Os melhores modelos de IA open source em 2026: 8 opções no ranking

O melhor modelo de IA open source que você pode rodar em 2026 já não é americano — e também deixou de ser uma segunda opção. O GLM-5.2 supera o GPT-5.5 no SWE-bench Pro, adota a licença MIT e custa $18 por mês em um plano fixo. A tecnologia de ponta que antes só podia ser alugada agora está disponível para download.

Veredito

Se a ideia é escolher um único modelo aberto para programação e tarefas sérias com agentes, use o GLM-5.2. Para trabalho em grande volume pelo menor custo possível, fique com o DeepSeek V4 Flash. Se tudo precisa permanecer no seu próprio hardware e rodar em uma única GPU, a escolha é o gpt-oss-120b. Já quando a prioridade do jurídico é uma licença sem ambiguidades, Qwen3 ou Mistral sob Apache 2.0 são as opções mais seguras.

Um modelo de pesos abertos permite baixar e executar os parâmetros treinados por conta própria, em vez de apenas alugá-lo por meio de uma API. Esse detalhe muda toda a economia de um produto baseado em IA: o modelo passa a ser um custo sob seu controle, não um taxímetro que continua rodando enquanto você dorme. Veja o ranking pelo que cada opção entrega de fato.

Uma observação sobre os preços da tabela: quando o modelo pode ser baixado, o valor por token é o cobrado pelo provedor mais barato, já que os próprios pesos são gratuitos. Os números acima correspondem à tarifa oficial da API de cada fornecedor, registrada nesta semana. Ao hospedar o modelo por conta própria, o taxímetro por token dá lugar à conta das GPUs.

Por que a IA open source deixou de ser uma concessão

Durante dois anos, “modelo aberto” quis dizer “bom o bastante para quem não pode pagar pelo modelo de verdade”. Isso já não procede, e um benchmark deixa a virada evidente. No SWE-bench Pro, teste que mede se o modelo consegue resolver tickets reais de engenharia de software, o GLM-5.2 marca 62.1. O GPT-5.5 fica em 58.6. O Gemini 3.1 Pro, em 54.2. Apenas o Claude Opus 4.8, com 69.2, mantém uma vantagem clara. Um modelo aberto com licença MIT, criado por uma empresa derivada da Tsinghua, agora supera dois dos três laboratórios ocidentais de fronteira no benchmark mais relevante para engenharia.

É aqui que se decide se o modelo pode mesmo entrar em produção, embora quase nenhum comparativo explique a diferença: “pesos abertos” e “código aberto” não oferecem a mesma garantia. Pesos abertos significam que os parâmetros podem ser baixados. Código aberto, no sentido que importa para uma empresa, também exige uma licença que permita implantar, modificar e vender o produto sem pedir autorização. DeepSeek, GLM e Qwen usam MIT ou Apache 2.0, licenças realmente permissivas: elas liberam qualquer uso, inclusive comercial. Llama e MiniMax adotam “licenças comunitárias” com restrições escondidas nos termos. Não é uma distinção acadêmica. É a diferença entre lançar um produto baseado no modelo e receber uma notificação do jurídico três meses depois.

GLM-5.2 é o modelo aberto a ser batido

O GLM-5.2, do laboratório chinês Z.ai (antiga Zhipu), é o modelo de pesos abertos mais forte do mundo para trabalhos de engenharia de longa duração — e deve ser a primeira opção a considerar. Lançado em meados de junho de 2026, ele trouxe uma janela de contexto realmente utilizável de 1M de tokens, ante 200K na versão anterior, e preserva a qualidade ao longo de toda essa janela, em vez de simplesmente aceitar os tokens. A janela de contexto define quanto texto cabe de uma vez na memória de trabalho do modelo; com 1M, ele consegue manter em vista uma base de código inteira de médio porte, seus testes e suas convenções enquanto trabalha.

No Terminal-Bench 2.1, que avalia se um modelo consegue operar um terminal real até concluir uma tarefa, o GLM-5.2 marca 81.0. O resultado fica a poucos pontos dos 85.0 do Claude Opus 4.8 e supera os 74.0 do Gemini 3.1 Pro. Nos benchmarks da própria Z.ai, ele aparece como o modelo open source mais bem colocado em todos os testes de longa duração realizados pelo laboratório. Como usa licença MIT, uma startup de 12 pessoas pode hospedá-lo, ajustá-lo com seu próprio código e incorporá-lo a um produto pago sem autorização nem royalties.

O porém está no hardware. Trata-se de um modelo com cerca de 745 bilhões de parâmetros, e hospedá-lo bem exige uma máquina robusta com várias GPUs. A maioria das equipes não vai executá-lo por conta própria; vai recorrer à API, cuja tarifa publicada gira em torno de $1.40 por milhão de tokens de entrada e $4.40 por milhão de tokens de saída, ou ao GLM Coding Plan, de cerca de $18 por mês. Para quem vinha pagando preços de API de fronteira, o plano é a grande notícia: por aproximadamente o valor de dois cafés, você ganha um mês de programação em nível de fronteira e ainda mantém a opção de levar os pesos para dentro de casa no futuro, caso o controle dos dados se torne obrigatório.

DeepSeek V4 estabelece um piso de custo inalcançável

O DeepSeek V4 torna a conta impossível de ignorar: entrega qualidade próxima da fronteira por um preço que, arredondado, praticamente desaparece. Lançado em abril de 2026 pelo laboratório chinês DeepSeek, ele está disponível em dois tamanhos, ambos com licença MIT e contexto de 1M de tokens. O V4-Pro é um modelo mixture-of-experts de 1.6 trilhão de parâmetros; o V4-Flash é uma versão mais enxuta, com 284 bilhões. Em um modelo mixture-of-experts, apenas uma pequena parte dos parâmetros é ativada para cada token — é assim que um sistema desse porte continua barato de operar.

Os preços contam a história. Na API oficial do DeepSeek, o V4-Flash custa $0.14 por milhão de tokens de entrada e $0.28 por milhão de tokens de saída. Mesmo o V4-Pro, mais pesado, sai por apenas $0.435 na entrada e $0.87 na saída. Para dimensionar a diferença: uma carga que custa algumas centenas de dólares por mês em um modelo fechado de fronteira costuma cair para poucas dezenas de dólares no V4-Flash, para o mesmo trabalho e com uma qualidade que a maioria dos usuários não consegue distinguir nas tarefas do dia a dia. Os dois oferecem um modo de pensamento para raciocínios mais difíceis e chamadas de ferramentas para tarefas com agentes.

O limite real: o DeepSeek é excelente em raciocínio, matemática e código, mas não seria minha escolha para os trabalhos multimodais mais exigentes nem para as execuções mais longas de agentes de programação, nas quais GLM-5.2 e Kimi saem na frente. Use o V4-Flash como padrão para qualquer tarefa de alto volume — classificação, extração, resumo e redação — e reserve um modelo mais caro para os 5% dos trabalhos que realmente exigem isso.

Kimi K2.7 Code foi criado para agentes que programam

O Kimi K2.7 Code, da Moonshot AI, é o modelo aberto desenvolvido especificamente para agentes de programação que trabalham por horas; ele chegou em junho de 2026. Trata-se de um mixture-of-experts de 1 trilhão de parâmetros com entrada multimodal nativa — ou seja, lê imagens e vídeo junto com texto — e uma janela de contexto de 256K tokens. Enquanto o GLM-5.2 é um generalista que por acaso se destaca em código, o Kimi foi ajustado para os ciclos longos e compostos por várias etapas que as ferramentas modernas de programação executam.

Segundo os números divulgados pela Moonshot, o K2.6 anterior alcançou 80.2% no SWE-bench Verified, na mesma faixa dos modelos fechados de fronteira. Na API oficial, o K2.7 Code custa $0.95 por milhão de tokens de entrada e $4.00 por milhão de tokens de saída, com uma tarifa muito menor, de $0.19, quando o prompt está em cache. Essa diferença pesa bastante para agentes que reenviam o mesmo contexto extenso a cada etapa. O modelo usa uma licença MIT modificada, portanto a hospedagem própria para fins comerciais é uma possibilidade.

A contrapartida é o foco. O Kimi é afiado em programação e execução por agentes, mas menos versátil para redação ou análise geral. Se o seu produto é um agente de programação ou uma ferramenta interna para desenvolvimento, ele está entre as melhores escolhas. Para um único modelo capaz de fazer de tudo, GLM-5.2 ou DeepSeek oferecem mais equilíbrio. Para entender como esses modelos se encaixam nas ferramentas que de fato os executam, consulte os melhores agentes de IA para programação.

Qwen3 é o modelo aberto sério com a licença mais permissiva

O Qwen3, da Alibaba, é a escolha certa quando uma licença sem complicações e a cobertura de idiomas importam mais do que liderar um benchmark isolado. O modelo aberto principal, Qwen3-235B-A22B, é um mixture-of-experts de 235 bilhões de parâmetros, com 22 bilhões de parâmetros ativos, contexto de 256K tokens e suporte a 119 idiomas. O ponto decisivo é a licença Apache 2.0, a mais permissiva de toda a lista, que transforma o Qwen3 na opção padrão para qualquer empresa cuja equipe jurídica se preocupe com termos personalizados.

O mesmo modelo alterna entre um modo de pensamento para raciocínio complexo e outro mais rápido, sem pensamento, para conversas cotidianas. Assim, você não paga por uma deliberação desnecessária. Os pesos podem ser baixados gratuitamente e executados pela Alibaba Cloud ou por qualquer provedor que os ofereça.

Há um detalhe importante, porque o marketing deixa a situação nebulosa: o principal lançamento mais recente da Alibaba, Qwen3.7-Max, é fechado e acessível apenas por API. Os modelos realmente abertos são os pesos intermediários e os de 235B já publicados, não a categoria Max. Para um leitor não técnico responsável pela compra, a regra é simples: se a intenção é ter o modelo sob seu controle, escolha um peso aberto e identificado do Qwen, não a versão Max. O modelo aberto de 235B fica um pouco atrás do GLM-5.2 e do DeepSeek V4 nos benchmarks de programação mais difíceis, mas a licença permissiva e o alcance multilíngue fazem dele a opção soberana mais segura para um produto global.

MiniMax M3 leva recursos multimodais à fronteira aberta

O MiniMax M3 merece atenção quando o trabalho combina texto, imagens e vídeo e ainda exige um contexto enorme. Também é o lançamento mais recente do grupo, apresentado em 1º de junho de 2026. Esse modelo mixture-of-experts reúne 428 bilhões de parâmetros, dos quais 23 bilhões ficam ativos, contexto de 1M de tokens e entrada multimodal nativa. Para baratear a inferência com contextos longos, ele emprega uma arquitetura de atenção que o laboratório chama de MiniMax Sparse Attention.

O preço é agressivo: a própria API da MiniMax lista o M3 a $0.30 por milhão de tokens de entrada e $1.20 por milhão de tokens de saída, sob um desconto permanente de 50%. Resultados como 93.0 no GPQA Diamond o colocam entre os modelos de raciocínio mais fortes, sejam eles abertos ou fechados.

O asterisco é a licença. Os pesos do M3 podem ser baixados, mas o uso comercial do modelo ou de seus derivados exige um acordo separado, além da licença MiniMax Community padrão. Em termos simples: é ótimo para experimentar, mas obtenha as condições comerciais por escrito antes de construir um negócio sobre ele. Essa única cláusula explica por que o M3 fica abaixo dos modelos MIT e Apache para quem pretende lançar um produto.

gpt-oss é o LLM local que roda na sua própria GPU

O gpt-oss, família de modelos de pesos abertos da OpenAI, é a opção indicada quando o requisito inegociável é rodar em hardware próprio, sem depender de um cluster. O maior deles, gpt-oss-120b, tem 117 bilhões de parâmetros, mas apenas 5.1 bilhões ficam ativos, e foi projetado para funcionar em uma única GPU de 80GB, como a NVIDIA H100. O gpt-oss-20b menor roda com 16GB de memória, o que cabe em uma workstation bem equipada. Ambos usam Apache 2.0.

Esta é a escolha pragmática para ambientes locais. Em uma empresa regulada, hospital, banco ou fornecedora do setor de defesa que não pode enviar dados a nenhuma API externa, “cabe em uma H100” resolve toda a decisão. O esforço de raciocínio é configurável, permitindo alternar entre um modelo rápido e barato ou lento e cuidadoso, e há acesso completo à cadeia de pensamento para depuração. Ele foi realmente preparado para agentes, com chamadas de função, navegação na web e execução de Python nativas.

A avaliação franca: o gpt-oss não disputa o topo dos rankings como GLM-5.2 ou DeepSeek V4 e é o lançamento mais antigo deste grupo. Você o escolhe pelo modelo de implantação — uma opção competente, que cabe no hardware já disponível e usa uma licença clara —, não por ser a alternativa mais inteligente de todas.

Mistral é a opção aberta europeia

O Mistral, laboratório francês, é o modelo aberto a considerar quando a residência dos dados na Europa e um fornecedor ocidental conhecido importam para os seus clientes. O portfólio aberto inclui o Mistral Small 4, modelo híbrido que reúne seguimento de instruções, raciocínio e programação em um pacote eficiente; o Mistral Medium 3.5, multimodal e em nível de fronteira; além do Devstral 2 para trabalhos com agentes de programação.

Para uma empresa europeia que vende a clientes europeus, é mais fácil conduzir a compra com um fornecedor sediado em Paris do que com outro baseado em Pequim, independentemente do que os pesos realmente fazem. Os modelos do Mistral são menores e mais leves que os gigantescos MoEs chineses. Isso é uma vantagem para quem busca eficiência e uma limitação para quem precisa do topo absoluto nos rankings de programação. É a escolha confortável e adequada às exigências regulatórias, não a líder dos benchmarks.

Llama 4 oferece o ecossistema, não a fronteira

O Llama 4, da Meta, deixou de ser o modelo escolhido para vencer benchmarks, mas continua reunindo o conjunto de ferramentas mais maduro e a comunidade mais ampla. A geração atual, lançada em 2025, inclui Scout e Maverick, dois modelos mixture-of-experts multimodais nativos com 17 bilhões de parâmetros ativos; o Maverick soma 400 bilhões de parâmetros em 128 especialistas. O maior modelo, Behemoth, ainda não foi lançado.

O verdadeiro ativo do Llama em 2026 é sua força gravitacional: há mais ajustes finos, quantizações, guias de implantação e profissionais familiarizados com ele do que com qualquer outro modelo aberto. Se a sua equipe já usa Llama e as tarefas estão bem atendidas, não há urgência em migrar. Mas é preciso descrever corretamente a licença. O Llama adota a licença comunitária da Meta, não Apache nem MIT, e ela impõe restrições comerciais ausentes em uma licença verdadeiramente open source. Em um projeto novo, sem amarras de licenciamento, os modelos chineses mais recentes com MIT e Apache entregam mais capacidade e termos mais simples.

Qual modelo escolher em cada cenário

O melhor modelo depende da sua restrição, não de um vencedor absoluto. Encontre o seu cenário na tabela.

A conta dos custos, sem maquiagem

Para uma empresa, tudo isso importa por causa da fatura. Então vale fazer a conta real, sem exageros. Há três formas de pagar por um modelo aberto, adequadas a escalas diferentes.

1. 1

   Alugar a API (menor compromisso)

   Você acessa o modelo pela API do fornecedor e paga por token. Nos preços do DeepSeek V4-Flash, um milhão de tokens de saída custa 28 centavos de dólar. Uma equipe que processa algumas centenas de milhões de tokens por mês — uma carga real para um produto movimentado — paga dezenas de dólares, não milhares. É por aqui que quase todo mundo deve começar.

2. 2

   Contratar um plano fixo (gasto previsível)

   Para uso intenso em programação, uma assinatura como o GLM Coding Plan, de aproximadamente $18 por mês, elimina por completo a ansiedade com o custo por token. Você paga um valor fixo e para de contar tokens. É o ponto ideal para uma pequena equipe de engenharia que programa com IA o dia todo.

3. 3

   Hospedar os pesos (maior compromisso, menor custo marginal)

   Você baixa os pesos MIT ou Apache e os executa nas próprias GPUs. O gasto deixa de ser um taxímetro por token e passa a ser uma conta fixa de GPU somada ao tempo da equipe de engenharia. A escolha só se paga com volume alto e constante, ou quando o controle dos dados é inegociável. O gpt-oss-120b em uma única H100 é a porta de entrada realista; os MoEs com trilhões de parâmetros exigem um cluster.

A afirmação muito repetida de que uma equipe que gasta $10,000 por mês com um modelo fechado poderia desembolsar $1,000 a $2,000 em um aberto está correta em ordem de grandeza e pode ser conferida nos preços acima: GLM-5.2 e DeepSeek V4 custam cerca de cinco a dez vezes menos que APIs fechadas de fronteira para trabalhos comparáveis. A economia é real. O que essa conta omite é o custo de engenharia necessário para operar bem uma inferência própria. Por isso, APIs e planos fixos superam a hospedagem própria para a maioria das equipes até que o volume seja grande. Para comparar diretamente esses modelos abertos com Claude, GPT e Gemini fechados especificamente em programação, consulte o [melhor modelo de IA para programação](/blog/best-ai-model-for-coding-2026).

A regra para decidir

Uma única restrição muda toda a escolha. Se você pode usar uma API, a decisão é um equilíbrio entre custo e capacidade: GLM-5.2 para trabalhos complexos com agentes ou DeepSeek V4 Flash para tudo o que exige alto volume. Se a API não é uma opção — por residência de dados, regulamentação ou infraestrutura isolada —, a única pergunta relevante é o que roda no hardware disponível. Nesse caso, a resposta é gpt-oss-120b em uma GPU ou Qwen3 em uma máquina um pouco maior. Resolva primeiro a questão da API. Todo o resto vem depois.

Qual é o melhor LLM open source de 2026?

Para trabalhos sérios com agentes e programação, o GLM-5.2: ele lidera todos os benchmarks abertos de longa duração, adota a licença MIT e oferece um plano fixo de $18 por mês. Para tarefas baratas e em alto volume, o DeepSeek V4 Flash, a $0.14 na entrada e $0.28 na saída por milhão de tokens, não tem rival em preço.

Pesos abertos e código aberto são a mesma coisa?

Não — e ignorar a diferença pode sair caro. Pesos abertos significam que o modelo pode ser baixado. Para uma empresa, código aberto também significa que a licença permite implantar e vender o que foi construído. DeepSeek, GLM, Qwen e gpt-oss usam licenças permissivas MIT ou Apache 2.0; Llama e MiniMax adotam licenças comunitárias restritas que devem ser analisadas por um advogado antes do uso comercial.

Posso rodar esses modelos no meu próprio hardware?

Alguns deles, sem dificuldade. O gpt-oss-120b cabe em uma única H100 de 80GB, e o gpt-oss-20b roda com 16GB. Os grandes modelos mixture-of-experts — DeepSeek V4, GLM-5.2 e Kimi K2.7 — exigem um cluster com várias GPUs para funcionar bem em hospedagem própria. Por isso, a maioria das equipes prefere alugá-los por API.

É seguro para uma empresa dos EUA usar modelos abertos chineses?

Os pesos baixados rodam inteiramente na sua infraestrutura e não enviam dados a lugar algum; a hospedagem própria, portanto, elimina por completo a preocupação com residência de dados. A questão só surge quando se usa a API hospedada de um fornecedor, pois os dados são enviados a esse provedor. Se isso for um problema, hospede os pesos abertos ou recorra a um provedor ocidental que os ofereça.

Qual é o melhor LLM local para rodar em uma máquina comum?

O gpt-oss-20b, que funciona com 16GB de memória, ou um peso intermediário do Qwen3. Os dois entregam um modelo competente, com licença permissiva, em uma única workstation e sem nenhum aluguel.

Quer enxergar o cenário completo aplicado à sua empresa — não apenas os modelos, mas também os agentes, ferramentas e stacks que os transformam em produtos? Acesse o mapa de ferramentas de IA para empresários e receba uma leitura semanal curta sobre o que realmente foi lançado e o que fazer a respeito.