Um relatório da SemiAnalysis publicado em 21 de agosto traçou como uma curva a diferença de pontuação entre modelos de código aberto e a fronteira do código fechado ao longo dos últimos três anos e meio. A regra que ele apresenta é direta: a cada geração que o código aberto alcança, o tempo necessário cai pela metade.
Os autores dividiram essa história em três fases para medi-la. Na fase inicial de escalonamento, tendo o GPT-3.5 Turbo como referência, o lado open source partiu do Llama-2-70B e levou até o Llama-3.1-405B, em julho de 2024, para fechar a lacuna — um intervalo de mais de um ano. Na fase de raciocínio, o ritmo acelerou visivelmente: a diferença de 12,1 pontos aberta pelo o1-preview foi fechada pelo R1-0528 em 8,5 meses. Já na fase agentic, o Kimi K2.6 marcou 56,3 pontos e ultrapassou o Opus 4.5 em apenas 4,8 meses; o GLM-5.2 marcou 72,4 pontos e ultrapassou o GPT-5.2 em 6 meses.
Mais de um ano, 8,5 meses, depois 5 a 6 meses — colocando essas três janelas lado a lado, a inclinação de "corte pela metade" fica evidente.
Por que a recuperação está cada vez mais rápida
O relatório atribui essa aceleração a vários fatores ocorrendo ao mesmo tempo: pesos abertos permitem que a capacidade seja copiada diretamente, a destilação permite que as pontuações sejam transferidas a baixo custo, e até os próprios ambientes de aprendizado por reforço estão sendo replicados publicamente. Os autores escrevem uma frase que soa quase como um veredito: nada permanece em segredo para sempre, ainda mais considerando o papel da destilação.
Fazendo uma extrapolação bruta a partir dessa curva (uma estimativa — o próprio relatório não chega a esse ponto): se o padrão de corte pela metade se mantiver por mais uma geração, a próxima janela de recuperação cairia para dois ou três meses, praticamente lançamentos simultâneos dentro da mesma geração. Para o lado do código fechado, a pressão recai sobre os preços mais rápido do que sobre os rankings. Por quanto tempo um modelo consegue cobrar um prêmio depende de quanto tempo dura sua vantagem; à medida que essa janela de vantagem encolhe de um ano para um trimestre, o tempo para repensar a estratégia de preços encolhe na mesma proporção.
A questão da comoditização
O relatório não evita a pergunta que mais preocupa o mercado: se o código aberto conseguir se manter próximo o suficiente da fronteira a uma fração do custo, a camada de modelos vai se tornar uma commodity? Os autores escrevem que esse desfecho seria claramente desastroso para as margens dos laboratórios de fronteira.
Em seguida, eles apresentam a base para esse julgamento. Modelos abertos como GLM 5.3 e Kimi K3 já são "genuinely capable" — genuinamente capazes — de assumir boa parte das tarefas de programação e de agentes que levaram a receita anualizada da Anthropic a superar US$ 65 bilhões. A escolha das palavras no original é deliberada: o código aberto realmente consegue fazer esse tipo de trabalho, não apenas alcançar números de benchmark parecidos na superfície.
A escala da demanda também é apresentada: segundo o relatório, só a Fireworks já processa mais de 40 trilhões de tokens por dia, o dobro do volume da API da OpenAI no fim de março. O negócio de inferência que hospeda modelos de pesos abertos está crescendo — o que é, ao mesmo tempo, prova de que a capacidade do código aberto foi validada e um dos caminhos pelos quais as margens na camada de modelos estão sendo diluídas.
Os próprios autores pisam no freio
Ainda assim, o tom da conclusão não é pessimista em relação aos modelos de fronteira. O relatório admite abertamente que os benchmarks são só parte do quadro: mesmo com o Kimi K3 pontuando mais alto, os autores continuam preferindo o Fable 5 no trabalho do dia a dia. Dois motivos são dados: primeiro, a diferença na experiência de produto fica fora das pontuações; segundo, os próprios escores podem ser inflados por ambientes de aprendizado por reforço criados especificamente para isso, o que deixa uma lacuna sistemática entre o ranking e a sensação real de uso. Eles encerram o texto com uma frase relativamente moderada: não é tão pessimista em relação aos modelos de fronteira quanto se poderia pensar de início.
Para leitores de língua chinesa, esse relatório ainda tem outra camada de leitura. Nas três curvas, os protagonistas da última e mais rápida fase de recuperação são, quase todos, modelos de pesos abertos de equipes chinesas: Kimi, GLM, além da próxima geração citada nominalmente. A própria amostra que analistas estrangeiros usam para argumentar que "o código aberto está acelerando" é, essencialmente, o ritmo de lançamento desse grupo de modelos nacionais. Vistos por outro ângulo, os mesmos dados também mostram que os fornecedores chineses já transformaram os pesos abertos em uma frente de batalha principal, deixando de tratá-los como uma opção complementar ao código fechado.
Quanto ao que resta para o lado do código fechado, a resposta do relatório está na produtização, na distribuição e na entrega para empresas. Nada disso aparece em uma tabela de benchmark, mas é isso que decide a quem pertence um número como US$ 65 bilhões.
Fontes: SemiAnalysis, relatório "Are Open Models Catching Up?"; compilado pela redação da CocoLoop; os dados sobre os meses de recuperação em cada era, os critérios de pontuação do Kimi K2.6 e do GLM-5.2 e o volume diário de tokens da Fireworks foram conferidos com o relatório original.