Durante muito tempo, acompanhar inteligência artificial parecia uma versão tecnológica da liga de futebol: havia uma tabela, um primeiro classificado e muita gente a discutir se o árbitro tinha roubado dois pontos ao seu clube. Esta semana estragou essa simplicidade confortável.
O modelo continua a importar... Mas já não chega saber qual tem o número maior. É preciso perceber quem o serve, que agente o conduz e que licença o acompanha. A IA transformou uma pergunta simples numa reunião com seis departamentos. É o Progresso...
Ainda assim, há uma boa notícia. Estamos finalmente a sair da fase infantil em que cada lançamento era apresentado como “a inteligência definitiva” e a entrar numa fase mais útil: qual é a combinação que funciona para uma tarefa concreta, a um custo aceitável e sem inventar metade da resposta?
Foi essa a história da semana. E os novos dados da 📡Torre de Controlo IA mostram-na melhor do que qualquer comunicado cheio de adjectivos.
A novidade mais interessante chegou a 10 de agosto. A Meta apresentou o Muse Glimmer, o seu primeiro lançamento de pesos abertos desde o Llama 4. O modelo tem 30 mil milhões de parâmetros, licença Apache 2.0 e obteve 35 pontos no índice de inteligência da Artificial Analysis.
À primeira vista, 35 pontos não fazem tremer um Claude Opus 5, que lidera com 63. Mas essa comparação perde o essencial. O Muse Glimmer não tenta ganhar a corrida dos monstros que exigem um pequeno centro de dados e uma conversa desagradável com o director financeiro. Com quantização a 4 bits, pode caber numa máquina com cerca de 18 GB disponíveis. A análise publicada pela Artificial Analysis indica que consegue operar com o contexto completo em hardware de boa qualidade acessível a profissionais e pequenas equipas.
Pesos abertos com licença permissiva significam controlo. Uma empresa pode alojar o modelo, proteger dados e reduzir a dependência de uma API que amanhã muda o preço ou a política. A IA é uma ferramenta, não uma renda vitalícia paga a um fornecedor.
Ainda assim, o Glimmer também traz um aviso: Ficou abaixo de concorrentes semelhantes em trabalho autónomo e apresentou uma taxa de alucinação elevada. Cabe na máquina, mas ainda não cabe sozinho na cadeira do especialista. Para uso sério, precisa de validação e supervisão humana. Afinal não basta descarregar os pesos e despedir o departamento inteiro.
No outro extremo está o Muse Spark 1.2, proprietário, com um milhão de tokens de contexto e 57 pontos. Segundo a análise de 5 de agosto, ganhou três pontos face à versão 1.1 e melhorou sobretudo em trabalho agêntico.
Não foi magia. O modelo passou a consumir mais tokens por tarefa. Continua competitivo no custo, mas a melhoria veio acompanhada de mais trabalho computacional. Quando um modelo parece subitamente muito mais inteligente, convém perguntar se ficou melhor ou se apenas lhe deram mais tempo, tokens e uma fatura maior.
Também a 5 de agosto, o Qwen3.8 Max, da Alibaba, apareceu nas avaliações com 58 pontos. Entrou directamente no quinto lugar do nosso top geral e no segundo lugar do ranking agêntico. Não é uma nota de rodapé. É uma entrada no grupo que até agora era dominado por Anthropic, OpenAI, Kimi e xAI.
O modelo suporta texto, imagem e vídeo, oferece um contexto de um milhão de tokens e custa 2 dólares por milhão de tokens de entrada e 6 na saída… MAS, o preço por milhão de tokens não diz quanto custa concluir uma tarefa. Um modelo barato que escreve um romance para responder “sim” pode sair mais caro do que outro mais disciplinado. Numa empresa medem-se resultados completos, não apenas a etiqueta na prateleira.
Enquanto o debate continua obcecado com o “modelo mais inteligente”, o mercado está a encher-se de opções suficientemente boas, mais baratas e adaptáveis. Um Ferrari ganha a corrida, mas não é a melhor escolha para distribuir encomendas em Rio Tinto.
No dia 6, a Artificial Analysis actualizou o seu índice de inteligência para a versão 4.1.1. A alteração modernizou os avaliadores usados em vários testes. Os líderes mantiveram-se, mas quase todos os resultados subiram ligeiramente.
Um ranking não é uma verdade gravada em pedra. É produzido por tarefas, pesos, avaliadores e regras. Quando essas regras mudam, os números também mudam.
Os fornecedores optimizam velocidade e custo com quantização, limites de saída e configurações de raciocínio. Algumas optimizações preservam qualidade; outras não. Nos primeiros testes com GLM-5.2, gpt-oss-120b e DeepSeek V4 Pro, os endpoints menos precisos também geravam menos resposta. A apresentação do índice deixa uma conclusão clara: escolher o modelo certo e usar um fornecedor que lhe corta o raciocínio pode destruir a vantagem.
Para uma empresa, esta pode ser a notícia mais importante da semana. É preciso testar o endpoint, a configuração e a tarefa real. Parece menos emocionante do que robôs conscientes, mas evita projectos que brilham na demonstração e tropeçam quando encontram clientes. Claro, que isto não vai impedir que os vendedores vendam banha da cobra disfarçada de agentes de IA, em especial num mercado como o português onde a literacia digital é abaixo do medíocre.
como vimos, o Claude Opus 5 mantém a liderança no ranking geral, com 63 pontos, seguido pelo Claude Fable 5 e pelo GPT-5.6 Sol. O Qwen3.8 Max entrou em quinto e o Muse Spark 1.2 em sétimo, empurrando GPT-5.6 Terra, Grok 4.5 e Claude Sonnet 5 para baixo.
O sinal mais importante não é a permanência da Anthropic em primeiro. É o estreitamento do pelotão. A Alibaba colocou um modelo entre os cinco melhores e a Meta voltou a aproximar-se da fronteira. O mercado está menos concentrado do que a conversa habitual nas redes sociais sugere.
No Melhor Agente, a mudança é ainda mais clara. O Claude Opus 5 continua em primeiro, mas o Qwen3.8 Max entrou directamente em segundo, à frente do GPT-5.6 Sol. O Muse Spark 1.2 apareceu em nono. Para tarefas com ferramentas, planeamento e autonomia, a Alibaba deixou de ser “uma alternativa chinesa interessante” e passou a ser concorrência directa.
O Melhor Programador mudou de método. O novo Coding Agent Index mede modelo anfitrião, agente e esforço. O Claude Code com Opus 5 lidera, seguido por duas configurações do Codex com GPT-5.6 Sol.
Esta mudança confirma algo que tenho repetido nas mentorias: o modelo é o motor, mas o harness é o carro inteiro. Ferramentas disponíveis, gestão de contexto, número de passos, permissões e estratégia de execução podem alterar radicalmente o resultado. Comprar o melhor motor e montá-lo num carrinho de supermercado não cria um automóvel de competição.
Em Imagem, o GPT Image 2 continua em primeiro. Nano Banana 2 e Nano Banana Pro subiram três lugares, para terceiro e sexto. Entraram MAI-Image-2.5-Flash e Grok Imagine. Google e Microsoft pressionam uma liderança da OpenAI ainda sólida.
Em Vídeo, nenhuma posição mudou. Gemini Omni Flash lidera, seguido por MiniMax H3 e Dreamina Seedance 2.0. Nesta semana e nesta métrica, ninguém ultrapassou ninguém. Nem toda a décima precisa de ser um acontecimento histórico.
No Desempenho de Empresa, Anthropic lidera com melhoria líquida de 11,99%. OpenAI subiu para segundo, com 10,28%, duas décimas acima da Moonshot. Z.ai, SpaceXAI e DeepSeek continuam positivos. A Mistral entrou no top 14 com valor negativo. Entrar numa tabela nem sempre é uma medalha; por vezes é apenas aparecer na fotografia.
Todos os rankings, valores, fontes e movimentos podem ser consultados na 📡Torre de Controlo IA da MPORTELA.
A página fica disponível para consulta diária e é actualizada semanalmente, sem esconder as empresas que não cabem na narrativa habitual.
A melhor IA não é automaticamente o modelo com o número maior. É a combinação que resolve a tarefa, preserva qualidade, cabe no orçamento e respeita os dados.
O Muse Glimmer devolveu os pesos abertos à estratégia da Meta. Qwen3.8 Max mostrou que a China já compete no topo. O novo índice de programação confirmou que o agente pode ser tão decisivo como o modelo.
Aprender IA não é decorar nomes. É testar, comparar, construir processos e reconhecer limites. É esse o trabalho que faço com mentorados e empresas: trocar a varinha mágica por uma ferramenta bem usada. Dá menos espectáculo e não produz showoff para LinkedIn, mas produz MUITO mais valor.
Se gostas desta análise sem culto de marcas nem medo de máquinas, subscreve a newsletter no substack.
Partilha este artigo com aquela pessoa que ainda escolhe IA pelo logótipo e deixa nos comentários a tua leitura da semana: o futuro está nos modelos gigantes, nos pequenos modelos abertos ou na forma como os ligamos ao trabalho real?
Comments
Nothing yet. Say the first thing.
Sign in to join the conversation.