Modelos de peso aberto agora 10x mais baratos que APIs de fronteira, fechando lacuna de capacidade em 7 meses

Modelos de peso aberto como GLM-5.2, DeepSeek V4, MiniMax M3 e Kimi K2.6 fecharam a lacuna de capacidade com modelos de fronteira para aproximadamente 7 meses de equivalência de treinamento, de acordo com a análise de Epoch AI atualizada em meados de 2026. Modelos de peso aberto chinês agora representam 45% do volume de tokens em OpenRouter e outros agregadores—MiMo V2 Pro da Xiaomi sozinho processa 4,79 trilhões de tokens por semana, o modelo #1 por uma margem de 3x. A narrativa de que apenas sistemas de fronteira são necessários para produção está desatualizada.

Em custo, a lacuna é drámatica. GLM-5.2, que pontua #1 no Índice de Inteligência de Artificial Analysis para pesos abertos e rivalizou Claude Opus e GPT-5.5 em tarefas de codificação e planejamento, custa $1,40/$4,40 por milhão de tokens de entrada/saída—vs. GPT-5.4 a $2,50/$15,00 e Claude Opus 4.8 a cerca de $7,50/$22,50. Para tarefas agênticas de alto volume, os usuários relatam reduções de custo de 10-50x ao rotear de APIs de fronteira para pipelines de peso aberto. MiniMax M2.5 custa $0,30/milhão de tokens de entrada enquanto corresponde ao desempenho de fronteira no SWE-bench Verified. DeepSeek V4 Flash é agora a opção de orçamento de facto para codificação agêntica.

A capacidade permanece estratificada por tarefa. Modelos de fronteira (o3, Opus 4.8, GPT-5.5) ainda lideram em: cadeias de raciocínio de múltiplas etapas, seguimento de instrução nuance em prompts complexos, confiabilidade de uso de ferramenta sob carga, visão e áudio, e ajuste de segurança de caso de borda. Modelos de peso aberto dominam em: codificação/engenharia de software (especialmente GLM-5.2 em planejamento de horizonte longo), eficiência de custo por tarefa (porque evitam voltas desperdíçadas), e residência de dados (autohospedagem sem log de dados de treinamento). Epoch AI documenta que modelos de peso aberto ficam 4-14 meses atrás da fronteira em raciocínio avançado, mas para 80-90% das tarefas de produção—resumo, classificação, extração, Q&A—a lacuna é irrelevante.

Para construtores de stack, o marco de decisão se inverteu. Onde início de 2025 significava fronteira-primeiro com fallback de peso aberto, meados de 2026 significa rota por tarefa. Raciocínio de alto risco, visão ou instrução em tempo real → fronteira. Código de alto volume, trabalho de documento ou loops de agente → peso aberto + hedge de fronteira. A economia unitária dessa divisão agora favorece o peso aberto para 70%+ de tokens em muitos pipelines, o que explica por que fornecedores de modelos chinés e Alibaba estão crescendo mais rápido do que OpenAI e Anthropic no tráfego de inferência.