A validade do "modelo mais poderoso" está diminuindo.Autor e fonte do artigo: Dingjiao
Dentro de um mês, nove modelos principais foram lançados em conjunto, o que não é comum na indústria de grandes modelos.
Do início ao fim do mês, desde o lançamento oficial e abertura do código do Tencent Hunyuan Hy3 até o lançamento do Claude Opus 5 da Anthropic, modelos como Kimi K3, Qwen3.8-Max em versão de pré-visualização e Grok 4.5 foram introduzidos sucessivamente. Julho tornou-se um dos poucos picos de lançamentos nos últimos doze meses.
Os horários escolhidos por cada empresa variam. Algumas empresas lançam seus produtos após as atualizações dos concorrentes, outras optam por se apresentar antes ou durante o Congresso Mundial de Inteligência Artificial, e algumas respondem à concorrência por meio de ajustes de preços.
Mas julho não foi apenas um mês com grande número de lançamentos de modelos; o mais notável são as duas mudanças refletidas nessa rodada de lançamentos.
Em primeiro lugar, a lacuna de desempenho entre os modelos está diminuindo. O mais recente Índice de Inteligência Combinada da Artificial Analysis mostra que a diferença entre os principais modelos já foi claramente reduzida. Com iterações rápidas de versões, a posição do "melhor modelo" está se tornando cada vez mais difícil de manter por longos períodos, e as empresas estão começando a buscar vantagens em diferentes tarefas, em vez de perseguir uma liderança absoluta em uma única dimensão.
Em segundo lugar, modelos de código aberto estão entrando no primeiro escalão. Entre os novos modelos lançados em julho, o Tencent Hunyuan Hy3 e o Kimi K3 optaram por liberar os pesos (abrir os parâmetros do modelo, permitindo que desenvolvedores baixem e implantem livremente). O Kimi K3 lidera a classificação de programação front-end no Code Arena, superando o GPT-5.6 Sol e o Claude Fable 5. Nos últimos dois anos, modelos de código aberto eram vistos principalmente como seguidores dos modelos fechados; porém, esta rodada de competição demonstra que modelos de código aberto já começam a competir diretamente com modelos fechados em certos cenários de desenvolvimento.
Então, quais mudanças e significados trouxe essa intensa série de lançamentos deste mês?
01. Não se trata mais apenas de quem é mais inteligente
Nos últimos anos, a indústria de grandes modelos competia principalmente em capacidades gerais, quem tinha um conhecimento mais amplo e respostas mais precisas. Mas agora, os critérios de competição mudaram.
Nesta rodada, a capacidade de codificação tornou-se a área de disputa mais evidente.
A OpenAI continua a fortalecer programação e raciocínio complexo, expandindo continuamente o ecossistema Codex, com o objetivo de vincular desenvolvedores por meio de ferramentas. A Anthropic aposta na compreensão de código e auditoria de segurança, ajudando desenvolvedores a lidar com problemas de engenharia complexos em grandes projetos. O Grok 4.5 enfatiza velocidade e baixo custo, integrando-se à ferramenta de programação por IA Cursor, cobrindo cenários de desenvolvimento cotidianos.
O pesquisador de grandes modelos Yao Yuhang disse ao "Dingjiao One" que todas as empresas estão investindo fortemente em capacidade de programação, e a lacuna está se fechando rapidamente; por exemplo, a capacidade de código do Kimi K3 melhorou significativamente, aproximando-se do nível dos principais modelos fechados.
Fonte da imagem / pexels
O agente é outro foco de disputa entre as empresas. O GPT-5.6 Sol, em conjunto com o Codex, explora programação automatizada; o Opus 5 enfatiza a execução de tarefas de longo prazo; o Kimi K3 demonstra capacidade de execução contínua para completar tarefas complexas; e o Tencent Hunyuan Hy3 busca integrar o ecossistema do WeChat para explorar aplicações de agentes inteligentes.
No entanto, os agentes ainda não são maduros no trabalho prático. O desenvolvedor independente Bei Cheng afirmou que, atualmente, a fraqueza de alguns produtos de agentes não está na capacidade de chamar ferramentas, mas sim na habilidade de agendamento de tarefas. Por exemplo, o modo Ultra do Codex ativa muitos subagentes, que repetidamente leem o mesmo arquivo e realizam análises semelhantes, aumentando o consumo de tokens, mas sem aumentar o trabalho realmente eficaz. Para ele, o aprimoramento da capacidade dos agentes não pode depender apenas do aumento do número de subagentes; o essencial é saber identificar quais tarefas valem a pena analisar e quais etapas podem ser omitidas.
Yao Yuhang compartilha uma visão semelhante. Ele acredita que agentes inteligentes são atualmente a direção mais digna de atenção, mas ainda estão longe de serem plenamente maduros. Em sua opinião, há grandes oportunidades para agentes inteligentes em setores verticais como saúde e finanças; o fator-chave que definirá a diferença na próxima fase não será apenas a capacidade do modelo em si, mas também quão práticos os agentes são em cenários específicos e se os clientes estarão dispostos a pagar por eles.
Os modelos nacionais buscam brechas por meio do aprimoramento de diferentes habilidades. O Kimi K3 optou por fortalecer a capacidade de contexto longo, programação frontend e design de produtos, alcançando posições de topo em vários testes de programação e aproximando-se das capacidades dos principais modelos fechados estrangeiros.
A competição entre o tamanho do modelo e a eficiência de inferência também se tornou outra linha principal.
Vários modelos lançados em julho entraram na faixa de trilhões e até dezenas de trilhões de parâmetros, mas o tamanho dos parâmetros não pode mais ser simplesmente equivalente ao nível de desempenho. Com o desenvolvimento da arquitetura MoE, os modelos podem ter uma maior capacidade de parâmetros, ativando apenas uma pequena parte deles para realizar a inferência, reduzindo assim o custo computacional real.
O setor formou duas abordagens: uma é continuar expandindo a escala, trocando parâmetros maiores por maior capacidade; a outra é enfatizar a eficiência, alcançando resultados próximos aos dos modelos de ponta com parâmetros de ativação menores.
O preço também se tornou a variável mais direta na competição de modelos de julho.
Fabricantes estrangeiros adotam mais estratégias de precificação diferenciada. A OpenAI optou por细分 o mercado ainda mais, dividindo o GPT-5.6 em diferentes versões, permitindo que os usuários escolham o modelo adequado conforme a complexidade da tarefa; a Anthropic continua a adotar a rota de modelos de alto desempenho de topo, cobrindo cenários de desenvolvimento de alto valor e corporativos por meio da série Opus; já o Grok 4.5 adota uma estratégia de preços baixos, com preço de saída apenas um quarto do da série Opus, e atrai desenvolvedores por meio da integração com o Cursor.
As empresas nacionais enfatizam ainda mais a vantagem de custo. Nos últimos seis meses, várias empresas nacionais de modelos reduziram continuamente os preços das APIs, buscando reduzir a barreira de entrada por meio de custos mais baixos e ampliar a base de desenvolvedores e usuários corporativos.
Em resumo, a competição de grandes modelos em julho evoluiu de uma disputa baseada em capacidades únicas para múltiplos aspectos, incluindo código, agentes inteligentes, eficiência de parâmetros e preço.
02. Quem superou as expectativas e quem recebeu avaliações divididas?
Em comparação com as mudanças em relação ao modelo anterior, desempenho nas listas e feedback dos desenvolvedores, os modelos lançados em julho podem ser classificados em três categorias aproximadas.
Primeiro, veja os que superaram as expectativas: Kimi K3, Grok 4.5, Hunyuan Hy3.
O mais destacado é o Kimi K3. O modelo utiliza a arquitetura MoE, com um tamanho total de parâmetros na ordem de trilhões, com foco especial no fortalecimento das capacidades de contexto longo, programação frontend e design de produtos. No dia do lançamento, o Kimi K3 alcançou o primeiro lugar no ranking de programação frontend do Code Arena com 1679 pontos, subindo 17 posições em relação ao 18º lugar do seu antecessor, Kimi K2.6. Uma semana depois, no ranking geral da Arena, o Kimi K3 entrou pela primeira vez no Top 10 global.
Mas o Kimi K3 também possui limites de capacidade evidentes. No teste de confiabilidade do conhecimento da Artificial Analysis, sua taxa de ilusão aumentou de 39% no Kimi K2.6 para 51%, com uma velocidade de saída de aproximadamente 33 tokens/s, bem inferior à de modelos similares.
A experiência prática dos desenvolvedores também confirma esse "desequilíbrio". Bei Cheng acredita que o Kimi K3 apresenta melhorias significativas em relação à geração anterior, com vantagens principalmente no desenvolvimento frontend, design de UI e expressão de produtos. Por exemplo, em tarefas como otimizar a UI de um site ou projetar interfaces de aplicativos, o Kimi K3 produz resultados superiores, mas seu desempenho é menos estável ao lidar com tarefas de engenharia complexas.
Fonte da imagem / pexels
Grok 4.5 também recebeu atenção semelhante. Após seu lançamento em 9 de julho, ele entrou entre os principais da Índice Inteligente Artificial e se destacou em testes de chamada de ferramentas, sendo considerado por muitos desenvolvedores uma opção com boa relação custo-benefício.
A experiência de Bei Cheng é consistente com isso; ele acredita que a principal vantagem do Grok 4.5 é a velocidade: para a mesma tarefa, pode ser concluída em três a cinco minutos, enquanto o GPT-5.6 às vezes leva vinte minutos ou até meia hora. Além disso, por ser mais barato, é ideal para necessidades de desenvolvimento rápido. Yao Yuhang acredita que as capacidades de programação do Grok 4.5 foram otimizadas especificamente e que, combinado com o Cursor, oferece uma experiência geral excelente. Um contexto relevante é que a SpaceX anunciou anteriormente a aquisição da Anysphere, empresa-mãe do Cursor, com a transação prevista para ser concluída no terceiro trimestre; a colaboração de dados entre a xAI e o Cursor também é considerada como tendo ajudado a otimizar a experiência de programação do Grok 4.5.
O HuanYuan Hy3 representa uma ruptura na linha de eficiência. Com um total de 295 bilhões de parâmetros e apenas 21 bilhões de parâmetros ativados, o modelo alcança desempenhos próximos aos de concorrentes maiores, com menos de um quinto do tamanho de parâmetros de seus modelos de topo. No entanto, no SWE-Bench Pro, a pontuação de 57,9 do HuanYuan Hy3 ainda apresenta uma diferença significativa em relação aos 69,2 do Claude Opus, indicando que a capacidade de correção de código complexo ainda precisa ser aprimorada.
Yao Yuhang acredita que o Hunyuan Hy3 apresenta avanços em comparação com os modelos anteriores da Tencent, e, com seu design aberto e de pequeno tamanho, é uma boa opção para modelos de tamanho médio.
Veja novamente a categoria que permaneceu no primeiro escalão, mas ofereceu poucas surpresas: GPT-5.6 Sol e Claude Opus 5.
GPT-5.6 Sol e Claude Opus 5 continuam na primeira linha, mas não trazem mudanças significativas. O GPT-5.6 Sol aprimorou suas capacidades de raciocínio complexo e programação de agentes, alcançando 88,8% no Terminal-Bench 2.1 (benchmark que avalia a capacidade dos modelos de completar tarefas reais em ambientes de linha de comando), com o modo Ultra elevando esse desempenho para 91,9%. O Claude Opus 5 mantém sua vantagem em tarefas complexas, enfatizando ainda mais a confiabilidade do modelo em cenários como engenharia complexa, compreensão de código e análise de segurança. A vantagem do Opus 5 é seu desempenho próximo ao Fable 5, com preço equivalente a apenas metade deste.
Ambos os modelos ainda estão no primeiro escalão, mas não trouxeram avanços significativos.
Bei Cheng mencionou que o GPT-5.6 já consegue atender a maioria das suas necessidades diárias de desenvolvimento, mas, ao enfrentar problemas especialmente complexos, recorre ao Opus 5 para resolvê-los. No entanto, capacidades mais avançadas também significam custos mais altos. Para ele, o Opus 5 é mais como um “especialista” chamado para resolver problemas críticos.
Por fim, uma categoria com feedbacks divergentes e ainda a ser verificada: Gemini 3.6 Flash e Qwen3.8-Max versão de pré-visualização.
O mais típico é o Gemini 3.6 Flash. Ele obteve uma pontuação de 50 na lista de índices inteligentes Artificial Analysis, empatando com a versão anterior, 3.5 Flash. A comunidade de desenvolvedores apresentou feedbacks geralmente consistentes de que esta geração não apresentou melhorias significativas em relação à anterior e desempenha pior do que os concorrentes simultâneos. No entanto, alguns consideram que, como um modelo leve, a qualidade da saída do Gemini 3.6 Flash é basicamente aceitável.
Para o desenvolvedor independente Kapdim, o Gemini 3.6 Flash oferece uma boa experiência de uso diário; embora sua capacidade de programação não seja notável, sua compreensão multimodal ainda é bastante excelente. Ele suporta a entrada de arquivos em qualquer formato e o estilo e a experiência de bate-papo diário superam muitos concorrentes.
Após o lançamento da versão prévia do Qwen3.8-Max em julho, o desempenho do modelo foi instável e as reações do mercado variaram. A principal percepção de Beicheng foi que a versão prévia do Qwen3.8-Max possui uma profundidade de raciocínio elevada, mas às vezes entra em longos períodos de inferência, “como se ficasse preso em seu próprio pensamento”, sem finalmente oferecer soluções eficazes. Capdim considerou que a versão prévia do Qwen3.8-Max ficou abaixo das expectativas; ao testá-la com seu próprio conjunto de avaliação de estética front-end, percebeu uma discrepância clara entre a capacidade real e a divulgação. Como um produto prévia ainda em ajuste, seu desempenho final precisará ser verificado após o lançamento da versão oficial.
Em julho, nenhum modelo se destacou em todas as dimensões, e diferentes modelos começaram a se especializar em cenários específicos.
Por exemplo, Bei Cheng escolhe ferramentas com base nas tarefas: GPT-5.6 para desenvolvimento diário, Grok 4.5 para concluir requisitos rapidamente, Kimi K3 para cenários de produto e frontend, e Claude Opus 5 para resolver problemas complexos. A abordagem de Kapdim é diferente: ele usa os modelos Fable 5 ou Opus 5 do Claude para planejamento, seguido pela execução com GPT-5.6 Sol.
03. As publicações estão se tornando cada vez mais rápidas, e a disputa entre código aberto e código fechado está aquecendo
Por trás deste ciclo de lançamentos intensos, há algumas questões dignas de análise: por que as iterações do modelo estão se tornando cada vez mais rápidas, por que estão concentradas em julho e por que o código aberto está impactando os modelos de negócio existentes.
Primeiro, a forma de iteração dos modelos está mudando. No passado, o aprimoramento da capacidade dos grandes modelos dependia principalmente do re-treinamento de modelos de maior escala, com ciclos longos e altos custos. No entanto, com o amadurecimento de tecnologias como aprendizado por reforço e pós-treinamento (otimização contínua do desempenho do modelo após o treinamento básico, por meio de fine-tuning e aprendizado por reforço), a atualização dos modelos passou a depender mais de otimizações pós-treinamento.
Yao Yuhang disse ao "Dingjiao One" que, nos últimos dois anos, a velocidade de lançamento de modelos acelerou significativamente, e uma importante razão é que a indústria já adquiriu métodos de pós-treinamento mais maduros. Atualmente, muitos aprimoramentos de modelos não exigem treinar um modelo do zero, mas sim otimizar continuamente modelos base já existentes por meio de técnicas como aprendizado por reforço e iteração autônoma.
Isso significa que o ciclo de competição entre modelos está se encurtando. No passado, um modelo líder poderia manter sua vantagem por meses; agora, a janela de vantagem trazida por atualizações de versão pode durar apenas algumas semanas. Se o ritmo de lançamento não acompanhar, o modelo pode ser rapidamente superado por versões mais novas. Para as empresas, lançar modelos não é apenas uma demonstração técnica — o próprio momento do lançamento tornou-se parte da competição.
Fonte da imagem / pexels
Em segundo lugar, julho é um período em que vários eventos se sobrepõem. Para fabricantes nacionais, o Congresso Mundial de Inteligência Artificial (WAIC) ocorre em julho, com as empresas concentrando-se em lançar modelos e apresentar avanços tecnológicos antes e depois do evento. Para fabricantes internacionais, várias empresas líderes também escolhem atualizar seus modelos nessa fase, buscando tomar a dianteira no ecossistema de desenvolvedores e na competição comercial.
Além disso, as regras de competição do setor estão mudando. Ter um modelo com capacidade suficiente já não é o único objetivo; a competição se expandiu para como os modelos são utilizados e como se transformam em receita.
É por isso que a disputa entre modelos abertos e fechados se intensificou novamente em julho. Por muito tempo, houve uma lacuna de desempenho entre modelos abertos e fechados. Mas, com alguns modelos abertos entrando no primeiro escalão, surge uma questão mais realista: quando modelos de alto desempenho podem ser obtidos gratuitamente, as receitas com chamadas de API e assinaturas das empresas de modelos serão desviadas?
Aqueles que apoiam o código aberto argumentam que pesos abertos reduzem as barreiras tecnológicas, permitindo que mais empresas e desenvolvedores participem da inovação em IA. O código aberto significa que os fornecedores de tecnologia voluntariamente abrem mão de parte de seus interesses para impulsionar o desenvolvimento do ecossistema; já os defensores do código fechado temem que seus usuários sejam desviados por modelos de código aberto. Empresas como a Anthropic acreditam que, à medida que a capacidade dos modelos aumenta, a abertura dos pesos pode trazer riscos de segurança, exigindo uma governança mais rigorosa.
Por trás desse debate estão, na verdade, interesses corporativos distintos. Para empresas de infraestrutura como a NVIDIA, a abertura do modelo significa mais demanda por implantação e um mercado de computação maior. Para empresas de modelos como a OpenAI e a Anthropic, o modelo fechado permite manter receitas com chamadas à API e assinaturas. No entanto, também é importante observar o outro lado: a abertura realmente amplia a demanda por implantação, mas, com o aumento da eficiência de parâmetros, o consumo de computação por tarefa unitária também pode ser diluído, e o crescimento do mercado de computação nem sempre acompanha o grau de abertura do modelo. Para empresas locais, abrir os pesos não é apenas uma escolha de rota técnica, mas também uma forma de conquistar o ecossistema de desenvolvedores, serviços em nuvem e pontos de entrada para futura comercialização.
Após julho, a competição entre grandes modelos continuará. A comunidade de desenvolvedores espera amplamente que novos modelos, como DeepSeek V4 oficial, Fable 5.1 e GPT-6, sejam lançados gradualmente em agosto.
A lacuna nas capacidades dos modelos está diminuindo, e apenas lançar um modelo mais poderoso está se tornando cada vez mais difícil para estabelecer uma vantagem duradoura. Os próximos indicadores a serem observados são: até onde a versão oficial do DeepSeek V4 poderá elevar o limite de capacidade dos modelos abertos, se os preços da API continuarão a cair, se agentes inteligentes conseguirão criar cenários de pagamento estáveis, e se modelos abertos poderão ser implantados em mais empresas de forma privada. As respostas a essas perguntas serão mais indicativas do que realmente mudou nessa rodada de competição do que as posições nas classificações.
*Imagem de capa fornecida pelo Pexels.