Z.ai confirma autoria do Ox Alpha, afinal GLM-5.3-Flash

Um modelo misterioso chamado Ox Alpha surgiu sem aviso, no final de agosto, no OpenRouter e no OpenCode, subindo em classificações e testes de referência frente aos melhores modelos disponíveis, sem que nenhum laboratório o reivindicasse. Nos dias seguintes, esse silêncio alimentou um dos maiores jogos de adivinhas da indústria da IA: a nossa cobertura anterior deste lançamento furtivo enumerava cinco teorias rivais sobre quem o criou — a família GLM da Z.ai, a Microsoft, a Google, a Cursor e a ByteDance —, assentes sobretudo na impressão digital do tokenizador, já que nenhum dos laboratórios citados quis confirmar ou negar seja o que for. Os testes de tokenizador apontavam de forma mais consistente para a Z.ai, cujos modelos GLM coincidiram em onze testes distintos, quando nenhum outro laboratório ultrapassou quatro coincidências — mas a escala do uso gratuito absorvido pelo Ox Alpha lançava dúvidas até sobre essa teoria, a mais sólida até então.

Esse mistério está agora resolvido. Segundo uma notícia da Bloomberg citada pela TechCrunch, a Z.ai confirmou que o Ox Alpha é a mais recente iteração da sua série GLM. A empresa anunciou que vai divulgar os pesos do Ox Alpha na quarta-feira, depois do que os programadores externos poderão construir diretamente sobre ele. A Z.ai descreve o modelo como vocacionado para programação, trabalho agêntico prolongado e cargas de produção, adequado a tarefas de engenharia de software de longa duração e a fluxos que combinam texto e imagem.

Por trás da máscara: o GLM-5.3-Flash

Sob o seu nome oficial, o Ox Alpha é o GLM-5.3-Flash — o primeiro lançamento nativamente multimodal da série GLM-5, segundo o site alemão the-decoder.de. O modelo tem 320 mil milhões de parâmetros no total, dos quais apenas 18 mil milhões estão ativos em cada tarefa, um desenho de mistura de especialistas pensado para reduzir o custo de inferência. É publicado sob licença MIT, com os pesos disponíveis no Hugging Face, e suporta uma janela de contexto de um milhão de tokens.

No Intelligence Index da Artificial Analysis, o GLM-5.3-Flash obtém 57 pontos com esforço máximo de raciocínio — apenas três pontos atrás dos 60 do GLM-5.3, praticamente ao nível do GPT-5.6 Terra e do Muse Spark 1.2. A diferença que realmente importa é o preço: a Artificial Analysis calcula o custo por tarefa do seu índice em 0,09 dólares, contra 0,68 dólares do GLM-5.3, cerca de 7,5 vezes mais barato — o que coloca o modelo, segundo a empresa, na fronteira de Pareto entre inteligência e custo. Através da própria API da Z.ai, o GLM-5.3-Flash custa 0,15 dólares por milhão de tokens de entrada e 0,50 dólares por milhão de saída, cerca de um décimo do preço do GLM-5.3. No teste de referência agêntico GDPval-AA v2, obtém um Elo de cerca de 1770, empatado com o GLM-5.3 e o Grok 4.6, atrás apenas do Claude Opus 5. A contrapartida está na eficiência: segundo a Artificial Analysis, cerca de 90% dos tokens de saída do modelo destinam-se ao raciocínio, e não à resposta final, o que pode tornar as respostas mais lentas apesar do preço por token mais baixo.

• 320 mil milhões de parâmetros totais, 18 mil milhões ativos por tarefa (mistura de especialistas)
• Intelligence Index: 57 pontos contra 60 do GLM-5.3, com um custo por tarefa cerca de 7,5 vezes inferior (0,09 $ contra 0,68 $)
• Preço da API: 0,15 $ por milhão de tokens de entrada, 0,50 $ de saída — cerca de um décimo do preço do GLM-5.3
• Pontuação agêntica GDPval-AA v2: Elo ≈ 1770, atrás apenas do Claude Opus 5
• 100 biliões de tokens entregues por dia, segundo a Z.ai, inteiramente em chips chineses

Pôr à prova o 'fosso CUDA' da Nvidia

A afirmação mais impressionante não é sobre o modelo, mas sobre a infraestrutura. Antes do lançamento com o nome verdadeiro, a Z.ai testou o GLM-5.3-Flash de forma anónima como 'ox-alpha' no OpenCode e no OpenRouter, onde se tornou o modelo mais utilizado da semana. Segundo a Z.ai, todo esse tráfego correu em chips de IA chineses, e não em hardware da Nvidia. A SemiAnalysis relatou que este sistema entregou 100 biliões de tokens por dia, uma escala até então considerada ao alcance apenas dos laboratórios de ponta, e assinalou que a Z.ai reivindica uma eficiência de hardware e um custo por token comparáveis aos das GPU Nvidia habituais. A SemiAnalysis vê nisto mais um teste ao chamado 'fosso CUDA' da Nvidia — a camada de software proprietária, construída ao longo de quase duas décadas, que se interpõe entre as frameworks de IA e os chips da Nvidia e à qual praticamente todo o software de IA está ajustado. Mudar para um chip diferente exige normalmente reprogramar do zero as operações de cálculo e o acesso à memória, um trabalho que historicamente deixou os rivais da Nvidia com chips rápidos no papel mas mal aproveitados na prática. A Z.ai afirma ter contornado esse obstáculo construindo o seu próprio software de serviço sobre a framework de código aberto SGLang, dividindo a inferência em etapas escaláveis de forma independente; a equipa diz ter assim triplicado o desempenho no mesmo hardware face à primeira tentativa, com a ajuda de um agente baseado no GLM-5.3 nesse trabalho de otimização.

Este tipo de lançamento anónimo, ou 'furtivo', tornou-se uma tática recorrente, sobretudo entre laboratórios chineses: lançar um modelo sem nome associado permite que seja avaliado apenas pelos resultados em classificações e pelo uso real dos programadores, livre dos preconceitos — favoráveis ou não — ligados a uma marca conhecida, antes de o laboratório assumir um lançamento formal. Serve também para testar, à escala de produção, uma infraestrutura totalmente nova — neste caso, uma cadeia de serviço sem qualquer Nvidia — antes de associar o nome da empresa ao resultado.

Esta reivindicação de independência face à Nvidia surge no contexto de anos de restrições norte-americanas à exportação, que limitaram o acesso dos laboratórios chineses aos chips de IA mais avançados da Nvidia e os empurraram para alternativas nacionais e software feito à medida para os tornar competitivos. Se os números de eficiência da Z.ai resistirem a um escrutínio independente, enfraquecem a ideia de que o ecossistema de software CUDA basta, por si só, para garantir à Nvidia uma vantagem duradoura sobre laboratórios que constroem em torno das restrições à exportação, em vez de através delas — com consequências reais para o poder de fixação de preços que a Nvidia consegue manter num mercado que domina há muito.

Para as empresas portuguesas que ponderam encaminhar cargas de produção para um modelo chinês mais barato em vez de um modelo ocidental de referência, o GLM-5.3-Flash traz um dado concreto: um desempenho próximo de um modelo principal em tamanho real, por cerca de um décimo do preço da API, sob uma licença que permite alojamento próprio. As contrapartidas também são reais: um consumo mais elevado de tokens de raciocínio que pode tornar as respostas mais lentas, um laboratório sediado na China com as suas próprias questões de tratamento de dados e conformidade com restrições à exportação — um ponto a que qualquer empresa sujeita ao RGPD deve estar atenta —, e características que, tal como o próprio lançamento furtivo do Ox Alpha, permaneceram por verificar de forma independente até a Z.ai decidir revelá-las. Ponderar a poupança de custos face a estas questões de governação de dados, e não apenas face aos resultados de testes de referência, deverá tornar-se um passo habitual na avaliação de fornecedores à medida que mais lançamentos baratos e de alto desempenho cheguem de laboratórios chineses.