MiniMax M3 vs Kimi K2.7 Code vs Nemotron 3 Ultra: os melhores modelos de IA de pesos abertos de 2026 comparados

Três modelos enormes de pesos abertos foram lançados em um intervalo de duas semanas. Um de uma startup de Xangai que ninguém fora dos círculos de IA conhecia um ano atrás. Um do laboratório de IA mais observado de Pequim. Um da empresa que fabrica os chips em que todo mundo roda seus modelos. Cada um está apostando em algo diferente sobre o que mais importa nos agentes de IA hoje — e os três merecem sua atenção séria.

---

---

Por que esta comparação importa agora

Se você vem acompanhando o cenário da IA de pesos abertos nos últimos seis meses, já sabe que a história está andando mais rápido do que qualquer um previu. As mesmas capacidades que exigiam uma assinatura do Claude Opus a US$ 15 por milhão de tokens doze meses atrás agora estão disponíveis como pesos baixáveis que você pode rodar nos seus próprios servidores.

Mas junho de 2026 foi outra coisa. Em doze dias, três grandes lançamentos de pesos abertos chegaram com poucos dias de diferença: MiniMax M3 em 1º de junho, Nemotron 3 Ultra em 4 de junho e — literalmente ontem — Kimi K2.7 Code em 12 de junho. Juntos, eles representam o que talvez seja o período de duas semanas mais significativo da história da IA de código aberto, e cada um faz uma aposta arquitetônica e filosófica diferente sobre o que a próxima geração de agentes de IA precisa fazer.

Esta não é só mais uma rodada de benchmarks. Vamos ver como esses modelos realmente se comportam em produção: como se saem nos frameworks de agentes que os desenvolvedores de fato usam — OpenClaw, Hermes Agent e o fluxo de trabalho VIBE Coding, cada vez mais popular — e onde cada modelo vai economizar seu dinheiro ou tempo, versus onde ele vai te deixar na mão sem avisar.

Vamos começar por quem esses modelos realmente são.

---

Os concorrentes em resumo

Antes de entrar em detalhes, aqui está o resumo de 30 segundos do que cada modelo é e por que existe:

MiniMax M3 é a aposta da MiniMax, de Xangai, para ser o primeiro modelo de pesos abertos que realmente combina três coisas ao mesmo tempo: desempenho de codificação de ponta, uma janela de contexto de um milhão de tokens e multimodalidade nativa — incluindo imagem, vídeo e controle de computador desktop. Ele é distribuído sob licença de pesos abertos, com assinatura a partir de US$ 20/mês.

Kimi K2.7 Code é o quinto grande lançamento da Moonshot AI (Pequim) em menos de um ano — uma atualização de codificação focadíssima no já impressionante K2.6, cortando cerca de 30% do uso de tokens de raciocínio e elevando de forma significativa os principais benchmarks de agentes. Ele foi lançado ontem no Hugging Face sob licença MIT modificada, com preço de US$ 0,95/US$ 4,00 por milhão de tokens.

Nemotron 3 Ultra é a resposta da NVIDIA à pergunta: e se a fabricante de chips também construísse o modelo? Com 550 bilhões de parâmetros, é o modelo de pesos abertos mais capaz já saído de um laboratório dos EUA, com 47,7 no Índice de Inteligência da Artificial Analysis — uma pontuação que o coloca no mesmo patamar de Claude Opus 4.6 e Kimi K2.6. Foi lançado em 4 de junho sob a licença OpenMDW-1.1 da Linux Foundation.

Três modelos. Três histórias de origem muito diferentes. Todos valem o teste.

---

MiniMax M3

Quem fez e por quê

A MiniMax não é um nome conhecido para a maioria das pessoas fora dos círculos de IA, mas dentro deles a empresa de Xangai tem sido cada vez mais difícil de ignorar. Ela abriu capital na Bolsa de Hong Kong em janeiro de 2026 e vem construindo o caminho até o M3 há quase um ano. A proposta é ambiciosa a ponto de ser quase agressiva: o M3 é posicionado como o primeiro modelo de pesos abertos a combinar codificação de ponta, uma janela de contexto de um milhão de tokens e multimodalidade nativa em um único sistema — e foi lançado a um preço que faz os modelos fechados parecerem caros.

A arquitetura: MiniMax Sparse Attention

A grande novidade técnica aqui é a MiniMax Sparse Attention (MSA) arquitetura. A atenção padrão de um transformer é quadrática — cada token presta atenção em todos os outros, o que significa que dobrar o contexto praticamente quadruplica sua conta de computação. Com um milhão de tokens, essa conta fica brutal.

A MiniMax construiu o M3 sobre seu novo design MSA, que reduz a computação por token em contexto de 1M para aproximadamente um vigésimo da geração anterior, com prefill mais de 9× mais rápido e decodificação mais de 15× mais rápida. Isso não é uma melhoria marginal. É a diferença entre uma janela de contexto de um milhão de tokens ser uma especificação teórica e ser algo que você realmente consegue colocar em produção sem que sua conta de GPU dispare.

O modelo é construído sobre a MiniMax Sparse Attention (MSA), que substitui a atenção completa por seleção de blocos KV para reduzir a computação por token em contexto longo, com prefill e decodificação substancialmente mais rápidos e mantendo a qualidade na maioria das tarefas.

Curiosamente, a MiniMax abandonou a atenção esparsa na geração M2 e a trouxe de volta especificamente para o M3 — o que sugere que a arquitetura já funcionava, mas eles precisavam de mais dados de treinamento ou de mais trabalho de alinhamento pós-treinamento para torná-la competitiva. O M3 sugere que eles descobriram como.

O que torna o M3 realmente diferente

A MiniMax lançou o M3 unindo desempenho de codificação e de agentes de nível de ponta com uma janela de contexto de 1 milhão de tokens e multimodalidade nativa por uma fração do custo dos principais modelos proprietários.

Vale parar um instante no aspecto multimodal. O M3 não apenas aceita imagens — ele processa imagens e vídeo e consegue operar um computador desktop nativamente. Para fluxos de trabalho de vibe coding em que você entrega um print de uma interface e diz “constrói isso pra mim”, isso é genuinamente útil de um jeito que um modelo de codificação só de texto não é.

O MiniMax-M3 é o modelo de codificação multimodal e de agentes de ponta da MiniMax, construído sobre a arquitetura MSA. Ele suporta uma janela de contexto de até 1M de tokens e aceita entradas de imagem e vídeo. O modelo foi projetado para geração de código, fluxos de trabalho de agentes, uso de ferramentas, compreensão de contexto longo e raciocínio em várias etapas.

O benchmark VIBE: o padrão criado pela própria MiniMax

Um ponto que vale destacar: a MiniMax não lançou só um modelo — ela lançou também um novo benchmark. O VIBE (Visual & Interactive Benchmark for Execution) framework é a resposta da MiniMax ao que eles enxergam como uma lacuna nos frameworks de avaliação existentes. Diferente de benchmarks tradicionais como SWE-bench e Terminal-bench, que focam na correção estática do código ou na conclusão de tarefas no nível da linha de comando, o VIBE avalia automaticamente a lógica de interação e a apresentação visual dos aplicativos gerados em um ambiente de execução real, oferecendo uma avaliação mais fiel da experiência real do usuário.

É um benchmark em causa própria, claro — mas a crítica por trás dele não está errada. O SWE-bench diz se um modelo consegue resolver issues do GitHub; não diz se ele consegue construir um web app funcional e visualmente coerente a partir de um print. O M3 vai bem aqui, o que faz sentido dada sua arquitetura multimodal nativa.

Benchmarks do MiniMax M3

O MiniMax M3 marca 59,0% no SWE-Bench Pro, 66,0% no Terminal-Bench 2.1, 34,8% no SWE-fficiency e 83,5 no BrowseComp. O número do BrowseComp em especial chama atenção — 83,5 o coloca à frente do GPT-5.5 em tarefas de navegação web autônoma, que é exatamente o tipo de capacidade que você quer em um agente fazendo trabalho de codificação com muita pesquisa.

O MiniMax M3 marca 59,0% no SWE-Bench Pro, superando GPT-5.5 e Gemini 3.1 Pro e se aproximando do Claude Opus 4.7. Também marca 66,0% no Terminal Bench 2.1, 34,8% no SWE-fficiency, 28,8% no KernelBench Hard e 74,2% no MCP Atlas.

Um alerta que vale mencionar: a base de comparação da MiniMax em seus próprios materiais usa o Claude Opus 4.7, não o Opus 4.8, lançado mais recentemente. Esse enquadramento não é incorreto, mas desenvolvedores que avaliam o M3 contra o teto atual dos benchmarks deveriam usar os números do Opus 4.8, que colocam o M3 mais longe da fronteira do que o anúncio de lançamento sugere.

Ainda assim — 59% no SWE-Bench Pro vindo de um modelo de pesos abertos com contexto de um milhão de tokens é notável, e os dados independentes confirmam em boa medida que os números relatados pela empresa estão na faixa certa.

Preços

No lançamento, o MiniMax M3 estava listado no OpenRouter a US$ 0,60 por milhão de tokens de entrada e US$ 2,40 por milhão de tokens de saída, com um desconto promocional temporário de 50% que o levava a cerca de US$ 0,30 de entrada e US$ 1,20 de saída por milhão de tokens — uma fração de modelos fechados de ponta como Claude Opus e GPT-5.5.

Para comparar: o Claude Opus 4.8 custa US$ 5/US$ 25 por milhão de tokens. O M3 com preço promocional fica em cerca de 1/20 desse custo. Mesmo no preço padrão, você fala de 1/10. A história de custo é tão atraente quanto a de capacidade.

---

Kimi K2.7 Code

Quem fez e por quê

A Moonshot AI lançou ontem — 12 de junho de 2026 — o que é o quinto grande lançamento em menos de um ano da empresa sediada em Pequim, e posicionou seus modelos em torno de três pilares: capacidades de agentes, tratamento de contexto estendido e entradas multimodais. A família Kimi K2 se tornou uma das linhagens de pesos abertos mais observadas de 2026, e o K2.7 Code é sua iteração mais afiada até agora.

A mudança de nome tem significado. É a primeira vez que a Moonshot coloca “Code” explicitamente no nome do modelo. Eles não estão fingindo que o K2.7 é um modelo de uso geral — ele é ajustado para engenharia, não para conversa ampla, e eles querem que você saiba disso.

Arquitetura: a mesma base de um trilhão de parâmetros, ajustada com mais força

O Kimi K2.7 Code é um modelo Mixture-of-Experts de 1 trilhão de parâmetros, com 32B de parâmetros ativos por token e 384 especialistas, com uma janela de contexto de 262.144 tokens herdada do K2.6 e compressão automática de contexto para sessões longas sustentadas.

A arquitetura em si não mudou drasticamente em relação ao K2.6 — continua sendo a estrutura MoE de 1T que fez do Kimi K2.6 o modelo de pesos abertos mais bem colocado no Índice de Inteligência da Artificial Analysis no início deste ano. O que o K2.7 Code representa é um refinamento direcionado: o mesmo chassi, com o motor reajustado especificamente para fluxos de trabalho de codificação com agentes.

O Kimi K2.7 Code é o modelo de agentes focado em codificação da Moonshot AI, construído sobre o Kimi K2.6. Ele melhora a conclusão de tarefas de codificação de longo horizonte no mundo real, o seguimento de instruções e a eficiência de tokens, ao mesmo tempo que reduz o uso de tokens de raciocínio em cerca de 30% em relação ao Kimi K2.6.

Essa redução de 30% nos tokens de raciocínio não é pouca coisa. Em uma sessão longa de agente de codificação, em que o modelo passa por centenas de turnos, menos tokens de raciocínio significa custo menor e tempo real mais rápido. Se você roda algo como uma refatoração de repositório inteiro durante a noite, os ganhos de eficiência do K2.7 sobre o K2.6 se acumulam bastante.

O que o K2.7 realmente melhora

O anúncio da Moonshot abre com três números: +21,8% sobre o K2.6 no Kimi Code Bench v2, +11,0% no Program Bench e +31,5% no MLS Bench Lite, além da afirmação de uso de tokens de raciocínio cerca de 30% menor em relação ao K2.6.

Esses são números de primeira mão, rodados nas próprias suítes de benchmark da Moonshot. A observação honesta aqui é que, em 13 de junho de 2026 — um dia após o lançamento —, não existem números independentes de terceiros para o K2.7 nas suítes públicas padrão — SWE-bench Verified, SWE-bench Pro, Terminal-Bench, LiveCodeBench, GPQA Diamond, AIME ou MMLU-Pro. Essa verificação virá nos próximos dias. Com base na trajetória do K2.6 (que produziu benchmarks independentes competitivos), os números internos provavelmente estão na direção correta.

O resultado quase independente que mais se destaca até agora: o K2.7-Code marcou 81,1 no MCP Mark Verified, superando os 76,4% do Claude Opus 4.8. Essa suíte testa a invocação correta de ferramentas por meio do Model Context Protocol — verificações de CI, atualizações de tickets e edições de arquivos em um único ciclo. O fato de um modelo de pesos abertos estar agora superando o Opus 4.8 no uso de ferramentas MCP é, por qualquer medida razoável, um marco para a IA de código aberto.

A história da plataforma Kimi Code

Um elemento pouco noticiado nas comparações de modelos: o K2.7-Code é lançado dentro do Kimi Code — o agente de terminal de código aberto da Moonshot — com planos de assinatura a partir de US$ 19/mês. A Moonshot está claramente competindo no stack completo: modelo, CLI e economia da assinatura. É a economia Cursor contra Kimi, e isso importa para equipes que avaliam seu fluxo de trabalho de codificação com IA por inteiro, e não apenas o modelo bruto.

O próprio Kimi Code CLI vale a pena experimentar. Ele entende de shell, suporta integração com servidores MCP, e a licença de código aberto significa que você não fica preso à API da Moonshot se quiser auto-hospedar.

Capacidades multimodais

Como o M3, o K2.7 Code não se limita a texto. Desenvolvedores podem enviar prints, diagramas, mockups de produto ou até vídeos e pedir ao modelo que gere código a partir deles. Isso o torna útil para desenvolvimento frontend, depuração de problemas visuais e engenharia reversa de interfaces. A capacidade de visão é real e genuinamente útil para tarefas de codificação centradas em UI, embora a história multimodal do K2.7 seja um pouco mais estreita que a do M3 (que inclui o uso de computador desktop).

Preços

O preço do Kimi K2.7 Code é US$ 0,95 por milhão de tokens de entrada, US$ 4,00 por milhão de tokens de saída e US$ 0,19 por milhão em acertos de cache, na API da Moonshot. Pesos gratuitos estão disponíveis no Hugging Face para auto-hospedagem.

Para um modelo de um trilhão de parâmetros, US$ 0,95 de entrada é muito competitivo. O preço de saída (US$ 4,00) é mais alto que o do M3 em termos absolutos, mas a redução de 30% nos tokens de raciocínio do K2.7 faz com que o custo real por tarefa concluída possa ser menor do que o número bruto por token sugere. Os preços devem ser modelados para a sua carga de trabalho específica, não apenas pela tarifa de vitrine.

---

Nemotron 3 Ultra

Quem fez e por quê

Eis o ponto sobre o Nemotron 3 Ultra que a maior parte da cobertura minimiza: é a NVIDIA construindo um modelo de fronteira. Não uma fabricante de chips brincando de IA, nem um laboratório de pesquisa atrelado a um negócio de infraestrutura — a NVIDIA, cuja receita depende dos treinamentos de IA de todo o resto, decidiu construir e lançar um modelo de fronteira competitivo sob uma licença totalmente aberta. Isso é uma declaração significativa sobre para onde o mercado está indo.

Em 4 de junho de 2026, a NVIDIA lançou o Nemotron 3 Ultra, um modelo de raciocínio totalmente aberto de 550 bilhões de parâmetros, construído especificamente para agentes de longa duração.

Em 4 de junho de 2026, a NVIDIA liberou discretamente o Nemotron 3 Ultra no Hugging Face, dois dias depois de Jensen Huang anunciá-lo no palco da Computex, em Taipei. 550 bilhões de parâmetros. 55 bilhões ativos por forward pass. Mais de 300 tokens por segundo. A maior pontuação no Índice de Inteligência de qualquer modelo de pesos abertos desenvolvido nos EUA, em todos os tempos.

Arquitetura: o Mamba-Transformer híbrido que muda tudo

É aqui que o Nemotron 3 Ultra fica tecnicamente interessante. Enquanto o M3 usa atenção esparsa para lidar com contextos longos e o K2.7 permanece no caminho já comprovado do transformer MoE, o Nemotron Ultra segue uma rota totalmente diferente.

A NVIDIA lançou o Nemotron 3 Ultra como um modelo Mixture-of-Experts de 550B parâmetros, com 55B de parâmetros ativos, otimizado para orquestrar fluxos de trabalho de agentes complexos e de longa duração. As inovações arquitetônicas incluem camadas híbridas Mamba-Transformer para lidar com contexto longo de forma eficiente, quantização NVFP4 para implantação em GPUs de diferentes arquiteturas com até 5x mais throughput, LatentMoE para roteamento de especialistas e previsão multi-token para melhorar a velocidade generativa em tarefas de múltiplos turnos.

A abordagem híbrida Mamba-Transformer é significativa. As camadas Mamba lidam com dependências sequenciais com mais eficiência que a atenção padrão em contextos longos — elas escalam linearmente, e não quadraticamente, com o comprimento da sequência. Combinar isso com a atenção transformer nas tarefas que se beneficiam dela e envolver tudo em uma arquitetura MoE permite à NVIDIA alcançar uma combinação incomum: alta inteligência, alto throughput e custo por token relativamente baixo.

A quantização NVFP4 é outro diferencial. Em GPUs Blackwell (sucessoras da H100), ele roda com matemática FP4 nativa. Em Hopper (H100), cai para W4A16. De qualquer forma, o Nemotron 3 Ultra alcança throughput de inferência 5,9x maior em comparação ao GLM-5.1, 4,8x mais rápido que o Kimi K2.6 e 1,6x mais rápido que o Qwen-3.5 em configurações de 8K de entrada / 64K de saída, com precisão equivalente em uma ampla gama de benchmarks de agentes e raciocínio.

Leia de novo: 4,8x mais rápido que o Kimi K2.6 com precisão comparável. Para equipes que rodam agentes em produção, essa diferença de throughput se traduz diretamente no custo por tarefa.

Benchmarks e índice de inteligência

O Nemotron 3 Ultra marca 47,7 no Índice de Inteligência da Artificial Analysis — bem à frente dos próximos modelos de pesos abertos mais fortes dos EUA: Gemma 4 31B com 39,2, Nemotron 3 Super com 36,0 e gpt-oss-120b com 33,3.

A ressalva honesta está ali no mesmo parágrafo: ele ainda fica atrás da fronteira de pesos abertos liderada pelos chineses (Kimi K2.6 com 53,9). Esta é uma história de liderança americana, e é uma boa história — mas o Nemotron Ultra não é o melhor modelo de pesos abertos do mundo agora. É o melhor americano, e por uma margem larga.

Em tarefas de agentes, o Nemotron 3 Ultra marca 90,0 no PinchBench e 56,0 no ProfBench Search. A equipe da NVIDIA reservou ambos como portões de generalização mantidos à parte, avaliados apenas uma vez no modelo final. Ele marca 71,9 no SWE-Bench Verified e 56,4 no Terminal Bench 2.1. Em raciocínio, marca 570,0 no IOI 2025, que a NVIDIA enquadra como programação competitiva de nível dos três melhores humanos.

A pontuação de 71,9% no SWE-Bench Verified é particularmente competitiva. Ela fica atrás de Claude Fable 5 e GPT-5.5 na fronteira dos modelos fechados, mas lidera a maioria das alternativas de pesos abertos — e, mais importante, é medida de forma consistente em vários frameworks de agentes.

No AA-Omniscience, ele registra a maior pontuação de não alucinação do conjunto, 78,7, o que sugere uma tendência menor a responder quando está em dúvida. O contexto longo se sustenta em escala — o modelo marca 94,7 no RULER com 1 milhão de tokens.

Vale destacar esse número de alucinação. Em fluxos de trabalho de agentes em produção, um modelo que sabe quando não sabe de algo costuma ser mais valioso do que um que marca alguns pontos percentuais a mais nos benchmarks mas alucina com confiança pelos casos extremos.

A história dos dados de treinamento abertos

A NVIDIA liberou — cumulativamente, nos três lançamentos do Nemotron 3 — 50 milhões de amostras de ajuste fino supervisionado, 2 milhões de tarefas de aprendizado por reforço e 55 ambientes de RL. Esse nível de abertura é incomum para uma família de modelos de classe de fronteira, e é o que a comunidade de pesquisa em IA mais aplaudiu.

Se você quer fazer ajuste fino ou estender o Nemotron Ultra, não está fazendo isso no escuro. As receitas de treinamento, os dados e os ambientes de avaliação são todos públicos. Para equipes corporativas que precisam de desempenho específico de domínio e têm capacidade de fazer ajuste fino, esta é uma vantagem significativa que nem o M3 nem o K2.7 Code igualam hoje.

Preços

A DeepInfra já tem um endpoint de pré-lançamento ativo, com preços de US$ 0,37/M de entrada e US$ 1,08/M de saída — melhor que a mediana para essa faixa de tamanho. O OpenRouter já o tem indexado e acessível. A integração corporativa está disponível via microsserviços NVIDIA NIM em build.nvidia.com.

O Nemotron 3 Ultra roda a US$ 0,50 por milhão de tokens de entrada e US$ 2,50 de saída em alguns provedores, oferecendo forte relação preço-desempenho para um modelo nesse nível de inteligência.

---

Benchmarks frente a frente

Aqui está uma comparação lado a lado dos números centrais dos três modelos, com contexto sobre o que cada benchmark realmente mede:

SWE-Bench Pro (resolução de issues reais do GitHub)

O SWE-Bench Pro testa a capacidade de resolver issues reais do GitHub abertas depois do corte de treinamento do modelo — reduzindo o risco de contaminação de dados em comparação com versões anteriores do SWE-Bench. É o mais próximo que a comunidade de benchmarks chegou de responder “este modelo consegue corrigir bugs reais em bases de código reais?”.

• MiniMax M3: 59,0% (relatado pela empresa)
• Nemotron 3 Ultra: ~56-71,9% (SWE-Bench Verified); números do SWE-Bench Pro aguardando confirmação independente
• Kimi K2.7 Code: O K2.6 marcou 58,6%; os ganhos internos do K2.7 sugerem algo similar ou maior — pontuação independente pendente

Terminal-Bench 2.1 (tarefas de CLI em várias etapas)

O Terminal-Bench testa o que os agentes realmente fazem em produção: tarefas de shell em várias etapas em ambientes de terminal reais. Isso está mais perto de “ele consegue rodar um pipeline de CI” do que de “ele consegue autocompletar código.”

• MiniMax M3: 66.0%
• Nemotron 3 Ultra: 56.4%
• Kimi K2.7 Code: O K2.6 liderou com 67,2%; espera-se que o K2.7 melhore nisso

No Terminal-Bench, M3 e K2.7 estão em um patamar semelhante, ambos à frente do Nemotron Ultra. Faz sentido — o M3 e a família Kimi foram otimizados especificamente para tarefas de codificação de longo horizonte, enquanto as prioridades de design do Nemotron Ultra são mais amplas.

Uso de ferramentas MCP (Model Context Protocol)

O uso de ferramentas MCP é cada vez mais o benchmark que mais importa para implantações reais de agentes. A invocação correta de ferramentas não se resume a pontuações em benchmarks — trata-se de saber se seu agente realmente executa as ações certas sem alucinar nomes de funções ou parâmetros.

• Kimi K2.7 Code: 81,1 no MCP Mark Verified (supera os 76,4 do Claude Opus 4.8)
• MiniMax M3: 74,2 no MCP Atlas (relatado pela empresa)
• Nemotron 3 Ultra: Pontuações fortes no BFCL V4 (chamada de funções); números exatos do MCP Mark ainda não publicados

O K2.7 vence esta categoria com clareza. O ajuste fino de agentes da Moonshot mirou especificamente padrões de chamada de ferramentas, e isso aparece.

Índice de Inteligência da Artificial Analysis (pontuação composta)

Esse composto de 10 avaliações cobre raciocínio, conhecimento, matemática e codificação — essencialmente uma média ponderada da inteligência geral de um modelo.

• Família Kimi K2.6 / K2.7: 53-54 (dados do K2.7 pendentes)
• Nemotron 3 Ultra: 47.7
• MiniMax M3: Ainda sem avaliação (o BenchLM coloca o M3 em 76/100 em um ranking provisório, nº 29 de 122)

Velocidade (tokens por segundo)

É aqui que a arquitetura do Nemotron Ultra conta uma história diferente:

• Nemotron 3 Ultra: 300+ tokens/segundo no GB200, 5,9x mais rápido que o GLM-5.1, 4,8x mais rápido que o Kimi K2.6
• MiniMax M3: ~100 tokens/segundo em contexto de 1M
• Kimi K2.7 Code: Comparável ao K2.6 (ganhos de throughput vêm da eficiência de tokens, não da velocidade bruta)

Para implantações de produção de alto throughput, em que você roda muitos agentes em paralelo, a vantagem de throughput do Nemotron Ultra é substancial.

---

Desempenho real dos agentes: Hermes, OpenClaw & WildClawBench

Benchmarks são uma coisa. Como esses modelos realmente se comportam nos frameworks de agentes que os desenvolvedores usam hoje é outra.

OpenClaw: o framework de agentes que está dominando

Se você ainda não ouviu falar do OpenClaw, vai ouvir. Em apenas dois meses, o OpenClaw conquistou 247.000 estrelas no GitHub, tornando-se uma plataforma de agentes de IA adotada com entusiasmo por empresas no Vale do Silício e na China. Ele executa localmente, é agnóstico de modelo e se integra a aplicativos de mensagens — três características que o tornam significativamente diferente dos assistentes de IA baseados em SaaS.

O OpenClaw é agnóstico de modelo por design, o que significa que a qualidade da sua experiência depende quase inteiramente de qual LLM você coloca no back end. É aqui que a escolha do modelo passa a ter consequências diretas.

O O benchmark OpenClaw do PinchBench roda 23 tarefas de execução de código, criação de conteúdo, pesquisa e ferramentas de sistema. O teste inclui 23 tarefas cobrindo execução de código, criação de conteúdo e ferramentas de sistema — de código aberto e reproduzível, usando dados dos testes de agente OpenClaw do PinchBench.

Na avaliação OpenClaw do PinchBench:

• Nemotron 3 Ultra: 90% no PinchBench Agent Productivity (empata com o Kimi K2.6 — o melhor modelo aberto chinês em conclusão de tarefas segundo o benchmark)
• Kimi K2.7 Code: Espera-se que seja competitivo ou supere o forte desempenho do K2.6
• MiniMax M3: Pontuações de agentes fortes no geral; vale notar a vantagem de custo de 5x sobre o Kimi K2.6 nos testes reais de ferramentas do Composio

Uma comparação real da Composio entre o M3 e o K2.6 (o antecessor do K2.7) mostrou algo interessante: o M3 custou US$ 0,81 em 25 tarefas da Composio, enquanto o Kimi custou US$ 4,08 — cerca de 5 vezes mais. O M3 teve vantagem mais clara em codificação difícil no terminal; na orquestração cotidiana de ferramentas SaaS ficaram praticamente empatados.

Essa diferença de custo não é só uma questão econômica — significa que você pode rodar 5x mais iterações de agente com o mesmo orçamento, o que importa em tarefas de codificação com muita exploração, em que a velocidade de iteração é o gargalo.

Hermes Agent: o framework que não tem favoritos

O WildClawBench, publicado em maio de 2026 pelo InternLM, é uma das avaliações independentes de agentes mais rigorosas disponíveis hoje. O benchmark testa o que realmente importa: um agente de IA consegue fazer trabalho real, de ponta a ponta, sem que alguém fique guiando? Ele roda a mesma suíte de 60 tarefas em quatro harnesses de agentes diferentes — OpenClaw, Claude Code, Codex CLI e Hermes Agent — separando a capacidade do modelo do andaime do harness.

O harness Hermes especificamente é interessante porque foi projetado para testar modelos independentemente do andaime de agentes de qualquer fornecedor. É um sinal limpo da qualidade do modelo por trás.

O Nemotron 3 Ultra alcança pontuações no SWEBench Verified entre 65% e 70,4% em Pi, OpenHands, Hermes, OpenCode e Mini SWE Agent — desempenho consistente independentemente do framework que você usa.

Essa consistência entre harnesses é um sinal de qualidade relevante. Muitos modelos que vão bem na própria CLI degradam bastante quando você os coloca em um framework de agentes diferente. A arquitetura do Nemotron Ultra parece robusta a mudanças de framework — provavelmente porque a NVIDIA treinou deliberadamente em vários harnesses de agentes por tipo de tarefa, em vez de otimizar para um só.

Para o M3 e o K2.7 Code, os números específicos do WildClawBench ainda estão chegando pela comunidade, mas a força histórica da família K2 em avaliações de agentes e as melhorias de MCP do K2.7 sugerem bons resultados no harness Hermes.

Conclusão sobre os frameworks

Se você está construindo sobre o OpenClaw e custo importa: o M3 é o seu modelo. Se você trabalha com pipelines pesados em MCP: o K2.7 Code é o líder. Se você precisa de consistência independente de framework em Hermes, OpenClaw e outros ao mesmo tempo: a consistência do Nemotron Ultra é a escolha certa.

---

Vibe coding: qual modelo realmente cria apps bem?

“Vibe coding” virou a expressão para um estilo de desenvolvimento assistido por IA em que você constrói funcionalidades inteiras ou pequenos aplicativos de forma iterativa a partir de prompts em linguagem natural, muitas vezes começando por prints, mockups ou descrições vagas. Tem menos a ver com geração precisa de código e mais com a capacidade do modelo de manter uma visão coerente do produto ao longo de muitos turnos, produzindo algo que funciona e que é visualmente coerente.

Cada um desses três modelos aborda o vibe coding de forma diferente, e as diferenças importam.

MiniMax M3: a base multimodal mais forte

O M3 foi construído para a dimensão visual do vibe coding. A MiniMax criou o VIBE (Visual & Interactive Benchmark for Execution) especificamente para medir a capacidade de um modelo de construir aplicações completas e executáveis do zero — avaliando automaticamente a lógica de interação e a apresentação visual dos aplicativos gerados em um ambiente de execução real.

O fato de o M3 ter introduzido esse benchmark diz muito. A MiniMax claramente acredita que os benchmarks de codificação padrão — que testam se o código passa nos testes unitários — erram a pergunta que realmente importa para o vibe coding: o app funciona e e parece certo?

Na prática, a entrada nativa de vídeo e imagem do M3 significa que você pode colar um print do Figma ou uma gravação de sessão de usuário e pedir ao modelo que construa a partir disso diretamente. É um fluxo de trabalho fundamentalmente diferente de descrever em palavras o que você quer. Para desenvolvimento muito voltado a frontend — componentes React, interfaces de web app, layouts mobile-first — a capacidade de entrada visual do M3 muda o ciclo de um jeito que modelos puramente de texto não conseguem igualar.

A janela de contexto de 1M de tokens também importa para o vibe coding de um jeito específico: você consegue colocar uma base de código inteira de tamanho médio no contexto, o que significa que o modelo pode refatorar entre arquivos sem perder a coerência sobre o que está construindo. Esse é um dos modos de falha reais do vibe coding com modelos de contexto menor — o código começa a divergir de si mesmo ao longo dos turnos conforme o modelo perde de vista decisões arquitetônicas anteriores.

Kimi K2.7 Code: o melhor vibe coding com ferramentas integradas

Desenvolvedores podem enviar prints, diagramas, mockups de produto ou até vídeos e pedir ao Kimi K2.7 que gere código a partir deles — útil para desenvolvimento frontend, depuração de problemas visuais e engenharia reversa de interfaces.

A vantagem do K2.7 no vibe coding é sua integração de ferramentas MCP. Quando você constrói pelo Kimi Code CLI, o modelo pode fazer ciclos em um terminal real: rodar o app, conferir a saída, ler logs de erro e iterar — tudo na mesma sessão. Esse ciclo de ponta a ponta com feedback de execução real é o que separa “gera código” de “realmente constrói a coisa”.

A redução de 30% nos tokens também importa para o vibe coding especificamente porque as sessões de vibe coding tendem a ser longas e conversacionais. Um modelo que usa menos tokens por etapa de raciocínio consegue sustentar sessões mais longas com custo menor, o que está diretamente alinhado com a forma como a construção iterativa de apps realmente funciona.

Nemotron 3 Ultra: potente, mas menos especializado

O Nemotron Ultra é um generalista forte e lida bem com entradas multimodais, mas suas prioridades de design foram a otimização para consistência de agentes e profundidade de raciocínio, não a interface visual do vibe coding. Para fluxos puramente de vibe coding — print entra, app funcionando sai — o M3 é o encaixe mais natural.

Onde o Nemotron Ultra se destaca em fluxos de desenvolvimento é nas fases arquitetônicas e de muito raciocínio da construção: projetar componentes de sistema, depurar problemas complexos de gerenciamento de estado ou destrinchar um algoritmo complicado. Ele é menos “constrói essa UI a partir deste print” e mais “me ajude a projetar a arquitetura e raciocinar sobre os casos extremos”.

Veredito do vibe coding

Para vibe coding, o ranking fica: M3 (melhor integração visual, maior contexto, mais barato) → K2.7 Code (melhor ciclo de feedback com execução real, uso de ferramentas mais forte) → Nemotron Ultra (excelente assistente de raciocínio, menos especializado em construir apps visuais).

Se você faz vibe coding principalmente em uma stack visual (React, Vue, mobile), o M3 é o seu modelo. Se você constrói apps ou sistemas com muito backend, em que o ciclo de iteração envolve rodar e testar o código de verdade, a integração MCP do K2.7 Code é a vantagem.

---

Preços & análise de custo-benefício

Vamos olhar a conta de custo de verdade, porque os benchmarks de destaque só fazem sentido no contexto do que você está pagando.

Modelo	Entrada (por 1M de tokens)	Saída (por 1M de tokens)	Contexto	Licença
MiniMax M3 (promo)	US$ 0,30	US$ 1,20	1M	Pesos abertos
MiniMax M3 (padrão)	US$ 0,60	US$ 2,40	1M	Pesos abertos
Kimi K2.7 Code	US$ 0,95	US$ 4,00	256K	MIT modificada
Nemotron 3 Ultra (DeepInfra)	US$ 0,37	US$ 1,08	1M	OpenMDW-1.1
Claude Opus 4.8	US$ 5,00	US$ 25,00	—	Proprietário
GPT-5.5	~US$ 10,00+	~US$ 30,00+	—	Proprietário

A história de custo fica mais nuançada quando você considera a eficiência. A redução de 30% nos tokens do K2.7 significa que uma sessão que usa 1M de tokens de saída no K2.6 usa ~700K no K2.7. A US$ 4,00/M de saída, isso é US$ 4,00 contra US$ 2,80 — não só uma diferença de tarifa, mas uma economia de eficiência. Em execuções longas de agentes, isso se acumula de forma significativa.

O Nemotron Ultra a US$ 0,37/US$ 1,08 na DeepInfra é incrivelmente acessível para um modelo de 550B com índice de inteligência 47.7 — em parte por causa da sua vantagem de throughput (5,9x mais rápido significa custo menor por tarefa concluída, mesmo que as tarifas por token fossem iguais).

O M3 com preço promocional é o mais barato em termos absolutos, embora o preço padrão de US$ 0,60/US$ 2,40 ainda seja um excelente custo-benefício para uma janela de contexto de um milhão de tokens com codificação de nível de ponta.

Para a maioria das implantações em produção, o cálculo real de custo não é tokens por dólar, e sim conclusões por dólar. Monte uma pequena suíte de testes representativa com suas tarefas reais e compare o preço de cada modelo com base nela. As tarifas de destaque são um ponto de partida, não a resposta.

---

Quem deve usar qual modelo?

Os três modelos não são realmente concorrentes para o mesmo caso de uso. Aqui está uma divisão pragmática:

Escolha o MiniMax M3 se:

• Você precisa da maior janela de contexto para bases de código grandes, documentos longos ou projetos com vários arquivos
• Seu fluxo de trabalho é visual (prints → código, mockups → implementação)
• Custo é sua principal restrição e você precisa rodar muitas iterações
• Você está construindo agentes de navegador ou pipelines de pesquisa autônoma que se beneficiam da força no BrowseComp
• Você quer um único modelo que lide com texto, imagens e vídeo sem trocar

Escolha o Kimi K2.7 Code se:

• Você está construindo pipelines integrados a MCP e precisa da melhor confiabilidade na invocação de ferramentas
• Você faz codificação com agentes de longo horizonte com fluxos de trabalho de terminal em várias etapas
• Você implanta pelo Kimi Code CLI e quer a integração mais estreita entre modelo e harness
• Você quer a flexibilidade de um modelo de pesos abertos com a licença MIT modificada
• A eficiência de tokens em sessões longas importa (a redução de 30% se acumula em execuções grandes de agentes)

Escolha o Nemotron 3 Ultra se:

• Você está em uma empresa sediada nos EUA e questões geopolíticas de dados descartam modelos de origem chinesa
• Você precisa de ajuste fino do modelo com acesso total aos dados de treinamento, amostras de SFT e ambientes de RL
• A consistência entre frameworks importa — você implanta ao mesmo tempo em Hermes, OpenClaw e outros harnesses
• O throughput é crítico para implantações de agentes com alto volume e concorrência
• Você faz trabalho com muito raciocínio: programação competitiva, arquitetura complexa, tarefas de raciocínio de nível de pós-graduação
• Você quer o melhor modelo americano de pesos abertos, ponto final

O caso limite honesto: Se você está em uma startup pequena ou em um contexto de desenvolvedor indie com requisitos de dados flexíveis e o custo é sua principal restrição, o M3 com preço promocional é realmente difícil de superar. Se você está em um contexto corporativo regulado nos EUA, o Nemotron Ultra é o padrão seguro, e ele é competitivo o suficiente para que você não abra mão de muita coisa ao evitar os modelos de origem chinesa.

---

O elefante na sala: privacidade de dados

Esta comparação ficaria incompleta sem abordar um tema que’s cada vez mais relevante para implantações corporativas.

A MiniMax tem sede em Xangai. Pela Lei de Inteligência Nacional da China, promulgada em 2017, toda empresa chinesa — incluindo a MiniMax — é legalmente obrigada a “apoiar, auxiliar e cooperar com o trabalho de inteligência do Estado.” A obrigação se aplica continuamente e não oferece nenhum caminho legal para a empresa recusar o cumprimento quando chega uma solicitação do governo.

Uma investigação do Congresso dos EUA anunciada em 29 de abril de 2026 citou a MiniMax ao lado de outros laboratórios chineses de IA; a Anthropic apresentou em fevereiro de 2026 alegações de destilação em escala industrial contra o Claude; e um processo por direitos autorais em andamento da Disney, Universal e Warner Bros. Discovery sobre o produto Hailuo foi autorizado a prosseguir em 26 de maio de 2026.

As mesmas considerações se aplicam ao Kimi K2.7 Code, da Moonshot AI (também sediada em Pequim). O mérito técnico desses modelos é real, mas equipes de compras corporativas em setores regulados, empresas ligadas à defesa ou qualquer organização que lide com propriedade intelectual sensível precisam levar essas considerações em conta na decisão.

A natureza de pesos abertos dos dois modelos oferece uma mitigação possível: se você fizer auto-hospedagem na sua própria infraestrutura e nunca enviar requisições às APIs da Moonshot ou da MiniMax, o fluxo de dados para a infraestrutura chinesa pode ser cortado. Se isso é suficiente para os seus requisitos de conformidade é uma questão jurídica e de risco específica da sua organização.

O Nemotron Ultra é um modelo da NVIDIA, uma empresa americana, sob a licença OpenMDW-1.1 da Linux Foundation. Para empresas dos EUA com requisitos de soberania de dados, esse é um diferencial significativo que as tabelas de benchmark não capturam.

---

Veredito final

Duas semanas, três lançamentos marcantes. A história da IA de pesos abertos em junho de 2026 não é de melhoria gradual — é uma mudança de patamar.

MiniMax M3 é o mais versátil dos três e a melhor relação custo-benefício em termos de custo absoluto. Sua janela de contexto de 1 milhão de tokens e a multimodalidade nativa lhe dão um perfil único para trabalhos de desenvolvimento orientados por visual. As ressalvas são os benchmarks não verificados e as considerações de privacidade de dados para uso corporativo.

Kimi K2.7 Code é o melhor modelo de codificação agêntica no espaço de pesos abertos agora, ponto. Superar o Claude Opus 4.8 no uso de ferramentas MCP como um modelo de pesos abertos não é uma vitória pequena em benchmark — é a diferença entre “demo de laboratório impressionante” e “de fato melhor naquilo que os agentes fazem em produção.” A melhoria de 30% na eficiência de tokens em relação ao K2.6 o torna consideravelmente mais barato de executar em escala. A ressalva: é um especialista só em codificação, os benchmarks independentes ainda estão por vir, e as questões de procedência de dados da Moonshot AI são as mesmas da MiniMax.

Nemotron 3 Ultra é o modelo que você implanta quando precisa de um modelo de pesos abertos com qualidade de fronteira em que possa confiar para uso corporativo, ajustar finamente com total transparência, executar mais rápido do que qualquer outro no seu nível de inteligência e respaldar com o tipo de credibilidade de cadeia de suprimentos que deixa as equipes jurídicas e de compras tranquilas. Sua vantagem de 4,8x em throughput sobre o Kimi K2.6 é realmente transformadora para cargas de trabalho de agentes em produção, e sua consistência independente de harness nos benchmarks de agentes é um sinal de qualidade que as tabelas de benchmark sozinhas não transmitem por completo.

A lição mais ampla deste período de duas semanas: a fronteira da IA de pesos abertos passou de “quase tão boa quanto os modelos fechados” para “melhor que os modelos fechados em dimensões específicas que importam.” O resultado de uso de ferramentas MCP do K2.7 é o sinal mais claro até agora. Não estamos mais esperando o código aberto alcançar — em certas dimensões, ele já está à frente.

Você já testou algum desses modelos em produção? Conte sua experiência nos comentários — especialmente se você rodou sessões de agentes frente a frente no OpenClaw ou no Hermes. Dados do mundo real valem mais do que qualquer benchmark agora.

Para mais análises aprofundadas de modelos de IA, siga tech.grahammiranda.com.