Melhores LLMs open source de 2026

Das 58 opções de LLMs open source que analisamos, as melhores no momento são MiMo-V2.6-Pro, Qwen3.8-27B e Gemma 4. 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. Modelos cuja API hospedada foi descontinuada pelo fabricante continuam na lista por causa dos pesos abertos e aparecem marcados.

1
MiMo-V2.6-Pro
Licença e dados: Pesos sob MIT. A política de privacidade do MiMo da Xiaomi diz que os dados são armazenados em Singapura e apagados ou anonimizados após o período de retenção; o app Desktop treina com as entradas, a menos que você faça opt-out. Gateways de terceiros informam que a API da Xiaomi não treina com o tráfego, algo que os termos da API da Xiaomi deveriam confirmar.
Como rodar: $0,435/$0,87 por milhão de tokens, com 99% de desconto no cache e batch pela metade do preço. 1.000 tarefas de agente com 500K tokens de entrada e 30K de saída custam cerca de $244 sem cache; no Flash seriam cerca de $78.
Preço: Pesos abertos sob MIT. API da Xiaomi: Pro $0,435 entrada / $0,87 saída por 1M de tokens, entrada em cache $0,004; Flash $0,14 / $0,28; Pro UltraSpeed $4,35 / $8,70; Batch API pela metade do preço.
Leia nossa análise de MiMo-V2.6-Pro
4.5/5
2
Qwen3.8-27B
Licença e dados: Apache 2.0: uso comercial sem tetos de receita nem anexo de uso aceitável. A listagem do Qwen Cloud não publica termos de retenção ou de treinamento, e o seu endpoint de exemplo fica em Singapura (ap-southeast-1).
Como rodar: Auto-hospedado: 4 bits 16,5 GB, 8 bits 29 GB, FP8 31 GB, BF16 cerca de 56 GB de pesos antes do cache KV. Hospedado: Qwen Cloud a US$ 0,50/US$ 3,00 por 1M de tokens; os provedores do OpenRouter vão de cerca de US$ 0,04/US$ 1,25 a US$ 0,45/US$ 3,20.
Preço: Pesos gratuitos sob Apache 2.0. Qwen Cloud: US$ 0,50 de entrada / US$ 3,00 de saída por 1M de tokens (US$ 0,10 em cache). Hosts de terceiros no OpenRouter a partir de cerca de US$ 0,04 / US$ 1,25.
Leia nossa análise de Qwen3.8-27B
4.5/5
3
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
4
GLM-5.3
Licença e dados: A API da Z.ai opera a partir de Singapura, e seus termos de processamento de dados dizem que ela processa os dados dos clientes em nome deles e não armazena entradas nem saídas da API, que são processadas em tempo real; não há declaração explícita publicada sobre treinamento com prompts da API. Auto-hospedar mantém os dados dentro de casa.
Como rodar: A Z.ai lista $1,40/$4,40 por 1M de tokens, com entrada em cache a $0,26 e armazenamento em cache gratuito por tempo limitado. A Artificial Analysis o coloca em $2,01 por tarefa do índice, contra $0,72 do GPT-6.1 Sol. Auto-hospedar significa cerca de 753 GB de pesos FP8 mais a memória de cache.
Preço: Pesos abertos sob licença MIT modificada. API da Z.ai: $1,40 de entrada / $0,26 em cache / $4,40 de saída por 1M de tokens; GLM-5.3-Flash $0,15 / $0,50.
Leia nossa análise de GLM-5.3
4.4/5
5
SAM 3 (Segment Anything Model 3)
Licença e dados: Auto-hospedado, imagens e vídeos ficam no seu hardware. A SAM License permite uso comercial, mas proíbe usos militares, relacionados a ITAR e outros sujeitos a controle comercial, além de engenharia reversa, e o acesso controlado coleta nome, data de nascimento, país e afiliação sob a política de privacidade da Meta.
Como rodar: Com 848M de parâmetros, uma GPU de data center o serve; a Meta informa 30 ms por imagem com mais de 100 objetos em uma H200, e o SAM 3.1 a 32 quadros por segundo em uma H100 com um número médio de objetos. O preço hospedado da Roboflow segue os planos dela.
Preço: Gratuito sob a SAM License após cadastro com acesso controlado no Hugging Face; uso comercial permitido com restrições militares, de ITAR e de engenharia reversa. O uso hospedado pela Roboflow é cobrado nos planos da Roboflow.
Leia nossa análise de SAM 3 (Segment Anything Model 3)
4.4/5
6
DeepSeek-V4-Pro
Licença e dados: Os pesos abertos têm licença MIT sem restrições comerciais ou de receita. A política de privacidade da DeepSeek (fevereiro de 2026) diz que os dados são armazenados na China, lista o treinamento de modelos entre os usos das entradas dos usuários e oferece recusa apenas por e-mail para privacy@deepseek.com.
Como rodar: Na API, 1B de tokens de entrada por mês com 70% de acertos de cache mais 100M de tokens de saída custa cerca de US$ 820 nas tarifas de pico ou US$ 410 fora do pico. A auto-hospedagem exige cerca de 865 GB só para os pesos, o que pelas nossas contas significa pelo menos um servidor com oito H200 (1,1 TB de HBM), e mais para contextos completos de 1M de tokens.
Preço: Pesos gratuitos com licença MIT. API da DeepSeek: US$ 0,66 entrada / US$ 1,98 saída por 1M de tokens fora do pico, US$ 1,32 / US$ 3,96 no pico; acertos de cache a partir de US$ 0,022.
Leia nossa análise de DeepSeek-V4-Pro
4.3/5
7
GLM-5.3-Flash
Licença e dados: Os termos de dados da API da Z.ai dizem que prompts e saídas são processados em tempo real e não armazenados, e que os dados de clientes em geral são processados em Singapura. Os termos não dizem nada sobre treinamento, nem a favor nem contra, e nenhuma certificação SOC 2 ou ISO é publicada. A Z.ai serve o modelo em aceleradores fabricados na China.
Como rodar: Na Z.ai, 2B de tokens de entrada (80% em cache) e 200M de tokens de saída por mês custam cerca de $208; o GLM-5.3 custaria cerca de $1.856. Auto-hospedar significa cerca de 330 GB de pesos FP8 mais o cache KV, mais do que quatro GPUs de 80 GB comportam, então planeje um nó de oito GPUs.
Preço: Pesos abertos sob MIT. API da Z.ai: $0,15 de entrada / $0,50 de saída por 1M de tokens ($0,03 em cache); FlashX $0,37 / $1,25.
Leia nossa análise de GLM-5.3-Flash
4.3/5
8
Kimi K3
Licença e dados: A política de privacidade da Moonshot permite treinar com conteúdo dos usuários sem exceção descrita para a API, mantém os dados enquanto a conta estiver ativa e os armazena em Singapura; não é citada certificação SOC 2 ou ISO. A licença isenta o uso interno das cláusulas de receita e de exibição.
Como rodar: US$ 3/US$ 15 por milhão de tokens, US$ 0,30 em cache, com cobranças extras por gravações de cache de 5 minutos ou 1 hora. 1.000 tarefas de agente de 500K tokens de entrada e 30K de saída custam cerca de US$ 1.950 sem cache; a Fireworks lista um endpoint a US$ 2,10/US$ 10,50.
Preço: Pesos abertos sob uma licença MIT modificada. API do Kimi: US$ 3 entrada / US$ 15 saída por 1M de tokens; entrada em cache US$ 0,30.
Leia nossa análise de Kimi K3
4.3/5
9
DeepSeek-V4.1-Flash
Licença e dados: Pesos sob MIT sem restrições de uso. No serviço da DeepSeek, a política de privacidade (atualizada em 10 de fevereiro de 2026) diz que os dados são armazenados na China, mantidos enquanto a conta existir e podem treinar modelos, com recusa sob solicitação; não há termos de retenção específicos da API publicados.
Como rodar: 10 bilhões de tokens de entrada e 1 bilhão de saída por mês custam cerca de US$ 2.100 fora do pico ou US$ 4.200 no pico na DeepSeek; a entrada em cache custa US$ 0,003 por milhão fora do pico. Search e Fetch acrescentam US$ 0,75 por 1.000 chamadas bem-sucedidas cada, então um agente que faz 20 buscas por tarefa em 10.000 tarefas paga US$ 150 por mês em busca; gratuito pelos harnesses até 31 de outubro de 2026, 16:00 UTC. A auto-hospedagem exige mais de 765 GB de memória de GPU só para os pesos, e as notas de implantação do DeepInfer colocam a menor unidade eficiente da DeepSeek em 64 GPUs de prefill mais 64 de decode.
Preço: Pesos gratuitos com licença MIT. API da DeepSeek: US$ 0,15 entrada / US$ 0,60 saída por 1M de tokens fora do pico, US$ 0,30 / US$ 1,20 no pico dos dias úteis; acertos de cache de US$ 0,003 a US$ 0,006.
Leia nossa análise de DeepSeek-V4.1-Flash
4.2/5
10
Hy4 preview
Licença e dados: Pesos sob Apache 2.0 sem condições extras. Os termos do site chinês da Tencent Cloud dizem que ela não usará as entradas para melhorar os próprios modelos; a retenção não é informada publicamente. Modelos de outros laboratórios no TokenHub seguem os próprios termos.
Como rodar: US$ 0,834/US$ 2,501 por milhão de tokens no TokenHub. 1.000 tarefas de agente de 500K tokens de entrada e 30K de saída custam cerca de US$ 492 sem cache. Auto-hospedar em FP8 exige oito GPUs da classe B300.
Preço: Pesos abertos sob Apache 2.0. Tencent Cloud TokenHub: ¥6 entrada / ¥18 saída por 1M de tokens, ou US$ 0,834 / US$ 2,501 internacionalmente, entrada em cache US$ 0,042. OpenRouter a partir de cerca de US$ 0,75 / US$ 2,25. Hy3: US$ 0,13 / US$ 0,53.
Leia nossa análise de Hy4 preview
4.2/5
11
Qwen3.8-Flash-Next
Licença e dados: Qwen Community License 1.0: uso comercial permitido; o nome do modelo deve ser exibido acima de 100 milhões de usuários mensais ou US$ 20 milhões de receita mensal; licença separada para negócios de modelo como serviço e de assistentes de IA de programação ou de escritório, de qualquer porte. A documentação de segurança de dados do Qwen Cloud cobre criptografia e armazenamento na região, mas não publica prazo de retenção nem política de treinamento.
Como rodar: Hospedado: US$ 0,15 de entrada e US$ 0,47 de saída por milhão de tokens e US$ 0,016 para acertos de cache; há Batch, sem desconto publicado. Auto-hospedado: cerca de 360 GB de pesos BF16 ou 180 GB de FP8, ou seja, um servidor com várias H100 ou H200 antes do cache KV.
Preço: Pesos abertos sob a Qwen Community License 1.0 (licença separada para negócios de hospedagem e de assistentes de IA). API do Qwen3.8-Flash: US$ 0,15 de entrada / US$ 0,47 de saída por 1M de tokens; acertos de cache a US$ 0,016.
Leia nossa análise de Qwen3.8-Flash-Next
4.2/5
12
Qwen3.8-Max
Licença e dados: A licença permite uso comercial; o nome do modelo deve ser exibido acima de 100 milhões de usuários mensais ou US$ 20 milhões de receita mensal; licença separada para negócios de modelo como serviço ou de assistentes de IA de trabalho acima de US$ 50 milhões de receita anual; o uso interno fica isento. A documentação de segurança de dados do Qwen Cloud cobre criptografia e armazenamento na região, mas não publica prazo de retenção nem política de treinamento.
Como rodar: 10 milhões de tokens de entrada e 2 milhões de saída por dia, um assistente interno movimentado, custam cerca de US$ 32 por dia, ou aproximadamente US$ 960 por mês a preço de tabela; leituras de cache explícitas a US$ 0,17 reduzem o custo do contexto repetido em mais de 90%.
Preço: Pesos abertos sob a licença Qwen3.8-Max. API do Qwen Cloud: US$ 2 de entrada / US$ 6 de saída por 1M de tokens; leituras de cache a US$ 0,17 (explícito) ou US$ 0,25 (implícito).
Leia nossa análise de Qwen3.8-Max
4.2/5
13
Step 5 Preview
Licença e dados: Pesos sob a StepFun Model License 1.0: regra de exibição acima de 100 milhões de usuários ou US$ 20 milhões de receita mensal, licença comercial para fabricantes de dispositivos e empresas de MaaS acima de US$ 20 milhões por ano, uso interno isento. Os termos da API da StepFun permitem treinar com o tráfego dos programas Startup e de acesso antecipado; os termos para o restante do tráfego pago não são explícitos.
Como rodar: US$ 1,00/US$ 2,70 por milhão de tokens, com 90% de desconto na entrada em cache. 1.000 tarefas de agente com 500K tokens de entrada e 30K de saída custam cerca de US$ 581 sem cache. Hospedado por conta própria, FP8 precisa de quatro GPUs B300 ou oito H200; BF16 precisa de oito B300 ou dezesseis H200.
Preço: Pesos abertos sob a StepFun Model License 1.0. API da StepFun: US$ 1,00 de entrada / US$ 2,70 de saída por 1 milhão de tokens, 90% de desconto na entrada em cache; mesmo preço no OpenRouter e no DeepInfra.
Leia nossa análise de Step 5 Preview
4.2/5
14
Ministral 3 (3B, 8B and 14B)
Licença e dados: Apache 2.0 sem restrições de uso quando auto-hospedado. Na API da Mistral, entradas e saídas do nível gratuito podem ser usadas para treinamento, a menos que você recuse; usuários pay-as-you-go podem recusar.
Como rodar: De US$ 0,10 a US$ 0,20 por milhão de tokens na API da Mistral, com batch pela metade do preço. Auto-hospedado, o 14B em FP8 precisa de uma GPU de 24 GB; o 3B roda em celulares e placas Jetson.
Preço: Pesos abertos sob Apache 2.0. API da Mistral: 14B US$ 0,20, 8B US$ 0,15, 3B US$ 0,10 por 1M de tokens, o mesmo para entrada e saída; batch pela metade do preço.
Leia nossa análise de Ministral 3 (3B, 8B and 14B)
4.1/5
15
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
16
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
17
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
18
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 $0,65 por milhão de saída, com 75% de desconto em acertos de cache. Auto-hospedado, o 30B precisa de cerca de 18GB em 4 bits ou 31GB em 8 bits.
Preço: Pesos gratuitos sob Apache 2.0; hospedagem no watsonx e em terceiros cobrada à parte.
Leia nossa análise de Granite 4.2
4.0/5
19
LFM3
Licença e dados: Auto-hospedar mantém os dados locais. A LFM Open License v1.0 permite uso comercial só abaixo de US$ 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
20
Ling-3.1-flash
Licença e dados: Pesos sob MIT, com um resumo público do conteúdo de treino. Os termos de privacidade e retenção da API da inclusionAI não foram encontrados nas páginas do modelo nem do OpenRouter; auto-hospede para dados sensíveis.
Como rodar: A US$ 0,30/US$ 0,90, 1.000 tarefas de agente de 500K tokens de entrada e 30K de saída custam cerca de US$ 177 sem cache, antes da saída de raciocínio acima da média. No preço listado no OpenRouter, cerca de um quarto disso.
Preço: Pesos abertos sob MIT. API da inclusionAI: US$ 0,30 entrada / US$ 0,90 saída por 1M de tokens, cache US$ 0,06, segundo a Artificial Analysis; o OpenRouter lista US$ 0,075 / US$ 0,225.
Leia nossa análise de Ling-3.1-flash
4.0/5
21
MiniCPM-V 4.7 (35B-A3B and 1B)
Licença e dados: Auto-hospedado, então imagens e documentos ficam no seu hardware. A Apache 2.0 permite uso comercial, modificação e redistribuição sem limite de receita.
Como rodar: Os pesos são gratuitos. O 35B precisa de cerca de 68 GB de VRAM em precisão total (uma H100 no teste da MindStudio), 36,90 GB em Q8_0 ou 21,17 GB em Q4_K_M; o 1B tem 0,67 GB em Q4_K_M mais 1,11 GB para visão. Não há preço hospedado por token publicado.
Preço: Pesos gratuitos sob Apache 2.0 para os dois tamanhos. Não há preço hospedado próprio publicado; você paga pelo seu próprio hardware.
Leia nossa análise de MiniCPM-V 4.7 (35B-A3B and 1B)
4.0/5
22
MiniCPM5-2B
Licença e dados: Apache 2.0 para código e pesos, sem teto de receita nem adendo de uso aceitável. Só self-hosting, então os prompts ficam no seu hardware; nenhum provedor de inferência do Hugging Face o hospeda.
Como rodar: Não há preço hospedado, então o custo é hardware: cerca de 5 GB de pesos BF16, 2,68 GB em Q8_0 e 1,56 GB em Q4_K_M, o que uma única GPU de consumo ou um laptop comporta com espaço para o contexto. A OpenBMB não publica números de throughput para dimensionar uma frota.
Preço: Pesos e dados de treino gratuitos sob Apache 2.0.
Leia nossa análise de MiniCPM5-2B
4.0/5
23
MiniMax-M3.1-Flash
Licença e dados: Licença: uso comercial exige um crédito "Built with MiniMax M3.1-Flash" e um aviso único à MiniMax; produtos com mais de US$ 20 milhões de receita anual precisam de autorização prévia por escrito; uso militar é proibido. Os termos de retenção e treinamento da API da MiniMax não estavam publicados nas páginas que conseguimos ler.
Como rodar: 10 bilhões de tokens de entrada e 1 bilhão de saída por mês custam cerca de US$ 2.100 na API da MiniMax, com entrada em cache a US$ 0,015 por milhão; o raciocínio em esforço max infla o lado da saída. Auto-hospedar exige cerca de 250 GB de memória de GPU para os pesos MXFP8 antes do KV cache, dentro de um nó H100 80 GB de oito GPUs.
Preço: Pesos abertos sob a licença comunitária da MiniMax. API da MiniMax por 1M de tokens, fixa em qualquer tamanho de prompt: US$ 0,15 entrada, US$ 0,60 saída, US$ 0,015 entrada em cache.
Leia nossa análise de MiniMax-M3.1-Flash
4.0/5
24
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
25
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
26
Flint
Licença e dados: Rodando localmente, nada sai da máquina. O endpoint do OpenRouter é servido pela Recursive; o card diz que os termos hospedados e as práticas de dados são separados da licença dos pesos, e não encontramos termos de retenção publicados.
Como rodar: Pesos gratuitos. Localmente, um Mac ou GPU com 48 GB de memória para as versões em 4 bits; em servidores, uma H200 ou B300 por réplica BF16 (cerca de 80 GB). Hospedado: gratuito e com limite de taxa no OpenRouter; nenhum preço pago por token publicado.
Preço: Pesos abertos gratuitos sob Apache 2.0; endpoint gratuito com limite de taxa no OpenRouter. API paga do Flint para parceiros selecionados, preço não publicado.
Leia nossa análise de Flint
3.9/5
27
Kolibri 1
Licença e dados: Apache 2.0 sem política de uso aceitável separada e sem teto de receita. Auto-hospedado, os prompts ficam nos seus servidores; a Aleph Alpha diz que trabalhos específicos para clientes nunca treinam com dados dos clientes.
Como rodar: Os pesos FP8 ocupam cerca de 78 GB. A Aleph Alpha indica como mínimo uma H200, B200 ou B300, ou duas A100 ou H100 de 80 GB, e recomenda duas H100 ou duas H200 para servir. Não há preço hospedado por token publicado.
Preço: Gratuito sob Apache 2.0. Sem API hospedada pública; implantação empresarial pelas vendas da Aleph Alpha, preços não publicados.
Leia nossa análise de Kolibri 1
3.9/5
28
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
29
MiniMax-M3
Licença e dados: Licença: uso comercial exige um crédito "Built with MiniMax M3" e um aviso à MiniMax; produtos com mais de US$ 20 milhões de receita anual precisam de permissão prévia por escrito; nenhum uso militar. Os termos da API da MiniMax mantêm a propriedade com você, mas permitem que ela use entradas e conteúdo gerado para desenvolver e melhorar seus serviços; não há opt-out nem período de retenção publicados.
Como rodar: 1M de respostas de suporte por mês com 2.000 tokens de entrada e 300 de saída cada custa cerca de US$ 960 no nível padrão, menos com prompts de sistema em cache. Auto-hospedar em BF16 exige cerca de 850 GB de memória de GPU antes do KV cache: um nó H200 ou B200 de oito GPUs, ou mais de um nó H100.
Preço: Pesos abertos sob a licença comunitária da MiniMax. API por 1M de tokens em prompts de até 512K: US$ 0,30 entrada, US$ 1,20 saída, US$ 0,06 em cache; o dobro acima de 512K; nível prioritário 1,5x.
Leia nossa análise de MiniMax-M3
3.9/5
30
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
31
Sage-A1.5
Licença e dados: Apache 2.0, sem restrições de uso. Os termos de dados do teste hospedado Intern Discovery não estão no model card; auto-hospede para trabalho sensível.
Como rodar: Cerca de 72GB em BF16 para 35,95B de parâmetros, então uma GPU de 80GB com pouco cache de sobra; o build FP8 reduz isso pela metade, e o GGUF Q4_K_M roda no llama.cpp, no Ollama e no LM Studio.
Preço: Pesos abertos sob Apache 2.0; teste gratuito no plano de tokens Intern Discovery do Shanghai AI Lab; preços pagos da API não publicados.
Leia nossa análise de Sage-A1.5
3.9/5
32
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
33
Command A+
Licença e dados: Pesos auto-hospedados mantêm os dados dentro de casa sob Apache 2.0. A plataforma de API da Cohere é SOC 2 Type II; para clientes pagantes, ela apaga prompts e gerações registrados após 30 dias e trata o uso para treinamento como algo que você desativa em Data Controls (não informa o padrão), com retenção zero de dados só para clientes empresariais aprovados; implantações privadas rodam na sua VPC, on-premises ou no Model Vault, onde a Cohere diz não ter acesso.
Como rodar: A auto-hospedagem exige duas H100 ou uma B200 em W4A4, quatro H100 em FP8 e oito em BF16. Hospedado, 1M de respostas de RAG por mês com 8.000 tokens de entrada e 400 de saída custa cerca de US$ 3.000 aos US$ 0,30/US$ 1,50 do OpenRouter.
Preço: Pesos gratuitos sob Apache 2.0. Tarifa da API da Cohere não publicada; o OpenRouter lista US$ 0,30 entrada / US$ 1,50 saída por 1M de tokens. Implantação privada sob orçamento.
Leia nossa análise de Command A+
3.8/5
34
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 / $0,25.
Leia nossa análise de gpt-oss-20b
3.8/5
35
LFM2.5-24B-A2B
Licença e dados: Auto-hospedar mantém os dados locais. A LFM Open License v1.0 permite uso comercial só para organizações com menos de US$ 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
36
Ling-3.0-flash-Sante
Licença e dados: Os pesos MIT permitem auto-hospedagem sem restrições, a rota mais segura para dados de pacientes. Na Vercel, o único provedor é a Novita, e a página do gateway não a marca como retenção zero nem sem treino; confira os termos da Novita antes de enviar informações de saúde.
Como rodar: Auto-hospedar exige quatro GPUs de 141 GB ou oito GPUs de 80 GB para o contexto completo de 256K. Na versão hospedada, 100 milhões de tokens de entrada e 20 milhões de saída por mês custam cerca de US$ 11,40 no preço de destaque da Vercel, antes dos tokens de raciocínio.
Preço: Pesos abertos sob MIT. Vercel AI Gateway: US$ 0,07 entrada / US$ 0,22 saída por 1M de tokens (linha da Novita: US$ 0,08 entrada, US$ 0,02 em cache).
Leia nossa análise de Ling-3.0-flash-Sante
3.8/5
37
Mistral Medium 3.5
Licença e dados: MIT modificada: utilizável só se a receita mensal da sua empresa for inferior a US$ 20 milhões. No Mistral Studio, entradas e saídas do modo gratuito podem ser usadas para treinamento, clientes pay-as-you-go podem recusar, e o Vibe treina por padrão, exceto no Enterprise.
Como rodar: 1B de tokens de entrada e 100M de saída por mês custam cerca de US$ 2.250 a preço de tabela, ou cerca de US$ 1.125 com o desconto de 50% em batch; a mesma carga no Large 4 custa cerca de US$ 1.778. Auto-hospedar significa cerca de 134 GB de pesos, a maioria em FP8, então quatro GPUs de 80 GB como mínimo.
Preço: Pesos abertos sob uma licença MIT modificada (sem direitos para empresas acima de US$ 20M de receita mensal). API: US$ 1,50 por 1M de tokens de entrada, US$ 7,50 por 1M de saída; batch com 50% de desconto.
Leia nossa análise de Mistral Medium 3.5
3.8/5
38
Nanbeige4.3-33B
Licença e dados: Apache 2.0 sem restrições de uso; só self-hosting, então nenhum termo de dados de terceiros se aplica. Nenhuma declaração sobre a origem dos dados além do model card.
Como rodar: Os pesos BF16 precisam de cerca de 66GB, ou seja, quatro GPUs de 24GB ou duas de 48GB antes do cache; um build de 4 bits tem cerca de 21GB mais cerca de 28GB de cache com contexto de 128K.
Preço: Pesos abertos sob Apache 2.0; sem API hospedada oficial.
Leia nossa análise de Nanbeige4.3-33B
3.8/5
39
ZDTaichu5.0-9B
Licença e dados: Auto-hospedado, então as imagens ficam no seu hardware. Os pesos estão sob a NVIDIA Open Model License: uso comercial e derivados permitidos, sem teto de receita, mas a licença termina se você mover ações de patente ou direitos autorais sobre o modelo, a NVIDIA pode atualizá-la, e a redistribuição precisa incluir a licença e seu aviso. As partes do Qwen3.5 e o código do repositório são Apache 2.0.
Como rodar: Os pesos são grátis e não existe preço hospedado. Os arquivos de pesos têm 19,59 GB em BF16, 12,67 GB em FP8 e 9,81 GB em NVFP4; o GGUF Q4_K_M tem 5,63 GB, mais um arquivo de visão Q8_0 de 0,88 GB. O NVFP4 só é nativo em GPUs NVIDIA Blackwell. O modelo de rascunho DSpark de 6,42 GB deu ganhos de velocidade de 2,46x a 3,17x em uma H800 nos testes da Taichu.
Preço: Pesos grátis sob a NVIDIA Open Model License, com as partes do Qwen3.5 sob Apache 2.0. Nenhuma API hospedada nem preço por token publicados; você paga pela própria GPU.
Leia nossa análise de ZDTaichu5.0-9B
3.8/5
40
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
41
humanizer (12B)
Licença e dados: Roda inteiramente local; nada é enviado a lugar nenhum. Apache 2.0, herdada do Gemma 4 12B; o autor não tem vínculo com o Google.
Como rodar: Gratuito. O Q8_0 tem 12,7 GB, com pico de 13,7 GB em um Mac, o Q4_K_M tem 7,6 GB, e o arquivo de 2 bits tem 3,9 GB, com pico de 6,2 GB; a velocidade em um M5 Max é de cerca de 36 a 38 tokens por segundo.
Preço: Gratuito sob Apache 2.0: pesos, arquivos GGUF, app de desktop e CLI. Sem serviço hospedado.
Leia nossa análise de humanizer (12B)
3.7/5
42
Hy-Memory-30B-A3B
Licença e dados: Apache 2.0 sem restrições de uso. Auto-hospedado, então as memórias dos usuários nunca saem da sua infraestrutura, o principal ganho de privacidade em relação a enviar cada turno para um modelo hospedado.
Como rodar: Cerca de 60GB de pesos BF16, então uma H100 de 80GB ou duas GPUs de 48GB; ainda não há versões quantizadas que caibam em placas menores.
Preço: Pesos abertos sob Apache 2.0; sem API hospedada.
Leia nossa análise de Hy-Memory-30B-A3B
3.7/5
43
Mistral Small 4
Licença e dados: A Apache 2.0 permite uso comercial sem limites de atribuição ou de receita. Na API da Mistral, entradas e saídas do nível gratuito podem ser usadas para treinamento, a menos que você recuse; usuários pay-as-you-go podem recusar a qualquer momento; o feedback de joinha para cima e para baixo pode ser usado em todos os planos.
Como rodar: 1M de respostas de chat por mês com 1.500 tokens de entrada e 250 de saída custa cerca de US$ 375 na API e cerca de US$ 190 em batch. Auto-hospedar exige de duas a quatro GPUs da classe H100 por réplica em FP8, ou um DGX B200.
Preço: Pesos gratuitos sob Apache 2.0. API: US$ 0,15 entrada / US$ 0,60 saída por 1M de tokens; batch com 50% de desconto; entrada em cache com até 90% de desconto.
Leia nossa análise de Mistral Small 4
3.7/5
44
Spark-X2.6-4B
Licença e dados: Auto-hospedado, então os prompts ficam no dispositivo. Pesos Apache 2.0; nenhuma declaração sobre dados de treino ou testes de segurança no card. O carregamento executa o próprio código de modelo do publicador.
Como rodar: Só hardware: os pesos em BF16 têm cerca de 8,2 GB e o GGUF Q4_K_M cerca de 3,5 GB; um contexto de 1M de tokens exige bem mais memória que os pesos, e o card sugere reduzi-lo.
Preço: Gratuito sob Apache 2.0; roda no seu próprio hardware. Nenhum preço hospedado para o modelo de 4B publicado.
Leia nossa análise de Spark-X2.6-4B
3.7/5
45
Clover-35B-A3B-Preview
Licença e dados: Apache 2.0, herdada do Qwen3.6-35B-A3B, com o copyright original preservado; apenas auto-hospedado.
Como rodar: Uma H100 ou H200 de 80GB para BF16; INT4 roda em uma GPU de consumo de 16GB segundo os testes da DiffuSpace.
Preço: Pesos abertos sob Apache 2.0; sem API hospedada.
Leia nossa análise de Clover-35B-A3B-Preview
3.6/5
46
Falcon-H1R-7B
Licença e dados: Licença Falcon LLM: sem royalties, sem teto de receita, atribuição obrigatória e uma política de uso aceitável que o TII pode atualizar e que os usuários devem acompanhar.
Como rodar: Os arquivos GGUF oficiais vão de 4,6GB em Q4_K_M e 8,1GB em Q8_0 a 15,2GB em BF16, então uma GPU de 24GB dá conta de batches de produção; não há preço hospedado por token para comparar.
Preço: Pesos gratuitos sob a licença Falcon LLM (sem royalties; atribuição e política de uso aceitável obrigatórias). Nenhuma API hospedada pública listada pela Artificial Analysis.
Leia nossa análise de Falcon-H1R-7B
3.6/5
47
Limite 1B - Violetto
Licença e dados: Só auto-hospedado, então problemas e respostas ficam no seu hardware. Os dados de treino são descritos apenas como menos de 300 bilhões de tokens selecionados; os detalhes aguardam o relatório técnico.
Como rodar: Pesos gratuitos; um checkpoint de 1B em BF16 tem cerca de 2 GB, então uma GPU o serve, com paralelismo de tensor e de pipeline mantidos em 1, segundo o card. Não existe preço hospedado.
Preço: Pesos abertos gratuitos sob Apache 2.0. Sem API hospedada; você paga só pela sua própria GPU.
Leia nossa análise de Limite 1B - Violetto
3.6/5
48
Needle 3
Licença e dados: A inferência nunca acessa a rede e funciona em ambientes air-gapped. A telemetria anônima de uso vem ativada por padrão; NEEDLE_TELEMETRY=0 e DO_NOT_TRACK=1 a desativam. Os dados de treino são proprietários e não divulgados.
Como rodar: Sem licença nem tarifa por chamada. Em um Raspberry Pi 5, a Cactus informa decodificação de cerca de 400 tokens por segundo com 20 camadas a 4.000 com 2 camadas. O fine-tuning na plataforma e o pós-treinamento em 2 bits são pagos, a preços não publicados.
Preço: Pesos abertos gratuitos sob Apache 2.0; engines pré-compilados com download gratuito. A Cactus Platform vende pós-treinamento em 2 bits, datasets e fine-tunes completos; os preços não são publicados.
Leia nossa análise de Needle 3
3.6/5
49
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 $0,80 de saída por milhão de tokens, mas marca o modelo como indisponível.
Preço: Pesos abertos gratuitos sob MIT. Você paga só pelo próprio hardware ou hospedagem.
Leia nossa análise de Ornith-1.5-122B
3.6/5
50
Qwen3.5-397B-A17B
Licença e dados: A Apache 2.0 permite uso comercial, fine-tuning e redistribuição sem limites de receita ou de usuários. Auto-hospedar mantém os prompts dentro de casa; no OpenRouter ele não está disponível pelo roteamento regional na UE, e cada host define a sua própria retenção.
Como rodar: Os hosts do OpenRouter cobram de US$ 0,39 a US$ 0,75 de entrada e de US$ 2,34 a US$ 4,50 de saída por 1M de tokens; o Qwen3.5-Plus hospedado custa US$ 0,30/US$ 1,80. Auto-hospedar exige cerca de 406 GB em FP8 (um servidor de oito GPUs de 80 GB), 214 GB em 4 bits ou 180 GB em 3 bits.
Preço: Pesos gratuitos sob Apache 2.0; Qwen3.5-Plus no Alibaba Cloud e hospedagem de terceiros cobrados à parte.
Leia nossa análise de Qwen3.5-397B-A17B
3.6/5
51
Underdog Saluki 27B 1.0
Licença e dados: Auto-hospedado, então os dados ficam na máquina. A Apache 2.0 permite uso comercial e modificação; o arquivo NOTICE credita Qwen e ISTA-DASLab.
Como rodar: Os pesos são grátis e não há preço de API própria. O arquivo tem 7,89 GB, mais até 928 MB para visão, e a Underdog diz que um notebook de 16 GB o roda; não há número de VRAM publicado para contextos longos.
Preço: Pesos grátis sob Apache 2.0. Sem preço de API hospedada; você paga pelo próprio hardware, ou o usa dentro do app Underdog.
Leia nossa análise de Underdog Saluki 27B 1.0
3.6/5
52
Xing4.0-29B-A4B
Licença e dados: Apache 2.0: uso comercial e fine-tuning permitidos, sem teto de receita nem adendo de uso aceitável. Auto-hospedado, nada sai dos seus servidores; o endpoint do OpenRouter é operado por um terceiro, a Phala, sob os próprios termos.
Como rodar: Os pesos BF16 têm cerca de 62GB (31,2B de parâmetros incluindo embeddings), uma H100 de 80GB; FP8 reduz isso pela metade; um build GGUF da comunidade de 11,6GB cabe em uma placa de 16GB. A única opção hospedada, o endpoint gratuito do OpenRouter, é limitada a 20 requisições por minuto e 50 por dia (1.000 por dia depois que a conta compra US$ 10 em créditos), então tráfego de produção significa hospedar por conta própria.
Preço: Pesos grátis sob Apache 2.0. Sem API própria; o OpenRouter lista um endpoint gratuito (hospedado pela Phala) sob os limites de requisições dos modelos gratuitos.
Leia nossa análise de Xing4.0-29B-A4B
3.6/5
53
SenseNova-Loop-9B-Preview
Licença e dados: Apache 2.0 sem restrições de uso; só auto-hospedado. O carregamento exige código remoto, que executa o Python da SenseTime na sua máquina. Nenhuma declaração sobre dados de treino além de receitas multimodais de sequências longas e de trajetórias de ferramentas.
Como rodar: O checkpoint de 38,1 GB e o paralelismo de tensor em quatro vias em todos os exemplos de serving o colocam em servidores com várias GPUs, não em placas únicas. Cada token custa 56 passadas de camada, então a computação por token se aproxima mais de um modelo de 14,6B que de um de 9B.
Preço: Gratuito sob Apache 2.0. Nenhuma API hospedada listada para este modelo.
Leia nossa análise de SenseNova-Loop-9B-Preview
3.5/5
54
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
55
Devstral Small 2
API hospedada descontinuada em 31 de mar. de 2026; os pesos abertos continuam disponíveis
Licença e dados: Apache 2.0 sem restrições de uso; auto-hospedado, então o código nunca sai do seu hardware, a menos que você escolha um host de terceiros.
Como rodar: Não existe mais preço de API própria; auto-hospedar significa cerca de 24GB de VRAM para os pesos FP8 oficiais, 19,3GB em Q6_K ou 14,3GB em Q4_K_M, mais memória para o cache KV em contextos longos.
Preço: Pesos gratuitos sob Apache 2.0. A versão na API da Mistral foi retirada em 31 de março de 2026, e a Artificial Analysis não lista nenhuma API pública.
Leia nossa análise de Devstral Small 2
3.4/5
56
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
57
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
58
Devstral 2
API hospedada descontinuada em 31 de jul. de 2026; os pesos abertos continuam disponíveis
Licença e dados: MIT modificada: nenhum direito para empresas acima de US$ 20M de receita mensal global no mês anterior, inclusive para derivados, e um aviso de atribuição é obrigatório. Auto-hospedado, o código fica no seu hardware.
Como rodar: A auto-hospedagem exige cerca de 125 GB para os pesos, então um nó de quatro GPUs de 80 GB é o mínimo antes do cache KV. Na API da Mistral, 1B de tokens de entrada e 100M de saída por mês teriam custado cerca de US$ 600 pelo preço de tabela.
Preço: Pesos abertos sob uma licença MIT modificada (não vale para empresas com mais de US$ 20M de receita mensal). Retirado da API da Mistral em 31 de julho de 2026.
Leia nossa análise de Devstral 2
3.1/5