Comparação de modelos de pesos abertos
Comparação e análise de modelos de IA de pesos abertos em métricas importantes de desempenho, como qualidade, desempenho, velocidade de inferência, janela de contexto, número de parâmetros e detalhes da licença.
Os modelos são considerados de pesos abertos (também chamados frequentemente de código aberto) quando seus pesos estão disponíveis para download. Isso permite a auto-hospedagem em sua própria infraestrutura e a personalização do modelo, por exemplo, por meio de ajuste fino.
Para mais detalhes sobre nossa metodologia, consulte as perguntas frequentes.
Destaques
Abertura
Artificial Analysis Openness Index: Score
Progresso dos modelos de pesos abertos
Progress in Open Weights vs. Proprietary Intelligence
Evolução da inteligência dos modelos de linguagem de pesos abertos por laboratório
Evolução da inteligência dos modelos de pesos abertos por tamanho
Inteligência
Artificial Analysis Intelligence Index
Intelligence Evaluations
Agentic knowledge work, (Elo-500)/2000
Agentic real-world work tasks, (Elo-500)/2000
Agentic SaaS workflows
Agentic coding & terminal use
Coding
Reasoning & knowledge
Professional document reasoning, All-pass
Physics reasoning
Knowledge
1 - hallucination rate
Long context reasoning
Legal agentic work, criterion pass rate
Agentic business operations
Quantitative analysis on spreadsheets & documents
Instruction following
Agentic tool use
Long-horizon agentic tasks
Kubernetes incident root-cause analysis
Visual reasoning
Tamanho
Intelligence Index por tamanho do modelo
Model Size: Total and Active Parameters
Intelligence Index vs. Active Parameters
Intelligence Index vs. Total Parameters
Janela de contexto
Context Window
Mais detalhes
Pesos | Benchmarks de provedores | ||||||||
|---|---|---|---|---|---|---|---|---|---|
GLM-5.3 (max) | 45 | 753B 40B ativos durante a inferência | 1M | $0.9 | 73 | +14 | |||
Kimi K3 (max) | 44 | 2.8T 104B ativos durante a inferência | 1M | $2.3 | 35 | +14 | |||
GLM-5.3-Flash | 42 | 320B 18B ativos durante a inferência | 1M | $0.1 | 114 | +16 | |||
Qwen3.8 2.4T A95B | 40 | 2.4T 95B ativos durante a inferência | 984k | $1.2 | 41 | +3 | |||
DeepSeek V4.1 Flash (Reasoning, Max Effort) | 40 | 552B 16B ativos durante a inferência | 1M | $0.2 | 222 | +2 | |||
DeepSeek V4 Pro 0813 (Reasoning, Max Effort) | 36 | 1.6T 49B ativos durante a inferência | 1M | $0.7 | 91 | +7 | |||
Qwen3.8 27B (xhigh) | 34 | 27B | 256k | $0.4 | 46 | +5 | |||
K2 Horizon 375B A23B | 31 | 375B 23B ativos durante a inferência | 524k | - | - | - | |||
MiniMax-M3 | 30 | 428B 23B ativos durante a inferência | 1M | $0.2 | 103 | +12 | |||
Inkling (xhigh) | 26 | 975B 41B ativos durante a inferência | 1M | $0.7 | 88 | +3 | |||
Nemotron 3 Ultra 550B A55B (Reasoning) | 23 | 550B 55B ativos durante a inferência | 262k | $0.5 | 204 | +6 | |||
Muse Glimmer (high) | 18 | 30B | 131k | $0.2 | 91 | ||||
Mistral Medium 3.5 | 15 | 128B | 256k | $1.2 | 147 | ||||
gpt-oss-120b (high) | 12 | 117B 5.1B ativos durante a inferência | 131k | $0.2 | 226 | +17 |