Modelos gratis e novos provedores da semana (30/10)

No lado dos produtos, Strawberry, FluxCap e AvalonX mostram que a disputa não acontece apenas pelo modelo mais forte. Ela também acontece pela experiência pronta, pelo domínio de aplicação e pela capacidade de transformar horas de trabalho especializado em um fluxo repetível.

Mistral Large 4 e CEIA Lumi-4B ampliam a oferta de pesos disponíveis

Em 29 de outubro, a Mistral publicou o Large 4, também chamado de Le Chonk, como um modelo multimodal de aproximadamente 1 trilhão de parâmetros, com 49 bilhões ativos por token. A empresa abriu os pesos e indicou caminhos de execução com Hugging Face, vLLM e SGLang, o que permite testar o modelo fora da API hospedada.

A abertura dos pesos não elimina o custo de infraestrutura. Para quem preferir a API, a tabela oficial de preços da Mistral lista US$ 0,70 por milhão de tokens de entrada, equivalente a R$ 3,57, e US$ 2,10 por milhão de tokens de saída, equivalente a R$ 10,71. Esses valores são da API, não do download dos pesos.

O CEIA Lumi-4B apareceu em 28 de outubro como um modelo de linguagem de 4 bilhões de parâmetros voltado para português. O cartão oficial no Hugging Face disponibiliza os arquivos em BF16 e registra 44,80% de média em cinco métricas próprias, com segunda posição entre nove modelos no recorte apresentado.

O ponto de atenção do Lumi-4B é a documentação. O cartão ainda não informa uma licença, os dados completos de treinamento, o harness ou as instruções de inferência. Portanto, ele é baixável e útil para experimentação, mas não deve ser tratado automaticamente como open source completo.

LFM3 leva uma família compacta para texto, visão e áudio

Publicado em 27 de outubro, o LFM3 da Liquid AI organiza seis modelos de classe 2B sobre uma base compartilhada, a LFM3-1.7B-Base. A família inclui variantes para texto, visão, áudio, uso multimodal e tarefas de decisão, com modelos como LFM3-VL-2B, LFM3-Audio-2B, LFM3-Omni-2B, d1-2B e d1-Omni-2B.

A proposta é relevante para aplicações locais e de borda. A Liquid AI apresenta resultados de inferência em dispositivos e GPUs, incluindo um teste em que o LFM3-1.7B alcança 3,6 bilhões de tokens por dia em uma NVIDIA B300 com 1.024 requisições concorrentes. É um número da própria empresa, não um benchmark independente.

O anúncio não apresenta uma tarifa única de API. Para a equipe de desenvolvimento, o ganho imediato é ter uma família compacta para comparar por tarefa, memória e latência, em vez de escolher um único modelo grande para todo o sistema.

Strawberry 1.0 transforma o navegador em uma porta de entrada para agentes

Em 26 de outubro, a Strawberry apresentou a versão 1.0 do seu navegador com companions, agentes que trabalham dentro das contas e aplicativos que o usuário já utiliza. A atualização também criou uma plaza para organizar os companions entre uma tarefa e outra.

A proposta combina produto e acesso gratuito. O comunicado de lançamento informa um plano free com 500 créditos e planos pagos a partir de US$ 20 por mês, equivalentes a R$ 102,00 pela taxa de referência usada neste relatório. O ponto central não é um modelo aberto, mas uma experiência pronta para delegar tarefas ao navegador. Os detalhes de preço estão na página oficial da Strawberry.

Para quem desenvolve ferramentas de IA, Strawberry é um sinal de que o provedor pode controlar a distribuição mesmo sem treinar o maior modelo. A interface, os conectores e o fluxo de execução viram parte do produto.

FluxCap e AvalonX levam IA vertical para setores críticos

Em 28 de outubro, a FluxCap foi apresentada como uma plataforma de Deep Legal Tech criada por Jonathan Kanter, Doha Mekki e uma equipe de engenharia com experiência em sistemas complexos. O produto começa por antitruste e organiza três motores próprios para fatos, direito e estratégia.

A plataforma foi desenhada para pesquisa, análise de evidências, preparação de peças e preparação para depoimentos. O comunicado também destaca revisão e auditoria de fatos, citações e conclusões. Isso coloca a verificação no centro do produto, algo importante em fluxos jurídicos onde uma resposta convincente não basta.

A AvalonX entrou na mesma semana com uma proposta diferente: testes contínuos de segurança ofensiva apoiados por IA. O site informa que seu sistema Aether tem 400 bilhões de parâmetros e combina pentest agendado com varredura contínua de vulnerabilidades.

A empresa oferece um teste inicial gratuito e planos públicos de US$ 249 por mês, equivalentes a R$ 1.269,90, US$ 599 por mês, equivalentes a R$ 3.054,90, e US$ 899 por mês, equivalentes a R$ 4.584,90. Os valores podem ser conferidos na página oficial de preços da AvalonX. A diferença em relação a um modelo gratuito é clara: o usuário compra um processo operacional, não apenas acesso a pesos.

O que isso muda para quem desenvolve com IA

A semana mostra uma divisão cada vez mais prática. Pesos disponíveis reduzem dependência de um único provedor e permitem controlar memória, latência e implantação. Provedores verticais, por outro lado, vendem contexto, integração, verificação e uma tarefa completa.

Isso também muda a forma de comparar modelos. Um modelo pequeno pode vencer em custo e latência, enquanto um sistema vertical pode vencer em qualidade operacional. Para ampliar a análise, vale cruzar os lançamentos com o Artificial Analysis Intelligence Index v5 e com o benchmark SnowPR da Snowflake, sempre lembrando que cada ranking mede um recorte diferente.

O próximo passo não é escolher um vencedor universal. É separar o que precisa rodar localmente, o que pode usar API e o que exige um fluxo pronto com auditoria, conectores e responsabilidade operacional.