Modelos Qwen3.5 Medium, da Alibaba, desafiam domínio ocidental na IA com arquitetura voltada à execução local

Desempenho de IA de ponta chega a dispositivos de consumo

A equipe de desenvolvimento de IA Qwen, da Alibaba, lançou uma nova série de grandes modelos de linguagem que desafia fundamentalmente a ideia de que a inteligência artificial de ponta exige infraestrutura em escala de nuvem ou APIs proprietárias. A série Qwen3.5 Medium Model, apresentada há poucos dias, traz quatro novos modelos projetados para funcionar com eficiência em hardware local, com desempenho alegadamente equivalente ao das principais alternativas ocidentais.

Três dos quatro modelos são distribuídos sob a licença permissiva Apache 2.0, permitindo que empresas e desenvolvedores independentes façam o download, modifiquem e implementem os modelos comercialmente sem pagar licenças. O trio de código aberto inclui Qwen3.5-35B-A3B, Qwen3.5-122B-A10B e Qwen3.5-27B, todos disponíveis imediatamente no Hugging Face e no ModelScope. Uma quarta variante, Qwen3.5-Flash, continua proprietária e pode ser acessada exclusivamente pela API do Alibaba Cloud Model Studio, embora com preços significativamente inferiores aos da maioria dos concorrentes ocidentais.

A alegação mais impressionante da Alibaba diz respeito aos resultados em testes de desempenho. Segundo a empresa, o modelo principal Qwen3.5-35B-A3B supera o GPT-5-mini, da OpenAI, e o Claude Sonnet 4.5, da Anthropic, em avaliações de terceiros sobre recuperação de conhecimento e raciocínio visual. O Claude Sonnet 4.5 foi lançado há apenas cinco meses, o que torna notável esse rápido avanço na disputa, em um setor em que os ciclos de desenvolvimento normalmente duram trimestres ou anos.

Inovação arquitetônica viabiliza execução local

O que diferencia o Qwen3.5 das gerações anteriores é sua arquitetura híbrida, que combina Gated Delta Networks com um sistema esparso de Mistura de Especialistas (MoE). Para quem não é da área técnica, isso representa uma mudança fundamental na forma como os modelos de IA processam informações. Modelos densos tradicionais ativam todos os parâmetros a cada consulta, consumindo enormes recursos computacionais. A abordagem MoE, por outro lado, funciona como uma consulta a especialistas: encaminha cada pergunta apenas ao subconjunto mais relevante do conhecimento do modelo.

As especificações técnicas mostram os ganhos de eficiência. Embora o Qwen3.5-35B-A3B tenha 35 bilhões de parâmetros no total, ele ativa apenas 3 bilhões para cada token. A arquitetura usa 256 módulos especialistas, dos quais 8 especialistas direcionados e 1 especialista compartilhado processam aspectos específicos de cada consulta. Essa ativação seletiva reduz drasticamente a latência de inferência sem comprometer a qualidade das respostas, permitindo que o modelo alcance o que a Alibaba descreve como precisão praticamente sem perdas, mesmo quando comprimido para pesos de 4 bits por meio de quantização.

Na prática, essa resistência à quantização é revolucionária para a flexibilidade de implementação. A maioria dos modelos de IA sofre uma degradação significativa de desempenho quando é comprimida para operar localmente. A estabilidade do Qwen3.5 sob compressão significa que o modelo principal pode processar janelas de contexto com mais de 1 milhão de tokens em GPUs de consumo com apenas 32 GB de VRAM. Embora esse patamar exija hardware de consumo de ponta, ele é muito mais acessível do que os parques de servidores normalmente necessários para obter desempenho comparável com modelos concorrentes.

Resultados em testes: alegações de desempenho sob análise independente

As alegações da Alibaba sobre os resultados em testes contam apenas parte da história. Embora avaliações patrocinadas pela empresa coloquem o Qwen3.5-35B-A3B à frente do GPT-5-mini e do Claude Sonnet 4.5 em métricas como MMMLU (conhecimento multilíngue) e MMMU-Pro (raciocínio visual), testes independentes mostram um cenário competitivo mais complexo.

Testes independentes recentes do SWE-rebench, que avaliam modelos com correções de bugs em pull requests reais do GitHub em vez de benchmarks sintéticos, mostraram que o Claude Sonnet 4.5 alcançou a maior taxa de aprovação, com 55,1%. O modelo da Anthropic resolveu sozinho vários casos complexos que nenhum dos outros modelos testados conseguiu solucionar, incluindo problemas nos repositórios python-trio, cubed-dev e canopen. Nesse ambiente de programação do mundo real, o Sonnet 4.5 manteve a liderança com folga.

Outros testes independentes do benchmark APEX, realizados em 70 tarefas com bases de código reais e problemas concretos, revelaram novas complexidades no perfil de desempenho do Qwen3.5. Embora o modelo denso de 27B tenha apresentado resultados razoáveis para uso com uma única GPU, marcando 1.384 pontos ELO e superando o DeepSeek V3.2, variantes maiores tiveram uma queda preocupante de desempenho em tarefas complexas que exigem coordenação entre vários arquivos. A variante MoE de 35B, com apenas 3B de parâmetros ativos, caiu para 1.256 pontos ELO em tarefas agênticas, ficando atrás do modelo menor de 27B em raciocínio com várias etapas. Mais notavelmente, a enorme configuração Qwen3.5-397B despencou em tarefas de dificuldade máxima: passou de aproximadamente 1.550 pontos ELO em tarefas difíceis para 1.194 quando precisou coordenar ações em muitos arquivos ao longo de cadeias extensas de raciocínio.

Quando precisa coordenar ações em muitos arquivos ao longo de várias etapas, simplesmente perde o fio do que está fazendo.

Essa análise independente, publicada por um pesquisador que financiou os próprios testes e gastou mais de US$ 3.000 em computação, sugere que, embora o Qwen3.5 se destaque em tarefas bem delimitadas, ele pode ter dificuldade com trabalhos agênticos complexos e de longo prazo, nos quais o Claude Sonnet 4.5 demonstra particular força.

Modo de raciocínio e integração com ferramentas

Todos os modelos Qwen3.5 vêm com um Modo de Raciocínio nativo ativado por padrão, refletindo uma mudança em direção a interações com IA centradas no raciocínio. Antes de gerar respostas finais, os modelos constroem cadeias internas de raciocínio delimitadas por tags específicas, analisando explicitamente a lógica de problemas complexos em vez de chegar imediatamente a conclusões. Essa abordagem se assemelha às metodologias de cadeia de pensamento que melhoraram a precisão de outros modelos de ponta.

A série também destaca capacidades agênticas, com suporte integrado ao uso de ferramentas que permite aos modelos interagir com sistemas externos, pesquisar na web e executar código. A API do Qwen3.5-Flash oferece preços detalhados para esses recursos: a pesquisa na web custa US$ 10 a cada 1.000 chamadas, enquanto o acesso ao interpretador de código está disponível gratuitamente por tempo limitado. Essa estrutura de preços coloca o Flash entre as opções de LLM hospedado mais acessíveis do mundo, com custo de US$ 0,10 por milhão de tokens de entrada e US$ 0,40 por milhão de tokens de saída.

Para comparação, o Claude Sonnet 4.5 custa US$ 3,00 por milhão de tokens de entrada e US$ 15,00 por milhão de tokens de saída, enquanto o GPT-5.2 custa, respectivamente, US$ 1,75 e US$ 14,00. Até alternativas voltadas à execução local, como o GLM-5, da Z.ai, custam US$ 1,00 e US$ 3,20 por milhão de tokens. Essa diferença de preço de 30 a 100 vezes pode impulsionar a adoção entre empresas preocupadas com custos e dispostas a aceitar diferenças marginais de desempenho em troca de uma grande redução nas despesas.

Implicações para a soberania de dados nas empresas

Além das métricas brutas de desempenho, o lançamento do Qwen3.5 tem importância estratégica para a implementação de IA nas empresas. A possibilidade de executar modelos de ponta inteiramente em infraestrutura privada responde à crescente preocupação com a soberania de dados e os riscos de APIs de terceiros. Organizações de setores regulados, como finanças, saúde e contratos governamentais, estão sujeitas cada vez mais a exigências de conformidade que proíbem o envio de dados confidenciais a serviços externos de IA na nuvem.

Ao permitir janelas de contexto de 1 milhão de tokens em hardware sob controle local, o Qwen3.5 possibilita que empresas processem enormes repositórios de documentos, vídeos com horas de duração e extensos conjuntos de dados institucionais sem expor informações proprietárias a APIs externas. Essa mudança arquitetônica desvincula recursos sofisticados de IA de investimentos de capital gigantescos, podendo democratizar o acesso a ferramentas antes reservadas a empresas de tecnologia com muitos recursos.

A licença de código aberto também permite personalização e ajuste fino para aplicações específicas de cada área. Ao contrário dos modelos proprietários, acessíveis apenas por APIs de caixa-preta, os pesos abertos do Qwen3.5 permitem que as organizações adaptem os modelos a vocabulários especializados, bases de conhecimento internas e requisitos próprios de fluxo de trabalho. Essa flexibilidade é especialmente valiosa em setores com terminologia específica ou exigências regulatórias de documentação.

O desafio mais amplo do ecossistema chinês de IA

O Qwen3.5 chega em meio a uma onda de lançamentos competitivos de código aberto por laboratórios chineses de IA, que, em conjunto, desafiam a primazia tecnológica do Ocidente. A família GLM-4.5, da Z.ai, lançada sob licença Apache 2.0 semelhante, oferece desempenho comparável e recursos especializados, como geração automatizada de apresentações em PowerPoint. O Kimi K2, da Moonshot, e os diversos modelos abertos da DeepSeek completam um ecossistema que oferece alternativas viáveis aos sistemas americanos fechados.

Essa tendência pressiona as empresas ocidentais de IA já estabelecidas. A Meta foi criticada após a estreia da família Llama 4, com alguns pesquisadores de IA apontando preocupações sobre manipulação de benchmarks e desempenho inconsistente no uso real. A OpenAI, que inaugurou a era moderna dos LLMs, adiou de julho para uma data posterior ainda não especificada o lançamento planejado de seu modelo de ponta de código aberto, abrindo espaço para que alternativas chinesas conquistem a atenção dos desenvolvedores.

A dinâmica competitiva vai além das especificações técnicas e envolve questões de governança de dados. Empresas ocidentais que adotam modelos desenvolvidos na China precisam considerar possíveis restrições de conteúdo e questões de soberania de dados, sobretudo quando usam APIs hospedadas na nuvem em vez de implementações locais. No entanto, a natureza de código aberto das principais variantes do Qwen3.5 permite implementações isoladas de redes externas, o que atenua muitas dessas preocupações.

Posicionamento de mercado e próximos passos

A estratégia de lançamento da Alibaba prioriza a acessibilidade em diferentes níveis de hardware. O Qwen3.5-27B é voltado a implementações de alta eficiência, com suporte a janelas de contexto de mais de 800 mil tokens, enquanto a variante 122B-A10B exige GPUs de nível de servidor com 80 GB de VRAM para atingir o desempenho máximo. Essa abordagem em níveis permite que as organizações escolham o modelo de acordo com a infraestrutura disponível, sem depender obrigatoriamente da nuvem.

A empresa também disponibilizou em código aberto o modelo-base, além das variantes ajustadas para seguir instruções, atendendo às necessidades da comunidade de pesquisa em ajuste fino e estudo da arquitetura. Essa transparência contrasta com as práticas de desenvolvimento fechado de alguns concorrentes ocidentais e pode acelerar a inovação por meio de melhorias colaborativas.

As primeiras reações da comunidade no Hugging Face indicam entusiasmo especial com as capacidades agênticas dos modelos e sua estabilidade sob quantização. Desenvolvedores relatam implementações bem-sucedidas em hardware de consumo que antes era considerado insuficiente para obter desempenho de modelos de ponta, corroborando as alegações de eficiência da Alibaba, embora os benchmarks independentes recomendem cautela em tarefas complexas de programação.

Principais pontos

• A Alibaba lançou a série Qwen3.5 Medium, com quatro modelos; três são oferecidos sob a licença de código aberto Apache 2.0 para uso comercial
• O modelo principal Qwen3.5-35B-A3B ativa apenas 3 bilhões de seus 35 bilhões de parâmetros por token, usando uma arquitetura de Mistura de Especialistas
• Benchmarks independentes mostram resultados variados: bom desempenho em testes de conhecimento e raciocínio, mas dificuldades em tarefas complexas de programação que envolvem vários arquivos, em comparação com o Claude Sonnet 4.5
• Com quantização avançada de 4 bits, os modelos oferecem janelas de contexto com mais de 1 milhão de tokens em GPUs de consumo com 32 GB de VRAM
• Os preços da API do Qwen3.5-Flash são de 30 a 100 vezes menores que os de concorrentes ocidentais: US$ 0,10 por milhão de tokens de entrada, contra US$ 3,00 no Claude Sonnet 4.5
• O Modo de Raciocínio nativo, ativado por padrão em toda a série, gera cadeias internas de raciocínio antes de produzir as respostas finais
• A implementação empresarial permite soberania total dos dados em setores regulados que exigem processamento de IA nas próprias instalações
• O lançamento se soma a uma onda mais ampla de modelos chineses de IA de código aberto, como o GLM-4.5, da Z.ai, e o Kimi K2, da Moonshot, que desafiam os sistemas proprietários ocidentais