A recém-lançada e gigantesca modelo aberta Muse Spark Open, com 816 bilhões de parâmetros da Meta, foi ultrapassada pelo Qwen3.8-Flash-Next, que possui apenas 180 bilhões de parâmetros. Os testes mais recentes da instituição independente Artificial Analysis mostram que o modelo da Meta obteve uma pontuação geral de apenas 39, enquanto o Qwen3.8 alcançou 40. Mais impressionante ainda é a diferença nos parâmetros ativados: para uma única inferência, a Meta precisa ativar 42 bilhões de parâmetros, enquanto o Qwen requer apenas 6 bilhões — uma diferença de eficiência de sete vezes. O custo de implantação local fica ainda mais evidente. Após quantização para 4-bit, o arquivo do modelo da Meta pesa 506 GB — impossível de suportar em servidores comuns; já o Qwen ocupa apenas 111 GB, cabendo facilmente em um único GPU profissional. Com quatro vezes mais parâmetros e memória de vídeo, o resultado é que a capacidade de inferência foi superada por um modelo menor. As grandes empresas precisam seriamente repensar essa abordagem cega de acumular parâmetros.