Panorama de modelos 2026
TL;DR
Em 2026, o mercado de LLMs é maduro e estratificado: três providers dominam o tier comercial (OpenAI, Anthropic, Google) e dois players chineses lideram o open-weight (DeepSeek, Alibaba/Qwen). Não existe “melhor modelo” — existe o modelo certo para a tarefa. A escolha cruza três eixos: capacidade de raciocínio, custo por token e tipo de integração (API, IDE, self-hosting). Usar flagship para tudo é tão errado quanto usar budget para tudo.
O problema que o panorama resolve
Em 2023, a escolha era simples: GPT-4 para o que importava, GPT-3.5 para o resto. Hoje você tem dezenas de modelos competitivos no tier de produção. Cada provider tem 3–5 modelos. Existe open-weight que compete com flagship comercial. Os preços caíram 10–50× em 3 anos para capacidade equivalente.
A abundância criou um problema novo: o custo de escolher errado virou real. Usar Claude Opus para autocomplete de código é como contratar cirurgião para remendar uma camisa — caro, lento, e a camisa sai igual. Usar budget model para um agente multi-arquivo que precisa de raciocínio profundo gera código que compila mas está errado de formas sutis. A habilidade de 2026 não é “qual modelo é mais inteligente” — é model routing: escolher o modelo certo para cada tipo de tarefa.
xychart-beta title "Custo de GPT-4 equivalente por MTok (output) — 2023-2026" x-axis ["Mar/23", "Out/23", "Mar/24", "Set/24", "Mar/25", "Jun/26"] y-axis "$/MTok output" 0 --> 70 line [60, 30, 15, 10, 5, 15]
Por que os preços caíram tão rápido?
Três forças juntas: (1) hardware ficou mais barato — GPUs de nova geração com maior throughput por dólar; (2) eficiência de inferência melhorou — quantização, MQA/GQA, FlashAttention, MoE reduzem o custo por token sem degradar qualidade; (3) competição aumentou — quando DeepSeek lança um modelo open-weight com qualidade de flagship a custo de commodity, todos os providers são forçados a baixar preços ou perder mercado. Os modelos de 2026 custam entre 10× e 50× menos que capacidade equivalente em 2023.
A anatomia do mercado
O mercado atual tem três camadas de oferta com lógicas de negócio distintas:
graph TD subgraph "Tier Comercial — APIs gerenciadas" A1["OpenAI\n(GPT-5.4, o4-mini, GPT-4.1 Nano)"] A2["Anthropic\n(Opus/Sonnet/Haiku 4.x)"] A3["Google DeepMind\n(Gemini 3.1, Flash, Flash-Lite)"] end subgraph "Open-Weight — auto-hostável" B1["DeepSeek V4 (MIT)\n~600B MoE, frontier reasoning"] B2["Qwen 3.6 Plus (Apache 2.0)\n1M context, agentic"] B3["Llama 4 (Meta License)\nbase para fine-tuning"] end subgraph "Especialistas" C1["Código: GitHub Copilot / Cursor"] C2["Reasoning: o4-mini / Claude Thinking"] C3["Multimodal: Gemini 3.1 Pro"] end
Lógica do tier comercial: APIs como produto, monetização por uso, SLA empresarial, suporte. Dependência de vendor em troca de conveniência.
Lógica do open-weight: modelo disponível para download e self-hosting. Privacidade, customização (fine-tuning), sem custo por token. DeepSeek MIT = você pode usar, modificar e redistribuir comercialmente.
Os grandes players (maio 2026)
Caducidade — preços e benchmarks mudam mensalmente
Os preços por token e os scores de benchmark abaixo são um retrato de maio de 2026. Providers ajustam preços e lançam novas versões com frequência mensal ou maior. Trate os números como ordem de grandeza para comparação relativa entre tiers, não como cotação vigente — confira o pricing atual na documentação do provider antes de decidir.
OpenAI
| Modelo | Tipo | Context | Input $/MTok | Output $/MTok | Melhor para |
|---|---|---|---|---|---|
| GPT-5.4 | Flagship | 1.1M | ~$2.50 | ~$15.00 | Raciocínio geral, knowledge depth |
| o4-mini | Reasoning | 200k | ~$1.10 | ~$4.40 | Lógica, matemática, planejamento |
| GPT-4.1 | Mid-tier | 1M | ~$2.00 | ~$8.00 | Equilíbrio custo-qualidade |
| GPT-4.1 Nano | Budget | 1M | ~$0.10 | ~$0.40 | Autocomplete, tarefas simples |
Forças: Ecossistema maduro, integração enterprise, GPT Store, Batch API com 50% de desconto. Fraquezas: Pricing premium, menos transparente sobre arquitetura.
Anthropic
| Modelo | Tipo | Context | Input $/MTok | Output $/MTok | Melhor para |
|---|---|---|---|---|---|
| Claude Opus 4.6 | Flagship | 1M | $5.00 | $25.00 | Coding complexo, raciocínio profundo |
| Claude Sonnet 4.6 | Mid-tier | 200k | $3.00 | $15.00 | Codificação diária, agents |
| Claude Haiku 4.5 | Budget | 200k | $1.00 | $5.00 | Rápido, tarefas simples |
Forças: Melhor reasoning para código, Claude Code (terminal agent), prompt caching maduro, 128k output tokens no Opus. Fraquezas: Mais caro token por token, menos modelos no lineup.
Google DeepMind
| Modelo | Tipo | Context | Input $/MTok | Output $/MTok | Melhor para |
|---|---|---|---|---|---|
| Gemini 3.1 Pro | Flagship | 1M–2M | ~$2.00 | ~$12.00 | Multimodal, contexto ultra-longo |
| Gemini 3 Flash | Mid-tier | 1M | ~$0.50 | ~$3.00 | Custo-benefício, velocidade |
| Gemini 2.5 Flash-Lite | Budget | 1M | ~$0.10 | ~$0.40 | Classificação, extração |
Forças: Contexto mais longo (2M experimental), multimodal nativo (áudio, vídeo, imagem), integração GCP, preço competitivo. Fraquezas: Menos consistente em coding puro que Claude, ecossistema de tools menos maduro.
Open-Weight (ver detalhes em 08 - Modelos chineses — DeepSeek, Qwen, Kimi, GLM)
| Modelo | Origem | Parâmetros | Licença | Melhor para |
|---|---|---|---|---|
| DeepSeek V4 | DeepSeek (China) | MoE, ~600B total | MIT | Raciocínio, coding defensivo |
| Qwen 3.6 Plus | Alibaba (China) | MoE | Apache 2.0 | Agentes, contexto longo (1M) |
| Llama 4 | Meta (EUA) | Dense + MoE variants | Llama License | Base para fine-tuning |
| Kimi K2.6 | Moonshot AI (China) | — | Proprietário* | Sub-agentes, multi-file editing |
| GLM-5.1 | Zhipu AI (China) | — | MIT | Engenharia agentic |
*Kimi tem modelo via API; não é fully open-weight.
Por que providers têm tiers — a lógica econômica
Por que a Anthropic vende Haiku, Sonnet e Opus em vez de “um modelo”? Por que não basta o melhor?
A resposta é aritmética. Para um autocomplete de 50 tokens, a diferença de qualidade entre Haiku e Opus é imperceptível. A diferença de custo é 25×. Para uma feature multi-arquivo que exige raciocínio de 100k tokens, a diferença de qualidade é perceptível — e o custo absoluto é alto o suficiente para justificar o modelo melhor.
graph LR subgraph "Tarefa simples: completar uma linha de código" S1["Haiku: $0.001\nResultado: correto"] S2["Opus: $0.025\nResultado: correto"] end subgraph "Tarefa difícil: refatorar módulo de 30 arquivos" H1["Haiku: $0.15\nResultado: frequentemente errado"] H2["Opus: $3.75\nResultado: correto na 1a tentativa"] end style S2 fill:#ff9999,stroke:#cc0000 style H1 fill:#ff9999,stroke:#cc0000 note["Escolha errada em ambos os casos:\nm modelo caro para tarefa simples\nbudget para tarefa difícil"]
A estratégia correta é model routing: detectar a complexidade da tarefa e escolher o tier correspondente. Uma sessão de codificação bem roteada pode custar 3–5× menos que “usar Opus para tudo” e ter qualidade equivalente ou superior (porque evita timeout por custo e retries por qualidade ruim).
Mapa de decisão
graph TD A{Qual é a tarefa?} --> B[Coding complexo / Refactoring] A --> C[Autocomplete / Boilerplate] A --> D[Análise de documentos longos] A --> E[Agente autônomo] A --> F[Self-hosting / Soberania] A --> G[Raciocínio lógico / Matemática] A --> H[Multimodal — áudio/vídeo/imagem] B --> B1["Claude Opus/Sonnet\nou GPT-5.4"] C --> C1["GPT-4.1 Nano\nou Gemini Flash-Lite"] D --> D1["Gemini 3.1 Pro (2M context)\nou Claude Opus (1M)"] E --> E1["Claude Sonnet + Claude Code\nou Qwen 3.6"] F --> F1["DeepSeek V4 (MIT)\nou Llama 4"] G --> G1["o4-mini\nou Claude Opus Thinking"] H --> H1["Gemini 3.1 Pro\n(multimodal nativo)"]
Comparativo de performance e custo
SWE-bench Verified (referência de coding, abril 2026)
| Modelo | Score | Notas |
|---|---|---|
| Claude Opus 4.6 | ~72% | Líder em coding agentic |
| GPT-5.4 | ~69% | Forte em reasoning geral |
| Gemini 3.1 Pro | ~65% | Melhora com contexto longo |
| DeepSeek V4 | ~63% | Impressionante para open-weight |
| Qwen 3.6 Plus | ~61% | Melhor em workflows agentic |
Benchmarks são guia, não verdade
SWE-bench mede performance do scaffolding + modelo. O mesmo modelo com scaffolding diferente pode ter scores muito diferentes. Teste no seu codebase.
Custo por tarefa real (estimativa para coding task típica)
| Tarefa | Tokens estimados | Claude Sonnet | GPT-4.1 | Gemini Flash |
|---|---|---|---|---|
| Fix de bug simples | ~5k in + 2k out | $0.045 | $0.026 | $0.009 |
| Refactoring de arquivo | ~20k in + 10k out | $0.21 | $0.12 | $0.04 |
| Feature multi-file (agent) | ~100k in + 30k out | $0.75 | $0.44 | $0.14 |
| Sessão de agent (1h, 50 turns) | ~500k in + 100k out | $4.00 | $2.80 | $0.55 |
xychart-beta title "Custo sessão de 1h de coding (50 turns, ~500k in + 100k out)" x-axis ["Gemini Flash", "GPT-4.1", "Claude Sonnet", "Claude Opus"] y-axis "$ por sessão" 0 --> 20 bar [0.55, 2.80, 4.00, 18.00]
O Gemini Flash custa 7× menos que Claude Sonnet para a mesma sessão. No benchmark, a diferença de qualidade é menor que 7×. Em tarefas de coding padrão, a maioria dos engenheiros não percebe a diferença de 7%–12% de score em SWE-bench — percebe a diferença de 270/semana.
Armadilhas comuns
"O benchmark mais alto = o melhor"
Benchmarks medem cenários controlados. Performance real depende do seu tipo de código, linguagem, e workflow.
Vendor lock-in
Construir toda a stack ao redor de um provider. Se o preço sobe ou o modelo degrada, a migração é dolorosa. Use abstrações.
Ignorar o mid-tier
A maioria das tarefas de codificação não precisa de flagship. Claude Sonnet ou GPT-4.1 resolvem 90% dos casos a metade do custo.
"Open-weight é pior"
DeepSeek V4 compete com flagships em coding e reasoning. Qwen 3.6 lidera em agentic. O gap fechou significativamente.
Comparar preço por token sem comparar output por tarefa
Se o Haiku produz um output que exige 3 tentativas e o Sonnet acerta na primeira, o Haiku não é mais barato.
O que vem a seguir
O panorama que você acabou de ler trata os players chineses — DeepSeek, Qwen, Kimi, GLM — como uma linha na tabela de “Open-Weight”. Isso esconde a história mais interessante: como um laboratório sem acesso às GPUs de ponta da Nvidia (por causa das sanções de exportação dos EUA) conseguiu treinar um modelo que compete com flagships ocidentais, e por que isso forçou o mercado inteiro a repensar preço e arquitetura. 08 - Modelos chineses — DeepSeek, Qwen, Kimi, GLM entra nesse mergulho: as inovações técnicas específicas (MoE agressivo, MLA, treinamento em FP8), as implicações geopolíticas de MIT/Apache 2.0 vindo de labs chineses, e o que isso significa para quem decide entre “pagar API” e “hospedar o próprio modelo”.
Como explicar em inglês
The LLM market in 2026 is mature and stratified: three commercial providers dominate the API tier (OpenAI, Anthropic, Google), while Chinese open-weight models (DeepSeek, Qwen) compete at the frontier for self-hosting. Every provider runs a tier strategy — flagship, mid-tier, and budget models — because not every task justifies frontier compute. The skill that differentiates developers in 2026 is model routing: matching task complexity to the right model tier. Prices have fallen 10–50× since 2023 due to hardware improvements, inference efficiency gains (GQA, MoE, quantization), and competitive pressure from open-weight models.
| PT | EN |
|---|---|
| Modelo flagship | Flagship model |
| Tier intermediário | Mid-tier model |
| Modelo budget | Budget model / lightweight model |
| Peso aberto | Open-weight |
| Auto-hospedagem | Self-hosting |
| Roteamento de modelo | Model routing |
| Eficiência de inferência | Inference efficiency |
| Janela de contexto | Context window |
| Capacidade agêntica | Agentic capability |
| Fine-tuning | Fine-tuning |
| Benchmark | Benchmark |
| Lock-in de vendor | Vendor lock-in |
Ver mais
- Andrej Karpathy — State of LLMs 2025 — overview do landscape de modelos e tendências de capacidade. Karpathy é ex-OpenAI e uma das melhores vozes técnicas do espaço.
- Artificial Analysis — LLM Leaderboard — comparativo independente, atualizado frequentemente: benchmarks, preço, velocidade de inferência, latência por provider.
- Simon Willison — LLM Price Tracker — blog técnico com histórico de preços e análise de cada lançamento de modelo. Essencial para acompanhar o mercado.
Veja também
- 08 - Modelos chineses — DeepSeek, Qwen, Kimi, GLM — deep dive nos players chineses
- 09 - Dense vs Mixture-of-Experts — a arquitetura por trás das diferenças de custo (MoE explica DeepSeek V4)
- 12 - Pricing de APIs — como calcular custos — como traduzir preços por token em custo real
- 17 - O futuro dos LLMs — tendências 2026-2027 — para onde o mercado está indo
Referências
- Anthropic — Claude Model Card (2026). Especificações e benchmarks.
- OpenAI — GPT-5 System Card (2026). Detalhes de capabilities e safety.
- Google DeepMind — Gemini 3 Technical Report (2026). Arquitetura e benchmarks.
- Artificial Analysis — LLM Leaderboard (2026). Comparativo independente de preço e performance.
- SWE-bench — SWE-bench Verified Leaderboard (abr. 2026). Benchmark de coding agentic.