Mozilla estima atraso de 4,4 meses para modelos abertos chineses de IA

A Mozilla estimou, em uma análise publicada em 15 de setembro de 2026, que os principais modelos de IA com pesos abertos estavam aproximadamente 4,4 meses atrás dos sistemas fechados de fronteira na comparação baseada no horizonte de tarefas do METR. O número descreve uma diferença média estimada sob condições específicas — não uma igualdade geral entre os dois grupos — e vem acompanhado de uma mudança prática: modelos chineses como Kimi K3 e GLM-5.2 já podem ser competitivos em determinadas tarefas, com custo hospedado menor e mais liberdade de implantação.

A análise usou dados com corte em 1º de setembro de 2026. Por isso, a estimativa retrata aquela fotografia de avaliação, não uma posição permanente em rankings que podem mudar.

O que significa a estimativa de 4,4 meses

A métrica transforma a capacidade dos modelos em um horizonte de tarefas: quanto tempo um profissional humano levaria para concluir determinado trabalho. Na análise da Mozilla, a principal vantagem dos sistemas fechados aparecia em tarefas que exigiam aproximadamente oito a 12 horas de trabalho especializado. Trabalhos com duração inferior a oito horas tendiam a ficar ao alcance das duas categorias, enquanto nenhuma delas se mostrava geralmente confiável além de 12 horas.

A comparação também dependia do ambiente. Benchmark, hardware, ferramenta de avaliação e tipo de trabalho podem alterar bastante o resultado. Em uma fotografia do Artificial Analysis Intelligence Index v4.1.1, Kimi K3 marcou 60 pontos, enquanto os quatro primeiros modelos eram fechados e os quatro seguintes tinham pesos abertos. O dado aproxima os grupos naquela avaliação específica, mas não elimina as diferenças observadas em outros testes.

Pesos abertos não são o mesmo que código aberto

Um modelo com pesos abertos disponibiliza os parâmetros treinados para download. Isso pode permitir execução própria, adaptação e escolha entre diferentes serviços de hospedagem, sempre dentro da licença de cada modelo.

A expressão não garante que o público tenha acesso aos dados de treinamento, ao código usado para treinar o sistema, aos pipelines de dados ou a uma receita capaz de reproduzir o resultado. No sentido estrito de inteligência artificial de código aberto, a definição exige mais do que baixar os pesos. A análise da Mozilla listou 16 lançamentos relevantes de pesos abertos e afirmou que nenhum fornecia a receita completa de dados exigida por sua definição de abertura.

A distinção é importante para empresas e desenvolvedores: baixar parâmetros pode reduzir a dependência de uma API, mas não resolve automaticamente auditoria, reprodução, manutenção ou governança.

Onde os modelos chegam perto — e onde não chegam

Uma comparação neutra no Terminal-Bench 2.1 colocou GLM-5.2 em 67,79%, contra 71,91% do Claude Opus 4.8 e 68,54% do Claude Opus 4.7. O mesmo teste listou um custo de US$ 0,43 por tarefa para o GLM-5.2, contra US$ 2,41 e US$ 1,98 para os dois modelos Claude, respectivamente.

A vantagem de preço é expressiva nessa comparação, mas o resultado não equivale a um custo total de propriedade. Hardware, engenharia de implantação, integração, manutenção, segurança, conformidade e suporte também entram na conta.

Os sistemas fechados conservaram vantagem em parte do trabalho profissional especializado, em contextos longos e em tarefas de recuperação de informação mais intensivas. A decisão, portanto, tende a depender do trabalho: um fluxo rotineiro e sensível a custo pode favorecer pesos abertos; uma tarefa longa, crítica ou que exige suporte operacional pode justificar um serviço fechado.

Kimi K3 não é um modelo para rodar em qualquer computador

Kimi K3, desenvolvido pela Moonshot AI, tem 2,8 trilhões de parâmetros no total e aproximadamente 104 bilhões ativos. Seu ponto de verificação nativo em MXFP4 ocupa cerca de 1,56 TB, distribuídos em 96 partes, e a configuração de serviço descrita pela Mozilla exige 64 ou mais aceleradores.

Isso coloca o Kimi K3 em uma escala de infraestrutura de pequeno data center, não na categoria de um modelo que um consumidor comum instala em um computador doméstico. A mesma análise citou o Inkling-Small como exemplo de modelo menor capaz de caber em uma única GPU B300, mas essa configuração não representa o Kimi K3.

O hardware muda a história. Em um servidor com oito GPUs, o melhor resultado de um modelo aberto citado pela Mozilla foi 52,6 pontos; em uma única GPU B300, o melhor exemplo marcou 40. O Kimi K3 alcançou a pontuação de referência mais alta em uma configuração muito mais ampla.

Por que uma organização ainda pagaria por um modelo fechado

Modelos fechados normalmente entregam acesso hospedado pronto, suporte do fornecedor, recursos de conformidade e uma estrutura definida de responsabilidade. Com pesos abertos, a organização ganha controle sobre implantação e personalização, mas precisa assumir uma parcela maior do trabalho operacional.

Raffi Krikorian, diretor de tecnologia da Mozilla, resumiu a escolha como dependente do tipo de tarefa, e não como uma preferência permanente por uma categoria de modelo. Na prática, uma empresa pode usar pesos abertos para trabalhos recorrentes e de menor custo, mantendo sistemas fechados para tarefas em que contexto longo, conhecimento profissional ou prazo apertado têm mais peso.

Uso cresce antes de a receita acompanhar

Os dados de adoção apontam para uma mudança rápida. Em agosto de 2026, oito dos dez modelos com maior volume de tokens na OpenRouter tinham pesos abertos; sete desses oito haviam sido desenvolvidos na China. Em 3 de agosto de 2026, a DeepSeek tornou-se a primeira desenvolvedora de modelos abertos a liderar a lista semanal de solicitações de texto citada, com 1,01 bilhão de pedidos.

Uso e receita, porém, medem coisas diferentes. Dados mais antigos, referentes ao período de maio a setembro de 2025, atribuíram 96% da receita da camada de modelos a fornecedores fechados. Esse número não descreve a receita de agosto de 2026 nem transforma o volume de tokens em faturamento.

A questão estratégica é a concentração

O avanço dos modelos chineses com pesos abertos não significa que o ecossistema tenha se tornado mais diversificado. A oferta de modelos abertos está cada vez mais concentrada em laboratórios chineses, enquanto os sistemas fechados de fronteira continuam concentrados em empresas dos Estados Unidos.

Para quem escolhe uma tecnologia, essa concentração combina duas decisões: desempenho e dependência. Pesos baixáveis podem oferecer portabilidade e competição entre serviços de hospedagem, mas a origem do modelo, a transparência do treinamento, a licença e a capacidade de operar a infraestrutura continuam sendo partes concretas da escolha.