O melhor LLM open source para o seu projeto em julho de 2026 depende da tarefa, não do destaque no benchmark. As opções atuais incluem DeepSeek V4 Pro, Qwen3.6, Kimi K2.6 e GLM-5.1, cada um com diferentes pontos fortes em raciocínio, codificação, trabalho com contexto longo e licenciamento. A questão prática é se você precisa de pesos para download ou de uma API hospedada que funcione sem uma equipe de operações de GPU. Este guia compara o campo atual, explica a diferença entre auto-hospedagem e acesso via API, e mostra como usar modelos de peso aberto em um agente de codificação com a Novita AI.
O que conta como um LLM open source?
“Open source” cobre uma ampla variedade na prática. A distinção que mais importa operacionalmente é se você pode executar os pesos do modelo por conta própria, não se o código de treinamento é público. Os casos comuns são:
- Pesos totalmente abertos com licença permissiva (Apache 2.0, MIT): Você pode usar, modificar e servir o modelo comercialmente, sujeito aos termos da licença. Exemplos: Qwen3.6 (Apache 2.0), DeepSeek R1 (MIT) e GLM-5.1 (MIT).
- Pesos abertos com licença personalizada: Os pesos podem ser baixados, mas o uso comercial, redistribuição ou ajuste fino podem ter restrições. O Llama 4 da Meta usa uma licença personalizada com limites de contagem de usuários acima de 700 milhões de usuários mensais.
- Pesos apenas para pesquisa ou com acesso restrito: Os pesos estão disponíveis, mas restritos a uso não comercial ou exigem aprovação. Menos relevante para equipes de produção.
Para a maioria das decisões de produção, o filtro prático é: você pode servir legalmente este modelo para seus usuários, e a licença permite o caso de uso comercial que você precisa?
Melhores LLMs open source em 2026
O nível de peso aberto se comprimiu significativamente. Esta lista foi atualizada em 22 de julho de 2026 para incluir os lançamentos mais recentes do Qwen, Kimi e GLM. Um limite importante: a Moonshot anunciou o Kimi K3 em 16 de julho, mas seus pesos completos estão programados para 27 de julho. Até que esses pesos sejam realmente publicados, o Kimi K2.6 continua sendo o modelo Kimi mais recente para download coberto aqui.
Propósito geral e raciocínio
DeepSeek V4 Pro (685B, similar ao MIT) é o líder atual de benchmark para codificação agente. Ele empata ou supera modelos de fronteira fechados em SWE-Bench e benchmarks de chamada de função, tornando-o uma escolha prática para agentes de codificação que precisam ler grandes bases de código e executar chamadas de ferramenta em várias etapas. Ele está disponível como uma API hospedada se você não tiver a infraestrutura para executar um modelo de 685B por conta própria.
Qwen3.6 expande a família Qwen de peso aberto com variantes densas e MoE esparsas, entrada multimodal e uma janela de contexto nativa de 262K. A licença Apache 2.0 o mantém prático para implantação comercial, enquanto a variedade de tamanhos de modelo dá às equipes mais espaço para equilibrar qualidade e custo de serviço.
Kimi K2.6 é o modelo MoE de peso aberto de 1T parâmetros da Moonshot AI com 32B parâmetros ativos e uma janela de contexto de 256K. Ele é projetado para codificação agente de longo horizonte, uso de ferramentas e coordenação multiagente, e está disponível através de acesso via API hospedada se você não quiser operar o modelo completo por conta própria.
DeepSeek R1 (685B, MIT) continua sendo a escolha mais forte para matemática e raciocínio formal — 79,8% no AIME. Se sua aplicação envolve verificação de código, provas formais ou cadeias de raciocínio estruturado, o R1 é o ponto de referência de benchmark.
GLM-5.1 é a atualização do GLM-5 licenciada sob MIT da Z.ai, com 40B parâmetros ativos e uma janela de contexto de 204,8K. Seu principal ajuste é o trabalho agente de longo horizonte, onde um modelo deve continuar iterando, inspecionar resultados e mudar de estratégia em vez de parar após uma passagem curta de codificação.
Específicos para codificação
Qwen 2.5 Coder 32B (Apache 2.0) atinge 92% no HumanEval e roda em uma única RTX 4090. Se você precisa de um modelo de codificação que possa auto-hospedar em hardware de consumo, esta é a escolha prática.
Kimi K2.6 também é a escolha atual focada em codificação da Kimi. Seu design de contexto longo e longo horizonte o torna mais relevante do que a variante anterior Kimi K2 Code para trabalho sustentado em repositórios, fluxos de trabalho com muitas ferramentas e depuração autônoma.
Pequenos e eficientes
Phi-4 14B da Microsoft roda em 8GB de VRAM e lida bem com instruções, código e raciocínio leve. Use-o quando a latência e as restrições de hardware importam mais do que a qualidade máxima.
Llama 4 Scout da Meta suporta até 10 milhões de tokens de contexto e cabe em 16GB de VRAM. A escolha certa quando sua carga de trabalho envolve processamento de documentos longos.
Comparação de modelos de relance
| Modelo | Tamanho | Licença | Melhor para | Contexto |
|---|---|---|---|---|
| DeepSeek V4 Pro | 685B | Similar ao MIT | Codificação agente, SWE-Bench | 1M |
| Qwen3.6 | Variantes densas e MoE | Apache 2.0 | Raciocínio multimodal, uso comercial | 262K |
| Kimi K2.6 | 1T MoE, 32B ativos | MIT modificado | Codificação agente, uso de ferramentas | 256K |
| DeepSeek R1 | 685B | MIT | Matemática, raciocínio formal | 163K |
| GLM-5.1 | MoE, 40B ativos | MIT | Trabalho agente de longo horizonte | 204,8K |
| Qwen 2.5 Coder 32B | 32B | Apache 2.0 | Código, auto-hospedado | 128K |
| Phi-4 14B | 14B | MIT | Baixa VRAM, uso em desenvolvimento | 128K |
| Llama 4 Scout | ~109B | Personalizada | Documentos de contexto longo | 10M |
Auto-hospedagem vs. inferência via API hospedada
Esta é a decisão operacional que determina seu custo real e investimento de tempo. A versão curta: a inferência via API hospedada é mais barata e mais rápida de operar, a menos que você esteja passando de aproximadamente 2 a 5 milhões de tokens por dia com tráfego sustentado em um período de 12 meses.
Quando a inferência via API hospedada vence
- Sua equipe não tem experiência em operações de GPU
- Você ainda está prototipando ou iterando na seleção do modelo
- Seu volume de tokens está abaixo do ponto de equilíbrio da auto-hospedagem
- Você precisa trocar de modelos rapidamente à medida que novos lançamentos surgem
- Confiabilidade e escalonamento automático importam mais do que a otimização de custos
Uma API de LLM hospedada, especialmente uma compatível com OpenAI, permite adicionar um novo modelo com uma alteração de uma linha em sua URL base e ID do modelo. Você evita gerenciamento de cold-start, trade-offs de quantização, configuração de lote e atualizações de framework de serviço.
Quando a auto-hospedagem vence
- Seus dados não podem sair da sua infraestrutura (saúde, finanças, jurídico, indústrias regulamentadas)
- Você está processando mais de 5 milhões de tokens por dia com tráfego previsível
- Você precisa servir um checkpoint ajustado ou adaptado que nenhum provedor hospedado oferece
- Você tem um cluster de GPU existente com capacidade disponível
Auto-hospedar em H100s com SGLang ou vLLM é genuinamente econômico em escala. Benchmarks recentes colocam o SGLang com 29% mais throughput que o vLLM em cargas de trabalho padrão, e até 6x mais rápido em pipelines RAG com prefixo pesado via RadixAttention. Mas esses ganhos só importam se você tiver a capacidade operacional para manter a pilha de serviço através de atualizações de modelo, falhas de hardware e picos de tráfego.
O caminho híbrido
A maioria das equipes acaba em um caminho híbrido: API hospedada para prototipagem e acesso flexível a modelos, instâncias de GPU para cargas de trabalho que justificam capacidade dedicada. A vantagem prática de permanecer em uma única plataforma de nuvem de IA é que você não precisa reconstruir pipelines de autenticação, faturamento, observabilidade e implantação quando passa de API serverless para endpoint dedicado para instância de GPU personalizada.
Como acessar LLMs open source via API
A Novita AI fornece acesso via API compatível com OpenAI a um catálogo de modelos open source, incluindo DeepSeek V4 Pro, DeepSeek V4 Flash, Kimi K2.6, Qwen3.6, GLM-5.1, MiniMax M3 e outros. A estrutura do endpoint é a mesma da OpenAI, então o código existente que usa o SDK openai pode se conectar aos modelos da Novita com alterações mínimas.
Chamada básica de API
from openai import OpenAI
client = OpenAI(
base_url="https://api.novita.ai/v3/openai",
api_key="YOUR_NOVITA_API_KEY",
)
response = client.chat.completions.create(
model="deepseek/deepseek-v4-pro",
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Explain the difference between DeepSeek R1 and V4 Pro."},
],
)
print(response.choices[0].message.content)
Para trocar de modelos, altere o parâmetro model. Nenhuma outra alteração é necessária. Uma lista completa de IDs de modelos suportados está disponível em novita.ai/docs/model-api/reference/llm/models.html.
TypeScript
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.novita.ai/v3/openai",
apiKey: process.env.NOVITA_API_KEY,
});
const response = await client.chat.completions.create({
model: "qwen/qwen3.5-397b-a17b",
messages: [{ role: "user", content: "Write a Python function to parse JSON." }],
});
console.log(response.choices[0].message.content);
Referência de preços
Os preços variam por modelo e são cobrados por milhão de tokens. DeepSeek V4 Flash a $0,14/Mt de entrada e $0,28/Mt de saída é a opção de propósito geral mais econômica. DeepSeek V4 Pro a $1,60/Mt de entrada e $3,20/Mt de saída é a escolha premium para fluxos de trabalho agente e de codificação onde a qualidade do modelo afeta diretamente a taxa de conclusão de tarefas. Verifique novita.ai/models/llm para preços atuais, pois isso muda com a adição de novos modelos.
LLMs open source para agentes de codificação
As configurações mais eficazes de agentes de codificação em 2026 combinam um LLM open source para raciocínio e geração de código com um ambiente de execução em sandbox para executar o código. Esta é uma arquitetura diferente de uma simples chamada de API: o agente precisa ler arquivos, escrever código, executar comandos, inspecionar a saída e iterar.
Os dois modos de falha a evitar são:
- Executar código gerado pelo agente em sua máquina de desenvolvimento ou servidor de produção — um erro se o modelo gerar algo destrutivo ou inesperado
- Configurar uma VM completa por sessão de agente por conta própria — rápido de superar, lento para escalar
Novita Agent Sandbox
O Agent Sandbox da Novita fornece ambientes Linux isolados que inicializam em menos de 200ms. Cada sandbox tem um sistema de arquivos que o agente pode ler e escrever, um shell no qual o agente pode executar comandos e isolamento para que tudo o que o modelo gerar não possa afetar outros sandboxes ou sua infraestrutura. As sessões persistem entre solicitações, para que o agente possa manter o estado em uma tarefa de várias etapas.
O SDK Python é direto:
from novita_sandbox.code_interpreter import Sandbox
sandbox = Sandbox.create()
# Agent writes a file
sandbox.files.write("/workspace/app.py", code_content)
# Agent runs it
result = sandbox.commands.run("python /workspace/app.py")
print(result.stdout)
# Clean up
sandbox.kill()
Combine isso com qualquer modelo compatível com OpenAI na API LLM da Novita, e você terá um agente de codificação que pode gerar, executar, inspecionar e revisar código sem qualquer infraestrutura além de sua chave de API.
Frameworks de agentes open source
Vários agentes de codificação open source estão disponíveis como runtimes prontos para uso no Agent Sandbox da Novita:
- OpenClaw na Novita — implante um agente OpenClaw persistente via sandbox da Novita sem limite de sessão. Ele se conecta automaticamente à API LLM e ao sandbox da Novita, tornando-o prático para tarefas de automação de longa duração.
- Hermes Agent — um agente autônomo da Nous Research com memória persistente. Executa como um processo de longa duração em vez de uma única sessão.
- Goose — um agente de codificação open source (mais de 45.000 estrelas no GitHub) com a Novita como provedor nativo, dando a ele acesso a mais de 200 modelos por trás de uma única credencial.
Para equipes que constroem agentes de codificação personalizados em vez de implantar um framework existente, o Novita Agent Runtime oferece uma camada de scaffolding leve que lida com o ciclo de vida do sandbox, roteamento de chamadas de ferramenta e persistência de sessão.
Qual LLM open source você deve usar?
A árvore de decisão é curta:
Para tarefas de codificação e agente: Comece com DeepSeek V4 Pro via API. Ele é o líder atual de desempenho para SWE-Bench e uso de ferramentas em várias etapas. Se o custo for a restrição, DeepSeek V4 Flash lida com tarefas de código mais simples a uma fração do preço.
Para raciocínio e matemática: DeepSeek R1 ainda é a referência de benchmark para AIME e raciocínio formal. Use-o quando a tarefa envolver resolução de problemas estruturada em vez de execução de código.
Para uso comercial com licenciamento aberto: Qwen3.6 sob Apache 2.0 é um ponto de partida prático quando sua equipe jurídica precisa de uma licença permissiva familiar. Escolha entre as variantes densas e MoE com base em seu orçamento de serviço e testes de qualidade de tarefa.
Para codificação auto-hospedada em GPUs de consumo: Qwen 2.5 Coder 32B roda em uma única RTX 4090 e pontua 92% no HumanEval. Se você precisa auto-hospedar um modelo de codificação sem infraestrutura de GPU de ponta, esta é a escolha prática.
Para documentos longos: Llama 4 Scout com sua janela de contexto de 10 milhões de tokens lida com cargas de trabalho que exigiriam fragmentação em qualquer outro modelo.
Para ambientes pequenos: Phi-4 14B cabe em 8GB de VRAM e lida bem com instruções, geração de código e raciocínio leve.
O padrão em todas essas escolhas: o acesso via API hospedada remove a sobrecarga operacional e permite que você troque de modelos à medida que o cenário evolui. A auto-hospedagem faz sentido quando a soberania de dados ou a economia de tokens em escala justificam o investimento em operações de GPU. A maioria das equipes de produção acaba fazendo ambos.
Conclusão
O cenário de LLM open source em 2026 é fundamentalmente diferente de dois anos atrás. Modelos como DeepSeek V4 Pro, Qwen3.6, Kimi K2.6 e GLM-5.1 são candidatos de primeira escolha para cargas de trabalho específicas, como codificação agente, raciocínio formal, análise multimodal e processamento de contexto longo.
A decisão prática não é qual modelo é melhor em um ranking. É qual modelo se encaixa no seu modelo operacional: uma API hospedada se você precisar se mover rápido e evitar operações de GPU, auto-hospedagem se seus dados não puderem sair da sua infraestrutura ou sua economia de token justificar o investimento, e uma camada de execução em sandbox se seu modelo precisar agir sobre o código em vez de apenas gerá-lo.
A API LLM da Novita AI cobre os principais modelos open source por trás de um endpoint compatível com OpenAI, para que você possa executar o mesmo código de integração contra DeepSeek, Qwen, Kimi ou GLM sem reconstruir sua pilha para cada lançamento de modelo. Combine-a com o Agent Sandbox quando a tarefa exigir execução de código, e você terá o núcleo de um agente de codificação pronto para produção sem gerenciar a infraestrutura subjacente por conta própria.
FAQ
Qual é o melhor LLM open source em 2026?
DeepSeek V4 Pro é um forte candidato para codificação agente, Kimi K2.6 tem como alvo o uso de ferramentas de longo horizonte, Qwen3.6 oferece opções Apache 2.0 em vários tamanhos, e GLM-5.1 tem como alvo a execução agente sustentada. A resposta certa depende da sua tarefa, requisitos de licença, hardware e se você deseja auto-hospedar.
Quais são os melhores LLMs open source para uso local?
Qwen 2.5 Coder 32B (uma única RTX 4090), Phi-4 14B (8GB de VRAM) e Llama 4 Scout (16GB de VRAM, 10M de contexto) são as escolhas práticas para inferência local. Modelos acima de 70B geralmente exigem configurações de múltiplas GPUs.
Os modelos de linguagem grandes open source são tão bons quanto os modelos fechados?
Para tarefas específicas, sim. DeepSeek V4 Pro iguala ou supera o GPT-4.1 no SWE-Bench e benchmarks de codificação. Para tarefas abertas em geral, os melhores modelos fechados ainda mantêm uma vantagem. A diferença depende muito da tarefa e do benchmark específicos.
Quais são as notícias de LLM open source hoje?
Em 22 de julho de 2026, os lançamentos recentes de peso aberto incluem Qwen3.6, Kimi K2.6, GLM-5.1 e DeepSeek V4 Pro. O Kimi K3 foi anunciado, mas seus pesos completos estão programados para 27 de julho, portanto, não deve ser tratado ainda como uma opção de peso aberto para download.
Como acesso modelos LLM open source sem auto-hospedar?
Use uma API de inferência hospedada. A Novita AI fornece acesso compatível com OpenAI ao DeepSeek, Qwen, Kimi, GLM, MiniMax e outros modelos open source. Altere sua URL base para https://api.novita.ai/v3/openai e o ID do modelo para o desejado; nenhuma outra alteração no seu código existente.
Qual é a diferença entre LLMs open source e modelos de linguagem open source?
Os termos são usados de forma intercambiável na maioria dos contextos. Tecnicamente, “large language model” refere-se especificamente a modelos de linguagem baseados em transformers treinados em escala. “Modelo de linguagem open source” também pode se referir a modelos menores ou modelos fora da arquitetura transformer, mas no uso atual, ambos os termos descrevem a mesma categoria de modelos.
