O open-weight deixou de ser plano B
Dos 15 lançamentos que separei para essa edição, nove vieram com pesos abertos.
E não estamos falando só de modelos pequenos ou experimentais. Tem modelo multimodal com contexto de 1 milhão de tokens, agente de coding, visão rodando em celular, reasoning on-device e modelos grandes o suficiente para disputar workload sério com as principais labs.
Durante muito tempo, open-weight era a escolha de quem queria economizar, ter mais controle ou brincar localmente. Essa semana ficou difícil continuar olhando para essa categoria como segunda divisão.
Bora ao que aconteceu.
A Jogada da Semana
Open-weight deixou de ser plano B
A Meta resumiu bem o momento com dois lançamentos quase opostos. Primeiro apresentou o Muse Wonder e o Wonder Full, seus novos modelos frontier fechados para agentes, coding e computer use. Dias depois abriu os pesos do Muse Spark Open, um MoE multimodal de 816 bilhões de parâmetros, 42 bilhões ativos e contexto de 1 milhão de tokens, focado justamente em coding e trabalho agentic. A Meta diz que ele consegue rodar localmente usando dois Mac Studio M5 Ultra. Muse Wonder | Muse Spark Open
Não é exatamente um notebook em cima da mesa, mas o movimento importa. Capacidade que até pouco tempo dependia completamente da API de uma lab começa a chegar em infraestrutura que você controla.
E não foi um caso isolado. A Reflection liberou os pesos do Beam, um MoE de 501B com 23B ativos para coding e agentes, sob Apache 2.0. A empresa está vendendo a ideia de um “sistema operacional aberto para agentes”, com modelo, containers, integrações e pipelines de customização disponíveis para quem quiser montar a própria stack. Reflection
Na outra ponta, a Liquid AI lançou o LFM2.5-24B-A2B, com só 2B de parâmetros ativos por token e foco explícito em agentes on-device. No M5 Max, a empresa reporta até 184 tokens por segundo. O MiniCPM-V 4.7 também empurra essa fronteira para baixo: a versão MoE consegue rodar no iPhone 17 Pro Max usando cerca de 3 GB. Liquid AI | MiniCPM-V
Pra mim, a mudança é essa: open-weight está deixando de ser apenas uma alternativa mais barata ao modelo fechado. Está virando uma escolha de arquitetura.
Você pode querer rodar local por privacidade. Pode querer controlar custo. Pode precisar customizar profundamente o modelo. Pode simplesmente não querer que uma parte crítica do produto dependa de uma API que muda preço, limite ou comportamento de uma hora para outra.
Os melhores modelos fechados continuam na frente em vários cenários. Mas a distância que importa para produto não é benchmark puro.
É a distância entre “isso seria legal” e “isso já é bom o suficiente para eu controlar a stack inteira”.
E essa distância está diminuindo rápido.
Para Builders
A NVIDIA lançou o Nemotron 3.5 Super VL, um modelo aberto multimodal de 120B com 12B ativos, tool use e entendimento de texto, imagem, documentos e vídeo. Junto dele vem o Bolt 74B-A9B, desenhado para agentes locais e capaz de caber em cerca de 24 GB. O pacote inclui checkpoints, receitas e ambientes de RL, não só os pesos. NVIDIA
O DeepSeek-V4.1-Flash-1017 também recebeu uma atualização interessante via reinforcement learning com autofeedback. A DeepSeek diz que ele melhorou em coding agentic enquanto passou a responder de forma mais curta, o que é exatamente o tipo de ganho que importa quando custo começa a ser medido por tarefa concluída e não por benchmark. A empresa também abriu Search & Fetch APIs por US$ 0,75 a cada mil chamadas. DeepSeek
A StepFun abriu os pesos do Step 5 Preview, um MoE de 600B com 27B ativos, contexto de até 1 milhão de tokens e entrada de texto, imagem e vídeo. O Ling-3.1-flash, do Ant Group, também saiu do trial fechado e ganhou pesos sob MIT. Tem muita capacidade agentic começando a aparecer fora das APIs proprietárias. Step 5 | Ling
Frontier continua correndo
O Gemini 4 Argon entrou em disponibilidade geral. O modelo agora está na API paga, AI Studio, Android Studio, Antigravity e produtos Gemini, com foco em workflows longos de engenharia, trabalho corporativo, cyber e ciência. Ele mantém contexto de 1 milhão de tokens e preço promocional de US$ 2 de input e US$ 10 de output por milhão até o fim de novembro. Google
A Meta apresentou o Muse Wonder, seu modelo fechado para agentes pessoais e profissionais. Active Memory e Active Focus tentam resolver justamente o problema de agentes que precisam acompanhar contexto e objetivo durante tarefas longas, em vez de apenas responder uma sequência de prompts. Meta
E a Z.ai lançou o GLM-Legal, um modelo agentic especializado em jurídico, treinado sobre o GLM-5.3-Flash com mid-training no domínio e reinforcement learning em ambientes legais. Mais um sinal de que especialização por indústria está virando uma camada própria da corrida. Z.ai
Drops
O Fish Audio Drama 3 é um TTS open-weight com 83 idiomas e direção emocional em linguagem natural. O modelo usa 35B parâmetros totais, mas só cerca de 3B ativos. Fish Audio
O Grok Voice 3.0 chegou com speech-to-speech, latência abaixo de um segundo e API a US$ 0,08 por minuto. A xAI manteve o mesmo preço da geração anterior. xAI
A Black Forest Labs lançou o FLUX.3 Image Klein, modelo aberto de 5,6B para geração e edição de imagem, com até dez referências, controle por bounding boxes e versões que conseguem rodar com 8 GB de VRAM. Hugging Face
O Kling 4.0 ficou disponível para todos, com vídeos de até 30 segundos, dez keyframes e até quinze referências por tarefa. Também ganhou MCP e CLI, o que deixa bem claro que vídeo generativo está começando a entrar em workflow programável. Kling
Ferramenta da Semana: HAR
O HAR é um harness open-source para quem está começando a rodar vários coding agents no mesmo repositório e percebeu que “abre uma branch e torce” não escala.
Cada agente trabalha em um worktree isolado, com ambiente próprio, enquanto o HAR aplica validações determinísticas, guarda logs, artefatos e evidências do que realmente passou nos testes. Ele funciona com Claude Code, Cursor, Codex ou qualquer agente via MCP.
A parte que mais gostei é a ideia de separar confiança do relato do próprio agente. Não basta ele dizer que terminou. O código passa pelo mesmo pipeline de verificação do projeto e você recebe a mudança junto com a prova do que foi executado.
Depois de algumas semanas falando que o harness importa tanto quanto o modelo, essa ferramenta caiu muito bem aqui. HAR no GitHub
Dica da Semana: Bit a Bit
Essa semana a dica é algo que coloquei no ar dentro do Doug.ia.br: Bit a Bit.
Em vez de explicar demais aqui, vale abrir e testar direto. A ideia é simples: entrar, brincar e entender a proposta usando.
Fechando o Lab
A coisa que ficou na minha cabeça essa semana foi controle.
Os modelos fechados continuam avançando muito rápido. Argon virou GA, Meta colocou Wonder na rua e os grandes laboratórios continuam entregando capacidade difícil de reproduzir.
Mas ao mesmo tempo, a quantidade de modelos abertos bons o suficiente para coding, agentes, multimodalidade e uso local cresceu demais.
Isso começa a mudar uma decisão importante de produto. A pergunta não é mais apenas “qual API eu uso?”.
Em alguns casos passa a ser “por que essa parte da minha stack precisa estar fora da minha infraestrutura?”.
Nem tudo vai rodar local. Nem deveria.
Mas open-weight deixou de ser plano B.
Virou mais uma decisão real de arquitetura.
Nos vemos semana que vem.
💖 Feito com IA, café e senso crítico 👉 doug.ia.br