Os 10 maiores modelos open-source em parâmetros

O problema

A pergunta que iniciou a conversa veio um pouco confusa: “dos modelos open e free, os 10 maiores com pensamento em bilhões de tokens”. Essa confusão é supercomum no começo, porque misturou três coisas que o mercado costuma jogar na mesma sacola: o tamanho do modelo, o tamanho do contexto e o volume de treinamento. Antes de montar qualquer lista, precisei organizar essas definições.

Em Inteligência Artificial, quando ouvimos a palavra “bilhões”, ela pode se referir a três coisas bem diferentes:

Parâmetros (representados pela letra B, de billions): pense neles como os “neurônios” ou as engrenagens internas do modelo. É a medida padrão para saber o quão “pesado” ele é. Um modelo de 70B tem 70 bilhões de parâmetros ajustáveis.
Contexto (tokens): é a “memória de curto prazo” do modelo, ou seja, quantas peças de texto (tokens) ele consegue ler de uma só vez. Um modelo com contexto de 128k consegue processar cerca de 128 mil tokens em uma única chamada.
Treinamento (tokens): é a quantidade de texto que o modelo “leu” na fase de aprendizado. Isso mede o volume de dados de estudo, não o tamanho da estrutura dele.

A pergunta inicial juntava tudo isso. Mas quando a comunidade de TI fala em “maiores modelos”, ela está se referindo aos maiores em quantidade de parâmetros. É essa a métrica usada nos rankings.

A confusão que precisa morrer primeiro

Antes de chegar à lista final, a nossa conversa teve uma parada importante. Minha primeira resposta listou os modelos baseando-se apenas na fama e no marketing deles. O questionamento veio na hora: “tá faltando modelo, pesquisa direito”. Para corrigir isso, foi preciso vasculhar repositórios de código e anúncios oficiais de empresas como xAI, NVIDIA, Meta, Cohere e TII. Foi aí que surgiram gigantes que tinham ficado de fora, como o Nemotron da NVIDIA e a versão de pesos abertos do Grok.

A lição aqui é clara: ranking de modelo aberto não dá para fazer “de cabeça”. As empresas lançam, atualizam e retiram versões o tempo todo. A única fonte confiável é checar a plataforma Hugging Face junta dos anúncios oficiais. Qualquer lista feita só de memória vai deixar passar algo importante.

O ranking por parâmetros (meados de 2026)

Se filtrarmos estritamente por modelos de pesos abertos (ou open-weights, que são aqueles que você pode baixar o arquivo do modelo) e pelo tamanho total de parâmetros, focando em alta capacidade de raciocínio, a régua do Top 10 fica bem alta. O ponto de corte inicial começa em torno de 314 bilhões de parâmetros (com o Grok):

Nemotron Ultra (NVIDIA) — ~500B+, com foco em raciocínio para empresas
Grok (xAI) — ~314B na variante aberta, voltado para raciocínio e matemática
Command A (Cohere) — ~111B, muito forte em tarefas multilíngues e uso corporativo
Llama 4 (Meta) — família no formato MoE, com variantes na faixa de 100B+
DeepSeek V3/R1 (DeepSeek) — ~671B no total (em MoE), mas usando ~37B ativos por token
Falcon (TII) — variantes na faixa de 40B+
Mistral Large — ~120B na linha aberta
Qwen3 (Alibaba) — família na casa dos 235B em variantes MoE
Gemma 3 (Google) — ~27B na sua maior variante aberta
Phi-4 (Microsoft) — ~14B, um modelo menor, mas extremamente otimizado para raciocínio

A ordem exata dessa lista muda direto conforme novas versões são lançadas. O ponto principal é a escala: os maiores modelos abertos estão na casa das centenas de bilhões de parâmetros. Muitos deles usam uma arquitetura chamada MoE (Mixture of Experts, ou Mistura de Especialistas), onde apenas uma fração de todos os parâmetros é ativada para responder a cada pedaço de texto.

A cilada do MoE

O DeepSeek V3 é o exemplo perfeito para entender essa pegadinha. Ele tem cerca de 671B de parâmetros no total, mas como usa a arquitetura MoE, ele ativa apenas cerca de 37B de parâmetros por token.

O que isso significa na prática? Significa que o custo de inferência (o esforço computacional e o gasto para gerar a resposta) é o de um modelo médio de 37B. Porém, a “capacidade” (o repertório de conhecimento armazenado nele) é a de um modelo gigante de 671B.

Isso muda a forma como comparamos tamanhos. Dois modelos rotulados como “de 100B” podem ser completamente diferentes: um pode ser denso (usa 100B de parâmetros a todo momento, sendo caro para rodar) e o outro pode ser MoE (tem 100B no total, mas ativa só 15B por vez, sendo muito mais barato). Comparar apenas o número bruto de parâmetros sem olhar o tipo de arquitetura é como comparar uma maçã com um furgão.

O caso Poolside: grande em código, pequeno em ranking

Durante a conversa, surgiu uma dúvida: “cadê os modelos da Poolside?”. A explicação técnica é simples: eles não entram no Top 10 se a métrica for apenas a quantidade de parâmetros.

A empresa Poolside AI desenvolve a família Laguna, que é ultraespecializada em raciocínio para código e engenharia de software. Eles são modelos menores em termos de parâmetros (na casa das dezenas, e não centenas de bilhões), mas entregam um desempenho de ponta nos testes de programação, como o benchmark SWE-bench.

A lição é que quantidade de parâmetros não é sinônimo direto de qualidade. O Poolside Laguna não está no Top 10 dos “pesados”, mas fica no topo quando o assunto é escrever código. Para quem é desenvolvedor, ele pode ser uma escolha muito melhor do que um modelo gigante genérico. O ranking por tamanho é apenas uma métrica; a métrica que realmente importa é a necessidade do seu projeto.

API direta com free tier permanente: um subconjunto minúsculo

A parte mais prática da discussão foi responder a esta pergunta: dos 10 maiores modelos + o Poolside, quais oferecem uma API direta (oficial) com um plano gratuito (free tier) permanente? A resposta assusta pelo número reduzido de opções. A maioria das empresas mudou o modelo de negócio para cobrança estritamente pré-paga.

Ao analisar o cenário atual:

API oficial direta e com plano gratuito permanente: pouquíssimos. A DeepSeek mantém um plano gratuito com limites diretamente no endpoint api.deepseek.com. A Zhipu (Z.ai) oferece alguns créditos iniciais e planos focados em programação, mas não chega a ser um “grátis para sempre” no sentido tradicional.
API oficial paga, sem opção gratuita: é o caminho da maioria (xAI, Mistral, Cohere, Alibaba via DashScope).
Acesso gratuito apenas via terceiros (OpenRouter, Together, Groq, Fireworks): é aqui que mora o acesso grátis de fato. O OpenRouter distribui créditos e dá acesso a dezenas de modelos, enquanto o Groq oferece um plano gratuito generoso para os modelos hospedados na infraestrutura deles.

A conclusão direta é: um modelo ser “open” (aberto) não significa que a API dele será gratuita. “Pesos abertos” significa que você tem a liberdade de baixar o arquivo e rodar na sua própria máquina (se tiver placas de vídeo potentes). O acesso simplificado via API quase sempre é cobrado. O “grátis” verdadeiro costuma vir de serviços agregadores de terceiros, que assumem esse custo para atrair desenvolvedores para suas plataformas.

A cilada final: a chave da Poolside

Encerrando a conversa, fizemos uma tentativa prática que não funcionou. Eu tinha conseguido uma chave de testes da Poolside (sk-teste..., usada aqui como exemplo) e queria testar o exemplo de chamada via terminal fornecido no próprio site deles:

curl https://inference.poolside.ai/v1/chat/completions \
  -H "Authorization: Bearer $POOLSIDE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "poolside/laguna-m.1",
    "messages": [{"role": "user", "content": "What are channels in Go?"}]
  }'

O formato da requisição no site segue o padrão compatível com a OpenAI, mas a chave de teste tinha vindo de um canal parceiro intermediário, e não diretamente da conta da Poolside. A ideia era criar um atalho chamado claude-ps (fazendo a ferramenta Claude CLI conversar com o servidor da Poolside intermediado pelo LiteLLM), no mesmo esquema que já funciona com o claude-glm.

A integração não funcionou 100%. Naquele momento, a autenticação direta da Poolside para desenvolvedores individuais tinha mais restrições do que o esperado.

A lição aprendida: chaves de acesso obtidas fora do site oficial dificilmente funcionam na API direta. Cada provedor gera chaves vinculadas especificamente a uma conta ou projeto. Tentar usar uma chave de testes obtida via intermediário direto no endereço oficial (endpoint) do provedor geralmente vai retornar um erro de autenticação (Erro HTTP 401).

O que aprendi

A primeira lição é separar o tamanho do modelo da qualidade da resposta. Estar entre os 10 maiores em parâmetros significa apenas que o modelo é pesado, não que ele é o melhor para qualquer tarefa. Para programar, por exemplo, um modelo bem menor e focado de 14B (como o Phi-4) pode se sair muito melhor do que um modelo genérico de 100B.

A segunda é que código “open” não significa serviço “grátis”. Ter pesos abertos significa que o código está disponível para você baixar e rodar no seu próprio hardware. Já o acesso facilitado via API quase sempre será cobrado pelas empresas. O acesso gratuito de verdade costuma ser oferecido por agregadores de APIs.

E a terceira: a arquitetura MoE mudou a forma de medir o tamanho das IAs. Não dá para comparar dois modelos “de 100B” sem entender como eles funcionam por dentro. Antes de olhar o número total de parâmetros, pergunte quantos parâmetros são ativados a cada token. É esse número que vai ditar o custo real de processamento e, consequentemente, se o modelo vale a pena pelo preço.