Modelos abertos GLM-5 e MiniMax M2.7 alcançam o Claude Opus em agentes: US$ 12 contra US$ 250 por dia
A LangChain testou os modelos abertos GLM-5 e MiniMax M2.7 em tarefas básicas de agentes — arquivos, chamada de ferramentas e seguimento de instruções — e obteve resultados no nível dos flagships fechados. Com uma carga de 10 milhões de tokens por dia, o MiniMax M2.7 custa cerca de US$ 12, enquanto o Claude Opus 4.6 custa cerca de US$ 250, o que dá aproximadamente US$ 87 mil por ano. Para operações em massa e repetitivas, já vale a pena experimentar modelos abertos, deixando os caros para o planejamento.
Processado por IA de LangChain Blog; editado por Hamidun News
Imagine um agente que o dia inteiro move arquivos, chama APIs e interpreta instruções. Se cada passo depende do modelo fechado mais caro, a conta cresce muito rápido, e o usuário fica esperando pela resposta. A equipe da LangChain verificou se esse nível de luxo é necessário.
Segundo os testes deles, os modelos abertos GLM-5 e MiniMax M2.7 (cujos pesos podem ser baixados e executados em qualquer lugar) apresentam, em tarefas básicas de agentes — trabalho com arquivos, chamada de ferramentas e execução de instruções — um resultado próximo ao dos flagships fechados. Ao mesmo tempo, uma aplicação que processa 10 milhões de tokens por dia (um token é, grosso modo, um pedaço de palavra) gasta cerca de US$ 12 por dia com o MiniMax M2.
7, contra cerca de US$ 250 com o Claude Opus 4.6, da Anthropic. A diferença chega a algo como US$ 87 mil por ano.
O que foi testado
Nas últimas semanas, a LangChain executou modelos abertos pelos testes do seu framework Deep Agents. Foram verificadas as capacidades sem as quais um modelo não deveria sequer entrar numa arquitetura de agentes: se ele consegue chamar ferramentas de forma confiável, seguir instruções estruturadas e trabalhar com arquivos. Os testes cobrem sete categorias: operações com arquivos, uso de ferramentas, busca de informações, diálogo, memória, sumarização e "testes unitários".
Cada teste tem condições rígidas de sucesso: o modelo passa ou não passa. Há também verificações leves de eficiência, ou seja, quantos passos e chamadas de ferramentas ele precisou em comparação com o esperado. São quatro métricas: a fração de tarefas resolvidas (um resultado de 0,68 significa 68% dos testes resolvidos); um indicador de "correto e rápido" (número de passos esperado dividido pelo tempo de execução; testes reprovados valem zero); a razão entre passos reais e esperados; e a razão entre chamadas reais de ferramentas e esperadas.
O valor 1,0 indica que o modelo ficou exatamente dentro do orçamento; valores acima significam que gastou mais, e abaixo, que foi mais direto. Um modelo que resolve a tarefa em dois passos em vez de cinco ganha tanto em precisão quanto em economia.
As configurações de raciocínio foram mantidas no padrão de cada provedor. No caso do Claude, isso significa o modo sem pensamento estendido. A própria LangChain ressalta que os resultados são preliminares e que o conjunto de testes será ampliado.
Custo e velocidade
Segundo os autores, os flagships fechados podem custar de 8 a 10 vezes mais em cenários de alta carga. O exemplo de US$ 250 contra US$ 12 por dia mostra justamente como isso aparece no orçamento.
Na velocidade, o quadro é parecido. De acordo com os dados apresentados, o GLM-5 na infraestrutura da Baseten responde em média em 0,65 segundo e gera 70 tokens por segundo. O Claude Opus 4.6 leva 2,56 segundos e gera 34 tokens por segundo. Modelos abertos costumam ser mais compactos, e provedores especializados em inferência, como Baseten, Fireworks ou Groq, otimizam latência e throughput melhor do que a maioria das equipes conseguiria fazer por conta própria. Em produtos interativos, em que a pessoa olha para a tela e espera, essa diferença é difícil de compensar com truques de engenharia.
Como experimentar
No Deep Agents SDK, trocar de modelo é uma linha na função create_deep_agent: você instala o pacote do provedor, como langchain-baseten ou langchain-openrouter, e informa o nome do modelo. O framework determina sozinho o tamanho da janela de contexto, desativa modalidades não suportadas e acrescenta ao prompt de sistema o nome do modelo, do provedor e seus limites. Os limiares de compressão e sumarização de contexto se ajustam: um modelo com contexto de 4K comprime de forma mais agressiva do que o Opus com 1M.
Foram testados os provedores Baseten, Fireworks, Groq, OpenRouter e Ollama (nuvem). O mesmo modelo costuma estar disponível em vários deles, então a escolha pode se basear em preço, latência ou requisitos de privacidade. Para execução totalmente local, servem Ollama e vLLM. Os testes podem ser rodados localmente com pytest, indicando um grupo de modelos ou um modelo específico. No CI, a LangChain executa um mesmo conjunto de testes em 52 modelos.
Vale mencionar ainda a CLI, um agente de programação aberto que os autores apresentam como alternativa ao Claude Code. Nela surgiu o ConfigurableModelMiddleware, que permite trocar de modelo no meio de uma sessão. Assim, é possível planejar a tarefa com um modelo fechado caro e executá-la com um modelo aberto barato.
Limitações e conclusão
Esta publicação é da empresa que vende a plataforma de agentes LangSmith, e os testes foram escritos para a própria arquitetura dela. Eles verificam habilidades básicas, e não raciocínios mais complexos ou cadeias longas de decisões; por isso, "no nível dos fechados" vale para operações simples de agentes, e não para todas as tarefas. Os números de latência dependem do provedor específico e da carga.
A conclusão prática é simples. Se o seu agente executa muitas operações repetitivas com arquivos e ferramentas, teste o GLM-5 ou o MiniMax M2.7 com seus próprios casos e compare os custos. O esquema "o modelo caro planeja, o modelo aberto barato executa" parece o compromisso mais razoável. A LangChain promete descrever técnicas de configuração da arquitetura para famílias de modelos abertos e testar configurações em que um orquestrador fechado controla subagentes abertos.
- 22 de nov. de 2026Claude Code tirou a publicidade de uma TV em 1,5 hora e lançou a moda de hackear gadgets
- 22 de nov. de 2026Agente ignorou o AGENTS.md: em um terço dos pushes não perguntou, e fez force push 31 vezes
- 22 de nov. de 2026Axiom Math usa IA para escrever em Lean uma prova gigante de 43,1 milhões de linhas em 24 dias
- 22 de nov. de 2026Grant do Yandex foi para um motor de LLM: modelo de 35B na RTX 2080 Ti é três vezes mais rápido que o llama.cpp
Perguntas frequentes sobre a notícia
O que foi testado?
Nas últimas semanas, a LangChain executou modelos abertos pelos testes do seu framework Deep Agents. Foram verificadas as capacidades sem as quais um modelo não deveria sequer entrar numa arquitetura de agentes: se ele consegue chamar ferramentas de forma confiável, seguir instruções estruturadas e trabalhar com arquivos. Os testes cobrem sete categorias: operações com arquivos, uso de ferramentas, busca de informações, diálogo, memória, sumarização e "testes unitários".
O que se sabe sobre Custo e velocidade?
Segundo os autores, os flagships fechados podem custar de 8 a 10 vezes mais em cenários de alta carga. O exemplo de US$ 250 contra US$ 12 por dia mostra justamente como isso aparece no orçamento. Na velocidade, o quadro é parecido. De acordo com os dados apresentados, o GLM-5 na infraestrutura da Baseten responde em média em 0,65 segundo e gera 70 tokens por segundo. O Claude Opus 4.6 leva 2,56 segundos e gera 34 tokens por segundo.
Como experimentar?
No Deep Agents SDK, trocar de modelo é uma linha na função create_deep_agent: você instala o pacote do provedor, como langchain-baseten ou langchain-openrouter, e informa o nome do modelo. O framework determina sozinho o tamanho da janela de contexto, desativa modalidades não suportadas e acrescenta ao prompt de sistema o nome do modelo, do provedor e seus limites. Os limiares de compressão e sumarização de contexto se ajustam: um modelo com contexto de 4K comprime de forma mais agressiva do que o Opus com 1M.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.