O melhor LLM open source para o seu projeto em 2026 depende da tarefa, não do título do benchmark. Modelos como DeepSeek V4 Pro, Qwen 3.5, Kimi K2 e GLM-5 agora igualam ou superam APIs fechadas em benchmarks específicos, mas a questão prática é mais simples: você precisa executar o modelo você mesmo ou precisa que ele funcione de forma confiável em produção sem uma equipe de operações de GPU? Este guia aborda os principais LLMs open source, como escolher entre auto-hospedagem e acesso via API hospedada, e como conectar modelos open source a um agente de programação usando a Novita AI.
O que conta como um LLM open source?
“Open source” abrange uma ampla gama 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 sem restrições. Exemplos: Qwen 3.5 (Apache 2.0), DeepSeek R1 (MIT), GLM-5 (MIT).
- Pesos abertos com licença personalizada: Os pesos são baixáveis, mas o uso comercial, redistribuição ou fine-tuning 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 aos seus usuários, e a licença permite o caso de uso comercial que você precisa?
Melhores LLMs open source em 2026
O nível de pesos abertos se comprimiu significativamente. Sete grandes lançamentos de modelos open source ocorreram apenas em abril de 2026. Aqui estão os modelos que valem a pena avaliar:
Uso geral e raciocínio
DeepSeek V4 Pro (685B, licença similar ao MIT) é o líder atual de benchmark para programação agentiva. Ele empata ou supera modelos de fronteira fechados no SWE-Bench e benchmarks de chamada de função, tornando-se uma escolha prática para agentes de programação que precisam ler grandes bases de código e executar chamadas de ferramentas em múltiplas etapas. Está disponível como API hospedada se você não tiver a infraestrutura para executar um modelo de 685B por conta própria.
Qwen 3.5 (397B MoE, Apache 2.0) é o modelo mais forte totalmente com licença permissiva disponível. Com 397B total e 17B de parâmetros ativos, atinge pontuações competitivas de raciocínio e programação, mantendo-se eficiente em custo por token. A licença Apache 2.0 o torna a escolha padrão quando a compatibilidade de licença é importante.
Kimi K2 (aproximadamente 1T MoE) da Moonshot AI está no topo do Artificial Analysis Index entre modelos abertos e é particularmente forte para uso de ferramentas e tarefas de contexto longo. Está disponível via API hospedada se você não quiser auto-hospedar um MoE de trilhão de parâmetros.
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 estruturadas, o R1 é o ponto de referência de benchmark.
GLM-5 (744B, MIT) da Zhipu AI é o primeiro modelo de pesos abertos a atingir 50 no AI Intelligence Index e marca 85 no líder de pesos abertos do BenchLM. Forte para fluxos de trabalho autônomos de correção de bugs.
Específicos para programação
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 programação que possa auto-hospedar em hardware de consumo, esta é a escolha prática.
Kimi K2 Code é a variante de programação acessível via API do Kimi K2, otimizada para geração de código e tarefas de programação agentiva. Disponível na Novita AI com contexto de 262K.
Pequenos e eficientes
Phi-4 14B da Microsoft roda em 8GB de VRAM e lida bem com instruções, código e raciocínio leve. Use quando a latência e as restrições de hardware forem mais importantes que a qualidade máxima.
Llama 4 Scout da Meta suporta até 10M 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 | Programação agentiva, SWE-Bench | 1M |
| Qwen 3.5 | 397B MoE | Apache 2.0 | Raciocínio, uso comercial | 128K |
| Kimi K2 | ~1T MoE | Personalizada | Uso de ferramentas, contexto longo | 128K |
| DeepSeek R1 | 685B | MIT | Matemática, raciocínio formal | 163K |
| GLM-5 | 744B | MIT | Correção de bugs, geral | 128K |
| 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 resumida: a inferência via API hospedada é mais barata e rápida de operar, a menos que você esteja ultrapassando aproximadamente 2–5 milhões de tokens por dia com tráfego sustentado ao longo 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 de modelos
- Seu volume de tokens está abaixo do ponto de equilíbrio da auto-hospedagem
- Você precisa trocar de modelos rapidamente à medida que novos lançamentos aparecem
- Confiabilidade e auto-escalabilidade são mais importantes 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 na sua URL base e ID do modelo. Você evita gerenciamento de cold-start, trade-offs de quantização, configuração de batching e upgrades de frameworks de serviço.
Quando a auto-hospedagem vence
- Seus dados não podem sair da sua infraestrutura (saúde, finanças, direito, indústrias reguladas)
- Você está processando mais de 5 milhões de tokens por dia com tráfego previsível
- Você precisa servir um checkpoint fine-tuned ou adaptado que nenhum provedor hospedado oferece
- Você tem um cluster GPU existente com capacidade disponível
Auto-hospedar em H100s com SGLang ou vLLM é genuinamente econômico em escala. Benchmarks recentes colocam SGLang com 29% mais throughput que vLLM em cargas de trabalho padrão, e até 6x mais rápido em pipelines RAG com prefixos pesados via RadixAttention. Mas esses ganhos só importam se você tiver a capacidade operacional para manter a stack de serviço através de atualizações de modelo, falhas de hardware e picos de tráfego.
O caminho híbrido
A maioria das equipes acaba em um híbrido: API hospedada para prototipagem e acesso flexível a modelos, instâncias 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 migra de API serverless para endpoint dedicado para instância 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, Qwen 3.5, GLM-5, 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 Novita com alterações mínimas.
Chamada básica à 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 modelo, altere o parâmetro model. Nenhuma outra alteração é necessária. Uma lista completa de IDs de modelo 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 uso 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 agentivos e de programação 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 programação
As configurações de agentes de programação mais eficazes em 2026 combinam um LLM open source para raciocínio e geração de código com um ambiente de execução isolado (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 saídas 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 se tornar insuficiente, lento para escalar
Novita Agent Sandbox
O Agent Sandbox da Novita fornece ambientes Linux isolados que são iniciados em menos de 200ms. Cada sandbox possui um sistema de arquivos que o agente pode ler e escrever, um shell onde o agente pode executar comandos e isolamento para que o que o modelo gerar não afete outros sandboxes ou sua infraestrutura. As sessões persistem entre requisições, permitindo que o agente mantenha estado ao longo de uma tarefa de múltiplas 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 programação que pode gerar, executar, inspecionar e revisar código sem qualquer infraestrutura além da sua chave de API.
Frameworks de agentes open source
Vários agentes de programação open source estão disponíveis como runtimes prontos para uso no Agent Sandbox da Novita:
- OpenClaw na Novita — implante um agente OpenClaw persistente via sandbox Novita sem limite de sessão. Ele se conecta automaticamente à API LLM da Novita e ao sandbox, tornando-o prático para tarefas de automação de longa duração.
- Hermes Agent — um agente autônomo da Nous Research com memória persistente. Funciona como um processo de longa duração em vez de uma sessão única.
- Goose — um agente de programação open source (45K+ estrelas no GitHub) com Novita como provedor nativo, dando a ele acesso a mais de 200 modelos com uma única credencial.
Para equipes que estão construindo agentes de programação personalizados em vez de implantar um framework existente, o Novita Agent Runtime oferece uma camada leve de scaffolding que gerencia o ciclo de vida do sandbox, o roteamento de chamadas de ferramentas e a persistência de sessão.
Qual LLM open source você deve usar?
A árvore de decisão é curta:
Para tarefas de programação e agentivas: Comece com DeepSeek V4 Pro via API. É o líder atual de desempenho para SWE-Bench e uso de ferramentas em várias etapas. Se o custo for uma restrição, o DeepSeek V4 Flash lida com tarefas de código mais simples por uma fração do preço.
Para raciocínio e matemática: DeepSeek R1 ainda é a referência de benchmark para AIME e raciocínio formal. Use quando a tarefa envolver resolução de problemas estruturada em vez de execução de código.
Para uso comercial com licenciamento aberto: Qwen 3.5 sob Apache 2.0 é a escolha mais segura quando sua equipe jurídica precisa de uma licença limpa. A arquitetura MoE de 397B mantém os custos por token baixos apesar do grande número de parâmetros.
Para programação auto-hospedada em GPUs de consumo: Qwen 2.5 Coder 32B roda em uma única RTX 4090 e marca 92% no HumanEval. Se você precisa auto-hospedar um modelo de programação sem infraestrutura GPU de alto nível, esta é a escolha prática.
Para documentos longos: Llama 4 Scout com sua janela de contexto de 10M tokens lida com cargas de trabalho que exigiriam chunking 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 dos 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 LLMs open source em 2026 é fundamentalmente diferente de dois anos atrás. Modelos como DeepSeek V4 Pro, Qwen 3.5 e Kimi K2 não são mais “bons o suficiente para a maioria das tarefas” — eles são a primeira escolha para cargas de trabalho específicas como programação agentiva, raciocínio formal e processamento de documentos de contexto longo.
A decisão prática não é qual modelo é melhor em um leaderboard. É qual modelo se encaixa no seu modelo operacional: uma API hospedada se você precisa se mover rápido e evitar operações de GPU, auto-hospedagem se seus dados não podem sair da sua infraestrutura ou sua economia de tokens justifica o investimento, e uma camada de execução em sandbox se seu modelo precisa 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 stack para cada lançamento de modelo. Combine com o Agent Sandbox quando a tarefa exigir execução de código, e você terá o núcleo de um agente de programação pronto para produção sem gerenciar a infraestrutura subjacente por conta própria.
FAQ
Qual é o melhor LLM open source em 2026?
DeepSeek V4 Pro e Kimi K2 lideram em benchmarks gerais, com DeepSeek V4 Pro especificamente à frente em programação agentiva e SWE-Bench. Qwen 3.5 é a opção permissivamente licenciada mais forte (Apache 2.0). A resposta certa depende da sua tarefa: programação, raciocínio, contexto longo ou baixa VRAM.
Quais são os melhores LLMs open source para uso local?
Qwen 2.5 Coder 32B (única RTX 4090), Phi-4 14B (8GB VRAM) e Llama 4 Scout (16GB VRAM, 10M contexto) são as escolhas práticas para inferência local. Modelos acima de 70B geralmente exigem configurações multi-GPU.
Os grandes modelos de linguagem open source são tão bons quanto os modelos fechados?
Para tarefas específicas, sim. DeepSeek V4 Pro iguala ou supera GPT-4.1 no SWE-Bench e benchmarks de programação. Para tarefas abertas em geral, os principais modelos fechados ainda mantêm uma vantagem. A diferença depende muito da tarefa e do benchmark específicos.
Quais são as notícias sobre LLMs open source hoje?
A cadência de lançamentos de LLMs open source em 2026 é aproximadamente mensal. Lançamentos recentes importantes incluem GLM-5, Kimi K2, DeepSeek V4 Pro e Qwen 3.5. Para notícias atuais, siga o blog da Novita AI e confira o leaderboard do Artificial Analysis para classificações atualizadas.
Como acesso modelos LLM open source sem auto-hospedagem?
Use uma API de inferência hospedada. A Novita AI fornece acesso compatível com OpenAI a 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 transformer 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.
