Um ano e meio atrás, eu disse a um amigo que rodar trabalho sério em pesos abertos era um hobby, não um plano. Eu estava errado, e consigo apontar o número que mudou minha opinião: 87.
É mais ou menos onde o DeepSeek V4 Pro se posiciona no ranking composto do BenchLM hoje. Um modelo que você pode baixar na íntegra, pesos e tudo, sentado logo abaixo da fronteira fechada em vez de ficar quilômetros atrás dela. Então quero fazer a coisa sem glamour e realmente comparar as opções de melhor LLM open source em meados de 2026, ordenadas pelo que cada uma genuinamente faz bem. Não pela que teve a semana de lançamento mais barulhenta.
O ranking de pesos abertos, às claras
Veja onde o pacote aberto está no score composto do BenchLM agora. Uma ressalva antes da lista: esses scores são os reportados pelo BenchLM até junho de 2026 — trate-os como direcionais, não como verdade absoluta.
- DeepSeek V4 Pro (Max) — cerca de 87. O modelo aberto do topo.
- GLM-5.1 — cerca de 83.
- Kimi K2.6 — cerca de 81.
- GLM-5 (Reasoning) — cerca de 79.
- Qwen3.5 397B (Reasoning) — cerca de 77.
Olhe para essa diferença. Dez pontos separam o primeiro do quinto, e cada modelo nessa lista é algo que você embarcaria com satisfação. Um rank de leaderboard é uma média através de dezenas de tarefas. Você não roda uma média em produção. Você roda sua carga de trabalho.
Então a pergunta útil não é "qual é o melhor". É "melhor em quê". Deixa eu destrinchar isso por função.
O melhor LLM open source para codificação
Esta é a categoria onde os pesos abertos pararam de ser um plano B.
O GLM-5 posta cerca de 77.8% no SWE-bench Verified, segundo o BenchLM. Esse benchmark faz o modelo corrigir issues reais do GitHub em repositórios reais, não autocompletar uma função arrumada. Meados-a-altos 70% ali é território adjacente à fronteira. O DeepSeek V4 Pro está logo ao lado com cerca de 80.6% no mesmo teste. Se você vive no Claude Code ou no Cursor e quer algo auto-hospedável que aguente uma refatoração com múltiplos arquivos, qualquer um dos dois é uma primeira escolha razoável. Prefiro o GLM-5 quando quero o footprint menor e o DeepSeek quando quero a margem de manobra.
Um limite honesto, porém. O SWE-bench Verified só verifica se um patch passa nos testes. Não diz nada sobre se seu engenheiro sênior aprovaria o pull request. Saber quando não tocar em um arquivo, quando deixar algo feio porque reescrevê-lo é mais arriscado do que mantê-lo, esse tipo de moderação não aparece em um score. Então tome o 77.8% como número reportado, e ainda assim leia cada diff.
O melhor LLM open source para contexto longo
Quer alimentar uma base de código inteira, ou um ano de documentos de design de uma vez? O Llama 4 Scout anuncia uma janela de contexto de cerca de 10 milhões de tokens, segundo esse artigo do Hugging Face. Esse é o número anunciado, e os pesos são abertos. Para recuperação com muitos documentos ou análise de repositório completo, nenhum outro modelo aberto chega perto no tamanho bruto da janela.
Eu manteria duas coisas em mente antes de ficar empolgado. Uma janela enorme e "raciocina confiavelmente em toda ela" não são a mesma afirmação. O recall fica mais tênue ao longo da distância para todo modelo que testei, aberto ou fechado. E honestamente, na maioria das vezes você não precisa de dez milhões de tokens. Você precisa de uma recuperação decente e uma janela limpa de 200K, que a maioria dessa lista fornece. Mas quando você realmente precisa ir ao enorme, Scout é a resposta aberta.
O melhor LLM open source para produtos multilíngues
Se seus usuários não estão todos digitando em inglês, esse eixo importa mais do que seu benchmark de raciocínio em alguns pontos. O resumo do Hugging Face aponta o Qwen3 como uma forte escolha multilíngue, e nos meus próprios testes a linha Qwen lida com entrada em outros idiomas com mais consistência do que seus scores gerais sugerem. Um modelo três pontos abaixo em alguma avaliação de raciocínio, mas que realmente fala o idioma dos seus clientes, é o modelo melhor para aquele produto. Não é nem de longe uma escolha difícil.
O Qwen3.5 397B também é um modelo de chat geral capaz, então você não está abrindo mão da qualidade para ter a cobertura de idiomas.
A parte que ninguém coloca no leaderboard: a licença
É aqui que os pesos abertos avançam silenciosamente, e onde continuo vendo criadores não lerem as letras miúdas.
Segundo o mesmo overview do Hugging Face, a linha DeepSeek vem sob MIT e o Qwen3 sob Apache-2.0. Ambas permitem que você construa um produto sobre os pesos, cobre por ele e nunca receba uma fatura ou um aviso de remoção. Isso é um mundo diferente de uma API fechada, onde preços, limites de taxa e "estamos descontinuando esse modelo em 90 dias" são decisões tomadas por você, em um calendário que você não controla.
Mas leia o arquivo de licença real toda vez. A mesma fonte observa que o Kimi K2.6 usa uma variante MIT modificada que você deve revisar antes do uso comercial, e que o Llama 4 vem com uma licença comunitária com limites de uso, restrições geográficas e regras de redistribuição. "Pesos abertos" e "faça o que quiser" não são sinônimos. Os modelos MIT e Apache são os onde os pesos genuinamente são seus.
Onde os modelos fechados ainda vencem
Eles ainda vencem no topo, e não vou fingir o contrário. Tanto o Artificial Analysis quanto o llm-stats ainda mostram a fronteira fechada mantendo a maior confiabilidade e seguimento de instruções, o tipo que você sente depois de uma hora de trabalho agêntico em vez de ler num gráfico.
Vale notar um detalhe silencioso do BenchLM: o contexto de 1M de tokens que é informalmente creditado aos modelos fechados de destaque pertence, pela contagem do BenchLM, ao DeepSeek V4 Pro aqui. O lado aberto não está mais apenas competindo em preço. Está competindo nas especificações manchete também.
Como realmente escolher
Pare de perseguir o número um global. Escolha o modelo menor e mais barato que supera sua própria barra:
- Agente de codificação auto-hospedado → GLM-5, com DeepSeek V4 Pro como a opção mais pesada.
- Trabalhos de enfiar-a-coisa-toda-na-janela → Llama 4 Scout, com olhos abertos sobre o recall.
- Produtos em outros idiomas → Qwen3.5.
- Construir um negócio diretamente sobre os pesos → modelos MIT ou Apache, ou seja DeepSeek ou Qwen, nunca algo sob uma licença comunitária restritiva.
- Confiabilidade de ponta onde o custo não é a restrição → a fronteira fechada.
Depois rode sua própria avaliação. Vinte tarefas reais tiradas do seu backlog real vão lhe dizer mais do que qualquer leaderboard já imprimiu. Os scores compostos lhe dão uma lista curta. Seu trabalho escolhe o vencedor dela.
A fronteira ainda lidera. O que mudou em 2026 é que ela não está mais sozinha lá em cima, e a companhia que mantém não custa nada para licenciar.