Modelos abertos de IA alcançam os fechados duas vezes mais rápido

Os modelos de IA de pesos abertos estão alcançando os melhores modelos fechados cerca de duas vezes mais rápido a cada nova era do desenvolvimento de grandes modelos de linguagem, segundo uma análise da SemiAnalysis intitulada "Are Open Models Catching Up?", publicada em 21 de agosto de 2026. Em vez de julgar cada modelo por um único conjunto de benchmarks que acaba saturando com o tempo, a SemiAnalysis avalia cada era com os benchmarks que realmente a definiram.

Três eras, três diferenças de tempo

A primeira era, a do escalonamento inicial, vai de 2022 a 2024. Seu modelo fechado de referência era o GPT-3.5 Turbo, da OpenAI, lançado em novembro de 2022, avaliado em GSM8K, HumanEval, TriviaQA e MMLU-Pro. O Llama-2-70B, da Meta, foi o primeiro modelo aberto a se aproximar, com pontuação composta de 39,9 contra 75,7 do GPT-3.5 Turbo. A diferença só foi fechada com o Llama-3.1-405B, da Meta, lançado em julho de 2024 com pontuação 86 — 19,7 meses após o lançamento do GPT-3.5 Turbo.

Mais tarde, na mesma era, o DeepSeek V3 igualou o GPT-4o da OpenAI em dezembro de 2024, com 94,1 pontos contra 95,5, e o Qwen2.5-72B, da Alibaba, chegou perto com um modelo seis vezes menor que o Llama-3.1-405B — 72 bilhões de parâmetros contra 405 bilhões — pré-treinado com 18 trilhões de tokens.

A segunda era, a do raciocínio, vai de 2024 a 2025. Sua referência era o o1, da OpenAI, lançado em 12 de setembro de 2024, avaliado em GPQA-Diamond, AIME 2026, SimpleQA Verified e Humanity's Last Exam. O DeepSeek-R1-0528 fechou uma diferença inicial de 12,1 pontos em maio de 2025, atingindo pontuação 78 em relação à meta — em apenas 8,5 meses.

A terceira era, a agêntica, vai de 2025 até hoje. Sua referência é o Claude Opus 4.5, da Anthropic, lançado em novembro de 2025, avaliado em tarefas agênticas complexas como programação e uso de computador, usando Terminal-Bench 2.1, BrowseComp-Plus, τ³-Banking e DeepSWE. O Kimi K2.6, da Moonshot AI, lançado em abril de 2026, fechou a diferença com o Claude Opus 4.5 em apenas 4,8 meses — a alcançada mais rápida já observada pela SemiAnalysis.

O tempo de alcance cai pela metade a cada era

• Era do escalonamento inicial — GPT-3.5 Turbo a Llama-3.1-405B: 19,7 meses
• Era do raciocínio — o1 a DeepSeek-R1-0528: 8,5 meses
• Era agêntica — Claude Opus 4.5 a Kimi K2.6: 4,8 meses

Nas três eras, tanto a diferença de pontuação inicial entre o primeiro modelo fechado e o melhor modelo aberto quanto o tempo necessário para fechá-la vêm diminuindo — o tempo de alcance caiu pela metade, aproximadamente, a cada nova era. A SemiAnalysis faz questão de apontar limites reais dessa comparação: os benchmarks são um indicador imperfeito do trabalho real, e desenvolvedores de modelos podem otimizar deliberadamente um modelo para um benchmark específico em vez de para capacidade geral.

Por que isso ameaça as margens dos laboratórios fechados

Se modelos abertos conseguem igualar modelos fechados de ponta por uma fração do custo, a camada de modelos de IA corre o risco de se "comoditizar". É uma ameaça séria às margens de laboratórios de ponta como OpenAI e Anthropic, que levantaram somas enormes para construir modelos fechados apostando que a capacidade, e não só o preço, os manteria à frente das alternativas abertas.

Uma corrida mais ampla: o pano de fundo EUA-China

A GIGAZINE, ao comentar a análise da SemiAnalysis, acrescenta que a Bloomberg acompanha, por conta própria, uma dinâmica semelhante na corrida de IA entre Estados Unidos e China, com a China às vezes na frente em uso e custo mesmo quando fica atrás em capacidade bruta. A GIGAZINE também lembra que, em julho de 2026, várias startups americanas de IA enviaram uma carta aberta ao governo Trump pedindo que não proibisse os modelos chineses de pesos abertos, argumentando que o acesso a esses modelos também beneficia os desenvolvedores americanos. Esse é um dos fios da era agêntica descrita pela SemiAnalysis: é justamente na implantação de agentes — um dos usos avaliados por testes do tipo Terminal-Bench que a SemiAnalysis usa em sua comparação da terceira era — que essas escolhas de modelo pesam mais na prática.

Para empresas brasileiras que implantam IA hoje, a tendência importa além das pontuações dos benchmarks. Se uma alternativa aberta confiável agora surge em questão de meses, e não de anos, depois do lançamento de um modelo fechado de referência, as equipes que planejam uma implantação em 2026 ou 2027 têm um leque maior de fornecedores para testar e colocar em concorrência antes de comprometer o orçamento com uma única API, com menos certeza de que o melhor modelo fechado do momento continuará sem rival quando o projeto for entregue.