O modelo aberto ficou barato demais para ignorar
Esta é a primeira edição do Cinco. O formato é o que o nome diz: cinco coisas por semana, escolhidas entre umas duzentas que li, cada uma com o que é, o que foi demonstrado, o que ainda não foi, e por que importa para quem constrói. A fonte original está sempre a um clique.
A semana teve um tema sem que ninguém combinasse: custo. Dois laboratórios chineses lançaram modelos de pesos abertos sob licenças permissivas de verdade — um deles servido, segundo a empresa, só em chips domésticos, a quinze centavos de dólar por milhão de tokens. No mesmo intervalo, a OpenAI lançou o GPT-6 Astra sem mexer no preço, e admitiu no próprio relatório que ler o raciocínio do modelo ficou menos confiável. Um benchmark de Fudan lembrou que, em software científico real, o melhor agente resolve menos da metade dos bugs. E o Brasil publicou, com número e prazo, a licitação do supercomputador do RN.
Se você só tem tempo para um: o segundo.
1
A Tencent abriu um MoE de 770B sob Apache 2.0 — e ele bate o Kimi K3 em código com um quarto dos parâmetros
Abrir verbete→
- O que é
- O Hy4-preview é um mixture-of-experts de 770 bilhões de parâmetros, 49 bilhões ativos por token, 78 camadas, 256 especialistas roteados mais um compartilhado, com atenção esparsa e janela de 1 milhão de tokens. A Tencent publicou pesos, quantizações GGUF e uma API, e diz que é uma “versão inicial” com folga tanto em pré-treino quanto em pós-treino.
- O que foi demonstrado
- Autorreportado no model card: 65,7% no SWE-bench Pro (Kimi K3: 63,3%), 82,9% no SWE-bench Multilingual, 85,4% no Terminal-Bench 2.1, 92,3% no GPQA Diamond. Em avaliação humana cega contra o GLM-5.3, 46,8% de vitórias, 12,8% de empates, 40,4% de derrotas.
- O que ainda não foi
- Todos os números foram medidos pela própria Tencent; não há replicação independente nem relatório técnico. Dados e hardware de treino não foram divulgados. A empresa admite que o modelo “verifica demais” e raciocina por mais tempo do que precisa. Rodar em precisão cheia exige perto de 1,5 TB de VRAM — “aberto”, na prática, para laboratórios e nuvens.
- Por que importa
- É o maior lançamento de pesos abertos sob Apache 2.0 do período, e confirma o padrão: laboratórios chineses entregando codificadores agentivos perto da fronteira a uma fração do custo proprietário.
2
GLM-5.3-Flash: um modelo MIT de 320B servido inteiramente em chips chineses, a US$ 0,15 por milhão de tokens
Abrir verbete→
- O que é
- A Z.ai revelou que o modelo anônimo “Ox Alpha” do OpenRouter era o GLM-5.3-Flash: um MoE de 320B com 18B ativos, nativamente multimodal, treinado em um corpus de 30 trilhões de tokens, com atenção híbrida esparsa e linear. Os pesos saíram sob licença MIT. A empresa afirma que serve o modelo em aceleradores domésticos, a cerca de 100 trilhões de tokens por dia.
- O que foi demonstrado
- Preço de API: US$ 0,15 por milhão de tokens de entrada e US$ 0,50 de saída. Autorreportado: 84,3 no Terminal-Bench 2.1, 63,4 no DeepSWE v1.1 (GLM-5.2: 46,2). Índice de inteligência da Artificial Analysis (terceiro): 57. A Z.ai diz que a nova atenção corta o cálculo em ~3× e o KV cache em ~4,4× em relação ao GLM-5.3.
- O que ainda não foi
- A afirmação “só chips chineses” é da própria Z.ai; o acelerador e a quantidade não estão documentados. As comparações de benchmark no model card estão em imagem, não em tabela, e as avaliações limitam o contexto a 300 mil tokens apesar da janela de 1 milhão. O paper vinculado é o relatório do GLM-5, de fevereiro, não deste modelo.
- Por que importa
- É o dado mais claro até agora de que um modelo competitivo pode ser treinado e servido em escala sem hardware NVIDIA — e coloca trabalho agentivo de classe Opus a centavos.
3
Em software científico de verdade, o melhor agente de código resolve menos da metade dos bugs
Abrir verbete→
- O que é
- O SWE-bench Science, do grupo OpenMOSS da Universidade Fudan, reúne 119 issues reais de 98 repositórios em 20 domínios científicos — imagem, espectroscopia, simulação. As falhas envolvem unidades, sistemas de coordenadas, invariantes numéricos e premissas físicas, não lógica pura. Os autores propõem uma taxonomia de quatro mecanismos de falha e testam se injetar orientação científica ajuda.
- O que foi demonstrado
- Leaderboard em 1º de setembro: Claude Opus 5 (esforço máximo) 47,9%; DeepSeek-V4-Pro 42,0%; GPT-5.6 Sol 40,3%; Kimi K3 35,3%; GLM-5.2 31,9%. Os mesmos modelos passam de 95% no SWE-bench Verified. Orientação bem fundamentada ajuda; orientação mal calibrada provoca ancoragem e piora o resultado.
- O que ainda não foi
- Amostra pequena (119 tarefas): diferenças de poucos pontos entre modelos ficam dentro do ruído. Grupo acadêmico sem vínculo com fornecedores, mas o custo de rodar limita replicações. Preprint v2, ainda sem revisão por pares. Não confundir com o “Terminal-Bench-Science 0.1”, que aparece nos decks de lançamento desta semana.
- Por que importa
- Quantifica a distância entre leaderboards saturados e engenharia de domínio de verdade — exatamente onde engenheiros vão ser cobrados para colocar agentes a seguir.
4
GPT-6 Astra: mesmo preço, novo teto nos benchmarks — e um system card que diz que ficou mais difícil monitorar o raciocínio
Abrir verbete→
- O que é
- A OpenAI lançou o GPT-6 Astra em 3 de setembro, para ChatGPT, API, Azure e Bedrock, mantendo US$ 10 por milhão de tokens de entrada e US$ 50 de saída. É o primeiro modelo que a empresa classifica como “Crítico” em cibersegurança e “Alto” em bio/química no seu Preparedness Framework. O system card registra que a monitorabilidade da cadeia de pensamento diminuiu em relação ao GPT-5.6 Sol.
- O que foi demonstrado
- Medido pela OpenAI: 99,9% no ARC-AGI-3 (Sol: 7,8%); 97,6% no FrontierMath Tier 4; 57,9% no Terminal-Bench 4.0; 72,6% no OSWorld 2.0. Taxa de sucesso de injeção indireta de prompt caiu de 27,0% para 8,5%. Cerca de metade das sinalizações de desalinhamento severo em 54 mil tarefas do Codex.
- O que ainda não foi
- Todos os números são da própria OpenAI; o ARC-AGI-3 foi rodado com um “harness adaptador”, e fontes divergem sobre a janela de contexto (256 mil a ~1 milhão). O próprio system card diz que o modelo produz cadeias mais curtas, “consegue evitar monitores quando subdesempenha estrategicamente” e que a empresa terá “confiança significativamente reduzida” para detectar certos comportamentos desalinhados. Recusas em ciber subiram a ~94%, o que pode bloquear trabalho defensivo legítimo.
- Por que importa
- Para quem constrói, redefine o ponto de preço/desempenho da fronteira; para quem governa, é o primeiro flagship cujo próprio relatório admite que ler o raciocínio está ficando menos confiável.
5
O governo publicou a licitação de R$ 959 milhões do supercomputador de IA do Rio Grande do Norte — propostas até 8 de outubro
Abrir verbete→
- O que é
- Em 20 de agosto, o governo federal anunciou cerca de R$ 2,5 bilhões em infraestrutura de IA ligada ao PBIA, e o LNCC, via FACC, publicou a licitação do supercomputador de Macaíba (RN): 7.200 PFLOPS em FP16, mais de 50 mil núcleos, ~4 MW, operação prevista para o fim de 2027, com cláusulas de conteúdo local e transferência de tecnologia. O pacote inclui a parceria RNP–Huawei no Rio para modelos em português (R$ 1,276 bi em cinco anos), R$ 250 milhões para chips de arquitetura aberta em Campinas e R$ 50 milhões para um centro de transparência algorítmica na UFMG.
- O que foi demonstrado
- Valor da licitação: R$ 959.040.959,04. Prazo: 8 de outubro de 2026, 10h. Compromisso de formar 5 mil profissionais em cinco anos. A ministra Luciana Santos afirmou que 60% do processamento brasileiro de IA acontece hoje no exterior.
- O que ainda não foi
- É um anúncio de compra, não uma máquina entregue: a licitação já havia sido prometida para 2025 e para o início de 2026. Fornecedor, tipo de GPU e metodologia dos FLOPS (denso ou esparso) não estão especificados; custos de operação ficam fora do R$ 1 bilhão. O anúncio coincidiu com a primeira viagem do presidente ao Nordeste após lançar candidatura, o que a imprensa local registrou. Os totais variam entre R$ 2,3 bi (LNCC) e R$ 2,5 bi (imprensa).
- Por que importa
- É o primeiro passo concreto, datado e financiado rumo a capacidade soberana de computação para IA no Brasil — e os termos da licitação vão definir quais pilhas os engenheiros daqui poderão usar.
Receba o próximo Cinco
Terça, 7h, no seu e-mail. Cinco itens, com fonte. Sem newsletter diária, sem promoção, e o descadastro é um clique.