O aberto mais forte custa 87 centavos

Os repositórios do MiMo-V2.6 apareceram no Hugging Face na tarde de 21 de setembro, horário de Brasília; o anúncio da Xiaomi é datado de 22, já em Pequim.^1,2 São dois modelos multimodais: o Pro, com 1 trilhão de parâmetros e 42 bilhões ativos por token, e o Flash, com cerca de 310 bilhões. Cada um saiu em duas variantes de treino, sob licença MIT. A Xiaomi diz ter publicado também o relatório técnico, o ambiente de treino e o código de aprendizado por reforço — e conta quanto custou a fase de reforço: seis dias, cerca de 750 mil trajetórias, US$ 2,62 milhões para o Pro e US$ 850 mil para o Flash.¹ São números da empresa, não auditados, mas raros: quase nenhum laboratório diz quanto gastou em qualquer etapa.

Na medição independente da Artificial Analysis, o Pro marca 46 no índice v4.3 e o Flash, 38. O 46 põe o Pro à frente de todos os modelos de pesos abertos — o GLM-5.3-Flash, que o painel seguia desde o nº 2, tem 42.^3,5 Na API da própria Xiaomi, fora da China, o Pro custa US$ 0,435 por milhão de tokens de entrada e US$ 0,87 de saída; o Flash, US$ 0,14 e US$ 0,28. É a mesma tabela do MiMo-V2.5, em vigor desde maio.⁴ A figura 1 repete a figura do nº 1 — nota contra preço — na régua nova.

Dentro da faixa de 46 a 47 pontos, o preço de saída vai de US$ 0,87 a US$ 20 — 23 vezes. Mas o preço de saída é o número errado para quem roda agentes. Um agente relê a cada passo o histórico, os arquivos e as ferramentas; ele lê muito mais do que escreve. O código 1 faz a conta de um mês de uso com uma proporção típica dessa carga — 25 tokens lidos para cada token escrito — e sem cache, que fica para o quarto movimento.

# Um mês de agente: 1.000 tarefas por dia, 200 mil tokens de entrada e 8 mil de saída por tarefa, sem cache
tarefas = 1_000 * 30
entrada = tarefas * 200_000 / 1e6   # milhões de tokens
saida = tarefas * 8_000 / 1e6

modelos = {  # índice AA v4.3, US$ por milhão de tokens: entrada, saída (preço de lista em 21/9)
    "GPT-6 Astra":      (53, 10.00, 50.00),
    "Claude Fable 5.1": (53, 10.00, 50.00),
    "Claude Opus 5":    (51,  5.00, 25.00),
    "GPT-5.6 Sol":      (47,  4.00, 20.00),
    "Grok 4.7":         (46,  2.00,  6.00),
    "MiMo-V2.6-Pro":    (46,  0.435, 0.87),
    "MiMo-V2.6-Flash":  (38,  0.14,  0.28),
}
base = modelos["MiMo-V2.6-Pro"]
custo_base = entrada * base[1] + saida * base[2]
print(f"{entrada:,.0f} M tokens de entrada, {saida:,.0f} M de saída por mês\n")
print(f"{'modelo':17}{'índice':>7}{'US$/mês':>11}{'% entrada':>11}{'× MiMo Pro':>12}")
for nome, (idx, pin, pout) in modelos.items():
    custo = entrada * pin + saida * pout
    print(f"{nome:17}{idx:>7}{custo:>11,.0f}{entrada * pin / custo:>11.0%}{custo / custo_base:>12.1f}")

6,000 M tokens de entrada, 240 M de saída por mês

modelo            índice    US$/mês  % entrada  × MiMo Pro
GPT-6 Astra           53     72,000        83%        25.5
Claude Fable 5.1      53     72,000        83%        25.5
Claude Opus 5         51     36,000        83%        12.8
GPT-5.6 Sol           47     28,800        83%        10.2
Grok 4.7              46     13,440        89%         4.8
MiMo-V2.6-Pro         46      2,819        93%         1.0
MiMo-V2.6-Flash       38        907        93%         0.3

Com essa carga, de 83% a 93% da conta é entrada, em todos os modelos. O mês do Astra custa 25 vezes o do MiMo Pro; o do Grok 4.7, com a mesma nota do MiMo, quase cinco. O índice diz que o Astra é sete pontos melhor. Se sete pontos valem US$ 69 mil por mês, depende do que o agente faz — e é exatamente a pergunta que o índice não responde. Os números de agente que a Xiaomi publicou, como o DeepSWE de 72,6% para o Pro, são dela e não foram replicados.¹

Em 21 de setembro a xAI lançou o Grok 4.7 — a página do anúncio já assina SpaceXAI LLC. O preço começa em US$ 2 por milhão de tokens de entrada e US$ 6 de saída, o mesmo do Grok 4.6, e há uma variante rápida que entrega o dobro da velocidade pelo dobro do preço. O modelo saiu no mesmo dia na API, no Cursor, em harnesses de terceiros e em nuvens.⁶ Na Artificial Analysis, marcou 46 — a mesma nota do MiMo-V2.6-Pro, a sete vezes o preço de saída.¹⁵

A tabela do anúncio põe o próprio modelo atrás. No Terminal-Bench 4.0, o Grok 4.7 aparece com 37,6%, empatado com o GPT-5.6 Sol (37,3%) e vinte pontos abaixo do Claude Fable 5.1 (57,9%).⁶ A página não diz de onde vêm os números, mas eles batem, um a um, com o placar oficial do benchmark, onde cada laboratório submete o próprio agente com cinco rodadas por tarefa: o Fable 5.1 pela Anthropic, o Sol pela OpenAI, o Grok 4.7 pela xAI — esta numa linha criada no dia do lançamento, com 324 das 330 rodadas completas.¹⁶ É a forma certa de citar um concorrente: com o número que ele mesmo submeteu, num protocolo que qualquer um confere.

Nem todo mundo fez assim. A tabela de lançamento do GPT-6 Astra, em 3 de setembro, deu ao Fable 5.1 55,8% — número que não está no placar, que a OpenAI não diz de onde tirou e que é o mesmo que a Anthropic publica nas próprias tabelas, medido no setup interno dela.^7,17 E a Artificial Analysis, que roda tudo no próprio harness, mediu 52,0%.⁵ A figura 2 junta as três medidas.

Seis pontos entre a maior e a menor medida do mesmo modelo são quatro tarefas em 66, e o intervalo de confiança do próprio placar cobre quase tudo. Ninguém está fraudando nada: cada medida vem de um harness e de um número de rodadas diferentes. A lição é de leitura. Quando uma tabela de lançamento mostra concorrentes, a pergunta é quem rodou cada linha. Quando a resposta é “o próprio concorrente, no placar público”, dá para conferir a comparação; quando a tabela não responde, a linha vale menos do que parece. Para o painel, nada muda: o teto do Terminal-Bench 4.0 continua nos 59,1% do Astra medidos pela Artificial Analysis, acima de tudo o que o placar oficial tinha na semana.

Em 15 de setembro o Google anunciou o Gemini 3.8 Live e o Gemini 3.8 Live Extended Thinking, modelos de conversa por voz em tempo real — o segundo pensa antes de responder. Para desenvolvedores, os dois entraram “em rollout” na Gemini API e no Google AI Studio; para empresas, em prévia privada no Gemini Enterprise. O post não traz identificador de modelo na API, preço nem benchmark próprio.⁸ Traz uma frase: o Extended Thinking teria conquistado o primeiro lugar geral no índice de voz da Artificial Analysis, com 82,6.

A Artificial Analysis confirma o 82,6. O primeiro lugar, não dá para confirmar: a página do índice não diz quando cada modelo entrou. O GPT-Live 1, da OpenAI, saiu da prévia cinco dias antes do anúncio do Google e hoje aparece à frente, com 83,2 — numa única rodada, como a própria página avisa. E em 14 de outubro, depois desta semana, a xAI lançou o Grok Voice 3.0, que passou os dois.⁹ A figura 3 mostra o placar como estava na data de publicação desta edição.

Duas coisas valem para quem constrói com voz. A primeira: o Extended Thinking marca 8,1 pontos a mais do que o modelo base, o que diz que raciocinar antes de falar já compensa em conversa — mas o post não diz quanto tempo o usuário espera por isso, e em voz o atraso é o produto. A segunda: um modelo “em rollout”, sem preço publicado, não entra em orçamento. Até lá, o número que importa é o do modelo que você consegue contratar hoje, não o do placar.

Nenhum dos dois laboratórios lançou modelo entre 15 e 21 de setembro — os lançamentos vieram no dia 22, e ficam para o nº 4. O que saiu foi plataforma. Em 15 de setembro, a OpenAI deu aos administradores controle sobre quem cria chaves de API: só contas de serviço, só chaves no próprio projeto, ou nenhuma chave nova; a regra da organização vale sobre a do projeto, e chaves existentes não mudam.¹⁰ Em 18 de setembro, a Anthropic fez o campo diagnostics, do diagnóstico de cache em beta, vir sempre na resposta — nulo quando não pedido —, e a Compliance API passou a devolver as transcrições de sessões do Claude in Chrome para clientes Enterprise.¹¹

Junto com a expiração de chaves e o diagnóstico de cache que a OpenAI lançou uma semana antes, o recado é o mesmo: os dois fornecedores estão vendendo para quem já tem agente em produção e precisa saber quem gastou o quê. O diagnóstico de cache é o mais importante dos dois, pelo motivo que o código 1 já mostrou: um agente lê muito mais do que escreve. E o que ele lê é, quase todo, o mesmo texto da chamada anterior — o histórico, as instruções, as ferramentas. Se esse prefixo bate no cache, a entrada sai com desconto. O código 2 mostra quanto.

# Preço efetivo de entrada conforme a taxa de acerto do cache (US$ por milhão de tokens)
precos = {  # entrada sem cache, entrada com cache (leitura)
    "GPT-6 Astra":   (10.00, 1.00),
    "MiMo-V2.6-Pro": (0.435, 0.0036),
}
print(f"{'acerto':>7}" + "".join(f"{m:>16}" for m in precos) + f"{'razão':>9}")
for acerto in (0.0, 0.5, 0.8, 0.9, 0.95):
    ef = {m: (1 - acerto) * cheio + acerto * cache for m, (cheio, cache) in precos.items()}
    a, b = ef.values()
    print(f"{acerto:>7.0%}" + "".join(f"{v:>16.4f}" for v in ef.values()) + f"{a / b:>8.0f}×")
for m, (cheio, cache) in precos.items():
    print(f"\n{m}: desconto do cache {1 - cache / cheio:.1%}; um erro de cache custa {cheio / cache:.0f}× um acerto", end="")
print()

 acerto     GPT-6 Astra   MiMo-V2.6-Pro    razão
     0%         10.0000          0.4350      23×
    50%          5.5000          0.2193      25×
    80%          2.8000          0.0899      31×
    90%          1.9000          0.0467      41×
    95%          1.4500          0.0252      58×

GPT-6 Astra: desconto do cache 90.0%; um erro de cache custa 10× um acerto
MiMo-V2.6-Pro: desconto do cache 99.2%; um erro de cache custa 121× um acerto

Sem cache, a entrada do Astra custa 23 vezes a do MiMo Pro. Com 90% de acerto — alcançável num agente cujo prefixo não muda entre chamadas —, 41 vezes. A distância entre fechado e aberto cresce justamente onde o agente gasta, porque a Xiaomi cobra 99,2% a menos pelo token em cache e a OpenAI, 90%. O outro lado da mesma conta é o risco: no MiMo, um token que erra o cache custa 121 vezes o que acerta. Uma mudança pequena no início do prompt — um horário, um identificador de sessão, a ordem das ferramentas — derruba o acerto e multiplica a conta sem que nada no código pareça errado. É para isso que serve o diagnóstico de cache, e é por isso que ele vale mais do que parece.

Desde o nº 2, o indicador de preço do aberto segue o modelo MIT ou Apache 2.0 mais bem colocado no índice da Artificial Analysis. Nesta edição ele passa do GLM-5.3-Flash, a US$ 0,50, para o MiMo-V2.6-Pro, a US$ 0,87. O preço da fronteira não mudou — US$ 50, do Astra e do Fable 5.1 —, então a razão entre os dois cai de 100 para 57,5. Quem lê só o número conclui que a tesoura fechou. Não fechou: o aberto subiu de nota e de preço ao mesmo tempo. O código 3 mostra quanto a leitura depende da regra.

# A largura da tesoura em 22/9 depende de qual aberto entra na conta
fronteira = 50.00  # US$ por milhão de tokens de saída: GPT-6 Astra e Claude Fable 5.1
abertos = {  # MIT ou Apache 2.0: índice AA v4.3, preço de saída na API do laboratório
    "MiMo-V2.6-Pro":   (46, 0.87),
    "GLM-5.3-Flash":   (42, 0.50),
    "MiMo-V2.6-Flash": (38, 0.28),
}
metodos = {
    "até o nº 1: o mais barato com índice >= 55":
        [m for m, (i, p) in abertos.items() if i >= 55],
    "o mais barato com índice >= 42":
        [m for m, (i, p) in abertos.items() if i >= 42],
    "o mais barato, sem corte":
        list(abertos),
    "desde o nº 2: o mais bem colocado":
        [max(abertos, key=lambda m: abertos[m][0])],
}
for nome, candidatos in metodos.items():
    if not candidatos:
        print(f"{nome:44} sem modelo")
        continue
    m = min(candidatos, key=lambda m: abertos[m][1])
    print(f"{nome:44} {m:16} US$ {abertos[m][1]:.2f}  razão {fronteira / abertos[m][1]:6.1f}")

até o nº 1: o mais barato com índice >= 55   sem modelo
o mais barato com índice >= 42               GLM-5.3-Flash    US$ 0.50  razão  100.0
o mais barato, sem corte                     MiMo-V2.6-Flash  US$ 0.28  razão  178.6
desde o nº 2: o mais bem colocado            MiMo-V2.6-Pro    US$ 0.87  razão   57.5

Com os mesmos três modelos e o mesmo dia, a razão vai de 57,5 a 178,6 conforme a regra. Nenhuma é a certa; cada uma responde a uma pergunta. A regra do painel responde a esta: quanto custa, em relação à fronteira, o melhor que o aberto permissivo tem? A resposta, nesta semana, é que o melhor ficou mais caro e mais perto. Mantemos a regra e mostramos a conta, para que quem discorde dela possa refazer com a sua.

Brasil: nada novo, dois prazos à vista

O indicador do PBIA fica em R$ 1,009 bilhão: nenhuma chamada nova com valor fixo e prazo apareceu na semana. Os dois prazos que contam estavam marcados para outubro — as propostas da RHAE IA até 9 de outubro e a abertura das propostas de Macaíba em 8 de outubro, que depois foi adiada. O PL 2338/2023 continua parado na Câmara, aguardando parecer; a ficha de tramitação não registra movimento desde 2 de setembro.¹⁴ Os outros dois indicadores de agente também não mudam: o teto do Terminal-Bench 4.0 fica em 59,1% e o do SWE-bench Science, em 50,42%.