Até pouco tempo atrás, usar um LLM de ponta significava pagar pelo acesso a APIs de empresas como OpenAI, Google ou Anthropic. Desde o ano passado, esse cenário mudou. Uma safra de modelos open source alcançou — e em alguns benchmarks superou — as alternativas proprietárias, oferecendo desempenho de elite sem custo de licença.

Neste post, vamos conhecer os principais LLMs gratuitos que competem de igual para igual com Gemini, GPT e Claude. Vamos olhar benchmarks, arquiteturas e, principalmente, em quais cenários cada modelo se destaca.

A corrida open source que fechou a distância

O abismo entre modelos abertos e fechados encolheu de forma consistente. Em outubro de 2024, a diferença média nos índices de qualidade era de 15 a 20 pontos. No início de 2026, essa diferença caiu para apenas 9 pontos — e a paridade completa é esperada até meados do ano.

Três fatores aceleraram essa convergência:

  • Arquiteturas Mixture-of-Experts (MoE): modelos com centenas de bilhões de parâmetros totais, mas apenas uma fração ativa por token, reduziram drasticamente o custo de inferência sem perder qualidade
  • Dados de treino massivos: pré-treinamentos na casa dos 15 a 30 trilhões de tokens tornaram-se comuns entre os principais modelos abertos — o DeepSeek-V3 treinou em 14,8T, o GLM-5 em 28,5T e o Llama 4 em mais de 30T
  • Técnicas de pós-treino avançadas: reinforcement learning e alinhamento refinado permitiram que modelos abertos alcançassem raciocínio competitivo com os melhores fechados

O resultado prático: um modelo open source de qualidade 57 custa em média US$ 0,35 por milhão de tokens via API, contra US$ 6,00 de um proprietário com qualidade 63. São 17 vezes mais barato para 90% da capacidade.

DeepSeek: o modelo chinês que abalou o mercado

O DeepSeek-V3 foi um dos primeiros modelos abertos a competir genuinamente com GPT-4o e Claude 3.5 Sonnet na maioria dos benchmarks. Com 671 bilhões de parâmetros totais e 37 bilhões ativos (arquitetura MoE), ele estabeleceu um novo padrão para o que um modelo gratuito pode entregar.

A versão evoluída, DeepSeek-V3.2, foi além — igualando ou superando GPT-5 e Gemini em áreas-chave como raciocínio lógico e geração de código. A API oficial do DeepSeek oferece acesso gratuito ao modelo, e os pesos estão disponíveis para download e self-hosting.

O DeepSeek-R1, variante focada em raciocínio, é ainda mais impressionante em tarefas analíticas. No benchmark MATH-500, atinge 97,3% de acerto. Em programação competitiva, alcançou o percentil 96,3 no Codeforces com rating de 2029 — superando GPT-4o e Claude 3.5 Sonnet na mesma avaliação.

Para quem precisa de um modelo generalista poderoso sem gastar nada, o DeepSeek é difícil de bater.

GLM-5: 744 bilhões de parâmetros em código aberto

Lançado em fevereiro de 2026 pela Zhipu AI, o GLM-5 é um dos maiores modelos abertos já disponibilizados. São 744 bilhões de parâmetros totais, com 40 bilhões ativos por token, e uma janela de contexto de 200 mil tokens.

Os benchmarks falam por si:

  • Humanity's Last Exam: 30,5 pontos (com ferramentas: 50,4) — superando Claude Opus 4.5 (28,4 / 43,4) e GPT-5.2 (35,4 / 45,5) na variante com ferramentas
  • AIME 2026: 92,7 pontos, praticamente empatando com Claude Opus 4.5 (93,3) e superando Gemini 3.0 Pro (90,6)
  • SWE-bench Verified: 77,8% — primeiro lugar entre todos os modelos open source

O GLM-5 também introduziu uma técnica chamada "slime", um framework de reinforcement learning assíncrono que melhora a eficiência do treinamento. O modelo alcançou taxa recorde de baixa alucinação, um problema que historicamente afeta LLMs abertos com mais intensidade.

Os pesos estão disponíveis publicamente e o modelo pode ser hospedado localmente. Via APIs como OpenRouter, o custo fica entre US$ 0,80 e US$ 1,00 por milhão de tokens de entrada.

Llama 4: a aposta multimodal da Meta

A Meta elevou o patamar dos modelos abertos com o Llama 4, treinado em mais de 30 trilhões de tokens — o dobro do Llama 3. A grande diferença está na multimodalidade nativa: o modelo integra texto e visão em uma arquitetura unificada desde o pré-treino, em vez de acoplar módulos visuais depois.

A família Llama 4 inclui três variantes:

  • Scout: 17 bilhões de parâmetros ativos, 109 bilhões totais, janela de contexto de 10 milhões de tokens e 16 experts. Supera modelos comparáveis em código, raciocínio e benchmarks de imagem
  • Maverick: 17 bilhões ativos, 400 bilhões totais, 1 milhão de tokens de contexto e 128 experts. Voltado para tarefas mais exigentes
  • Behemoth: 288 bilhões ativos, 2 trilhões totais — ainda não lançado publicamente

O suporte multilíngue é outro destaque: pré-treinamento em 200 idiomas, incluindo mais de 100 com pelo menos 1 bilhão de tokens cada. Para desenvolvedores que trabalham com aplicações multimodais — como análise de imagens, grounding visual ou assistentes que interpretam screenshots — o Llama 4 é a escolha natural entre os modelos abertos.

Todos os modelos foram liberados sob a licença Llama, que permite uso comercial com algumas restrições para empresas com mais de 700 milhões de usuários ativos.

Qwen 3, Mistral e gpt-oss: mais opções de peso

O ecossistema open source não se resume a DeepSeek, GLM e Llama. Três outros projetos merecem atenção.

Qwen 3 da Alibaba

O Qwen3-235B usa arquitetura MoE com 235 bilhões de parâmetros totais e 22 bilhões ativos. Seu diferencial é o modo dual de operação: o modo pensamento ativa cadeia de raciocínio passo a passo, enquanto o modo rápido prioriza latência para aplicações de chat. No AIME 2025, alcança 81,6 pontos em modo pensamento. A família vai de 0,6B a 235B, cobrindo desde dispositivos embarcados até servidores. Suporte expandido para 119 idiomas e dialetos.

Mistral Large 3

Modelo MoE com 675 bilhões de parâmetros totais e 41 bilhões ativos, liberado sob licença Apache 2.0. Competitivo com modelos fechados em tarefas de código e conhecimento geral. A Mistral também oferece o Devstral, modelo especializado em engenharia de software com 24 bilhões de parâmetros e janela de 128 mil tokens, que supera concorrentes maiores em tarefas de agentes de código.

gpt-oss-120b da OpenAI

A própria OpenAI entrou no jogo open source com o gpt-oss-120b: 117 bilhões de parâmetros totais, 5,1 bilhões ativos, sob licença Apache 2.0. Cabe em uma única GPU de 80GB (H100 ou MI300X). Supera o o3-mini e iguala o o4-mini em código competitivo, resolução de problemas e chamadas de ferramentas. É a prova de que até os criadores de modelos fechados reconhecem o valor do open source.

Como escolher e usar esses modelos

Existem dois caminhos para usar LLMs open source: self-hosting e APIs de terceiros.

Self-hosting

Rodar o modelo na sua própria infraestrutura oferece controle total sobre privacidade, latência e customização. Ferramentas como Ollama, vLLM e SGLang simplificam o deploy. Para modelos menores como Qwen3-8B ou gpt-oss-20b, um computador com GPU de consumo (RTX 4090, por exemplo) já é suficiente. Para modelos maiores, clusters com GPUs A100 ou H100 são necessários.

O self-hosting se justifica economicamente quando o volume de processamento ultrapassa 2 milhões de tokens por dia. A maioria das equipes vê retorno do investimento entre 6 e 12 meses. Setores como saúde, finanças e governo, que precisam de compliance com LGPD, HIPAA ou PCI, são os que mais se beneficiam.

APIs de terceiros

Provedores como Together.ai, Fireworks.ai e OpenRouter hospedam os principais modelos open source e cobram por uso, tipicamente entre US$ 0,20 e US$ 0,50 por milhão de tokens — uma fração do custo das APIs proprietárias. É a melhor opção para quem quer começar rápido sem investir em hardware.

Qual modelo para qual tarefa

Cada modelo tem forças específicas. Um guia rápido:

  • Código e engenharia de software: DeepSeek-R1 (percentil 96,3 no Codeforces), GLM-5 (77,8% no SWE-bench) e Devstral (especialista em agentes de código)
  • Raciocínio matemático e científico: GLM-5 (92,7 no AIME 2026), Qwen3-235B em modo pensamento (81,6 no AIME 2025)
  • Tarefas multimodais com imagem: Llama 4 Scout e Maverick, com multimodalidade nativa e grounding visual
  • Deploy em hardware limitado: gpt-oss-120b (cabe em uma GPU de 80GB), Qwen3-8B e Devstral Small (rodáveis em GPUs de consumo)
  • Aplicações multilíngues: Llama 4 (200 idiomas), Qwen 3 (119 idiomas)
  • Uso geral e chat: DeepSeek-V3.2, Qwen3-235B, Mistral Large 3

A recomendação prática: comece com DeepSeek-V3.2 ou Qwen3-235B via API para validar seu caso de uso. Se precisar de raciocínio profundo, teste GLM-5 ou DeepSeek-R1. Se o projeto envolve imagens, vá de Llama 4.

Conclusão

A pergunta "vale a pena pagar por um LLM?" ganhou uma resposta muito diferente em 2026. Os modelos open source não são mais uma alternativa inferior — são concorrentes diretos, superando GPT e Claude em benchmarks específicos e oferecendo custo até 17 vezes menor via API.

Para a maioria dos casos de uso em desenvolvimento de software, análise de dados e automação, um modelo gratuito como DeepSeek-V3.2, GLM-5 ou Qwen3-235B entrega o que você precisa. O investimento em modelos proprietários se justifica cada vez menos, exceto em nichos onde a diferença de 5 a 10% de qualidade é crítica.

O ecossistema open source atingiu massa crítica. Os modelos estão aí, os benchmarks comprovam, e o custo é imbatível. A escolha agora é sua.

Referências pesquisadas nesta publicação