Melhores LLMs open source americanos de 2026

Das 19 opções de LLMs open source americanos que analisamos, as melhores no momento são Gemma 4, SAM 3 (Segment Anything Model 3) e Muse Glimmer. Cada uma aparece pela nossa nota, com preço, nosso veredito e para quem é indicada.

Por Andrew Miller · Atualizado em 2 de nov. de 2026 · Como avaliamos

Como montamos o ranking: pela nossa nota (máximo 5), com base em análises feitas a partir dos preços, da documentação e das políticas de cada produto, além de benchmarks independentes quando existem, cada uma verificada na data indicada na análise. Não recebemos comissão de afiliados.

Veja também: melhores LLMs open source

1
Gemma 4
Licença e dados: Auto-hospedado, então os dados ficam onde você o roda. A Apache 2.0 permite uso comercial e fine-tuning sem teto de receita nem adendo de uso aceitável.
Como rodar: Os pesos são gratuitos. O 31B precisa de cerca de 62 GB em BF16 (uma placa de 80 GB) ou 17,7 GB em 4 bits; o 26B A4B ocupa 14,4 GB, o 12B 7,0 GB e o E4B 5,2 GB em 4 bits. O OpenRouter lista o 31B a $0,20/$0,40 e o 26B A4B a $0,08/$0,26 por 1M de tokens.
Preço: Pesos gratuitos sob Apache 2.0. Hospedado no Google Cloud e em terceiros; o OpenRouter lista o 31B a $0,20/$0,40 e o 26B A4B a cerca de $0,08/$0,26 por 1M de tokens.
Leia nossa análise de Gemma 4
4.4/5
2
SAM 3 (Segment Anything Model 3)
Licença e dados: Auto-hospedado, imagens e vídeos ficam no seu hardware. A SAM License permite uso comercial, mas proíbe usos militares, relacionados a ITAR e outros sujeitos a controle comercial, além de engenharia reversa, e o acesso controlado coleta nome, data de nascimento, país e afiliação sob a política de privacidade da Meta.
Como rodar: Com 848M de parâmetros, uma GPU de data center o serve; a Meta informa 30 ms por imagem com mais de 100 objetos em uma H200, e o SAM 3.1 a 32 quadros por segundo em uma H100 com um número médio de objetos. O preço hospedado da Roboflow segue os planos dela.
Preço: Gratuito sob a SAM License após cadastro com acesso controlado no Hugging Face; uso comercial permitido com restrições militares, de ITAR e de engenharia reversa. O uso hospedado pela Roboflow é cobrado nos planos da Roboflow.
Leia nossa análise de SAM 3 (Segment Anything Model 3)
4.4/5
3
Muse Glimmer
Licença e dados: A Apache 2.0 permite uso comercial sem limite de receita. Rodando localmente, nada sai da máquina; no OpenRouter valem os termos do provedor de hospedagem. Os dados de treinamento da Meta incluem informações dos seus próprios produtos e serviços.
Como rodar: Local: uma placa de 24GB para o build de 17GB, 32GB para o build quase sem perdas, 64GB para precisão total. Hospedado: US$ 0,30/US$ 1,20 por 1M de tokens na DeepInfra, US$ 0,35/US$ 1,50 na Together, então 300M de entrada e 60M de saída por mês custam cerca de US$ 162.
Preço: Pesos gratuitos sob Apache 2.0; sem API da Meta. Hospedado no OpenRouter a partir de US$ 0,30 por 1M de tokens de entrada e US$ 1,20 por 1M de saída (DeepInfra).
Leia nossa análise de Muse Glimmer
4.1/5
4
Nemotron 3.5 Super VL
Licença e dados: A OpenMDW-1.1 permite uso comercial. O self-hosting mantém os dados dentro de casa; os provedores hospedados definem os próprios termos de retenção, e o OpenRouter não oferece roteamento in-region na UE para este modelo.
Como rodar: Aos $0,15/$0,50 do OpenRouter, 1M de turnos de agente por mês com 8K tokens de entrada e 1K de saída sai por cerca de $1.700, antes que a prolixidade infle a saída. Self-hosting em BF16 significa quatro H100 por réplica; o NVFP4 cabe em uma estrutura Blackwell menor.
Preço: Pesos gratuitos sob OpenMDW-1.1. Hospedado: OpenRouter a partir de $0,15 de entrada / $0,50 de saída por 1M de tokens, mais uma variante gratuita; NVIDIA NIM e outros provedores com preços à parte.
Leia nossa análise de Nemotron 3.5 Super VL
4.1/5
5
gpt-oss-120b
Licença e dados: Apache 2.0 sem restrições de uso na licença. Auto-hospedado, os prompts ficam no seu hardware; hospedado, a retenção segue os termos de cada provedor, e o roteamento só na UE do OpenRouter exige um plano Business ou Enterprise.
Como rodar: 1B de tokens de entrada e 250M de saída por mês custam cerca de $300 a $0,15/$0,60 por milhão; o batch do Bedrock corta sua tarifa pela metade. Auto-hospedar exige uma GPU de 80GB para inferência e um nó H100 para fine-tuning.
Preço: Pesos gratuitos sob Apache 2.0; os preços hospedados variam por provedor.
Leia nossa análise de gpt-oss-120b
4.0/5
6
Granite 4.2
Licença e dados: Apache 2.0, aberto para uso comercial e de pesquisa, sem limites de área de uso; prompts auto-hospedados ficam no seu hardware.
Como rodar: A API da IBM cobra $0,16 por milhão de tokens de entrada e $0,65 por milhão de saída, com 75% de desconto em acertos de cache. Auto-hospedado, o 30B precisa de cerca de 18GB em 4 bits ou 31GB em 8 bits.
Preço: Pesos gratuitos sob Apache 2.0; hospedagem no watsonx e em terceiros cobrada à parte.
Leia nossa análise de Granite 4.2
4.0/5
7
LFM3
Licença e dados: Auto-hospedar mantém os dados locais. A LFM Open License v1.0 permite uso comercial só abaixo de US$ 10 milhões de receita anual, com uma exceção para pesquisa sem fins lucrativos; a promessa de não treinar na página de preços da Liquid vale para implantações personalizadas, e os termos de retenção da API não são publicados ali.
Como rodar: Nas tarifas informadas pela VentureBeat, 1 bilhão de tokens de entrada e 100 milhões de saída por mês custam cerca de US$ 100 no LFM3-1.7B e US$ 150 no LFM3-VL-2B, com tokens de áudio à parte, a US$ 2 de entrada e US$ 10 de saída por milhão no Audio e no Omni. Auto-hospedar exige de 1,05 a 1,10 GB em 4 bits, 1,85 GB em Q8_0 ou 3,47 GB em BF16; a Liquid informa 3,6 bilhões de tokens por dia em uma B300.
Preço: Pesos gratuitos sob a LFM Open License (uso comercial só abaixo de US$ 10M de receita anual). API da Liquid, segundo a VentureBeat a partir do console com login: LFM3-1.7B US$ 0,08 entrada / US$ 0,20 saída por 1M de tokens; VL US$ 0,10 / US$ 0,50; Audio e Omni US$ 0,10 / US$ 1,00 mais tokens de áudio. Decisões d1 hospedadas a US$ 0,02 por 1M de entrada, saída grátis.
Leia nossa análise de LFM3
4.0/5
8
Muse Spark Open
Licença e dados: Muse Model License: uso, modificação, destilação e redistribuição gratuitos; atribuição obrigatória em cada produto; provedores de model-as-a-service acima de $20M de receita anual precisam de um acordo separado. A Meta não reivindica a propriedade das saídas. Em self-hosting, nada sai da sua infraestrutura.
Como rodar: Self-hosting: NVFP4 (cerca de 537GB) em um nó Blackwell de quatro GPUs, BF16 (cerca de 1,65TB) em oito B300, ou dois Mac Studios M5 Ultra de 512GB. Hospedado, um milhão de respostas de suporte por mês com 3.000 tokens de entrada e 500 de saída custam cerca de $5.875 nas tarifas do OpenRouter.
Preço: Pesos gratuitos sob a Muse Model License (atribuição obrigatória; limite de $20M de receita para model-as-a-service). Hospedado no OpenRouter a $1,25 de entrada, $0,15 em cache, $4,25 de saída por 1M de tokens.
Leia nossa análise de Muse Spark Open
4.0/5
9
Ternary Bonsai 2 9B
Licença e dados: Apache 2.0, seguindo o modelo base Qwen3.5-9B, sem teto de receita nem restrições de uso além da licença. Rodando localmente, prompts e imagens ficam no dispositivo.
Como rodar: Grátis para rodar em hardware próprio: o arquivo PTQ1_0 de 2,00 GB é o menor e o arquivo MTP de 2,68 GB acrescenta decodificação especulativa. A PrismML cita até 179 tokens por segundo em um M5 Max e até 5 vezes o throughput do modelo em precisão total em uma RTX 4090 e em um M5 Pro. Os preços da Darkbloom não são publicados.
Preço: Grátis sob Apache 2.0. Hospedado no console Darkbloom; preços não publicados.
Leia nossa análise de Ternary Bonsai 2 9B
4.0/5
10
Mage-VL-Cowork
Licença e dados: Só auto-hospedado. Apache 2.0, mas a nota de IA Responsável da Microsoft diz uso só para pesquisa, com dados de treino de fontes públicas, licenciadas e internas. O card exige sandboxes isoladas, nenhuma credencial montada e lista de permissões de rede contra injeção de prompt.
Como rodar: Os pesos em BF16 têm 9,48 GB e um cálculo do ModelFit estima um cache completo de 32K tokens em cerca de 4,8 GB, então uma GPU de 24 GB comporta os dois. A Microsoft não publica hardware mínimo; cada tarefa teve média de 18,77 chamadas ao modelo e 5.499 tokens de saída nos testes dela.
Preço: Gratuito sob Apache 2.0, embora o repositório da Microsoft diga que os modelos Mage são para pesquisa e não se destinam à implantação em produtos ou serviços. Sem API hospedada.
Leia nossa análise de Mage-VL-Cowork
3.9/5
11
Nemotron 3.5 Bolt (74B-A9B 24GB and E4B 4GB)
Licença e dados: Self-hosting, então os dados ficam locais. A OpenMDW-1.1 permite uso comercial sem teto de receita; os direitos terminam se você processar alguém por patente ou direito autoral no modelo. A NVIDIA publica seus datasets de pré e pós-treino, mas lista muitas fontes como privadas.
Como rodar: Os pesos são gratuitos e a Artificial Analysis não lista preço por uso para o 74B. Hardware: uma GPU de 32 GB para 65K de contexto ou de 48 GB para 262K no 74B; o E4B tem pico de 3,1 a 5,0 GB nos testes da NVIDIA, de uma RTX 5070 a uma Jetson Orin.
Preço: Pesos abertos gratuitos sob OpenMDW-1.1. Nenhum preço de API por uso publicado para nenhum dos dois; o E4B tem um endpoint no build.nvidia.com.
Leia nossa análise de Nemotron 3.5 Bolt (74B-A9B 24GB and E4B 4GB)
3.9/5
12
Beam
Licença e dados: Apache 2.0, com a Usage Policy da Reflection recomendada em conjunto. Na API da Reflection, o header reflection-data-retention de cada resposta informa retenção zero, padrão ou de contribuidor; apenas os termos de contribuidor, que uma organização precisa aceitar, permitem treinamento com as suas requisições.
Como rodar: 1 bilhão de tokens de entrada e 100 milhões de saída por mês custam cerca de US$ 520 na Together AI ou na Baseten e cerca de US$ 350 na Nebius. Auto-hospedar exige 273 GiB em NVFP4, 468,72 GiB em FP8 ou 933,81 GiB em BF16 antes de qualquer cache KV.
Preço: Pesos Apache 2.0 gratuitos. API da Reflection gratuita em beta público com limites diários. Hospedado: Together AI e Baseten a US$ 0,40 de entrada / US$ 0,04 em cache / US$ 1,20 de saída por 1M de tokens; OpenRouter a partir de US$ 0,24 / US$ 0,98.
Leia nossa análise de Beam
3.8/5
13
gpt-oss-20b
Licença e dados: Auto-hospedado, então os prompts ficam locais. A Apache 2.0 permite uso comercial e fine-tuning; a política de uso só exige o cumprimento da lei aplicável.
Como rodar: Os pesos são gratuitos e cabem em uma GPU de 16GB. Hospedado no OpenRouter a partir de $0,018 de entrada e $0,09 de saída por 1M de tokens, então 1M de respostas curtas por mês custa bem menos de $100; a Artificial Analysis o coloca em cerca de $0,01 por tarefa do índice.
Preço: Pesos gratuitos sob Apache 2.0. Hospedado a partir de $0,018 de entrada / $0,09 de saída por 1M de tokens no OpenRouter; a Artificial Analysis lista $0,07 / $0,25.
Leia nossa análise de gpt-oss-20b
3.8/5
14
LFM2.5-24B-A2B
Licença e dados: Auto-hospedar mantém os dados locais. A LFM Open License v1.0 permite uso comercial só para organizações com menos de US$ 10 milhões de receita anual, com uma exceção para pesquisa sem fins lucrativos.
Como rodar: No OpenRouter, 1 bilhão de tokens de entrada e 100 milhões de saída por mês custam cerca de US$ 120; nos US$ 0,10/US$ 1,00 do Liquid Console, cerca de US$ 200. Auto-hospedar exige de 13,58 a 14,53 GB em 4 bits, 25,49 GB em Q8_0 ou 47,96 GB em BF16.
Preço: Pesos gratuitos sob a LFM Open License (uso comercial só abaixo de US$ 10M de receita anual). Liquid Console: US$ 0,10 entrada / US$ 1,00 saída por 1M de tokens; OpenRouter: US$ 0,05 / US$ 0,70.
Leia nossa análise de LFM2.5-24B-A2B
3.8/5
15
FrogNano-4B-2609
Licença e dados: Auto-hospedado, então o código fica na sua infraestrutura. O model card pede um sandbox de privilégio mínimo com a rede desligada por padrão; o FrogNano não recebeu nenhum treinamento próprio de segurança, recusa ou adversarial.
Como rodar: Sem preço de API. Os pesos em BF16 ocupam cerca de 9,3 GB mais o cache KV, que cresce bastante perto do limite de 131K tokens; uso em CPU, desktop, celular e quantizado não foi validado. Os presets de benchmark da Microsoft dão a cada tarefa até 10.800 segundos e 150 passos.
Preço: Pesos gratuitos (marcados como MIT no Hugging Face; a tabela do card diz Apache 2.0). Sem API hospedada; você mesmo o serve, por exemplo com SGLang.
Leia nossa análise de FrogNano-4B-2609
3.7/5
16
Ornith-1.5-122B
Licença e dados: Só self-hosting, então os dados ficam onde você o rodar. Não há API própria e, portanto, nenhum termo de retenção ou de treino a revisar.
Como rodar: Pesos gratuitos. O BF16 tem 250 GB (um nó com várias GPUs), o FP8 133 GB (duas placas de 80 GB), e o NVFP4 (77,7 GB) ou o Q4_K_M (75,8 GB) são os únicos builds perto de uma placa de 80 GB; Macs têm um build MLX de 4 bits com 68,7 GB. Nenhum preço hospedado próprio publicado; o NanoGPT lista $0,20 de entrada e $0,80 de saída por milhão de tokens, mas marca o modelo como indisponível.
Preço: Pesos abertos gratuitos sob MIT. Você paga só pelo próprio hardware ou hospedagem.
Leia nossa análise de Ornith-1.5-122B
3.6/5
17
SmolLM3-3B
Licença e dados: Apache 2.0 sem adendo de uso aceitável; uso comercial e redistribuição permitidos. Apenas auto-hospedado, então os dados ficam no seu dispositivo ou servidor. A mistura de dados de treinamento é pública, o que torna possível verificar a procedência.
Como rodar: Cerca de 3,1B de parâmetros, aproximadamente 6GB em BF16, então uma única GPU de consumo, um notebook da Apple ou um build de 4 bits para celular. Sem API paga listada, o custo em volume é o seu próprio hardware.
Preço: Pesos gratuitos sob Apache 2.0, com a receita de dados de treinamento e os checkpoints publicados. Sem API hospedada nos próprios Inference Providers do Hugging Face.
Leia nossa análise de SmolLM3-3B
3.5/5
18
Phi-4-Reasoning-Vision-15B
Licença e dados: Licença MIT; auto-hospedar mantém imagens e prompts no local, e a hospedagem no Foundry segue os termos do Azure.
Como rodar: Auto-hospedar exige uma GPU com bem mais de 30GB, como uma A6000 de 48GB ou uma A100 de 80GB; nenhum preço do Foundry é publicado: nem o model card nem a lista de preços de varejo do Azure, que traz medidores por token para outros modelos Phi-4, informa um.
Preço: Pesos gratuitos sob MIT; hospedagem no Microsoft Foundry cobrada à parte.
Leia nossa análise de Phi-4-Reasoning-Vision-15B
3.4/5
19
Phi-4-multimodal
Licença e dados: Licença MIT sem teto de receita nem política de uso separada. Auto-hospedado, áudio e imagens ficam no seu hardware; os termos do Azure só se aplicam se você usar o endpoint hospedado da Microsoft.
Como rodar: No Azure AI Foundry, a entrada de áudio custa US$ 4 por 1M de tokens contra US$ 0,08 para texto e imagens, então a fala domina qualquer conta; a saída custa US$ 0,32 por 1M, as mesmas tarifas do lançamento segundo a lista de preços de varejo do Azure. Auto-hospedar exige uma GPU de data center recente.
Preço: Pesos gratuitos sob MIT. Azure AI Foundry: US$ 0,08 de entrada / US$ 0,32 de saída por 1M de tokens de texto ou imagem; entrada de áudio a US$ 4 por 1M.
Leia nossa análise de Phi-4-multimodal
3.3/5