente capazes, todos com licenças MIT ou Apache 2.0, por uma fração do custo dos modelos fechados. O problema não é mais ‘usar ou não usar’, mas ‘qual usar para cada trabalho’.
O guia compara os líderes atuais: GLM 5.2 (Z.ai/Zhipu), DeepSeek V4 Pro e Flash, MiniMax M3, Kimi K2.6/K2.7 Code e Qwen 3.6 (Alibaba). Os dados vêm de fichas técnicas oficiais e páginas de preços dos fornecedores.
GLM 5.2: o novo líder em inteligência bruta
Lançado em 13 de junho de 2026, o GLM 5.2 é um modelo MoE de 744 bilhões de parâmetros, com contexto de 1 milhão de tokens e licença MIT. Ele lidera o Artificial Analysis Intelligence Index entre os modelos abertos, com pontuação 51, à frente do MiniMax M3 (44) e DeepSeek V4 Pro (44). No benchmark GDPval-AA v2, marca 1524 pontos. Supera o GPT-5.5 em vários benchmarks de codificação de longo horizonte, custando cerca de um sexto do preço: US$ 5,80 por milhão de tokens contra US$ 35 do GPT-5.5. Fica a um ponto do Claude Opus 4.8 no FrontierSWE (74,4 vs 75,1) e no MCP-Atlas (76,8 vs 77,8), e vence no AIME 2026, IMOAnswerBench e Terminal-Bench 2.1.
DeepSeek V4: o piso de preço
DeepSeek lançou V4 Pro e V4 Flash em 24 de abril de 2026, ambos com licença MIT e contexto nativo de 1 milhão de tokens (até 384K de saída). O V4 Pro tem 1,6 trilhão de parâmetros (49B ativos); o Flash, 284B (13B ativos). O V4 lidera benchmarks de raciocínio algorítmico entre os abertos: LiveCodeBench 93,5% (primeiro global), Codeforces 3206, HMMT 95,2%, GPQA 90,1%. O Flash custa US$ 0,14/0,28 por milhão de tokens e alcança 79% no SWE-bench Verified.
MiniMax M3: contexto longo e multimodalidade nativa
MiniMax M3 (1º de junho de 2026) oferece 1 milhão de tokens de contexto, multimodalidade nativa (imagem + texto) e licença MIT modificada. Usa a arquitetura MiniMax Sparse Attention (MSA), que acelera a decodificação em 15,6x e o prefill em 9,7x em contexto de 1M. Preço padrão: US$ 0,60/2,40 por milhão de tokens (entrada em cache: US$ 0,12). Ideal para compreensão de documentos, agentes multimodais e workflows com contexto longo.
Kimi K2.6 e K2.7 Code: agentes estáveis
Moonshot desenvolveu o Kimi K2.6 (~1 trilhão de parâmetros, 256K de contexto, Apache 2.0) para tarefas agentivas de longo horizonte e uso de ferramentas em múltiplas etapas. O K2.7 Code (13 de junho) é uma variante especializada em codificação que reduz os tokens de pensamento em cerca de 30%, barateando execuções longas. Onde o GLM 5.2 vence em inteligência bruta e o DeepSeek em preço, o Kimi ganha em estabilidade agentiva.
Qwen 3.6: o versátil para uma GPU
Qwen 3.6 (Alibaba) é um MoE compacto de 35B com 3B ativos, contexto de 256K, licença Apache 2.0 e suporte a visão. Roda em uma única GPU, com forte capacidade de chamada de ferramentas. Ideal para auto-hospedagem, workloads locais e cenários com restrição de hardware.
Tabela comparativa resumida
| Modelo | Params (ativos) | Contexto | Licença | API $/1M (in/out) | Multimodal |
|---|---|---|---|---|---|
| GLM 5.2 | 744B MoE | 1M | MIT | 1,40 / 4,40 | Texto |
| DeepSeek V4 Pro | 1,6T (49B) | 1M | MIT | 1,74 / 3,48 | Texto |
| DeepSeek V4 Flash | 284B (13B) | 1M | MIT | 0,14 / 0,28 | Texto |
| MiniMax M3 | MoE (MSA) | 1M | MIT mod. | 0,60 / 2,40 | Sim (nativa) |
| Kimi K2.6 | ~1T MoE | 256K | Apache 2.0 | ~0,60 misto | Texto |
| Qwen 3.6 (35B-A3B) | 35B (3B) | 256K | Apache 2.0 | Local / baixo | Sim (visão) |
Quadro de decisão
Segundo o guia do Lushbinary, a escolha depende da prioridade:
- GLM 5.2: melhor inteligência geral e codificação longa; substitui GPT-5.5 ou Claude com economia de 6x.
- DeepSeek V4 Flash: custo mínimo para roteamento, classificação e codificação simples.
- DeepSeek V4 Pro: raciocínio algorítmico máximo com contexto longo pelo menor preço da categoria.
- MiniMax M3: multimodalidade + contexto longo com bom custo-benefício.
- Kimi K2.7 Code: agentes de codificação estáveis e econômicos em tokens de pensamento.
- Qwen 3.6: auto-hospedagem em GPU única, privacidade e workloads locais.
O ecossistema open-weight está maduro. A fronteira não é mais um clube fechado. Cabe ao desenvolvedor escolher a ferramenta certa para cada tarefa.