No. 3224 de agosto de 20265 min
Não São os Modelos.É o Relógio.
Um modelo anónimo no OpenRouter mudou a minha opinião sobre a velocidade a que isto avança. Não foi um benchmark. Um modelo chinês sem nome que chegou ao número um antes de alguém saber quem o tinha feito.
Toda a gente discute qual é o melhor modelo este mês. Argumento errado.
A coisa que mudou a minha opinião sobre a velocidade a que isto avança não foi um benchmark, nem foi um lançamento. Foi um modelo anónimo no OpenRouter.
Aparece um modelo sem nome. Sem laboratório, sem paper, sem post de lançamento. Ninguém sabe quem o fez.
Chega ao #1 em utilização, mais do dobro da DeepSeek.
Duas semanas depois a Z.ai diz que é dela, lança os pesos como GLM-5.3-Flash, e menciona quase de passagem que esteve o tempo todo a servir a coisa em chips fabricados na China.
- Model
- OX ALPHA
- Lab
- UNKNOWN
- Weights
- UNKNOWN
- Chips
- UNKNOWN
- Usage
- #1, 2× DEEPSEEK+
Lê outra vez. Qualidade próxima da fronteira. Pesos abertos. Não em Nvidia. E os programadores encontraram-no e votaram nele com o seu tráfego antes de alguém lhes dizer de quem era, quanto custou a treiná-lo, ou que bandeira tinha.
É essa a história toda. Não a leaderboard. O facto de o fosso já estar fechado e ninguém ter reparado até o marcador o dizer.
Para contexto, isto não veio do nada: o GLM 5.2 saiu em junho com pesos abertos e licença MIT e ficou a poucos pontos da fronteira fechada, e o GLM 5.3 seguiu-se em agosto sem nenhum pré-treino novo. Todo o ganho veio do pós-treino. Mas os lançamentos não são o ponto. O Ox Alpha é o ponto, porque foi o que chegou sem etiqueta.
Há aqui um padrão, e é mais antigo do que a IA.
A China entra num mercado. A China tem sucesso nesse mercado. E depois a coisa fica barata o suficiente para toda a gente a ter. Painéis solares. Baterias. Telemóveis. Drones. Carros elétricos. Sempre a mesma forma.
A história ocidental sobre isto é que é injusto. Subsídios, dumping, uma mesa viciada. Essa história está, na maior parte, errada, e está errada há já algum tempo. O preço cai porque o fabrico melhora, e nos últimos anos a qualidade veio junto. Não são apenas mais baratos agora. São competitivos no próprio produto: qualidade, volume e preço ao mesmo tempo. É um concorrente diferente daquele sobre o qual as pessoas ainda estão a discutir.
Aponta isso à inteligência e chegas à conclusão óbvia. O plano deles para código já está avaliado em cerca de um décimo do Claude Code. Isso não é o chão. É um ponto de passagem.
Acho que isto acaba onde as redes sociais acabaram. Grátis para usar. Não grátis para construir: grátis para usar. Alguém absorve o custo porque a atenção, a distribuição ou os dados valem mais do que a fatura da inferência. Já vimos este filme.
A Epoch AI acompanha isto a sério, por isso vou usar os números deles em vez dos meus.
O fosso entre aberto e fechado colapsou. Em 2024 o atraso entre o melhor modelo aberto e o melhor fechado era de cerca de um ano. No final de 2025 era à volta de três meses. Ao longo do primeiro semestre de 2026, quatro meses. Um ano tornou-se um trimestre em dezoito meses.
A capacidade de fronteira chega ao hardware de consumo em cerca de um ano. Nas próprias palavras da Epoch: modelos que cabem em GPUs de consumo igualam o desempenho de fronteira num ano ou menos.
A eficiência acumula-se. A eficiência computacional do pré-treino melhora cerca de 3x por ano: a mesma capacidade por um terço da computação, duplicando a cada sete meses e meio. O desempenho por dólar dos chips sobe 49% ao ano desde 2023. E a própria capacidade de fronteira acelerou: o índice de capacidades subiu cerca de 8 pontos por ano antes de abril de 2024, e cerca de 15 por ano desde que os modelos de raciocínio e o scaling por RL assumiram o controlo.
Empilha isso tudo. Em 2024 precisavas de um modelo de 70B para teres a qualidade do GPT-4. Em 2026 o Phi-4 corre em 8GB de VRAM e iguala modelos três vezes maiores em matemática. Uma variante Qwen de 27B atinge 77% no SWE-bench com 18GB. Um modelo de 3B corre a 30 tokens por segundo num MacBook Air e cabe num iPhone.
A fronteira está a melhorar depressa. O chão está a subir mais depressa ainda.
Três anos.
O que quer que conte como inteligência de fronteira nessa altura, seja o nível Opus de hoje, seja algo melhor por essa altura, a correr localmente. No telemóvel no teu bolso e no portátil na tua secretária. Não «suficientemente bom para tarefas simples». A coisa a sério, a tratar de 99,9% do que qualquer pessoa realmente pede a uma máquina: escrita, código, análise, planeamento, explicações, tradução, tudo.
Corre a composição e três anos não é uma previsão ousada. 3x de eficiência por ano dá cerca de 27x. Junta os ganhos dos chips e chegas a cerca de 89x no custo por unidade de capacidade, antes de alguém inventar seja o que for de engenhoso. A restrição vinculativa no dispositivo é a memória, não os FLOPs, e a destilação é exatamente o truque que a contorna. Foi assim que o 70B de 2024 se tornou o 8B de 2026.
Same capability for a third of the compute, every year. The binding constraint on a phone is memory, and distillation gets around it: 2024's 70B became 2026's 8B.
O que fica na nuvem é o último 0,1%. Investigação de fronteira. Agentes de longo horizonte que precisam de um milhão de tokens de contexto e um dia de tempo real. Tudo aquilo em que um fosso de cinco pontos num benchmark é o produto inteiro. Esse mercado vai ser real e grande, e vai ser um mercado especializado, da mesma forma que a supercomputação é um mercado especializado. Tudo o resto é uma commodity que já possuis.
Se a inteligência está no dispositivo e o preço da versão alojada está a caminhar para zero, o modelo deixa de ser o fosso defensivo. Passam a ser três coisas o fosso defensivo.
Distribuição. Quem lançar o modelo local por defeito no telemóvel, no portátil e no browser ganha da mesma forma que o motor de busca por defeito ganhou.
Dados. Todos os modelos vão ser mais ou menos tão inteligentes uns como os outros. A diferença é o que sabem sobre ti, sobre a tua empresa, sobre os teus clientes, e se tinhas o direito de os usar.
Verticais. O valor sobe na stack até à última milha: o fluxo de trabalho, a integração, o domínio. Como acontece sempre assim que a coisa subjacente fica barata.
Se o modelo corre localmente, também corre tudo o que ele sabe sobre ti.
Os teus dados deixam de ser algo que carregas e passam a ser algo que nunca sai. O contexto que torna um assistente útil, os teus ficheiros, as tuas mensagens, o teu calendário, os teus hábitos, é exatamente o contexto que tens menos razão para enviar para algum lado assim que o modelo está sentado no mesmo chip que os dados.
Bom para ti. Um problema para uma indústria inteira.
Porque o valor desses dados não cai. Só o acesso é que cai. Por isso espera que a aquisição fique mais feia. Avisos de permissão redigidos para serem aceites sem leitura. Aplicações gratuitas cujo verdadeiro produto é a sincronização. SDKs enterrados três dependências abaixo. Interruptores de «ajuda-nos a melhorar o nosso serviço» que vêm ligados por defeito. Quanto mais difícil é chegar aos dados, mais inventivo fica o alcance, e menos disso acontece à luz do dia.
Depois o efeito de segunda ordem, que acho subestimado.
A pesquisa deixa de ser tu.
Neste momento, quando pesquisas, a query chega agarrada a um browser, a um cookie, a uma conta, a um IP, e a um perfil que anda a acumular-se há quinze anos. Quando é o teu modelo local que faz a pesquisa, a coisa que chega do outro lado é uma máquina a fazer uma pergunta. Não precisa da tua identidade para obter uma resposta e não tem razão nenhuma em particular para a carregar. Vinte prompts teus tornam-se cinco queries que não parecem nada de especial, vindas de um modelo, no teu dispositivo, sem perfil nenhum por trás.
You · 20 prompts
The web sees · 5 queries
Isso quebra a ligação sobre a qual a web financiada por publicidade está construída, e ninguém teve de legislar para isso. O agente é um anonimizador natural.
Não tem de funcionar assim. O anonimato é uma escolha que o cliente faz, e muitos clientes vão manter o perfil agarrado, porque o perfil é o negócio. Mas, pela primeira vez, a opção privada é a mais fácil, e quem lançar o modelo local é quem escolhe a predefinição.
O que nos traz direto de volta ao primeiro fosso defensivo.
Há um ano teria dito «um dia». Um modelo anónimo no topo da leaderboard moveu essa cronologia para uma janela mais confiante.
Números: Epoch AI (atraso aberto/fechado, tendências de eficiência, índice de capacidades), Artificial Analysis Intelligence Index, notas de lançamento da Z.ai, dados de utilização do OpenRouter, agosto de 2026.
Fontes13
- Ox Alpha on OpenRouter: Free 1M Stealth Model (Aug 2026)
- Zhipu AI shares jump as viral Ox Alpha model revealed as GLM-5.3-Flash on Chinese chips
- GLM-5.2 is probably the most powerful text-only open weights LLM
- GLM-5.3: Scaling with post-training, intuitively explained
- Open vs. closed AI: How behind are open models?
- Open-weight models lag state-of-the-art by around 3 months on average
- Open models lag state-of-the-art closed models by 4 months
- Frontier AI capabilities can be run at home within a year or less
- Pre-training compute efficiency trend
- The performance per dollar of AI chips purchased each quarter has grown by an average of 49% per year
- AI capabilities progress has sped up
- microsoft/phi-4 model card
- Qwen/Qwen3.6-27B model card