O melhor
10 melhores LLMs de código aberto (novembro 2026)

O melhor LLM de código aberto é aquele que você consegue implantar, avaliar e manter para o trabalho de que realmente precisa. Um modelo que cabe em uma estação de trabalho pode ser mais valioso do que outro com pontuação mais alta que exige um cluster. Por outro lado, uma organização que executa agentes de programação exigentes pode aceitar, com razão, custos substanciais de infraestrutura em troca de um desempenho superior nas tarefas.
Avaliamos de forma independente cada modelo deste guia quanto à capacidade, à praticidade de implantação, ao licenciamento, à documentação e à adequação ao caso de uso declarado. Esta é uma classificação editorial, não um novo benchmark prático: as alegações de desempenho publicadas vêm dos desenvolvedores dos modelos vinculados e não são diretamente comparáveis entre diferentes estruturas de avaliação ou configurações. A acessibilidade prática tem um peso considerável, e é por isso que Qwen3.8-27B, Gemma 4 e gpt-oss lideram a lista.
Escopo: Este guia aborda LLMs de código aberto e LLMs com pesos abertos. Os pesos disponíveis para download não incluem necessariamente os dados de treinamento nem direitos de uso irrestritos. Cada item identifica seu checkpoint ou família e sua licença; não transfira pressupostos de licenciamento de uma versão anterior ou de outro modelo do mesmo desenvolvedor. Revisado em 14 de outubro de 2026.
Comparação dos melhores LLMs de código aberto e com pesos abertos
| Ferramenta de IA | Melhor para | Recursos |
|---|---|---|
| Qwen3.8-27B | Melhor equilíbrio geral para aplicações auto-hospedadas | Modelo de linguagem denso de 27B; visão; contexto nativo de 262K; Apache 2.0 |
| Gemma 4 | Melhor variedade de tamanhos para IA multimodal local | Variantes E2B, E4B, 12B, 26B A4B e 31B; Apache 2.0 |
| gpt-oss | Melhor opção acessível para raciocínio textual | Variantes 20B e 120B; raciocínio configurável; MXFP4; Apache 2.0 |
| DeepSeek V4 | Melhor para raciocínio geral e programação em grande escala | Lançamento oficial Pro-0813; tamanhos Pro e Flash; contexto de um milhão de tokens; MIT |
| GLM-5.3 | Melhor para agentes de programação em escala de servidor | Pós-treinamento atualizado; programação de longo horizonte; licença personalizada GLM-5.3 |
| Kimi K3 | Melhor para fluxos de trabalho multimodais com agentes em grande escala | Visão nativa; 2,8T de parâmetros no total e 104B ativos; contexto de 1M; licença personalizada |
| Mistral Small 4 | Melhor modelo unificado para aplicações empresariais | 119B no total, 6,5B ativos; texto e imagens; contexto de 256K; Apache 2.0 |
| Devstral Small 2 | Melhor opção local especializada em agentes de programação | 24B de parâmetros; ferramentas para bases de código; visão; contexto de 256K; Apache 2.0 |
| Nemotron 3 Nano | Melhor para experimentar inferência eficiente com agentes | 30B no total, 3,5B ativos; arquitetura híbrida Mamba e atenção; licença NVIDIA |
| Olmo 3.1 | Melhor para pesquisa transparente e adaptação | Variantes Instruct e Think de 32B; recursos de treinamento; Apache 2.0 |
1. Qwen3.8-27B
Qwen3.8-27B é nossa primeira recomendação para desenvolvedores que querem um modelo capaz e adaptável sem precisar migrar imediatamente para um grande cluster de GPUs. Ele combina um modelo de linguagem denso com compreensão nativa de imagens e vídeos, o que o torna útil para programação, análise de documentos, assistentes de pesquisa e aplicações que precisam interpretar capturas de tela. Sua posição reflete esse equilíbrio entre recursos e praticidade de implantação, e não uma alegação de que vence todos os benchmarks.
O modelo oferece raciocínio configurável e uma janela de contexto nativa de 262.144 tokens, com possibilidade de expansão para um milhão de tokens. Essa distinção é importante: o contexto ampliado exige configuração e recursos adicionais e não deve ser considerado a experiência padrão em uma estação de trabalho. Para um assistente interno de documentos, comece com um contexto moderado e recuperação de informações; depois, amplie-o apenas se entradas mais longas melhorarem as respostas de forma mensurável.
O checkpoint usa a licença Apache 2.0. As versões quantizadas tornam a experimentação local mais acessível, mas o modelo de linguagem, os componentes de visão, o cache e o ambiente de execução consomem memória. Escolha uma implementação que ofereça suporte explícito à arquitetura e às entradas multimodais do modelo; carregá-lo com sucesso apenas para texto não comprova que imagens, chamadas de ferramentas ou contexto ampliado funcionem corretamente.
Prós e contras
- Combinação útil de programação, raciocínio e compreensão visual
- Alternativa prática a modelos que exigem clusters de grande escala
- Licença permissiva para o checkpoint
- Ainda exige bastante memória em precisões mais altas
- O contexto ampliado aumenta as exigências de implantação
Ver ficha técnica do modelo Qwen3.8-27B
2. Gemma 4
Gemma 4 é a família mais útil para adequar uma aplicação multimodal a diferentes orçamentos de hardware. O Google oferece vários tamanhos, incluindo modelos com poucos parâmetros efetivos, um modelo 12B, uma opção de mistura de especialistas com 26B e um modelo denso de 31B. Isso permite que os desenvolvedores atendam desde dispositivos com recursos limitados até estações de trabalho, sem presumir que todos os usuários consigam executar o maior checkpoint.
As capacidades variam dentro da família. O modelo 31B aceita texto e imagens, enquanto E2B, E4B e 12B também aceitam entrada de áudio. As variantes menores têm contexto de 128K, e as configurações maiores oferecem 256K. Para uma aplicação de documentos ou voz, escolha primeiro o checkpoint específico de acordo com os requisitos de entrada; o maior modelo não é automaticamente o mais adequado quando não oferece uma modalidade necessária.
Gemma 4 usa a licença Apache 2.0, mas ainda é preciso planejar com cuidado o hardware. As contagens de parâmetros efetivos de E2B e E4B excluem alguns componentes grandes de incorporação, portanto, essas designações não são estimativas confiáveis do uso de memória. Classificamos a família entre as melhores pela variedade de opções de implantação; quem busca a capacidade máxima em uma única estação de trabalho deve comparar diretamente a variante adequada do Gemma com o Qwen, usando seus próprios documentos e prompts.
Vantagens e desvantagens
- Vários tamanhos para diferentes orçamentos de implantação
- Suporte a imagens em toda a família
- Entrada de áudio em variantes selecionadas
- As modalidades e o contexto variam conforme o checkpoint
- As designações de parâmetros efetivos podem ocultar as necessidades de memória
Ver o cartão do modelo Gemma 4
3. gpt-oss
O gpt-oss da OpenAI continua sendo uma opção prática para raciocínio privado com texto e assistentes com suporte a ferramentas. A família inclui variantes 20b e 120b, e o modelo menor foi desenvolvido para funcionar em hardware mais acessível. Ele ocupa uma posição de destaque porque o objetivo de implantação é claro: os usuários podem criar um sistema de raciocínio local sem começar pelas exigências de infraestrutura de um modelo com um trilhão de parâmetros.
A versão oficial usa quantização MXFP4 para os pesos dos especialistas. A OpenAI informa que o modelo 20b funciona com 16GB de memória e o 120b, em uma GPU de 80GB; esses valores não devem ser interpretados como garantias para todos os comprimentos de contexto, ambientes de execução ou números de usuários simultâneos. É possível ajustar o esforço de raciocínio, e o modelo oferece suporte a saídas estruturadas e chamadas de ferramentas quando a aplicação fornece a camada de execução necessária.
Ambos os modelos usam a licença Apache 2.0 e exigem a formatação Harmony correta. Como aceitam apenas texto, fluxos de trabalho com documentos visuais precisam de outro componente. Para um assistente de programação, valide os esquemas das ferramentas e a recuperação de erros antes de conceder acesso de gravação. O principal motivo para escolher o gpt-oss é a inferência de texto controlável e comparativamente acessível; quem prioriza visão nativa deve começar por outra opção.
Vantagens e desvantagens
- A variante menor tem um requisito de memória documentado e acessível
- Raciocínio configurável e suporte a ferramentas
- Licença permissiva
- Não aceita entrada nativa de imagens ou áudio
- A formatação Harmony correta é essencial
Ver o cartão do modelo gpt-oss
4. DeepSeek V4
DeepSeek V4 é uma boa opção para organizações que conseguem sustentar inferência em grande escala e precisam de amplos recursos de raciocínio e programação. A atualização importante é o lançamento oficial Pro-0813, que substitui a versão de prévia anterior do Pro. Uma avaliação deve identificar esse checkpoint específico, em vez de tratar como equivalentes todos os endpoints identificados como V4, sobretudo ao comparar resultados ou investigar mudanças no comportamento de agentes.
A família abrange o Pro, com 1,6 trilhão de parâmetros no total e 49 bilhões ativados por token, e o Flash, com 284 bilhões no total e 13 bilhões ativados. A arquitetura oferece contexto de um milhão de tokens, enquanto o lançamento oficial do Pro acrescenta um módulo de decodificação especulativa. Essas escolhas de projeto buscam eficiência em uma escala considerável; os parâmetros ativados descrevem o processamento e não eliminam a necessidade de armazenar os demais pesos dos especialistas.
O lançamento usa a licença MIT. Nós o posicionamos abaixo dos líderes voltados a estações de trabalho porque a complexidade de implantação restringe bastante seu público, não porque modelos menores sejam universalmente superiores. Uma equipe que esteja construindo um serviço central de inferência deve comparar Pro e Flash pelo custo por tarefa concluída, pela simultaneidade e pela confiabilidade das ferramentas. Um desenvolvedor independente que procure um assistente local rápido deve começar por um checkpoint menor apresentado em outra parte deste guia.
Vantagens e desvantagens
- O lançamento oficial aprimora a versão de prévia anterior
- Pro e Flash oferecem opções de diferentes escalas
- Licença MIT
- Os checkpoints grandes de especialistas exigem uma infraestrutura robusta
- O desempenho com contexto longo precisa ser avaliado de acordo com cada carga de trabalho
Ver o cartão do modelo DeepSeek V4
5. GLM-5.3
GLM-5.3 é a opção atualizada de pesos abertos da Z.ai para tarefas complexas de engenharia de software e tarefas prolongadas com agentes. Ele usa o mesmo modelo-base do GLM-5.2, com melhorias provenientes do pós-treinamento. A desenvolvedora relata avanços expressivos em benchmarks de programação e de agentes, o que faz desta a versão relevante a ser avaliada, em vez de simplesmente manter a posição e a descrição da geração anterior.
Seu atrativo está na capacidade de realizar trabalho contínuo com ferramentas, arquivos e resultados intermediários. No entanto, a pontuação de agente publicada para um modelo também depende do ambiente de avaliação, do orçamento de raciocínio, do gerenciamento de contexto e do tempo disponível. Na avaliação de um assistente para repositórios, deve-se acompanhar se ele conclui a alteração solicitada, introduz regressões e usa as ferramentas corretamente. Um resultado de destaque em um benchmark, por si só, não permite determinar se esses resultados se repetirão em outro ambiente de desenvolvimento.
A diferença entre as licenças é relevante: o GLM-5.3 usa uma licença personalizada, não a licença MIT anteriormente associada à entrada do GLM-5.2 neste artigo. A licença inclui uma condição adicional de revisão para determinadas empresas de serviços de modelos de grande porte. O checkpoint, que também é substancial, exige planejamento para servidores. O GLM-5.3 deve entrar na lista de opções para programação em empresas, mas não é a escolha padrão ideal para quem busca uma instalação simples em um laptop.
Prós e contras
- Foco atualizado em programação contínua e tarefas com agentes
- Pesos disponíveis para download e caminhos de implantação documentados
- Notas detalhadas de avaliação da desenvolvedora
- A licença personalizada exige uma análise específica para cada versão
- As exigências de infraestrutura excluem a maioria dos computadores pessoais
6. Kimi K3
Kimi K3 é a opção especializada para organizações que combinam compreensão visual com raciocínio prolongado e uso de ferramentas. O modelo da Moonshot tem 2,8 trilhões de parâmetros no total, com aproximadamente 104 bilhões ativados por token, visão nativa e uma janela de contexto de um milhão de tokens. Ele é relevante quando um assistente precisa trabalhar com código, capturas de tela, documentos e históricos extensos de interação dentro do mesmo sistema.
Os detalhes de integração são particularmente importantes. Kimi K3 mantém o raciocínio ativado e espera que mensagens completas do assistente, incluindo informações de raciocínio e chamadas de ferramentas, sejam preservadas entre as interações. Portanto, um aplicativo que armazena apenas a resposta final pode tratar incorretamente o formato de conversa previsto. Antes de compará-lo com outro modelo, confirme se a camada de serviço e a estrutura do agente preservam corretamente o histórico necessário.
A licença personalizada e o checkpoint de grande porte fazem desta uma decisão de infraestrutura tanto quanto uma escolha de modelo. A quantização nativa ajuda a aumentar a eficiência do serviço, mas não o transforma em um modelo comum para estações de trabalho. Recomendamos Kimi K3 para equipes que possam justificar o custo operacional com fluxos de trabalho multimodais exigentes; tarefas comuns de resumo de texto ou pequenas coleções de documentos raramente exigem essa escala.
Prós e contras
- Compreensão visual nativa aliada ao raciocínio com contexto extenso
- Projetado para fluxos de trabalho prolongados com uso de ferramentas
- Os pesos disponibilizados permitem uma implantação controlada
- Infraestrutura de grande porte
- Licença personalizada e requisitos de formato de conversa
7. Mistral Small 4
Mistral Small 4 combina seguimento geral de instruções, raciocínio, programação e compreensão de imagens em um só modelo. Isso o torna uma opção atraente para aplicações empresariais que precisam reunir várias capacidades em uma interface consistente, em vez de manter modelos especializados separados para cada solicitação. Sua posição reflete essa versatilidade operacional, especialmente para equipes que já estão acostumadas a gerenciar um serviço de inferência substancial.
Apesar do nome Small, ele tem 119 bilhões de parâmetros no total, dos quais 6,5 bilhões são ativados por token. Oferece uma janela de contexto de 256K e esforço de raciocínio configurável, permitindo que um serviço use respostas mais curtas para perguntas rotineiras e dedique mais reflexão a tarefas difíceis. A arquitetura de mistura de especialistas reduz a computação ativa, mas o conjunto completo de pesos ainda determina boa parte das necessidades de armazenamento e memória.
O checkpoint usa a licença Apache 2.0. As opções oficiais de quantização e decodificação especulativa oferecem caminhos de otimização, embora os benefícios dependam do hardware e do suporte do ambiente de execução. Para um assistente de suporte que lê capturas de tela e produz ações estruturadas, teste em conjunto a qualidade da interpretação de imagens, a conformidade com o esquema e o tempo de resposta. Escolha-o quando a consolidação de várias capacidades simplificar as operações; não presuma que o nome indique uma ocupação de recursos equivalente à de um modelo 8B para laptops.
Prós e contras
- Combina raciocínio, seguimento de instruções, programação e visão
- O esforço de raciocínio pode variar conforme a solicitação
- Licença Apache 2.0
- A marca Small minimiza o tamanho total do modelo
- Os benefícios da otimização dependem da pilha de implantação
Ver o cartão do modelo Mistral Small 4
8. Devstral Small 2
Devstral Small 2 é uma alternativa especializada para desenvolvedores que buscam principalmente um modelo capaz de explorar repositórios, editar arquivos e atuar como agente de engenharia de software. Com 24 bilhões de parâmetros, é mais acessível para implantação do que os grandes sistemas de programação mencionados acima. Continua sendo útil como especialista, mesmo quando modelos generalistas mais recentes também merecem ser incluídos na mesma avaliação.
A Mistral informa que o modelo tem uma janela de contexto de 256K, compreensão de imagens e integração com seu ambiente de programação Vibe. Seu valor está na capacidade de conduzir um fluxo de trabalho completo de edição e testes, não em produzir um trecho de código impressionante isoladamente. Avalie-o com base na estrutura do seu repositório, nas linguagens de programação, nas restrições de dependências e no conjunto de testes, usando as mesmas ferramentas e permissões que os modelos concorrentes.
O modelo é lançado sob a licença Apache 2.0. A Mistral aponta a possibilidade de implantá-lo em GPUs para consumidores e em Macs com 32 GB, mas a precisão, o contexto e a sobrecarga do ambiente de execução afetam o que cabe de fato. Comece com sessões mais curtas e uma quantização compatível antes de tentar processar repositórios enormes em um único prompt. Recomendamos esse modelo para uma estação de trabalho dedicada à programação; equipes que precisem de recursos abrangentes de pesquisa, voz ou assistência multimodal geral devem comparar seu foco mais restrito com o dos modelos generalistas mais bem classificados.
Prós e contras
- Desenvolvido para fluxos de trabalho com repositórios e ferramentas
- Mais acessível em tamanho do que os modelos de programação de ponta
- Visão e licença permissiva
- O foco especializado é menos útil para tarefas abrangentes de assistente
- O contexto máximo não é garantia de compatibilidade com hardware para consumidores
Ver o cartão do modelo Devstral Small 2
9. Nemotron 3 Nano
O Nemotron 3 Nano, da NVIDIA, é uma opção interessante para desenvolvedores que buscam otimizar a eficiência de agentes baseados em texto. Ele combina componentes Mamba, mecanismos de atenção e camadas de mistura de especialistas, com 30 bilhões de parâmetros no total e cerca de 3,5 bilhões ativos por token. O motivo para avaliá-lo é a adequação operacional da arquitetura, não a suposição de que o nome Nano signifique que ele possa ser executado em qualquer dispositivo.
O modelo permite configurar comportamentos com e sem raciocínio por meio do modelo de chat. Isso dá ao aplicativo uma forma de reservar deliberações mais longas para solicitações difíceis e, ao mesmo tempo, buscar respostas mais rápidas para as mais simples. Sua arquitetura híbrida também torna o suporte do ambiente de execução um critério essencial de seleção: verifique a combinação específica de mecanismo, formato de quantização e hardware, em vez de presumir que todas as otimizações padrão para transformadores se aplicam.
O modelo é lançado sob a NVIDIA Nemotron Open Model License. É um candidato especializado que vale a pena considerar para equipes que estejam criando um benchmark de inferência reproduzível e dispostas a ajustar a implantação. Compare o tempo até uma resposta correta, o uso de memória e o comportamento diante de solicitações simultâneas, além da qualidade das respostas. Quem busca principalmente um assistente visual pronto para usar encontrará nas opções multimodais apresentadas anteriormente neste ranking alternativas mais adequadas a esse objetivo.
Prós e contras
- A arquitetura híbrida oferece uma alternativa voltada à eficiência
- Comportamento de raciocínio configurável
- Documentação técnica detalhada
- Voltado para texto, não é um assistente visual nativo
- É preciso verificar o suporte do ambiente de execução e a licença específica
Ver o cartão do modelo Nemotron 3 Nano
10. Olmo 3.1
O Olmo 3.1, da Ai2, merece estar nesta lista porque abertura é mais do que um botão de download. O modelo 32B Instruct faz parte de um ecossistema que disponibiliza conjuntos de dados de treinamento, código, checkpoints intermediários e metodologia. Para pesquisadores que investigam como as decisões de treinamento afetam o comportamento, esses recursos podem ser mais valiosos do que uma pontuação superior obtida por um modelo cujo processo de desenvolvimento é, em grande parte, inacessível.
A família inclui as variantes Instruct e Think, e a documentação relaciona as etapas de pré-treinamento e pós-treinamento. Isso facilita a investigação das escolhas de adaptação e a comparação entre as etapas de desenvolvimento do modelo. Para criar um assistente, comece com um checkpoint ajustado para seguir instruções; um checkpoint base tem outra finalidade e não deve ser avaliado como se já estivesse otimizado para conversas.
O Olmo 3.1 usa a licença Apache 2.0 e é, principalmente, um modelo de texto em inglês. Nós o classificamos como especialista em transparência, não como um modelo que lidera em capacidade de ponta. Grupos de pesquisa, educadores ou equipes que estudam a adaptação de modelos têm bons motivos para escolhê-lo. Quem procura um modelo para produção com visão nativa, ampla cobertura multilíngue ou o agente de programação pronto para uso mais robusto deve primeiro avaliar as alternativas acima.
Prós e contras
- Os recursos de treinamento permitem análise e pesquisa
- Várias etapas e variantes de pós-treinamento
- Licença Apache 2.0
- O foco em textos em inglês limita algumas aplicações
- A transparência da pesquisa não garante precisão de ponta nas tarefas
De quanta memória você precisa?
Comece pelo tamanho real do checkpoint e pelos requisitos documentados do ambiente de execução. Uma estimativa aproximada considerando apenas os pesos é o número de parâmetros multiplicado pelo número de bits por peso e dividido por oito. Um modelo de 30B a quatro bits ocupa aproximadamente 15 GB, antes de incluir metadados de quantização, componentes não quantizados, cache de contexto, buffers temporários e o sistema operacional. Esse é um limite inferior aritmético, não uma garantia de que o modelo caiba em uma máquina com 16 GB.
Para modelos de mistura de especialistas, use o total de parâmetros para estimar o armazenamento dos pesos. Os parâmetros ativados ajudam a explicar o cálculo por token; isso não significa que os demais especialistas desapareçam. Transferir parte do processamento para a CPU pode reduzir os requisitos de memória da GPU, mas também pode diminuir bastante a velocidade. Em um Mac, a memória unificada é compartilhada com o sistema e, portanto, não deve ser considerada inteiramente disponível para o modelo.
- Computadores pessoais com recursos limitados: Comece com uma variante menor do Gemma ou avalie o gpt-oss-20b usando uma configuração compatível. Reserve memória extra e mantenha o contexto inicial reduzido.
- Estações de trabalho com mais memória: Compare o Qwen3.8-27B quantizado, as variantes adequadas do Gemma e o Devstral Small 2. Verifique separadamente o suporte a imagens e a inferência de texto.
- Servidores e clusters: Considere o DeepSeek V4, o GLM-5.3, o Kimi K3 ou configurações maiores quando o valor da tarefa justificar os custos de operação e a complexidade operacional.
A janela de contexto máxima de um modelo também não é necessariamente a configuração recomendada para o uso diário. Entradas mais longas aumentam as exigências de memória e processamento, enquanto usuários simultâneos multiplicam a demanda por recursos. Para conhecer as opções de instalação e entender a diferença entre modelos, ambientes de execução e interfaces, consulte nosso guia de ferramentas para executar LLMs localmente.
Código aberto, pesos abertos e implantação privada
O acesso aos pesos permite controlar onde a inferência é executada, mas não fornece automaticamente a receita completa de treinamento nem torna todo uso permitido. Ainda é preciso verificar os modelos listados sob as licenças Apache 2.0 e MIT no checkpoint específico. GLM-5.3, Kimi K3 e Nemotron usam licenças próprias para seus modelos. O Olmo é especialmente relevante quando o acesso ao processo de desenvolvimento importa tanto quanto o acesso aos pesos finais.
A hospedagem própria pode manter os prompts dentro da sua infraestrutura, desde que toda a aplicação esteja configurada dessa forma. Serviços de embeddings na nuvem, pesquisa remota, serviços de registro de atividades e ferramentas de agentes ainda podem enviar dados para outros lugares. Avalie o fluxo de trabalho completo e meça as respostas incorretas e as ações malsucedidas, além da latência. Para ferramentas que modificam arquivos ou interagem com sistemas empresariais, use permissões limitadas e uma etapa de aprovação quando a ação justificar esse controle.
Qual LLM aberto você deve escolher?
Para uma primeira comparação prática, comece pelo Qwen3.8-27B para aplicações multimodais gerais, pelo Gemma 4 para escolher entre diferentes tamanhos de modelos locais e pelo gpt-oss para raciocínio textual acessível. Eles são boas opções para começar antes de investir em um cluster central de inferência.
Para tarefas exigentes em escala de servidor, compare o DeepSeek V4 para raciocínio abrangente e programação, o GLM-5.3 para agentes de software de longa duração e o Kimi K3 para fluxos de trabalho multimodais. Vale avaliar o Mistral Small 4 quando um único modelo precisar lidar com várias tarefas empresariais e oferecer raciocínio configurável.
Cada modelo especializado atende a necessidades diferentes: o Devstral Small 2 para uma estação de trabalho voltada à programação, o Nemotron 3 Nano para agentes de texto focados em eficiência e o Olmo 3.1 para pesquisa transparente e adaptação. Escolha dois ou três que atendam aos seus requisitos de hardware e licenciamento e, antes de selecionar uma implantação, avalie-os nas mesmas tarefas representativas.











