Modelos de IA

Claude Opus 5.5

Anthropic·Uso geral

4.7/5

O carro-chefe padrão da Anthropic para programação com agentes e trabalho intelectual, a $4/$20 por milhão de tokens, com contexto de 1M de tokens.

Eleven v4 and v4 Turbo

ElevenLabs·Texto para fala

4.7/5

A dupla expressiva de texto para fala da ElevenLabs, empatada em primeiro na arena de fala da Artificial Analysis; o v4 Turbo é feito para agentes de voz.

GPT Image 2.5 (Flare and Sunburst)

OpenAI·Geração de imagens

4.7/5

Os modelos de imagem atuais da OpenAI: Flare para geração e edição do dia a dia, Sunburst para edições precisas em várias etapas.

Claude Sonnet 5.5

Anthropic·Uso geral

4.6/5

O modelo intermediário da Anthropic: perto do Opus 5.5 em muitos benchmarks pela metade do preço, $2/$10 por milhão de tokens.

GPT-6.1 Sol

OpenAI·Uso geral

4.6/5

O modelo de batalha da OpenAI com preço intermediário: resultados próximos aos do Astra em programação e uso de computador a $2/$10 por milhão de tokens.

Nano Banana 2.1

Google·Geração de imagens

4.6/5

O modelo de imagem da linha Flash do Google: quarto em votações às cegas, a partir de cerca de 3,4 centavos por imagem 1K, com até 14 imagens de referência.

Voyage rerank-3

Voyage AI (MongoDB)·Embeddings e reranking

4.6/5

Os rerankers mais novos da Voyage AI, com janela de 32K tokens, seguimento de instruções e preços a partir de US$ 0,02 por milhão de tokens.

Claude Haiku 5.5

Anthropic·Uso geral

4.5/5

O modelo pequeno e rápido da Anthropic, a partir de $0.10/$0.50 por milhão de tokens, com contexto de 1M de tokens e esforço ajustável.

Gemini 3.8 Flash TTS

Google·Texto para fala

4.5/5

A conversão de texto em fala expressiva do Google, quinta em votações às cegas a cerca de $16,50 por milhão de caracteres, com design e clonagem de voz.

Gemini 4 Argon

Google·Raciocínio

4.5/5

O novo modelo de raciocínio de ponta do Google: lê texto, imagens, áudio, vídeo e PDFs, com contexto de 1M de tokens.

A atualização rápida dos modelos de imagem da OpenAI: metade da espera, edições por marcação, saída SVG e GIF, mesmos preços por token, sem Batch.

Os modelos de embeddings de texto da Microsoft sob licença MIT em três tamanhos; o 27B liderou o MTEB v2 multilíngue com 74,3 e os pequenos lideram suas categorias.

MiMo-V2.6-Pro

Xiaomi·Raciocínio·Pesos abertos

4.5/5

O modelo de pesos abertos de 1 trilhão de parâmetros da Xiaomi, o melhor entre os modelos abertos na Artificial Analysis, a $0,87 por 1M de saída.

NVIDIA Nemotron 3.5 Transcribe

NVIDIA·Fala para texto·Pesos abertos

4.5/5

O modelo de fala aberto e controlável por prompt da NVIDIA: transcrição em 40 idiomas, identificação de falantes e tradução em um único checkpoint.

Perplexity Decider (pplx-decider)

Perplexity·Modelos de decisão·Pesos abertos

4.5/5

Os modelos de decisão abertos de 27B e 4B da Perplexity, também vendidos como API a US$ 0,02 por milhão de tokens: texto e imagens entram, probabilidades saem.

Qwen3.8-27B

Alibaba (Qwen)·Uso geral·Pesos abertos

4.5/5

O modelo denso da Alibaba sob Apache 2.0: 27 bilhões de parâmetros, entrada de imagem e vídeo e notas de programação que rivalizam com modelos muitas vezes maiores.

voyage-4-large

Voyage AI (MongoDB)·Embeddings e reranking

4.5/5

O principal modelo de embeddings de texto da Voyage AI, construído com mixture-of-experts, que compartilha um espaço vetorial com os modelos Voyage 4 mais baratos.

Wan 3.0

Alibaba·Vídeo

4.5/5

O modelo de vídeo mais novo da Alibaba, no topo do atual placar de vídeo do Artificial Analysis, com clipes de até 30 segundos.

Cartesia Sonic 3.6

Cartesia·Texto para fala

4.4/5

O modelo de texto para fala de baixa latência da Cartesia para agentes de voz, em 44 idiomas.

Cohere Rerank 5

Cohere·Embeddings e reranking

4.4/5

O reranker de outubro de 2026 da Cohere, nos tamanhos Pro e Fast, com pontuações calibradas e a opção de devolver só os trechos relevantes.

ElevenLabs Scribe v2

ElevenLabs·Fala para texto

4.4/5

O modelo de transcrição em lote da ElevenLabs: taxa de erro de palavras de 2,2% em testes independentes, US$ 0,22 por hora, com diarização e detecção de entidades.

Gemma 4

Google·Pequenos e no dispositivo·Pesos abertos

4.4/5

A família de modelos abertos do Google sob Apache 2.0, do E2B do tamanho de um celular a um modelo de 31B para uma GPU, com entrada de imagem, vídeo e áudio.

GLM-5.3

Z.ai (Zhipu AI)·Programação·Pesos abertos

4.4/5

O modelo de pesos abertos da Z.ai para programação e agentes, com licença quase MIT, a $1,40/$4,40 por milhão de tokens na sua API.

Os modelos de embeddings abertos da NVIDIA para texto e imagens de página num só espaço vetorial, primeiros no ViDoRe v3.1 e gratuitos no OpenRouter.

PaddleOCR-VL-1.6

Baidu (PaddlePaddle)·OCR e documentos·Pesos abertos

4.4/5

Um analisador de documentos de 0,9 bilhão de parâmetros que lidera o principal benchmark de OCR, pelo menos pela conta dos seus criadores.

SAM 3 (Segment Anything Model 3)

Meta·Visão e multimodal·Pesos abertos

4.4/5

O modelo de 848M de parâmetros da Meta que encontra, contorna e rastreia todas as ocorrências de uma frase curta em imagens e vídeos.

Seedance 2.5

ByteDance·Vídeo

4.4/5

O modelo conjunto de áudio e vídeo da ByteDance, com tomadas de 30 segundos, uso intenso de referências multimodais e edições por timestamp.

Voxtral 3 (Transcribe and TTS)

Mistral AI·Fala para texto

4.4/5

A família de fala de outubro de 2026 da Mistral: transcrição em 50 idiomas a partir de US$ 0,0035 por minuto, tempo real abaixo de 500 ms e clonagem de voz.

Modelo de canções com licença MIT que roda com menos de 4 GB de VRAM, gera até 10 minutos com letra em 50+ idiomas e edita seções.

Claude Fable 5.1

Anthropic·Raciocínio

4.3/5

O nível mais alto da Anthropic para raciocínio difícil e trabalho de agentes de longo prazo, a $10/$50 por milhão de tokens.

DeepSeek-V4-Pro

DeepSeek·Raciocínio·Pesos abertos

4.3/5

O maior modelo de pesos abertos da DeepSeek: 1,6T de parâmetros, licença MIT, contexto de 1M de tokens e preços de API muito baixos.

O modelo musical da ElevenLabs: canções com vocal de até cinco minutos, edição por seção e amplos direitos comerciais, a US$ 0,15 o minuto.

EmbeddingGemma 2

Google DeepMind·Embeddings e reranking·Pesos abertos

4.3/5

O modelo de embedding aberto do Google para rodar no dispositivo, que coloca texto, código, imagens, áudio e vídeo em um mesmo espaço.

Gemini 4 Carbon

Google·Raciocínio

4.3/5

O melhor modelo de raciocínio do Google, primeiro no índice da Artificial Analysis, mas por enquanto só defensores cibernéticos aprovados podem usá-lo.

Gemini Embedding 2

Google·Embeddings e reranking

4.3/5

O primeiro modelo de embeddings multimodal do Google: texto, imagens, vídeo, áudio e PDFs em um único espaço vetorial compartilhado.

Gemini Omni Flash 1.1

Google·Vídeo

4.3/5

O modelo de vídeo padrão do Google, construído sobre o Gemini, para clipes curtos que você refina por conversa.

GLM-5.3-Flash

Z.ai (Zhipu AI)·Uso geral·Pesos abertos

4.3/5

O modelo mixture-of-experts de 320B da Z.ai sob licença MIT, com entrada de imagem e vídeo, contexto de 1M de tokens e preço de API de $0,15/$0,50.

GLM-OCR

Z.ai (Zhipu AI)·OCR e documentos·Pesos abertos

4.3/5

O modelo de OCR compacto da Zhipu: pontuado de forma independente, 1,74 milhão de downloads por mês e uma API a US$ 0,03 por milhão de tokens.

O GPT-6 Astra ajustado pela OpenAI para trabalho autorizado com exploits, vendido só a clientes verificados do Daybreak Red pela API e pelo Codex.

GPT-6 Luna

OpenAI·Uso geral

4.3/5

O modelo pequeno e barato da OpenAI para tarefas de alto volume, a $0,10/$0,50 por milhão de tokens, com contexto de 1,05M de tokens.

GPT-Live-1 (and GPT-Realtime-2.1)

OpenAI·Música e áudio

4.3/5

O modelo de voz full-duplex da OpenAI: ele escuta enquanto fala e passa o raciocínio para um modelo de texto que você escolhe, a $0,05 por minuto.

O modelo de fala para fala da SpaceXSI para agentes de voz: líder do índice da Artificial Analysis com tarifa fixa de US$ 0,08 por minuto, servido de uma única região dos EUA.

Jina Embeddings v5

Jina AI (Elastic)·Embeddings e reranking·Pesos abertos

4.3/5

Os pequenos embedders de texto multilíngues da Jina AI e seus irmãos omni para imagens, vídeo e áudio, compartilhando um único espaço vetorial.

Jina Reranker v3.5

Jina AI (Elastic)·Embeddings e reranking·Pesos abertos

4.3/5

Pequeno reranker multilíngue de 0,6B da Jina AI (agora Elastic) que pontua uma lista inteira de candidatos de uma só vez, com contexto de 131K tokens.

Kimi K3

Moonshot AI·Raciocínio·Pesos abertos

4.3/5

O modelo de pesos abertos de 2,8 trilhões de parâmetros da Moonshot AI, forte em tarefas de agente e navegação, com contexto de 1M de tokens.

MAI-Image-2.6

Microsoft AI·Geração de imagens

4.3/5

O modelo de imagem próprio da Microsoft, quinto na arena da Artificial Analysis, em preview no Foundry por cerca de $39 a cada 1.000 imagens.

Midjourney V8

Midjourney·Geração de imagens

4.3/5

O modelo de imagem de oitava geração da Midjourney, agora no V8.2 com um editor por instruções, vendido só como assinatura mensal.

MiniCPM-OCR 1.0

OpenBMB·OCR e documentos·Pesos abertos

4.3/5

O modelo de OCR de 1,3B da OpenBMB, o mais rápido no teste de 15 modelos do fabricante e o primeiro em quatro de seis benchmarks de OCR, sob Apache 2.0.

MiniMax H3 (Hailuo 3.0)

MiniMax·Vídeo·Pesos abertos

4.3/5

O modelo de vídeo de 33B da MiniMax com som estéreo: o melhor de pesos abertos, com licença que exclui EUA, UE, Reino Unido e Coreia do Sul.

Os transcritores da Alibaba sob Apache 2.0 nos tamanhos 1.7B e 0.6B: 30 idiomas, 22 dialetos chineses, identificação de idioma e streaming num só modelo.

Qwen3-VL-Embedding

Alibaba (Qwen)·Embeddings e reranking·Pesos abertos

4.3/5

O embedder multimodal aberto da Alibaba para texto, imagens, capturas de tela e vídeo em um único espaço vetorial, nos tamanhos 2B e 8B.

Os modelos de segurança abertos da Alibaba, de 0.6B a 8B, que rotulam texto como seguro, controverso ou inseguro em 119 idiomas, com uma variante em streaming.

Chandra OCR 2

Datalab·OCR e documentos·Pesos abertos

4.2/5

O parser da Datalab baseado no Qwen 3.5 lidera o olmOCR-Bench e um ranking independente de impressos históricos, mas os pesos só são gratuitos abaixo de US$ 2M.

Cohere Embed 5

Cohere·Embeddings e reranking

4.2/5

Os modelos de embedding multimodais da Cohere para texto, imagens e PDFs, com entrada de 128K tokens e níveis Pro e Fast que compartilham um mesmo espaço vetorial.

DeepSeek-V4.1-Flash

DeepSeek·Uso geral·Pesos abertos

4.2/5

O modelo mixture-of-experts aberto da DeepSeek, com licença MIT, entrada de imagens e contexto de 1M de tokens, a partir de US$ 0,15 por milhão de tokens de entrada fora do pico.

Fish Audio Drama 3

Fish Audio (39 AI, Inc.)·Texto para fala·Pesos abertos

4.2/5

O modelo de fala de pesos abertos de 35B da Fish Audio para cenas dirigidas com vários personagens: o melhor modelo aberto no ranking de TTS da Artificial Analysis.

FLUX 3

Black Forest Labs·Vídeo

4.2/5

O modelo multimodal da Black Forest Labs para vídeo com áudio e imagens, construído sobre uma única arquitetura compartilhada.

Gemini 3.5 Transcribe

Google·Fala para texto

4.2/5

Os modelos dedicados de fala para texto do Google, com uma variante Live em streaming, a cerca de meio centavo por minuto.

GPT-6 Astra

OpenAI·Raciocínio

4.2/5

O modelo de raciocínio de ponta da OpenAI para o trabalho mais difícil, a $10/$50 por milhão de tokens, com contexto de 1,05M de tokens.

Hy4 preview

Tencent (Hy, formerly Hunyuan)·Programação·Pesos abertos

4.2/5

O carro-chefe de pesos abertos de 770B da Tencent (antes Hunyuan) sob Apache 2.0 simples, forte em código e com contexto de 1M de tokens.

Kimi K3.1 Pro

Moonshot AI·Raciocínio

4.2/5

O Kimi K3 com pós-treino da Moonshot AI: topo da tabela de Terminal-Bench da Artificial Analysis, mas 22º no índice v5.0, mais difícil, e lento.

LightOnOCR-3-4B

LightOn·OCR e documentos·Pesos abertos

4.2/5

O modelo de OCR de ponta a ponta de 4B da LightOn, com caixas de layout e dados de gráficos, primeiro no ParseBench e o melhor em documentos em francês pelos testes do fabricante.

Os minúsculos classificadores abertos da Meta, com 86M e 22M parâmetros, que rotulam texto como benigno ou malicioso contra injeção de prompt e jailbreaks.

O modelo musical do Google: músicas completas com voz e letra a partir de texto ou de até 10 imagens, a US$ 0,08 por faixa na Gemini API.

Modelo de canções de pesos abertos da MiniMax: até cinco minutos com vocais a partir da sua letra, uso comercial abaixo de US$ 20 mi.

Mistral OCR 4.1

Mistral AI·OCR e documentos

4.2/5

O OCR de documentos da Mistral com bounding boxes por parágrafo, rótulos de bloco e índices de confiança em 170 idiomas, a US$ 4 por 1.000 páginas.

Um modelo de visão de 9B com 2B ativos que encontra, aponta e conta objetos mais rápido que modelos com quatro vezes mais parâmetros ativos.

Um modelo de agentes de 3B do laboratório da BOSS Zhipin que repete suas camadas para superar o Qwen3.5-9B em uso de ferramentas e agentes de código.

Nano Banana Pro (Gemini 3 Pro Image)

Google·Geração de imagens

4.2/5

O modelo de imagem premium do Google: quatro vezes o preço do Nano Banana 2.1, mas ainda o preferido dos avaliadores pelo realismo.

OvisOCR3

Alibaba (ATH-MaaS)·OCR e documentos·Pesos abertos

4.2/5

O sucessor do OvisOCR2: o mesmo tamanho de 0,8B, agora com extração de campos e tabelas entre páginas, com pontuações que até agora só a Alibaba verificou.

Qwen3-Embedding and Qwen3-Reranker

Alibaba (Qwen)·Embeddings e reranking·Pesos abertos

4.2/5

A família de embedding e reranking da Alibaba sob Apache 2.0, de um modelo de 0.6B a um de 8B que liderou o MTEB multilíngue em junho de 2025.

Qwen3.8-Flash-Next

Alibaba (Qwen)·Uso geral·Pesos abertos

4.2/5

A prévia da Qwen para a arquitetura do Qwen4: 6 bilhões de parâmetros ativos, notas de programação fortes segundo o fornecedor e uma licença restritiva.

Qwen3.8-Max

Alibaba (Qwen)·Raciocínio·Pesos abertos

4.2/5

O modelo principal de 2,4 trilhões de parâmetros da Alibaba, com pesos abertos e uma API de US$ 2/US$ 6 que acrescenta imagem, vídeo e contexto de 1M.

Shieldstral 1.0 3B

Mistral AI·Modelos de decisão·Pesos abertos

4.2/5

O classificador de segurança aberto de 3B da Mistral, que verifica texto e imagens contra políticas de moderação que você escreve em linguagem comum.

Step 5 Preview

StepFun·Raciocínio·Pesos abertos

4.2/5

O modelo de pesos abertos de 600B da StepFun, com contexto de 1 milhão de tokens e tão inteligente quanto o Kimi K3 no Artificial Analysis pela metade do custo.

Unlimited-OCR 2

Baidu·OCR e documentos·Pesos abertos

4.2/5

O modelo aberto de OCR da Baidu que analisa um documento de 300 páginas em uma só requisição, com uso de memória estável à medida que o documento cresce.

O modelo de voz de 2B da OpenBMB com licença Apache: 30 idiomas, criação de voz a partir de uma frase e clonagem, em cerca de 8 GB de VRAM.

d3-turbo (vLLM Semantic Router)

vLLM Semantic Router·Modelos de decisão·Pesos abertos

4.1/5

O modelo de decisão de 27B aprimorado do vLLM Semantic Router: lê uma entrada uma vez, responde até 255 perguntas e localiza objetos em vídeo.

Doubao Seed 2.1 Pro

ByteDance·Uso geral

4.1/5

O carro-chefe fechado da ByteDance por trás do app Doubao: líder em compreensão de vídeo e de imagens, vendido principalmente pelo Volcano Engine, na China.

Gemini 3.5 Flash-Lite

Google·Uso geral

4.1/5

O modelo de texto Gemini atual mais barato do Google, muito rápido depois que começa, a $0,30/$2,50 por milhão de tokens e com nível gratuito.

Gemini 3.8 Flash

Google·Uso geral

4.1/5

O modelo intermediário do Google para agentes e documentos, que lê texto, imagens, áudio, vídeo e PDFs com entrada de 1M de tokens.

O modelo rápido e de preço médio da OpenAI para uso do computador e trabalho de escritório: $1/$5 por milhão de tokens, contexto de 1,05M e mais ações de risco nos testes.

O modelo de voz em inglês de 31M parâmetros da Gradium num arquivo de 64,5 MB, preferido a Kokoro pelos ouvintes e gratuito para uso comercial.

HunyuanOCR 1.5

Tencent (Hy, formerly Hunyuan)·OCR e documentos·Pesos abertos

4.1/5

O modelo de OCR de ponta a ponta de 1,12B da Tencent para parsing, detecção de texto, extração e tradução; não licenciado na UE, no Reino Unido nem na Coreia do Sul.

HY-World 2.0

Tencent (Hy, formerly Hunyuan)·Jogos e modelos de mundo·Pesos abertos

4.1/5

O pipeline aberto da Tencent que transforma uma frase ou foto em um mundo 3D persistente que você pode percorrer e abrir no Unity.

Kling 4.0

Kuaishou (Kling AI)·Vídeo

4.1/5

O novo modelo de vídeo da Kuaishou: tomadas de 30 segundos, 10 keyframes, 15 referências e som estéreo, com API até agora só na fal.

O modelo aberto de código da Poolside, com 118B parâmetros, 8B ativos, contexto de 1M de tokens e licença permissiva, a US$ 0,10/0,20 por milhão de tokens.

O primeiro modelo de transcrição ao vivo da Microsoft: 60 idiomas, texto parcial em cerca de 100 ms, US$ 0,54 por hora de áudio enquanto estiver em preview.

O modelo omni de 9B da OpenBMB sob Apache 2.0 que vê, ouve e responde ao mesmo tempo, num Mac ou numa GPU de 12 GB.

Ministral 3 (3B, 8B and 14B)

Mistral AI·Pequenos e no dispositivo·Pesos abertos

4.1/5

Os pequenos modelos abertos da Mistral em três tamanhos, cada um com versões base, instruct e de raciocínio e entrada de imagem, sob Apache 2.0.

Mistral Large 4

Mistral AI·Uso geral·Pesos abertos

4.1/5

O carro-chefe de 1 trilhão de parâmetros da Mistral, agora com pesos abertos e fora da prévia, a US$ 0,70/US$ 2,10 por milhão de tokens.

Moondream Parakeet Redux

Moondream (M87 Labs)·Fala para texto·Pesos abertos

4.1/5

O Parakeet de 1,58 bit da Moondream: o transcritor de 25 idiomas da NVIDIA reduzido de 1,2 GB para 178 MB e rodando a 113x o tempo real em oito núcleos de CPU.

Muse Glimmer

Meta·Uso geral·Pesos abertos

4.1/5

O modelo de agentes de 30B da Meta sob Apache 2.0, destilado do Muse Spark e entregue com builds de 4 bits testados para uma única GPU de consumo.

Muse Wonder

Meta·Uso geral

4.1/5

O primeiro modelo da Meta com preço de fronteira: forte em trabalho longo de programação e em agentes jurídicos, atrás do Claude Opus 5.5 na maior parte da tabela da própria Meta.

O modelo de raciocínio aberto de 550B da NVIDIA, com dados de treino abertos, rápido de servir e cuidadoso com fatos, a partir de US$ 0,40/1,76 por milhão de tokens.

O reranker aberto de 8B da NVIDIA que lê imagens de página além de texto, primeiro no ranking de reranking do ViDoRe v3.1 no lançamento.

Nemotron 3.5 Super VL

NVIDIA·Visão e multimodal·Pesos abertos

4.1/5

O MoE híbrido aberto de 120B com Mamba da NVIDIA, que lê imagens, documentos e vídeo, com contexto de 1M de tokens e receitas de treino publicadas.

OvisOCR2

Alibaba (ATH-MaaS)·OCR e documentos·Pesos abertos

4.1/5

O parser de páginas de 0,8B da Alibaba, perto do topo da tabela independente do OmniDocBench, já substituído pelo OvisOCR3.

Parakeet TDT 0.6B v3

NVIDIA·Fala para texto·Pesos abertos

4.1/5

O modelo de transcrição de 600M de parâmetros da NVIDIA para 25 idiomas europeus: o mais rápido no ranking da Artificial Analysis.

O modelo de fala Parakeet da NVIDIA espremido em um download de 164MB com quase toda a sua acurácia em inglês, para notebooks e celulares.

PP-OCRv6

Baidu (PaddlePaddle)·OCR e documentos·Pesos abertos

4.1/5

O clássico pipeline de OCR da Baidu que detecta e depois lê, em três tamanhos de 1,5M a 34,5M de parâmetros, sob Apache 2.0.

pyannote speaker-diarization-community-1

pyannoteAI·Fala para texto·Pesos abertos

4.1/5

O pipeline aberto de diarização de locutores que a maioria das stacks de transcrição usa para saber quem falou quando, agora com menos confusões entre locutores.

Seedream 5.0 Pro

ByteDance·Geração de imagens

4.1/5

O modelo de imagem principal da ByteDance, feito para trabalho de design editável: até 20 camadas, edições por coordenadas e texto em 14 idiomas.

Xiaomi-OCR-0

Xiaomi·OCR e documentos·Pesos abertos

4.1/5

O modelo aberto de OCR de 0,8B da Xiaomi que processa páginas, responde a perguntas sobre elas e preenche campos JSON, sob Apache 2.0.

O primeiro modelo de voz da Cohere: um transcritor de 2B sob Apache 2.0 para 14 idiomas que liderou o Open ASR Leaderboard no lançamento.

d3 (vLLM Semantic Router)

vLLM Semantic Router·Modelos de decisão·Pesos abertos

4.0/5

O modelo de decisão aberto de 27B do vLLM Semantic Router, com entrada de vídeo e serviço no vLLM padrão, já superado pelo próprio d3-turbo.

Deepgram Nova-3

Deepgram·Fala para texto

4.0/5

O modelo de fala para texto da Deepgram: o segundo mais rápido no teste da Artificial Analysis e barato por minuto, mas bem longe dos líderes em precisão.

Falcon OCR

Technology Innovation Institute (TII)·OCR e documentos·Pesos abertos

4.0/5

O modelo de OCR de 270M de parâmetros do TII lê uma página com um pequeno Transformer e chega surpreendentemente perto de modelos de três a dez vezes o seu tamanho.

O editor aberto de 8B da Bria lidera o ranking de edição de pesos abertos e foi treinado só com imagens licenciadas, mas os pesos são não comerciais.

FLUX 3 Image Klein

Black Forest Labs·Geração de imagens·Pesos abertos

4.0/5

O modelo aberto de imagem de 5,6B da Black Forest Labs, com a saída 4K, a edição e as bounding boxes do FLUX 3, de uso comercial gratuito abaixo de US$ 5M de receita.

gpt-oss-120b

OpenAI·Raciocínio·Pesos abertos

4.0/5

O maior modelo de raciocínio de pesos abertos da OpenAI: Apache 2.0, 5,1B de parâmetros ativos e pequeno o bastante para uma única GPU de 80GB.

Os modelos de raciocínio de pesos abertos da OpenAI que classificam conteúdo segundo uma política de segurança escrita por você, e mostram o raciocínio.

GPT-Rosalind

OpenAI·Raciocínio

4.0/5

O modelo restrito de ciências da vida da OpenAI para organizações de pesquisa aprovadas: descoberta de medicamentos, genômica e trabalho com proteínas.

Granite 4.2

IBM·Raciocínio·Pesos abertos

4.0/5

A família da IBM sob Apache 2.0 de modelos densos de raciocínio de 3B, 8B e 30B para agentes e programação, lançada em agosto de 2026.

O modelo juiz aberto de 8B da IBM, que responde sim ou não sobre dano, jailbreaks, alucinação em RAG, chamadas de ferramenta erradas e critérios que você escreve.

O modelo de fala da IBM sob Apache 2.0 para seis idiomas que transcreve, traduz e aceita uma lista de 2.000 palavras-chave.

Ideogram 4.0

Ideogram·Geração de imagens·Pesos abertos

4.0/5

O modelo de design de 9,3B da Ideogram, forte em texto dentro da imagem; os pesos para download são não comerciais, então o trabalho pago passa pela API.

LFM3

Liquid AI·Pequenos e no dispositivo·Pesos abertos

4.0/5

A família de seis modelos de 2B da Liquid AI para texto, visão, áudio, omni e decisões tipadas, todos derivados de uma única base de 1,7B.

Ling-3.1-flash

Ant Group (inclusionAI)·Raciocínio·Pesos abertos

4.0/5

O modelo de pesos abertos de 560B do Ant Group: rápido, com mais de 200 tokens por segundo, sob licença MIT e com contexto de 1M de tokens.

A síntese de voz expressiva da Microsoft em 23 idiomas a US$ 22 por milhão de caracteres, com uma versão Flash de US$ 15 para agentes de voz.

Maya 2 Native

Maya Research·Texto para fala·Pesos abertos

4.0/5

Uma voz com streaming de 2,5B sob Apache 2.0 para 11 idiomas indianos e inglês, empatada com a Mistral e o Eleven v3 no ranking de hindi do VoiceArena.

MiniCPM-V 4.7 (35B-A3B and 1B)

OpenBMB·Visão e multimodal·Pesos abertos

4.0/5

Os modelos de visão Apache 2.0 da OpenBMB: um mixture-of-experts de 35B que lidera em documentos e um de 1B para celulares.

MiniCPM5-2B

OpenBMB·Pequenos e no dispositivo·Pesos abertos

4.0/5

O modelo on-device de 2,5B da OpenBMB: chamadas de ferramenta e correções de código como um modelo de 4B, com checkpoints e dados de treino publicados.

MiniMax-M3.1-Flash

MiniMax·Uso geral·Pesos abertos

4.0/5

O MoE de pesos abertos da MiniMax que sempre raciocina: o design de 428B do M3, uma API fixa de US$ 0,15/US$ 0,60, contexto de 1M e um problema de alucinação.

Muse Spark 1.3

Meta·Uso geral

4.0/5

O modelo fechado de agentes e programação da Meta: contexto de 1M de tokens a US$ 1,25/US$ 4,25, agora o nível econômico abaixo do Muse Wonder.

Muse Spark Open

Meta·Uso geral·Pesos abertos

4.0/5

O Muse Spark de pesos abertos de 816B da Meta: um modelo de agentes com 1M de tokens que você pode hospedar, sob uma licença com condições.

OmniVoice

k2-fsa (Next-gen Kaldi)·Texto para fala·Pesos abertos

4.0/5

TTS zero-shot aberto com clonagem e design de voz em mais de 600 idiomas, da equipe por trás do Next-gen Kaldi.

Qianfan-OCR

Baidu·OCR e documentos·Pesos abertos

4.0/5

O modelo de 4,7B da Baidu que processa páginas, extrai campos e lê gráficos em uma passada, ao custo de tamanho e de precisão nas páginas.

Qwen-Image-2.1

Alibaba (Qwen)·Geração de imagens·Pesos abertos

4.0/5

O gerador e editor de imagens aberto de 7B da Alibaba lidera o ranking de pesos abertos e gera transparência, mas é licenciado apenas para pesquisa.

Surya OCR 2.5

Datalab·OCR e documentos·Pesos abertos

4.0/5

O analisador de documentos de 689M de parâmetros da Datalab: layout, OCR, tabelas e matemática em HTML, rápido em uma GPU, grátis abaixo de US$ 5 milhões de receita.

Ternary Bonsai 2 9B

PrismML·Pequenos e no dispositivo·Pesos abertos

4.0/5

A reconstrução ternária do Qwen3.5-9B feita pela PrismML: um modelo de visão e linguagem com chamada de ferramentas em um arquivo de 2,42 GB que roda em celulares e notebooks.

Modelo aberto de canções com partitura editável: melhores notas no WildSongBench e vocais em 48 kHz, mas os pesos são não comerciais.

Codestral 25.08

Mistral AI·Programação

3.9/5

O modelo rápido de fill-in-the-middle da Mistral para autocompletar código, ainda padrão em ferramentas de IDE; não foi feito para trabalho com agentes.

DeepSeek-V4.1-Flash-1017 GSQ-RCO Coder (GGUF)

ISTA-DASLab (Institute of Science and Technology Austria)·Programação·Pesos abertos

3.9/5

DeepSeek-V4.1-Flash para código, com metade dos especialistas removidos e o resto em cerca de 2 bits: um transformer de 72,1 GB.

O modelo próprio do AI Dungeon para aventuras de texto, construído sobre o Gemma 4 31B e lançado sob Apache 2.0.

FireRed-OCR

Xiaohongshu (FireRedTeam)·OCR e documentos·Pesos abertos

3.9/5

O fine-tune de 2B do Qwen3-VL feito pela Xiaohongshu lidera os modelos de OCR de ponta a ponta na própria tabela, e ali mesmo fica atrás dos pipelines.

Flint

Recursive·Programação·Pesos abertos

3.9/5

O primeiro modelo da Recursive: um modelo de programação de pesos abertos com 40B de parâmetros, 2,5B ativos, feito para rodar rápido em um notebook.

O clonador com streaming de 0,5B da Alibaba sob licença Apache: nove idiomas, mais de 18 dialetos chineses e cerca de 150 ms até o primeiro áudio.

GPT Transcribe

OpenAI·Fala para texto

3.9/5

O substituto da OpenAI para o Whisper: mais preciso e mais barato que o GPT-4o Transcribe, mas sem timestamps nem identificação de falantes.

Os pequenos modelos de embeddings da IBM sob Apache 2.0 para mais de 200 idiomas e código, com contexto de 32K e dados de treino liberados para uso corporativo.

O modelo de imagem da SpaceXSI para trabalho de design: bom texto e diagramação, edições por região e redimensionamento inteligente, a partir de US$ 0,04 por imagem, mas limitado a 2K.

Um modelo de fala Apache 2.0 de 82M parâmetros, no meio da tabela em qualidade e a voz mais barata do ranking da Artificial Analysis.

Kolibri 1

Aleph Alpha·Raciocínio·Pesos abertos

3.9/5

O modelo de raciocínio alemão-inglês Apache 2.0 da Aleph Alpha: 78B parâmetros, 3,46B ativos, treinado na Alemanha e na Finlândia.

Luma Ray3.2

Luma AI·Vídeo

3.9/5

O modelo de vídeo da Luma para pós-produção: 16 keyframes, HDR nativo e EXR de 16 bits, vendido por clipe pela API e pelo app Luma.

Mage-VL-Cowork

Microsoft·Visão e multimodal·Pesos abertos

3.9/5

O agente de desktop de 4B da Microsoft que escolhe, passo a passo, entre clicar na tela e rodar código em um terminal.

Marengo 3.5

TwelveLabs·Embeddings e reranking

3.9/5

O modelo de embeddings da TwelveLabs feito primeiro para vídeo: vídeo, áudio, imagens, texto e páginas de PDF em um único espaço de 512 dimensões, cobrado por token.

Matrix-Game 4.0

Skywork AI (Kunlun Tech)·Jogos e modelos de mundo·Pesos abertos

3.9/5

O modelo aberto de 5B da Skywork que repinta em tempo real os quadros low-poly de um motor de jogo, só para as três cenas incluídas.

O modelo médico aberto de 4B do Google que lê volumes de TC e RM, lâminas de patologia e laudos de laboratório, como base para desenvolvedores adaptarem.

O modelo de decisão da Microsoft sobre o Qwen3.5-9B: respostas sim/não, de escolha e de nota com probabilidades, a US$ 0,042 por milhão de tokens de entrada.

MiniMax-M3

MiniMax·Uso geral·Pesos abertos

3.9/5

O MoE multimodal de pesos abertos da MiniMax: contexto de 1M de tokens, atenção esparsa, uma API de US$ 0,30/US$ 1,20 e uma licença cheia de condições.

O modelo de vídeo aberto de 8B da Ai2 aponta e acompanha objetos entre quadros, e os dados de treino também foram publicados.

MOSS-Transcribe-Diarize 0.9B

OpenMOSS (MOSI)·Fala para texto·Pesos abertos

3.9/5

Um modelo aberto de 0,9B que transcreve, identifica falantes e marca o tempo de até 90 minutos de áudio em uma única passada.

O modelo de 600M da NVIDIA para legendas ao vivo: 40 variantes de idioma, blocos a partir de 80 ms e milhares de fluxos numa H100.

Nemotron 3.5 Bolt (74B-A9B 24GB and E4B 4GB)

NVIDIA·Pequenos e no dispositivo·Pesos abertos

3.9/5

A dupla da NVIDIA para agentes locais: um modelo de visão de 74B em 2 bits batizado com 24 GB e um 4B baseado no Gemma para assistentes de voz.

Ripple-65B Preview

Ricursive Intelligence·Programação·Pesos abertos

3.9/5

Um modelo de código denso de 65B com pesos abertos, das fundadoras do AlphaChip, com resultados agênticos autodeclarados no nível de rivais muito maiores.

Sage-A1.5

Shanghai AI Laboratory (InternScience)·Raciocínio·Pesos abertos

3.9/5

O modelo de agente de 35B do Shanghai AI Lab para tarefas de pesquisa, com distribuição para sub-agentes embutida e um modo de autoverificação, sob Apache 2.0.

Sakana Fugu (Fugu, Max and Ultra v2)

Sakana AI·Raciocínio

3.9/5

O orquestrador da Sakana AI: uma API que divide cada tarefa entre um conjunto oculto de modelos de fronteira e combina as respostas.

A família de áudio da Stability com dados licenciados: Medium faz instrumentais de até 6:20, dois modelos pequenos rodam no celular; sem letra.

zerank-2

ZeroEntropy (Notion)·Embeddings e reranking·Pesos abertos

3.9/5

O reranker aberto de 4B da ZeroEntropy, com notas calibradas, sob Apache 2.0 desde que a Notion comprou a empresa e sua API hospedada saiu do ar.

Audio8 TTS

Edge0·Texto para fala·Pesos abertos

3.8/5

Um modelo de clonagem de voz de 0.6B parâmetros em 23 idiomas sob Apache 2.0, com taxas de erro próximas às de modelos várias vezes maiores.

Beam

Reflection·Raciocínio·Pesos abertos

3.8/5

O primeiro modelo aberto da Reflection: 501B de parâmetros, 23B ativos, Apache 2.0 e menos tokens de raciocínio por tarefa que os rivais.

Breeze TTS 2

BreezeBlue·Texto para fala·Pesos abertos

3.8/5

Um modelo de clonagem e design de voz com 3.5B de parâmetros que fica perto do topo da arena de pesos abertos, mas proíbe a hospedagem própria para uso comercial.

Command A+

Cohere·Uso geral·Pesos abertos

3.8/5

O modelo mixture-of-experts de 218B da Cohere para agentes e RAG multilíngue, com pesos Apache 2.0 que cabem em duas H100.

O modelo local de roleplay padrão da comunidade: um ajuste fino do Mistral Small 3.2 que cabe numa placa de 24 GB, avaliado sobretudo pelos fãs.

A versão experimental por difusão do Gemma 4 26B do Google: mais de 1.000 tokens por segundo numa H100, com perda clara de qualidade.

GPT-5.6-Cyber

OpenAI·Raciocínio

3.8/5

O modelo de cibersegurança da OpenAI de agosto de 2026 para pesquisadores verificados do Daybreak Red: substituído pelo GPT-6 Cyber, mas ainda à venda e mais barato.

gpt-oss-20b

OpenAI·Pequenos e no dispositivo·Pesos abertos

3.8/5

O modelo de raciocínio de pesos abertos da OpenAI sob Apache 2.0, com 3,6B de parâmetros ativos, dimensionado para rodar em 16GB de memória em um notebook ou GPU de consumo.

Grok 4.7

SpaceXSI (formerly xAI)·Uso geral

3.8/5

O modelo Grok de ponta da SpaceXSI para chat, código e agentes: $2/$6 por milhão de tokens, contexto de 500K e tempos de raciocínio muito longos.

O modelo de voz conversacional de 4B da Boson AI para mais de 100 idiomas, com tags de emoção no texto e clonagem, sob licença não comercial.

O clonador de voz da Bilibili com controles separados para emoção e timbre, em cinco idiomas, sob licença gratuita abaixo de 100 milhões de usuários.

Um modelo de voz de 3B para 22 idiomas indianos e inglês, com vozes de artistas que consentiram, sem clonagem e com API a ₹6.

Infinity-Parser2-Flash

INF Technology (infly)·OCR e documentos·Pesos abertos

3.8/5

O parser de 2,2B da INF, forte no olmOCR-Bench e em gráficos, mas lento com uma única requisição e mais fraco no OmniDocBench que rivais menores.

O modelo de 975B com licença Apache da Thinking Machines Lab, que ouve e vê: boa base para ajustar, atrás do Kimi K2.6 em visão.

Jev

TypeSafe AI·Modelos de decisão

3.8/5

O modelo de decisão hospedado da TypeSafe AI: escolhas tipadas, pontuações e probabilidades de sim/não por US$ 0,042 por milhão de tokens de entrada, com saída grátis.

O modelo de imagem aberto de 12,9B da Krea: imagens 2K em 8 passos com o Turbo, uma base Raw treinável e uma licença que acaba em US$ 1 mi de receita.

LFM2.5-24B-A2B

Liquid AI·Pequenos e no dispositivo·Pesos abertos

3.8/5

O modelo de raciocínio de 24B da Liquid AI com 2,45B parâmetros ativos, treinado dentro de harnesses de agentes para chamar ferramentas em um notebook.

Ling-3.0-flash-Sante

Ant Group (inclusionAI)·Uso geral·Pesos abertos

3.8/5

O modelo médico de 124B do Ant Group sob licença MIT, com 5,1B ativos: perto da fronteira nos próprios benchmarks de saúde, por uma fração do preço.

O modelo de 3B da NVIDIA desenha caixas e pontos ao redor do que você nomear, rápido, mas licenciado só para pesquisa sem fins lucrativos.

O modelo de agentes e código da Meituan, com 1,6 trilhão de parâmetros, licença MIT e treinado em chips chineses, a US$ 0,30/1,20 por milhão de tokens.

LTX-2.5

Lightricks (LTX)·Vídeo·Pesos abertos

3.8/5

O modelo de vídeo aberto de 22B da Lightricks com som sincronizado e cenas com vários planos, até 4K na API a partir de US$ 0,09 por segundo.

O modelo de 12B da JetBrains para agentes de programação, com 2,5B ativos e licença Apache, feito para rodar subagentes rápidos na sua própria GPU.

O modelo de design de 6B do Ant Group com licença MIT lidera os pesos abertos no ranking de UI da Artificial Analysis, mas precisa de uma GPU de 80 GB.

Mistral Medium 3.5

Mistral AI·Uso geral·Pesos abertos

3.8/5

O modelo denso de pesos abertos de 128B da Mistral para programação e agentes cabe em quatro GPUs, mas a licença exclui empresas acima de US$ 20M por mês.

MOSS-Image

OpenMOSS (MOSI)·Geração de imagens·Pesos abertos

3.8/5

Um modelo de imagem aberto de 5B sob Apache 2.0 que posiciona textos e objetos onde um layout em JSON manda e renderiza bem textos longos.

mxbai-rerank v2

Mixedbread·Embeddings e reranking·Pesos abertos

3.8/5

Os rerankers Apache 2.0 da Mixedbread nos tamanhos 0,5B e 1,5B, com mais de 100 idiomas e contexto de 8K tokens, feitos para hospedar por conta própria.

Nanbeige4.3-33B

BOSS Zhipin (Nanbeige LLM Lab)·Programação·Pesos abertos

3.8/5

Um modelo aberto denso de 33B do laboratório da BOSS Zhipin que diz liderar a classe dos 30B em programação com agentes, sob Apache 2.0.

Nemotron ColEmbed V2

NVIDIA·Embeddings e reranking·Pesos abertos

3.8/5

Os recuperadores de late interaction da NVIDIA que buscam em imagens de páginas sem OCR: precisos, ávidos por armazenamento e não comerciais em todos os tamanhos.

Nemotron OCR v2

NVIDIA·OCR e documentos·Pesos abertos

3.8/5

O OCR detector-reconhecedor de 84M de parâmetros da NVIDIA para ingestão em RAG: cerca de 35 páginas por segundo em uma A100, licenciado para uso comercial.

O agente aberto da NVIDIA que joga videogames: olha a tela, aperta botões do controle e aprendeu com 40.000 horas de partidas alheias.

Pika H3 Flex

Pika (Mellis, Inc.)·Vídeo·Pesos abertos

3.8/5

O pós-treinamento de seis passos do MiniMax H3 feito pela Pika: vídeo com som estéreo pela metade do preço da API da MiniMax, sob a licença territorial da MiniMax.

Runway Gen-4.5

Runway·Vídeo

3.8/5

O modelo de vídeo próprio da Runway: vencedor de leaderboard em 2025, agora superado, vendido dentro de uma suíte que também revende os rivais.

VibeVoice-ASR

Microsoft·Fala para texto·Pesos abertos

3.8/5

O transcritor da Microsoft sob licença MIT que processa uma hora de áudio de uma vez e identifica quem falou e quando.

Um modelo de mundo de 1,2B que gera um mundo jogável em primeira pessoa num PC gamer, até 720p e 56 fps numa RTX 5090.

Whistle

Cactus Compute·Fala para texto·Pesos abertos

3.8/5

Um modelo de fala para texto de 16,9 MB em sete idiomas que roda em CPU sem dependências; um port comunitário o faz caber em um chip de US$ 10.

Um modelo de visão e linguagem de 9B da equipe chinesa Zidong Taichu que troca um pouco de OCR por raciocínio espacial e uso de ferramentas.

Chatterbox

Resemble AI·Texto para fala·Pesos abertos

3.7/5

Os modelos de clonagem de voz da Resemble AI sob licença MIT, de um modelo de 110M para CPU a 23 idiomas, com marca d'água em cada clipe.

Cohere Rerank 4

Cohere·Embeddings e reranking

3.7/5

O reranker de dezembro de 2025 da Cohere, nas versões Pro e Fast com contexto de 32K tokens, substituído pelo Rerank 5 em 21 de outubro de 2026.

DecisionNode

Bynn Intelligence·Modelos de decisão

3.7/5

O modelo de decisão hospedado da Bynn Intelligence, que devolve seis tipos de resposta com confiança, mais dois pequenos modelos Edge de pesos abertos para dispositivos.

DeepSeek-OCR 2

DeepSeek·OCR e documentos·Pesos abertos

3.7/5

O leitor de documentos aberto de 3B da DeepSeek reorganiza a página antes de lê-la, mas o PaddleOCR-VL e o Unlimited-OCR agora pontuam mais.

ERNIE 5.1

Baidu·Uso geral

3.7/5

O carro-chefe fechado da Baidu, destilado do ERNIE 5.0 por uma fração do custo: forte em busca e matemática, difícil de comprar fora da China.

FrogNano-4B-2609

Microsoft·Programação·Pesos abertos

3.7/5

O agente de programação de pesquisa de 4B da Microsoft, treinado apenas com aprendizado por reforço em tarefas sintéticas: 61,5% no SWE-bench Verified, segundo a própria empresa.

Gemma 4 31B com só a camada de saída retreinada para ficção: menos clichês, o mesmo modelo por baixo.

A transcrição em streaming da OpenAI a US$ 0,017 por minuto: atraso ajustável e dicas de palavras-chave, mas sem rótulos de falante nem marcas de tempo.

Um fine-tune aberto de 12B do Gemma 4 que reescreve rascunhos em inglês e chinês feitos por IA para que pareçam humanos, offline, mantendo os fatos.

Hy-Memory-30B-A3B

Tencent (Hy, formerly Hunyuan)·Uso geral·Pesos abertos

3.7/5

O modelo da Tencent com 3B ativos que faz uma única tarefa: decidir o que a memória de longo prazo de um agente deve guardar, no lugar de um LLM de fronteira.

O modelo de mundo em vídeo em tempo real da Tencent, controlado por teclado e mouse, com todo o código de treino; precisa de GPUs de data center.

Iris-3B

Speridlabs·Geração de imagens·Pesos abertos

3.7/5

O modelo de texto para imagem de 3B da Speridlabs que pinta pixels diretamente, sem VAE, com um Turbo de 4 passos e fine-tunes de profundidade e upscaling.

Jina OCR v1

Jina AI (Elastic)·OCR e documentos·Pesos abertos

3.7/5

Um fine-tune do DeepSeek-OCR feito pela Jina AI, hoje parte da Elastic, ajustado para páginas por segundo em GPUs baratas; os pesos são não comerciais.

A família de vídeo com som da Sber com licença MIT: um Lite de 3B para placas de 16 GB e um Pro de 29B, ambos limitados a clipes de 5 segundos.

O modelo de vídeo com som de 114B da Sand AI, com licença Apache, é o 16º na arena, se você tiver oito GPUs Hopper para rodá-lo.

O primeiro modelo de raciocínio próprio da Microsoft: uma mistura de especialistas de 1T de parâmetros a US$ 2/US$ 8 por milhão de tokens, um degrau abaixo da fronteira.

Mistral Small 4

Mistral AI·Uso geral·Pesos abertos

3.7/5

O mixture-of-experts Apache 2.0 da Mistral: 119B parâmetros, entrada de imagem, raciocínio comutável, US$ 0,15/US$ 0,60 por milhão de tokens.

ScaleDown Constrained Decoding Models (Classify, Extract, Summarize)

ScaleDown·Modelos de decisão

3.7/5

Os modelos hospedados de classificação, extração e resumo da ScaleDown a US$ 0,05 por milhão de tokens de entrada, com um endpoint Decisions no formato do Jev.

O modelo aberto de 250B da Upstage para trabalho de escritório em coreano, inglês e japonês, com contexto de 1M de tokens e nenhum lugar para alugá-lo por token.

Spark-X2.6-4B

iFlytek (SparkLLM)·Pequenos e no dispositivo·Pesos abertos

3.7/5

O modelo de agente no dispositivo de 4B da iFlytek sob Apache 2.0, que afirma superar o Qwen3.5-9B em ferramentas e código, com contexto de 1M de tokens.

text-embedding-3-large

OpenAI·Embeddings e reranking

3.7/5

O principal modelo de embeddings da OpenAI, inalterado desde janeiro de 2024: suportado em toda parte e barato, mas não é mais líder em recuperação.

O modelo de raciocínio de 3B da Weibo com licença MIT: 94,3 no AIME 2026 e 96,1% dos problemas recentes do LeetCode, feito para pouco mais que isso.

Whisper large-v3-turbo

OpenAI·Fala para texto·Pesos abertos

3.7/5

O modelo de reconhecimento de fala de pesos abertos da OpenAI, ainda o padrão para transcrição auto-hospedada.

Z-Image-Turbo

Alibaba (Tongyi-MAI)·Geração de imagens·Pesos abertos

3.7/5

Um modelo de imagem de 6B sob licença Apache, do laboratório Tongyi da Alibaba, que roda em oito passos em uma GPU de consumo de 16GB.

Aion 3.5

Aion Labs (Deep Forge)·Roleplay e personagens

3.6/5

Um sistema de role-play e narrativa em que vários modelos baseados no GLM escrevem cada resposta juntos; ainda sem benchmarks públicos.

O modelo da ByteDance Seed sob Apache 2.0 que entende, desenha e edita imagens com um mesmo conjunto de pesos.

Clef

Cloudflare·Modelos de decisão·Pesos abertos

3.6/5

O modelo de decisão aberto de 27B da Cloudflare, que pontua escolhas tipadas sobre texto e imagens, servido no Workers AI por trás de uma API compatível com o Jev.

Clover-35B-A3B-Preview

DiffuSpace·Uso geral·Pesos abertos

3.6/5

Um modelo de linguagem de difusão convertido a partir do Qwen3.6-35B-A3B que escreve blocos de 32 tokens em paralelo, aberto sob Apache 2.0.

dots.ocr

Xiaohongshu (rednote hi lab)·OCR e documentos·Pesos abertos

3.6/5

O parser de layout multilíngue de 2025 da Xiaohongshu ainda é muito baixado, mas os próprios criadores e três concorrentes mais novos já o superaram.

O modelo de imagem de 8B da Baidu com licença Apache, com um Turbo de 8 passos, vai bem em cartazes e textos longos, mas fica mal na arena.

Falcon-H1R-7B

Technology Innovation Institute (TII)·Raciocínio·Pesos abertos

3.6/5

O modelo de raciocínio de 7B do TII para matemática e programação, com design híbrido Transformer-Mamba, contexto de 256K e uma licença com atribuição.

O modelo de mundos em tempo real da DeepMind, com som próprio e controle por texto ao vivo; impressionante e ainda fechado para quase todos.

GLiNER2.5-Decide

Fastino·Modelos de decisão·Pesos abertos

3.6/5

O classificador zero-shot da Fastino com menos de um bilhão de parâmetros: passe quaisquer rótulos na chamada e receba um de volta em uma CPU, sem prompt nem geração.

O modelo de vídeo com som da SpaceXSI: até 15 segundos e até 1080p, a partir de $0,08 por segundo, de um fabricante investigado por deepfakes.

Limite 1B - Violetto

Paradigma·Pequenos e no dispositivo·Pesos abertos

3.6/5

Um modelo de matemática de 1B de uma startup de Roma que iguala modelos de 30B em problemas de competição e entende errado quase todo o resto.

O modelo de mundo de 14B do Ant Group que promete partidas de uma hora com agentes dirigindo a cena, sob licença não comercial.

O modelo de código pequeno da Microsoft para o GitHub Copilot: barato a US$ 0,20/1,20 por milhão de tokens, mas atrás do DeepSeek em preço e no Terminal-Bench.

Needle 3

Cactus Compute·Pequenos e no dispositivo·Pesos abertos

3.6/5

Um modelo de 29M a 121M que transforma pedidos em chamadas de função em celulares, robôs e hubs; forte em comandos de celular, mais fraco no resto.

Os modelos de voz no dispositivo da Neuphonic, que clonam uma voz com 3 segundos e põem marca d'água em cada trecho, do Raspberry Pi ao notebook.

Ornith-1.5-122B

Ornith·Programação·Pesos abertos

3.6/5

Um modelo de raciocínio e programação de pesos abertos com 122B, treinado por um loop de autoaperfeiçoamento que escreve as próprias tarefas, sob MIT.

Qwen-Image-Edit-2511

Alibaba (Qwen)·Edição de imagens·Pesos abertos

3.6/5

O editor de imagens da Alibaba sob licença Apache: qualidade de meio de tabela, mas a licença mais limpa entre os editores abertos que você pode lançar em produto.

Qwen3.5-397B-A17B

Alibaba (Qwen)·Uso geral·Pesos abertos

3.6/5

O primeiro modelo aberto Qwen3.5 da Alibaba: um MoE de 397B com 17B ativos sob Apache 2.0, agora superado pelo Qwen3.8 e pelo seu próprio gêmeo hospedado.

Sakana Namazu

Sakana AI·Uso geral

3.6/5

O modelo ajustado para japonês da Sakana AI, construído sobre o Kimi K2.6, com busca na web e execução de código embutidas por trás de uma API no estilo OpenAI.

O maior modelo aberto treinado do zero na Índia, com licença Apache e ajustado para 22 idiomas indianos, barato na API da Sarvam mas fraco em código.

Underdog Saluki 27B 1.0

Conway Research (Underdog)·Pequenos e no dispositivo·Pesos abertos

3.6/5

O Qwen3.8-27B espremido em um arquivo de 2 bits de 7,89 GB que mantém a chamada de ferramentas intacta, sob Apache 2.0.

Xing4.0-29B-A4B

China Telecom (XingChen)·Uso geral·Pesos abertos

3.6/5

O modelo de agentes da China Telecom sob Apache 2.0, notável menos pelas notas do que por ter sido treinado inteiramente em chips Huawei Ascend.

O modelo de 2B da Microsoft Research treinado do zero com pesos de -1, 0 ou +1: 0,4 GB de memória e rápido numa CPU comum.

O editor e gerador aberto de 32B da Black Forest Labs: a régua com que os outros modelos de imagem são medidos, agora superado pelo Klein da própria BFL.

HunyuanImage 3.0 Instruct

Tencent (Hunyuan)·Edição de imagens·Pesos abertos

3.5/5

O modelo de imagem aberto de 80B da Tencent com uma etapa de raciocínio: terceiro entre os editores abertos, mas precisa de um nó de oito GPUs e deixa a Europa de fora.

O modelo de vídeo de 8,3B da Tencent roda numa placa de 14 GB e escala para 1080p, mas os clipes são mudos e a licença deixa a Europa de fora.

O modelo de vídeo de 13,6B da Meituan com licença MIT estende clipes em minutos de imagens em 720p, mas é mudo e está uma geração atrás.

Qwen3-TTS

Alibaba (Qwen)·Texto para fala·Pesos abertos

3.5/5

A família de fala da Alibaba sob licença Apache: criação de voz a partir de uma frase, clonagem a partir de três segundos e nenhuma proteção contra uso indevido.

Um ajuste fino de roleplay de 12B sobre o Mistral Nemo que roda num notebook; popular, testado só pelos próprios usuários.

SenseNova-Loop-9B-Preview

SenseTime (SenseNova)·Visão e multimodal·Pesos abertos

3.5/5

O modelo de imagem e texto de 9B da SenseTime que roda duas vezes suas 24 camadas do meio, voltado para agentes de escritório, sob Apache 2.0.

SmolLM3-3B

Hugging Face·Pequenos e no dispositivo·Pesos abertos

3.5/5

O modelo de 3B totalmente aberto do Hugging Face, com raciocínio alternável, contexto de 128K e toda a receita de treinamento publicada.

all-MiniLM-L6-v2

Sentence Transformers (Hugging Face)·Embeddings e reranking·Pesos abertos

3.4/5

O modelo de embeddings padrão de mil tutoriais, que hoje é melhor reservar para testes, protótipos e textos curtos em inglês.

Decision-2.0-Nox-4B (vLLM Semantic Router)

vLLM Semantic Router·Modelos de decisão·Pesos abertos

3.4/5

O modelo de decisão de texto de 4B do vLLM Semantic Router, com licença Apache: bem calibrado, mas já superado pelo d3-mini da própria equipe.

Devstral Small 2

Mistral AI·Programação·Pesos abertos

3.4/5

O modelo de programação de 24B da Mistral, sob Apache 2.0, que roda em uma RTX 4090 ou em um Mac de 32GB, com contexto de 256K e entrada de imagens.

O modelo de 750B da LG AI Research com licença Apache, forte em coreano, documentos longos e segurança, mais fraco em código e raciocínio difícil.

KittenTTS 2

KittenML (Stellon Labs)·Texto para fala·Pesos abertos

3.4/5

Um modelo de fala ternário de 1,7B com clonagem de voz que tem menos de 1 GB para baixar e roda sem GPU, sob uma licença comunitária restritiva.

Modelo de decisão Apache 2.0 sobre ModernBERT que responde a perguntas tipadas em dezenas de milissegundos, mas precisa de fine-tuning para ser preciso.

Phi-4-Reasoning-Vision-15B

Microsoft·Raciocínio·Pesos abertos

3.4/5

O modelo Phi pequeno mais recente da Microsoft: 15B, licença MIT, lê imagens e pode ligar ou desligar o raciocínio passo a passo.

O modelo de raciocínio aberto de 398B da Arcee, feito nos EUA para agentes, forte em testes de ferramentas e agora só com pesos depois que os endpoints sumiram.

O modelo de imagem de 16B da Z.ai com licença MIT lidera a própria comparação em texto na imagem, mas leva cerca de um minuto por imagem numa H100.

Phi-4-multimodal

Microsoft·Visão e multimodal·Pesos abertos

3.3/5

O modelo de 5,6B da Microsoft sob licença MIT que recebe fala, imagens e texto em uma única rede, agora com 20 meses de idade.

O modelo base aberto de fala conversacional da Sesame: inglês, entonação conforme o contexto, licença Apache e ainda seu único lançamento aberto.

Veo 3.1

Google DeepMind·Vídeo

3.3/5

O modelo de vídeo do Google aposentado da API, ainda vendido como GA na nuvem corporativa para equipes que precisam de extensão e controle do quadro final.

Devstral 2

Mistral AI·Programação·Pesos abertos

3.1/5

O modelo aberto de programação de 123B da Mistral, de dezembro de 2025, agora retirado da API e substituído pelo Mistral Medium 3.5.

d1-omni-600M

Liquid AI·Modelos de decisão·Pesos abertos

3.0/5

O modelo de decisão experimental de 587M da Liquid AI para texto, imagens e clipes curtos de fala, superado três semanas depois pelo d1-Omni-2B.