Algo estranho aconteceu com a indústria de IA nas últimas oito semanas.

Em junho, a Z.ai lançou o GLM-5.2 e se tornou, sem alarde, o primeiro modelo de pesos abertos a passar de 80% no Terminal-Bench. Em julho, a Moonshot AI soltou o Kimi K3 — 2,8 trilhões de parâmetros, o maior modelo de pesos abertos já publicado — e as ações chinesas de IA despencaram por contágio. Então, em 3 de agosto, a Alibaba respondeu com o Qwen3.8-Max, 2,4 trilhões de parâmetros, e abriu o código de um modelo da linha Max pela primeira vez na história da empresa.

Três modelos próximos da fronteira. Três filosofias de licenciamento diferentes. Três faixas de preço radicalmente distintas. E uma quantidade enorme de cobertura confusa tratando os três como intercambiáveis.

Eles não são intercambiáveis. Um deles não enxerga imagens. Um deles ainda não pode ser baixado de fato, apesar de uma centena de manchetes o chamarem de “código aberto”. E um deles custa cinco vezes mais por token de saída do que outro, enquanto tira notas piores em vários benchmarks de programação.

É esta comparação que resolve a questão.

TL;DR — O veredito em 30 segundos

Se você quer a maior capacidade bruta e pode pagar por isso: Kimi K3. Ele está em #4 no Artificial Analysis Intelligence Index e em #1 no Frontend Code Arena, e é o único dos três que troca golpes com os carros-chefe Claude e GPT. Você paga US$ 3/US$ 15 por milhão de tokens por esse privilégio.

Se você quer a melhor relação custo-capacidade para programar: GLM-5.2. A US$ 1,40/US$ 4,40 custa menos de um terço do preço de saída do K3, tem licença MIT de verdade e os pesos estão no Hugging Face desde junho. Só não processa imagens.

Se você precisa de entrada multimodal e agentes de longo horizonte em um só modelo: Qwen3.8-Max. Texto, imagem e e vídeo como entrada, além dos melhores números publicados entre os três em agentes de visão. Mas, até o momento em que escrevo, os pesos ainda são promessa, não download.

Se você está construindo algo sério: Use mais de um. A seção de roteamento abaixo explica por que essa não é uma resposta de fuga.

Índice

Por que esta comparação importa agora
Conheça os concorrentes
Especificações lado a lado
Mergulho nos benchmarks
O asterisco dos benchmarks que ninguém menciona
Preços: a matemática real do custo
O que “pesos abertos” significa de fato aqui
Você consegue mesmo auto-hospedar esses modelos?
Três janelas de contexto de 1M não são iguais
Qual modelo você deve escolher?
A estratégia de roteamento entre vários modelos
Riscos, ressalvas e sinais de alerta
O que vem a seguir
Perguntas frequentes
Veredito final

Por que esta comparação importa agora

Durante a maior parte de 2024 e 2025, a conversa sobre pesos abertos era um torneio de consolação. Você escolhia um modelo de fronteira ocidental para o trabalho pesado e um modelo aberto para o volume barato. A diferença era real e todo mundo sabia.

Esse enquadramento ruiu neste verão.

Quando a Moonshot lançou o Kimi K3 em meados de julho, a reação do mercado contou a história melhor do que qualquer tabela de benchmarks. As ações da Z.ai listadas em Hong Kong caíram até 30%. A MiniMax recuou até 16%. A Alibaba deslizou 4%. Os investidores não estavam reagindo a um artigo de pesquisa — estavam reagindo a um modelo que os desenvolvedores, em avaliações cegas lado a lado, preferiam aos principais sistemas americanos em trabalho de código front-end.

Depois, o lançamento do Qwen3.8-Max, da Alibaba, fez suas próprias ações subirem 7% em Hong Kong. Na mesma semana, a receita diária da Moonshot teria crescido pelo menos seis vezes depois do K3, com a empresa chegando a US$ 300 milhões em receita recorrente anual em junho — acima dos US$ 200 milhões de abril — enquanto buscava uma rodada de investimento com avaliação de US$ 50 bilhões.

Isso não é mais uma história sobre alternativas baratas. É uma história sobre se o preço da capacidade de nível de fronteira acabou de desabar e, se sim, qual dos três você deve realmente colocar em produção.

Conheça os concorrentes

Kimi K3 (Moonshot AI)

Lançado: July 16, 2026 (API) · July 27, 2026 (weights)

O Kimi K3 é a jogada de escala. Com 2,8 trilhões de parâmetros totais, é cerca de 75% maior que o V4 Pro da DeepSeek, que detinha o título de “maior modelo aberto amplamente usado”. Mas o número que importa para quem pensa em custo de inferência é o esparso: o K3 usa um design de mistura de especialistas com 896 especialistas e apenas 16 ativos por token, colocando cerca de 50 bilhões de parâmetros para trabalhar em cada passada direta.

Duas peças de arquitetura são da própria Moonshot: Kimi Delta Attention, um mecanismo híbrido de atenção linear, e Attention Residuals, que a empresa descreve como um substituto direto para as conexões residuais padrão e que continua rendendo à medida que você escala. Ambos já tinham sido publicados como pesquisa aberta no GitHub antes do lançamento do K3.

O posicionamento não deixa dúvida — a Moonshot construiu isso para engenharia de longo horizonte. O discurso da empresa é sobre sustentar sessões de várias horas, navegar por repositórios grandes e orquestrar ferramentas de terminal com supervisão mínima. Ele vem com compreensão visual nativa e um modo de raciocínio sempre ativo, e é compatível com o SDK da OpenAI, então a integração é basicamente trocar a base URL.

Qwen3.8-Max (Alibaba)

Lançado: July 19, 2026 (preview at WAIC Shanghai) · August 3, 2026 (general availability)

O Qwen3.8-Max tem 2,4 trilhões de parâmetros totais com cerca de 95 bilhões ativos por token — quase o dobro da contagem ativa do K3, o que tem implicações reais no custo de servir, às quais voltaremos.

A coisa realmente nova aqui não é a escala, é a modalidade. Este é o primeiro modelo Qwen acima de um trilhão de parâmetros a se tornar multimodal, aceitando texto, imagens e e vídeo como entrada. E é a primeira vez que a Alibaba se compromete a abrir o código de um carro-chefe da linha Max. Todos os modelos Max anteriores — Qwen3.7-Max, Qwen3.6-Max-Preview — ficaram presos atrás da API, enquanto a linha de pesos abertos seguia separadamente em tamanhos menores.

As demonstrações de longo horizonte da Alibaba são o marketing mais impressionante dos três. Em uma delas, o modelo teria passado mais de dez dias construindo de forma autônoma um harness de software que evolui sozinho, incorporando feedback e iterando por código, prévias e logs sem intervenção humana. Em outra, reproduziu do zero um artigo de pesquisa de aprendizado de máquina: 33 rodadas de treino em GPU ao longo de cerca de 125 horas, 7.600 linhas de código e então 18 ideias de melhoria geradas por ele mesmo que superaram o método do artigo original. Inscrito em um concurso ao vivo contra 526 equipes humanas, ficou à frente de 87% do campo.

Trate isso como demonstrações de fornecedor, porque é o que são. Mas são demonstrações de fornecedor incomumente específicas.

GLM-5.2 (Z.ai / Zhipu AI)

Lançado: June 13, 2026 (Coding Plan preview) · mid-June 2026 (full open release)

O GLM-5.2 é o menor modelo daqui com folga e o mais nitidamente focado. Com cerca de 744–753 bilhões de parâmetros totais e uns 40 bilhões ativos por token, foi construído para uma coisa: programação agêntica de longo horizonte.

Esse foco aparece como uma omissão deliberada. O GLM-5.2 não tem codificador visual. Ele aceita texto e código. Dê a ele uma captura de tela, um PDF ou um mockup de interface e ele dá erro. O cofundador da Z.ai, Jie Tang, já falou publicamente sobre o raciocínio — ele vê o raciocínio baseado em texto, não a entrada visual, como a capacidade que eleva o teto da inteligência de máquina. Uma enquete da comunidade em junho sobre recursos da próxima versão passou de 466.000 visualizações, e visão foi de longe o pedido mais votado. Ainda não foi entregue.

O que o GLM-5.2 tem é a história de licenciamento mais limpa desta comparação e, com folga, o menor preço. Ele saiu sob uma licença MIT sem restrições, com pesos disponíveis no Hugging Face, e chegou com suporte no primeiro dia em mais de vinte ambientes de programação de terceiros.

Especificações lado a lado

	Kimi K3	Qwen3.8-Max	GLM-5.2
Desenvolvedor	Moonshot AI	Alibaba	Z.ai (Zhipu AI)
Parâmetros totais	2.8T	2.4T	~744–753B
Ativos por token	~50B (16 de 896 especialistas)	~95B	~40B
Arquitetura	MoE esparso + Kimi Delta Attention	MoE esparso	MoE esparso + atenção IndexShare
Janela de contexto	1M de tokens	1M de tokens (991K de entrada máxima)	1M de tokens
Saída máxima	—	131K tokens	128K–131K tokens
Entrada de texto	✅	✅	✅
Entrada de imagem	✅	✅	❌
Entrada de vídeo	❌	✅	❌
Modos de raciocínio	Raciocínio sempre ativo	Padrão / raciocínio (orçamento de 262K)	Alto / Máximo
Pesos disponíveis	✅ 27 de julho de 2026	⏳ Prometido para a semana de 10 de agosto	✅ Desde junho de 2026
Licença	MIT modificada (com condições)	Ainda não anunciada	MIT (sem restrições)
Entrada da API / 1M	US$ 3,00	US$ 2,00	US$ 1,40
Saída da API / 1M	US$ 15,00	US$ 6,00	US$ 4,40
Entrada em cache / 1M	US$ 0,30	US$ 0,25	US$ 0,26

Três coisas saltam aos olhos nessa tabela.

Primeiro, o GLM-5.2 faz mais com menos. Ele tem cerca de um quarto do tamanho total do K3 e está competindo nos benchmarks de programação — o que mostra que escala não é a história inteira em 2026.

Segundo, a contagem de parâmetros ativos do Qwen3.8-Max é o ponto fora da curva. Com ~95B ativos, é quase o dobro do K3, apesar de ser menor no total. Parâmetros ativos determinam o custo de servir, então quem pensa em auto-hospedar deve notar que o carro-chefe do Qwen custa mais caro para rodar por token do que um modelo com 400 bilhões de parâmetros a mais.

Terceiro, a diferença de preço é enorme. Os tokens de saída do K3 custam 3,4× os do GLM-5.2. Ao longo de um mês de uso pesado de agentes, isso não é erro de arredondamento.

Mergulho nos benchmarks

Desempenho em programação e em agentes

É para cá que os três modelos apontam, então é aqui que a comparação realmente importa.

Benchmark	Kimi K3	Qwen3.8-Max	GLM-5.2
Terminal-Bench 2.1	88.3	86.6	81.0
SWE-bench Pro	—	67.7	62.1
FrontierSWE	81.2	73.5	74.4
SWE Marathon	42.0 (#1)	—	—
Program Bench	77.8 (#1)	—	—
DeepSWE	67.5	56.6	—
MCP-Atlas (uso de ferramentas)	~Fable 5 −0,5	—	77.0

Para dar contexto a esses números do Terminal-Bench: o GPT-5.6 Sol com raciocínio máximo marca 88,8, e o Claude Opus 4.8 e o Claude Fable 5 ficam ambos em 84,6 na tabela reportada pela Alibaba. Os 88,3 do Kimi K3 o deixam a meio ponto do topo. Os 86,6 do Qwen3.8-Max superam os dois modelos da Claude na mesma tabela. Os 81,0 do GLM-5.2 foram, na época, a primeira pontuação de pesos abertos a passar de 80.

A vitória de destaque do GLM-5.2 é especificamente contra o GPT-5.5: 62,1 contra 58,6 no SWE-bench Pro, e 74,4 contra 72,6 no FrontierSWE — este último o coloca em quase empate com o Claude Opus 4.8, com 75,1. No uso de ferramentas do MCP-Atlas, marcou 77,0 contra 75,3 do GPT-5.5 e 77,8 do Opus 4.8.

Raciocínio e conhecimento geral

Benchmark	Kimi K3	Qwen3.8-Max	GLM-5.2
GPQA Diamond	93.5	92.6	89.5
Artificial Analysis Intelligence Index	57,11 (#4 de 189)	—	51.09
BrowseComp	91.2 (#1)	—	—
PaperBench	—	93,0 (lidera)	—
IFBench	—	82,8 (lidera)	—

Os 93,5 do K3 no GPQA Diamond eram, no lançamento, a melhor pontuação já publicada por qualquer modelo de pesos abertos naquele benchmark. No índice independente Artificial Analysis Intelligence Index, marcou 57,11, ficando em quarto entre 189 modelos acompanhados — atrás do Claude Fable 5 (59,86) e das duas configurações do GPT-5.6 Sol (58,89 e 57,65), mas à frente do Claude Opus 4.8, com 55,69.

O GLM-5.2 fica visivelmente mais baixo nesse índice composto, com 51,09. Essa diferença é o custo honesto da sua vantagem de preço em raciocínio geral — embora ela diminua bastante em trabalho puramente de programação.

Multimodal e visão

Esta é a categoria em que o GLM-5.2 simplesmente não compete e onde o Qwen3.8-Max faz seu argumento mais forte.

Benchmark	Qwen3.8-Max	Notas
OSWorld-Verified	86.1	Tarefas de agentes que operam o computador
Parametric CAD Bench	91.5	Raciocínio de design estruturado
OmniDocBench 1.5	92.1	Compreensão de documentos
Vision Arena	#2 no mundo	Atrás apenas de uma variante do Fable 5

O Qwen3.8-Max lidera a maioria das linhas de visão na tabela publicada pela Alibaba, e seu segundo lugar no Vision Arena é um sinal independente genuinamente forte. O Kimi K3 tem compreensão visual nativa e, segundo relatos, vai bem em gráficos, documentos e trabalho multimodal, mas entre os três o Qwen domina essa categoria.

Rankings de preferência humana

Resultados de arenas cegas e colaborativas merecem ser lidos separadamente das tabelas de benchmark, porque capturam algo que as tabelas não capturam.

Frontend Code Arena: O Kimi K3 ficou em #1 com 1.679 de Elo, à frente do Claude Fable 5, com 1.631. O Qwen3.8-Max ficou em #4 com 1.668 — 37 pontos atrás do Claude Opus 5.
Text Arena: O Qwen3.8-Max entrou como o modelo chinês mais bem colocado, embora ainda atrás de várias ofertas da Anthropic.
Code Arena: O GLM-5.2 ficou em segundo lugar entre os modelos de programação no ranking cego.

O Kimi K3 vencendo o Frontend Code Arena de forma absoluta — à frente do Fable 5 — é, sem dúvida, o resultado mais impressionante de todo este artigo.

O asterisco dos benchmarks que ninguém menciona

Toda tabela acima merece um alerta de saúde, e a versão honesta desta comparação precisa dizer isso com clareza.

Os efeitos de harness são enormes. Um benchmark de agente de programação não mede um modelo. Ele mede um modelo mais o ambiente de execução ao redor dele: acesso a ferramentas, permissões de arquivo, lógica de compactação de contexto, comportamento de retentativa, regras de parada. Kimi Code, Claude Code, Codex, Terminus e mini-SWE-agent são harnesses diferentes com capacidades diferentes. Um resultado rotulado “Kimi K3 + Kimi Code” não é diretamente comparável a um resultado de API pura.

A própria tabela de lançamento da Moonshot mistura harnesses — KimiCode e Claude Code para o K3, Claude Code para as linhas da Claude e do GLM, Codex para o GPT. Algumas pontuações de concorrentes vêm dos próprios fornecedores desses concorrentes. Em algumas avaliações, requisições ao Fable 5 rejeitadas por política de uso caíam para o Opus 4.8. Há, porém, uma checagem útil enterrada nos dados: o K3 marcou 67,5 no DeepSWE com o KimiCode e 67,3 com o harness mini-SWE-agent do próprio benchmark. Uma diferença de 0,2 ponto sugere que o efeito do harness naquela tarefa específica é pequeno.

Tabelas de fornecedor favorecem quem as publica. A comparação multimodal da Alibaba coloca o Qwen3.8-Max contra o Qwen3.7-Plus, não o Qwen3.7-Max — o que faz o salto geracional parecer maior do que é. Em crédito à Alibaba, a empresa também publicou uma curva de escala de RL que não o favorece: o desempenho atinge o pico de 0,725 por volta de 4.000 ambientes de treino, depois cai para 0,719 e 0,689. É uma empresa mostrando em público seus retornos decrescentes, o que é mais do que a maioria dos laboratórios faz.

A verificação independente vem atrasada. O GLM-5.2 foi lançado sem nenhuma tabela de benchmark; os números que circularam vieram depois, de dados do fornecedor e de testes de terceiros. As cinco pontuações publicadas do Qwen3.8-Max são reportadas pelo fornecedor, sem avaliação independente disponível até o início de agosto. O Kimi K3 é o que tem mais dados de terceiros por trás — Artificial Analysis, Vals, Arena — e mesmo ali os resultados discordam entre si. A Vals colocou o K3 em segundo lugar geral em 17 de julho, entre o Fable 5 e o GPT-5.6 Sol, mas colocou o Sol à frente do K3 especificamente no Terminal-Bench 2.1 e no SWE-bench Verified.

O teste independente mais útil que encontrei veio da Fireworks AI, que rodou o K3 contra o Claude Fable 5 em cerca de 1.000 tarefas agênticas. O resultado não foi uma vitória limpa para ninguém. O K3 saiu na frente em trabalho de segurança, cripto e loops longos de terminal. O Fable 5 venceu em tarefas multilíngues e visualização de dados e web. Nenhum dominou.

A conclusão prática: rode sua própria avaliação nas suas próprias tarefas antes de fechar. Todos esses modelos estão próximos o suficiente uns dos outros para que a posição no ranking não preveja seus resultados.

Preços: a matemática real do custo

Tarifas da API por token

Modelo	Entrada / 1M	Saída / 1M	Entrada em cache / 1M
GLM-5.2	US$ 1,40	US$ 4,40	US$ 0,26
Qwen3.8-Max	US$ 2,00	US$ 6,00	US$ 0,25
Kimi K3	US$ 3,00	US$ 15,00	US$ 0,30
Claude Sonnet 5	US$ 2,00	US$ 10,00	—
Claude Opus 5	US$ 5,00	US$ 25,00	US$ 0,50
Claude Fable 5	US$ 10,00	US$ 50,00	—

Duas observações que importam mais do que os números brutos.

O Kimi K3 tem preço de modelo ocidental de faixa intermediária, não de alternativa barata. A US$ 3/US$ 15, custa mais por token de saída do que o Claude Sonnet 5 e 3,4× mais que o GLM-5.2. Se você supôs que “modelo chinês de pesos abertos” queria dizer “barato”, o K3 derruba essa suposição.

O cache é a alavanca de verdade, não o preço de etiqueta. A entrada em cache do Qwen a US$ 0,25 é oito vezes mais barata que a entrada nova, e a própria documentação da Alibaba destaca que a estabilidade do prefixo pesa mais no custo do que o tamanho do prompt. Para cargas de trabalho de agentes com um prompt de sistema estável e uma conversa que cresce, o cache agressivo mexe mais na sua fatura do que a escolha do modelo. O Qwen também oferece criação explícita de cache a US$ 2,50 e leituras explícitas a US$ 0,17 para cargas de trabalho que você consegue planejar.

Planos de assinatura

Se você é desenvolvedor solo ou de uma equipe pequena, talvez o preço por token nem seja a forma como você compra.

GLM Coding Plan tem três níveis. As tarifas mensais base são US$ 18 (Lite), US$ 72 (Pro) e US$ 160 (Max), com descontos por ciclo de cobrança — 10% mensal, 20% trimestral, 30% anual. Na cobrança anual, isso dá cerca de US$ 12,60, US$ 50,40 e US$ 112 por mês. Cada nível oferece um pool de prompts que se renova a cada cinco horas, e o plano funciona de imediato com Claude Code, Cline, Kilo Code e OpenClaw.

Um detalhe que vale entender: o consumo de cota usa multiplicadores. O uso do GLM-5.2 fora de pico fica em 1× até setembro de 2026, como promoção. Depois disso, volta a 2× fora de pico e 3× no pico — ou seja, sua cota efetiva depende muito de quando você trabalha, não só de quanto.

Qwen oferece uma assinatura Token Plan a partir de cerca de US$ 6/mês (39 CNY) no nível Lite, como alternativa à cobrança por token.

Moonshot mantém níveis de assinatura para os aplicativos Kimi com nomes de marcações de tempo — Moderato, Allegro, Allegretto e Vivace — com os aplicativos em si gratuitos dentro dos limites gerais de uso.

Custo por tarefa vs custo por token

Aqui está a armadilha: preço por token não é custo por tarefa concluída.

Um modelo que resolve seu problema em uma única passada a US$ 15/1M de saída pode facilmente sair mais barato que um que precisa de quatro iterações a US$ 4,40/1M. Tokens de raciocínio são cobrados na tarifa de saída nos três modelos, e o K3 em particular pensa o tempo todo — uma análise observou que o K3 completou a suíte do Artificial Analysis com custo total ligeiramente menor que o GPT-5.6 Sol apesar de gerar substancialmente mais tokens de saída, porque precisou de menos tentativas.

Meça o custo por ticket resolvido, não o custo por milhão de tokens. É o único número que reflete a realidade.

O que “pesos abertos” significa de fato aqui

É nesta seção que boa parte da cobertura desses três modelos desmorona, porque “aberto” faz um trabalho enorme em muitas manchetes.

Três estados diferentes estão sendo reduzidos a uma única palavra:

Disponível via API — você pode chamá-lo, mas não pode tê-lo
Pesos abertos — você pode baixar os parâmetros
Código aberto com licença permissiva — você pode baixar, modificar, redistribuir e comercializar livremente

Aqui está onde cada modelo realmente se posiciona.

GLM-5.2: genuinamente aberto

Licença MIT, sem restrições, os pesos estão no Hugging Face em zai-org/GLM-5.2. Baixe, faça ajuste fino, auto-hospede, venda produtos construídos sobre ele. Sem limites de receita, sem exigência de atribuição, sem negociação. É o mais limpo que o licenciamento de pesos abertos chega a ser, e é uma vantagem competitiva real que é pouco discutida porque licença MIT não vira manchete.

Kimi K3: aberto com condições

Pesos liberados em 27 de julho sob uma licença personalizada que a Moonshot chama de Licença Kimi K3. O uso comercial amplo é permitido, mas duas condições se aplicam:

Qualquer empresa com receita anual acima de US$ 20 milhões precisa negociar um contrato com a Moonshot antes de oferecer o K3 a clientes externos como serviço
Qualquer empresa com receita mensal acima de US$ 20 milhões ou mais de 100 milhões de usuários ativos mensais precisa exibir a atribuição ao Kimi K3 em qualquer produto que incorpore o modelo

Para um desenvolvedor independente ou uma startup, nenhuma das duas condições se aplica. Para uma empresa SaaS consolidada que planeja revender inferência movida a K3, a primeira com certeza se aplica. Leia a licença antes de construir um modelo de negócio sobre ela.

Qwen3.8-Max: ainda não aberto

Esta é a parte que precisa ser dita sem rodeios, porque muitas manchetes já chamaram o Qwen3.8-Max de código aberto.

Em 5 de agosto de 2026, os pesos do Qwen3.8-Max não estão disponíveis para download. A Alibaba se comprometeu no lançamento a liberar os pesos “na próxima semana” — ou seja, na semana de 10 de agosto — no Hugging Face e no ModelScope, tanto do Qwen3.8-Max quanto de um checkpoint menor, o Qwen3.8-27B. Nenhuma licença foi nomeada. Uma busca por Qwen3.8 no Hugging Face em 4 de agosto não retornou nenhum model card oficial da Alibaba, apenas uploads da comunidade com nomes como Qwen3.8_4B_Distilled — destilados de terceiros, não o modelo principal, e fáceis de confundir com o original se você estiver passando o olho rápido.

Há motivo para otimismo cauteloso: a Alibaba tem um histórico real de código aberto, com as linhas Qwen3 e Qwen3.5 lançadas sob Apache 2.0. Mas também há um padrão na direção oposta — todo modelo principal da linha Max desde o Qwen3-Max foi proprietário. Se os pesos chegarem com uma licença permissiva, isso quebra o padrão por completo e é, possivelmente, uma história maior que a contagem de parâmetros. Até existir um repositório e um arquivo de licença, planeje em torno da API.

Você consegue mesmo auto-hospedar esses modelos?

Pesos abertos só são úteis se você consegue executá-los, e é aqui que o marketing e a realidade do hardware se separam brutalmente.

Kimi K3 é um download de 1,56 TB, distribuído em precisão MXFP4 para maior compatibilidade de hardware. Mesmo assim, um modelo de 2,8 trilhões de parâmetros exige infraestrutura de nível supernode — 64 ou mais aceleradores é o número recomendado. Para a esmagadora maioria das equipes, os pesos são um artefato de pesquisa e uma garantia de soberania, não um plano de implantação. Você vai usar a API.

Qwen3.8-Max com 2,4T no total é, da mesma forma, um artefato de data center de vários nós. O menor Qwen3.8-27B checkpoint da Alibaba é o caminho realista para on-premise, e é o que deveria interessar a quem realmente planeja auto-hospedar.

GLM-5.2 com ~753B no total e ~40B ativos é o mais viável dos três, mas “mais viável” ainda significa infraestrutura séria de GPU. Pequenas empresas geralmente não terão isso.

Então por que pesos abertos importam se quase ninguém consegue executar esses modelos? Dois motivos, ambos reais.

O primeiro é soberania. Países que gastam bilhões em infraestrutura doméstica de IA, em grande parte, possuem o hardware e alugam os modelos de provedores americanos. Um modelo de fronteira com pesos abertos muda esse cálculo — um governo pode executá-lo em seu próprio território, retreiná-lo para seu idioma e contexto jurídico e manter os dados dos cidadãos dentro das fronteiras.

O segundo é o mercado de inferência. Pesos abertos significam que qualquer provedor de hospedagem pode servir o modelo, o que derruba os preços por token pela concorrência, não pela boa vontade do fornecedor. É grande parte do motivo de o GLM-5.2 estar disponível a US$ 1,00–US$ 1,20 de entrada em roteadores de terceiros, abaixo dos US$ 1,40 da própria Z.ai.

Três janelas de contexto de 1M não são iguais

Os três modelos anunciam uma janela de contexto de 1 milhão de tokens. Isso é cerca de 750.000 palavras — um grande código-fonte inteiro, ou umas 400 páginas de documentos, em uma única requisição.

Os detalhes diferem de formas que importam na operação:

Qwen3.8-Max limita a entrada real a 991K tokens, caindo para 983K quando o raciocínio está ativado, com um orçamento separado de 262K para raciocínio. A saída chega no máximo a 131K tokens nos dois modos. Os limites de taxa são 2M de tokens por minuto e 15K requisições por minuto.
GLM-5.2 suporta até 128–131K tokens de saída, o suficiente para grandes diffs de vários arquivos de uma só vez. Sua janela de 1M foi um salto de cerca de 5× sobre os ~200K do GLM-5.1, e é a melhoria que mais mudou o que o modelo consegue fazer.
Kimi K3 oferece contexto de 1M com os sinais mais fortes de recuperação em contexto longo dos três, já que sua arquitetura foi projetada especificamente em torno de sessões de longo prazo.

A pergunta mais útil do que “qual o tamanho da janela” é “o modelo continua coerente no fim dela.” Contexto anunciado e utilizável divergem, e nenhum desses três foi testado de forma independente sob estresse no comprimento total de um jeito que eu consideraria conclusivo. Se sua carga de trabalho depende de recall genuíno de 800K tokens, teste antes de arquitetar em cima disso.

Qual modelo você deve escolher?

Para o desenvolvedor solo ou hacker independente → GLM-5.2

A economia é decisiva. Um Lite Coding Plan a US$ 12,60/mês na cobrança anual entrega um agente de codificação realmente capaz dentro do Claude Code ou do Cline, com um teste gratuito de cinco dias pelo ZCode (3 milhões de tokens GLM-5.2 mais 2 milhões de tokens GLM-5-Turbo por dia) para você formar um julgamento real antes de pagar qualquer coisa.

Você abre mão da visão. Se seu trabalho é backend, CLI, scripting ou desenvolvimento de API, você raramente vai notar. Se você faz front-end a partir de mockups de design, vai notar na hora.

Para a equipe de engenharia de uma startup → GLM-5.2 como padrão, Kimi K3 para escalonamento

Direcione o meio de campo do seu trabalho — correções de bugs de rotina, refatorações, geração de testes, boilerplate — para o GLM-5.2 e reserve o K3 para as tarefas em que a capacidade extra realmente se converte em um ticket concluído. A diferença de 7 pontos no SWE-bench Pro entre eles é real, mas só importa na cauda difícil.

Para empresas e setores regulados → GLM-5.2 auto-hospedado, ou Qwen3.8-27B quando chegar

O detalhe crítico: A API de nuvem do Z.ai passa por infraestrutura baseada na China. Para projetos pessoais e a maioria das startups, isso não é problema. Para uma empresa regulada, exige ou uma revisão jurídica ou uma migração para auto-hospedagem. A licença MIT torna a auto-hospedagem genuinamente viável de um jeito que as condições de limite de receita do K3 não permitem.

Para fluxos de trabalho multimodais e de uso de computador → Qwen3.8-Max

Se seu agente precisa ler capturas de tela, interpretar documentos visualmente ou processar vídeo, o GLM-5.2 está fora e o Qwen lidera sobre o Kimi nos números publicados de visão. OSWorld-Verified em 86,1 e OmniDocBench em 92,1 são sinais fortes de uso de computador e compreensão de documentos. Só orce acesso via API em vez de auto-hospedagem até que os pesos e a licença realmente apareçam.

Para pesquisadores e implantações focadas em soberania → Kimi K3

O maior checkpoint de pesos abertos já publicado, com um relatório técnico cobrindo design, treinamento e metodologia de benchmark. Se você estuda arquiteturas MoE em escala de fronteira, Kimi Delta Attention ou Attention Residuals, este é o modelo mais capaz que você pode de fato inspecionar.

Para capacidade máxima independentemente do custo → Kimi K3

Quarto no Artificial Analysis, segundo no Vals Index, primeiro no Frontend Code Arena, e o único dos três que troca vitórias de forma consistente com os principais modelos da Claude e do GPT. O preço acompanha.

A estratégia de roteamento entre vários modelos

A resposta honesta para “qual eu devo usar” é que escolher um só costuma ser o enquadramento errado.

Os três modelos são compatíveis com o SDK da OpenAI. O GLM-5.2 ainda traz endpoints compatíveis com a Anthropic, e o Qwen suporta tanto a especificação da OpenAI quanto a do DashScope. Trocar entre eles é uma base URL e um ID de modelo. Quase não há custo de aprisionamento.

Isso torna uma arquitetura de roteamento barata de construir e cara de ignorar:

Camada barata para trabalho de alto volume e baixo risco. Classificação, resumos, edições simples. O GLM-4.7 a US$ 0,60/US$ 2,20 dá conta de mais do que as pessoas esperam — ele ainda marca 73.8% no SWE-bench Verified.
Camada padrão para a maior parte do trabalho real. GLM-5.2 ou Qwen3.8-Max, dependendo de você precisar de visão.
Camada de escalonamento para a cauda difícil. Kimi K3, ou um modelo principal ocidental, para tarefas em que a falha sai caro e o custo de iteração supera o custo de tokens.
Roteamento especializado por tipo de tarefa. Os dados da Fireworks são instrutivos aqui — o K3 se saiu melhor em segurança e em loops longos de terminal, enquanto o Fable 5 venceu em multilíngue e visualização de dados. São distinções roteáveis, não ruído.

As equipes que mais aproveitam o cenário de modelos de 2026 não são as que escolheram certo. São as que construíram o botão de troca.

Riscos, ressalvas e sinais de alerta

A acusação de destilação. Michael Kratsios, diretor do Office of Science and Technology Policy da Casa Branca, acusou publicamente a Moonshot de construir o Kimi K3 destilando o modelo Claude Fable, da Anthropic. A Moonshot não admitiu isso. É uma disputa em aberto com potenciais implicações legais e de compras, e se você está num contexto em que a procedência do modelo importa — contratações governamentais, por exemplo — isso pertence ao seu registro de riscos.

Roteamento de dados e jurisdição. As três empresas operam principalmente sob jurisdição chinesa. Chamadas de API passam pela infraestrutura delas. Auto-hospedagem resolve isso; o uso de API não. É uma questão de conformidade, não política, e tem uma resposta técnica clara se seus requisitos exigirem.

A verificação de benchmarks é realmente escassa. A tabela de benchmarks do Qwen3.8-Max é inteiramente divulgada pelo fornecedor, sem replicação independente publicada. Os números do GLM-5.2 chegaram depois do lançamento, de fontes variadas. Só o K3 tem avaliação substancial de terceiros, e essas avaliações discordam entre si.

Incerteza de licenciamento no Qwen. Precedente não é compromisso. Até existir um repositório no Hugging Face com um arquivo de licença de verdade, qualquer plano que dependa dos pesos do Qwen3.8-Max é um plano construído sobre um press release.

A mecânica de cota muda. A promoção de multiplicador 1× fora de pico do GLM expira em setembro de 2026; depois disso, o consumo de cota praticamente dobra fora de pico e triplica no pico. Se você está dimensionando uma assinatura pela taxa efetiva atual, modele também os números pós-promoção.

O ritmo de lançamentos é brutal. O GLM-5 saiu em fevereiro, o 5.1 em abril, o 5.2 em junho. O Kimi teve o K2.5 em janeiro, o K2.6 em abril, o K2.7 Code em junho, o K3 em julho. Qualquer conclusão que você tire hoje tem validade medida em semanas.

O que vem a seguir

O próximo modelo principal do Z.ai é o lançamento de curto prazo mais aguardado. Uma nota de pesquisa do JPMorgan, publicada pela Reuters e pela CGTN, aponta para uma janela em agosto de 2026. Vazamentos da comunidade descrevem um modelo com mais de um trilhão de parâmetros, com a janela de contexto de 1M mantida e pesos abertos, focado em agentes de codificação de longa duração. Até o nome é disputado — GLM-5.3, GLM-5.5 e GLM-6 aparecem todos na discussão atual, com alguns relatos sugerindo que a Z.ai pode pular os 5.3 e 5.4 por completo. Em 4 de agosto, a documentação da Z.ai ainda lista o GLM-5.2 como o lançamento mais recente. Suporte a visão é o pedido mais alto da comunidade, com ampla margem.

Os pesos do Qwen3.8-Max são o evento concreto mais próximo, prometido para a semana de 10 de agosto junto com o Qwen3.8-27B. O checkpoint de 27B é o que vale acompanhar para uma implantação on-premise prática.

O relatório técnico completo do Kimi K3 cobrindo design, metodologia de treinamento e reprodução de benchmarks era esperado para depois da liberação dos pesos.

Vou atualizar esta comparação à medida que cada um deles chegar.

Perguntas frequentes

Qual é o melhor modelo de IA com pesos abertos hoje?

Em capacidade bruta, Kimi K3 — ele é o quarto de 189 modelos no Artificial Analysis Intelligence Index e o primeiro no Frontend Code Arena. Em custo-benefício para trabalho de codificação, GLM-5.2, por menos de um terço do custo de saída do K3 e com licenciamento MIT genuinamente sem restrições. “Melhor” depende inteiramente de você estar otimizando capacidade ou custo por tarefa resolvida.

O Qwen3.8-Max é realmente código aberto?

Ainda não. Em 5 de agosto de 2026, ele é só API. A Alibaba se comprometeu a liberar os pesos na semana de 10 de agosto no Hugging Face e no ModelScope, mas nenhum repositório ou licença apareceu. As manchetes que o chamam de código aberto descrevem um compromisso, não um download.

O GLM-5.2 processa imagens?

Não. O GLM-5.2 não tem codificador visual — aceita apenas texto e código. Foi uma decisão arquitetural deliberada, não um descuido, e visão é o principal pedido da comunidade para o próximo lançamento.

Quanto custa o Kimi K3?

US$ 3 por milhão de tokens de entrada e US$ 15 por milhão de tokens de saída, com entrada em cache a US$ 0,30. Isso o torna o mais caro dos três, com folga, embora ainda bem abaixo do Claude Opus 5 a US$ 5/US$ 25 e do Claude Fable 5 a US$ 10/US$ 50.

Posso rodar esses modelos no meu próprio hardware?

Realisticamente, não os modelos principais. O Kimi K3 é um download de 1,56 TB que exige 64+ aceleradores. O Qwen3.8-Max com 2,4T é uma implantação de data center com vários nós. O GLM-5.2 com ~753B no total e ~40B ativos é o mais viável, mas ainda exige infraestrutura séria de GPU. O próximo Qwen3.8-27B é a opção on-premise realista.

Qual modelo é melhor para agentes de codificação?

O Kimi K3 lidera no Terminal-Bench 2.1 (88,3), no Program Bench e no SWE Marathon. O GLM-5.2 oferece a melhor relação custo-capacidade, com 81,0 no Terminal-Bench e 62,1 no SWE-bench Pro. O Qwen3.8-Max fica entre eles, com 86,6 e 67,7, e ainda adiciona entrada multimodal. Os três funcionam com Claude Code, Cline e harnesses semelhantes.

Esses modelos superam o Claude e o GPT?

Em benchmarks específicos, às vezes. O Kimi K3 lidera o Frontend Code Arena à frente do Claude Fable 5 e pontua acima do Claude Opus 4.8 no índice da Artificial Analysis. Mas a própria Moonshot reconhece que o K3 ainda fica atrás do Fable 5 e do GPT-5.6 Sol no geral, e testes independentes mostram resultados mistos por categoria de tarefa, não um vencedor claro.

Qual tem a melhor licença para uso comercial?

GLM-5.2, sem dúvida. MIT sem restrições, sem limites de receita nem exigência de atribuição. A licença personalizada do Kimi K3 permite uso comercial amplo, mas impõe condições para empresas com receita acima de US$ 20M que o revendem como serviço. O Qwen3.8-Max não tem licença anunciada.

É seguro usar modelos de IA chineses com dados de negócio?

As chamadas de API passam por infraestrutura sob jurisdição chinesa. Para projetos pessoais e a maioria das startups isso não é problema. Para setores regulados, exige revisão jurídica ou auto-hospedagem — que é exatamente por que a licença MIT do GLM-5.2 importa mais que suas pontuações de benchmark para algumas organizações.

Qual é a diferença entre parâmetros totais e ativos?

Modelos de mistura de especialistas ativam apenas uma fração dos parâmetros por token. O Kimi K3 tem 2,8T no total, mas ativa cerca de 50B (16 de 896 especialistas). O Qwen3.8-Max tem 2,4T no total com ~95B ativos. O GLM-5.2 tem ~753B com ~40B ativos. Os parâmetros ativos determinam o custo de inferência — e é por isso que o principal modelo do Qwen custa mais para servir do que o K3, que é maior.

Veredito final

O mais importante que esta comparação revela não é qual modelo vence. É que a pergunta mudou.

Dois anos atrás, a pergunta interessante sobre modelos de pesos abertos era o quão atrás eles estavam. Essa pergunta hoje é entediante, porque a resposta é “perto o suficiente para depender da sua tarefa.” O Kimi K3 venceu o Claude Fable 5 em um ranking cego de preferência humana para código de front-end. O GLM-5.2 venceu o GPT-5.5 em correções de bugs reais por um sexto do custo. Esses não são resultados de chave de consolação.

A pergunta interessante agora é o que você está realmente comprando. E a resposta é diferente para cada um dos três de formas que não têm nada a ver com posição em benchmark:

GLM-5.2 vende a você independência. Pesos MIT, sem condições, sem negociação, o preço mais baixo da comparação. Você está comprando o direito de parar de depender de um fornecedor.
Kimi K3 vende a você capacidade. As pontuações mais fortes aqui, a um preço que reflete isso, com condições de licença que só mordem se você crescer.
Qwen3.8-Max vende a você amplitude. Texto, imagem e vídeo em um só modelo, números fortes em agentes, com o apoio do compromisso de infraestrutura de US$ 53 bilhões da Alibaba — e, por enquanto, uma promessa de pesos, não pesos.

Se eu tivesse que resumir em uma linha cada: escolha o GLM-5.2 se você está pagando a conta do próprio bolso, o Kimi K3 se a capacidade vale o prêmio, e o Qwen3.8-Max se seu agente precisa de olhos.

E qualquer que seja a escolha, construa o roteador. Em um cenário em que três modelos próximos da fronteira chegaram em oito semanas, a capacidade de trocar vale mais do que a capacidade de escolher certo.

Última atualização: 5 de agosto de 2026. Preços, benchmarks e licenciamento neste espaço mudam toda semana — verifique os números atuais na documentação oficial antes de tomar decisões de compra. As fontes incluem VentureBeat, MarkTechPost, Fortune, SCMP, Quartz, Artificial Analysis, Northflank e documentação dos fornecedores Moonshot AI, Alibaba Qwen e Z.ai.