GLM 4.6 impulsiona aumento de dez vezes no número de usuários pagantes da Zhipu AI no exterior, enquanto ferramentas de programação ganham o mundo

Um momento decisivo para um modelo chinês de programação

A Zhipu AI, startup de Pequim por trás da marca Z.ai, afirma que o uso pago de seus serviços fora da China aumentou dez vezes nos últimos dois meses. A empresa agora conta com cerca de 100 mil clientes mensais de API pagantes e aproximadamente 3 milhões de usuários gratuitos de chatbot no exterior. Esse impulso veio após o lançamento, no fim de setembro, do GLM 4.6, um modelo voltado à programação, ao raciocínio e a fluxos de trabalho com agentes. O lançamento levou imediatamente a Zhipu para o conjunto de ferramentas usado diariamente por muitos desenvolvedores, graças ao preço atraente, à facilidade de integração e ao desempenho prático em tarefas reais de programação.

Li Zixuan, responsável pelas operações globais da Zhipu, descreveu o crescimento como um sinal da direção do mercado e dos próximos investimentos da empresa. Ele disse que a demanda no exterior está crescendo mais rápido do que a adesão no mercado doméstico e que a equipe pretende continuar expandindo em várias regiões, em vez de priorizar uma única geografia.

Depois de descrever essa mudança, Li resumiu a estratégia em poucas palavras.

"Queremos crescer em todos os mercados porque o crescimento no exterior está superando o crescimento doméstico", disse Li Zixuan, responsável pelas operações globais da Zhipu AI.

O GLM 4.6 foi apresentado como um poderoso modelo aberto para programação. Rapidamente, foi integrado a ferramentas de desenvolvimento já usadas por muitos programadores. O Claude Code, apoiado pela Anthropic, passou a oferecer acesso ao GLM 4.6. Outros agentes de programação, como Cline, Roo Code e Kilo Code, seguiram o mesmo caminho. A Kilo Code afirmou que o modelo impulsionou a adoção mais rápida já vista na plataforma, com o uso de tokens aumentando 94 vezes em 12 dias, porque o modelo era uma opção de baixo custo e "boa o suficiente" em comparação com os principais sistemas dos EUA. Essa combinação de capacidade satisfatória e bom custo-benefício ajudou a Zhipu a ganhar espaço entre desenvolvedores individuais e pequenas equipes fora da China.

O que torna o GLM 4.6 atraente para desenvolvedores

O GLM 4.6 amplia a janela de contexto para 200 mil tokens, o que permite ler e processar mais material de uma só vez, como bases de código grandes ou documentos técnicos extensos. O modelo também melhora a qualidade da programação, o raciocínio e o uso de ferramentas. Nas avaliações internas da empresa sobre agentes, raciocínio e código, o GLM 4.6 apresenta avanços claros em relação ao GLM 4.5. Ele se integra melhor a estruturas de agentes, lida com chamadas de ferramentas durante a inferência e gera páginas de front-end mais refinadas que a versão anterior.

Em testes internos e públicos, o GLM 4.6 é competitivo com muitos modelos amplamente utilizados. Ele chega perto de igualar o Claude Sonnet 4 em comparações diretas nas tarefas de agentes do CC Bench, com uma taxa de vitórias de 48,6%, enquanto usa menos tokens que o GLM 4.5 para concluir as mesmas tarefas. A Zhipu também reconhece que o GLM 4.6 ainda fica atrás do Claude Sonnet 4.5 em alguns benchmarks de programação. Esse equilíbrio reflete o retorno dos desenvolvedores, que costuma se concentrar em saber se um sistema é confiável o bastante para o trabalho diário, mesmo que não seja o melhor modelo em todos os rankings.

Desenvolvedores podem acessar o GLM 4.6 pela API da Z.ai, por hubs de roteamento como o OpenRouter ou executando localmente os pesos abertos. A Zhipu publicou os pesos do modelo em plataformas como Hugging Face e ModelScope e oferece suporte a pilhas de inferência comuns, incluindo vLLM e SGLang. Isso torna o modelo atraente para equipes de engenharia que querem controlar a implantação. O blog técnico da empresa detalha as mudanças e explica as configurações recomendadas para programação e tarefas assistidas por ferramentas. Para notas técnicas mais aprofundadas, a Zhipu mantém uma página do modelo e documentação do GLM 4.6 em seus canais oficiais, incluindo o blog em z.ai.

Estratégia de preços e a tese do "bom o suficiente"

O custo é um dos principais motivos para o avanço do GLM 4.6. A Zhipu promove um plano de programação que, segundo a empresa, oferece desempenho no nível do Claude por uma fração do preço. A empresa anuncia um custo cerca de sete vezes menor e uma cota de uso maior para assinantes, em comparação com um plano equivalente de um serviço líder dos EUA. O valor exato depende do uso e da região, mas a mensagem é clara. Muitos desenvolvedores querem um assistente confiável que caiba em um orçamento apertado e preferem entregar código a perseguir pequenos ganhos em benchmarks pouco conhecidos.

Para programadores freelancers, estudantes e startups, uma ferramenta de baixo custo "boa o suficiente" pode fazer a diferença entre adotar a IA como assistente cotidiano ou deixá-la de lado após um período de teste. O GLM 4.6 tem se mostrado forte em tarefas corriqueiras que muitos programadores enfrentam diariamente, como depuração, escrita de funções de back-end, integração de sistemas e estilização de componentes de front-end. Avaliações da comunidade de desenvolvedores destacam que o modelo é econômico e que, mesmo exigindo correções ocasionais, sua velocidade e seu preço o tornam uma opção prática para o trabalho rotineiro.

A Zhipu também destaca que o modelo conclui tarefas usando menos tokens que seu antecessor. Esse detalhe importa para usuários que pagam por token, pois uma conta menor para a mesma tarefa reduz o custo total de propriedade. A empresa combinou essa promessa de eficiência com uma migração simples. Assinantes do plano de programação passam automaticamente para o GLM 4.6, e a configuração do aplicativo exige apenas selecionar o nome do novo modelo.

Integração a ferramentas globais e um novo debate sobre a origem dos modelos

Um dos motivos para a rápida disseminação do GLM 4.6 é sua integração com ferramentas em que os desenvolvedores já confiam. Claude Code, Cline, Roo Code e Kilo Code oferecem suporte ao modelo. Na prática, isso permite que um programador alterne entre provedores dentro do mesmo agente de programação, compare os resultados para um problema e escolha o modelo que equilibra velocidade, qualidade e custo. Essa facilidade de integração ajudou a Zhipu a aproveitar o crescimento dos assistentes de programação no estilo agente, que gerenciam tarefas com várias etapas usando ferramentas, busca na web e operações em repositórios.

O impulso também alimentou um novo debate sobre a origem de algumas ferramentas de programação dos EUA. Dois serviços de grande visibilidade lançados nas últimas semanas, incluindo um novo modelo da Cognition AI chamado SWE 1.5 e a ferramenta Composer, da Cursor, atraíram atenção de usuários que notaram que ambos pareciam apresentar traços do comportamento de modelos chineses. Uma ferramenta gerou registros de raciocínio em chinês, e outra reconheceu que havia sido construída sobre um modelo aberto de ponta, sem identificá-lo.

A Zhipu abordou publicamente o tema. Em um comunicado, a empresa disse acreditar que uma das ferramentas usava seu modelo mais recente como base.

"Acreditamos que o SWE 1.5 usou nosso GLM 4.6 mais recente como modelo-base", afirmou a Zhipu AI em resposta a perguntas sobre a origem dos modelos.

A discussão diz menos respeito à lei e mais às normas do setor. Licenças abertas permitem a reutilização comercial, inclusive sem atribuição, razão pela qual sistemas de ponta com pesos abertos frequentemente servem de base para muitos produtos derivados. Alguns especialistas ressaltam que o valor exclusivo de uma ferramenta comercial pode vir do ajuste fino, dos fluxos de dados e da engenharia de sistemas adicionados sobre o modelo-base.

Florian Brand, pesquisador da Universidade de Trier que estuda modelos abertos, resumiu essa perspectiva.

"O ajuste fino é o molho", disse Florian Brand, referindo-se ao treinamento personalizado e à engenharia que transformam um modelo-base em um produto refinado.

Foco no exterior e limitações no mercado doméstico

O crescimento no exterior reflete tanto fatores de atração quanto de pressão. A demanda por IA de programação acessível é forte em outros países, e a Zhipu a atende com um modelo fácil de integrar e barato de operar. No mercado doméstico, a empresa enfrenta um ciclo mais lento de contratos com o setor público e concorrência crescente. A direção afirmou que o crescimento no exterior já supera a expansão doméstica, motivo pelo qual a Zhipu está investindo em mercados onde desenvolvedores já pagam por ferramentas de IA.

Os investidores estão atentos. A empresa está avaliada em cerca de 40 bilhões de yuans e se prepara para uma abertura de capital prevista para 2026. Fundada em 2019 como uma empresa derivada da Universidade Tsinghua, a Zhipu se tornou uma das empresas de IA mais conhecidas da China. Embora ainda não esteja buscando um negócio de assinaturas para consumidores em massa que rivalize com as plataformas dos EUA, a empresa aposta em contratos com empresas e em uma assinatura de programação voltada a desenvolvedores para construir uma receita mais previsível.

A geopolítica continua influenciando as decisões dos compradores. A Zhipu afirma que clientes de terceiros países se sentem confortáveis usando seus serviços quando os dados podem ser hospedados localmente ou quando a empresa se compromete a não retê-los. Essa combinação de hospedagem local e políticas rígidas de retenção está se tornando uma abordagem padrão entre provedores de IA para responder a preocupações com privacidade entre países.

Desempenho do GLM 4.6 além dos rankings

Os benchmarks ajudam a contextualizar as capacidades, mas o que importa para os desenvolvedores é saber se um modelo consegue concluir tarefas reais. A Zhipu ampliou as avaliações do CC Bench para incluir trabalhos mais difíceis e com várias etapas em desenvolvimento de front-end, criação de ferramentas, análise de dados, testes e problemas de algoritmos. Nesses testes, avaliadores humanos trabalharam com modelos em ambientes isolados para pontuar o desempenho dos sistemas em fluxos de trabalho realistas e com várias interações. O GLM 4.6 melhorou em relação ao GLM 4.5 e chegou perto de igualar o Claude Sonnet 4 nessas tarefas com agentes. Também concluiu trabalhos usando cerca de 15% menos tokens que o GLM 4.5, o que aponta para maior eficiência na prática.

Desenvolvedores relatam que o GLM 4.6 lida melhor com repositórios de vários arquivos e consegue planejar sequências mais longas ao desenvolver funcionalidades. O modelo comete menos erros de contexto em projetos grandes porque consegue ler mais arquivos de uma só vez. Também produz componentes de front-end mais organizados e pode gerar páginas completas que exigem menos ajustes, embora estilos complexos e casos extremos ainda se beneficiem da revisão humana. São ganhos que fazem diferença no ritmo cotidiano das equipes de software.

O que significam janela de contexto e tokens

Um token é uma pequena unidade de texto que um modelo usa para ler e escrever. Pense nele como um fragmento de palavra. O preço das APIs costuma depender da quantidade de tokens consumidos pelo modelo. Por isso, a eficiência importa. Se um modelo consegue concluir uma tarefa usando menos tokens, a conta diminui e a interação costuma parecer mais rápida.

A janela de contexto é a quantidade de texto que um modelo consegue considerar de uma só vez. Uma janela maior permite que o modelo leia mais arquivos e instruções antes de começar a trabalhar. Com um contexto de 200 mil tokens, o GLM 4.6 consegue processar longas sequências de funções, arquivos de configuração e conjuntos de testes de uma só vez, algo essencial para trabalhos de programação realistas. Isso não elimina a necessidade de instruções cuidadosas e de uma boa estratégia de uso das ferramentas, mas reduz as idas e vindas que atrasam os desenvolvedores em projetos grandes.

Riscos, regulamentação e acesso

Empresas chinesas de IA operam sob controles de exportação, limitações na cadeia de suprimentos e fiscalização regulatória em várias jurisdições. Esse cenário afeta os planos de treinamento e implantação. Modelos de pesos abertos, como o GLM 4.6, podem ajudar ao dar aos clientes mais controle sobre onde e como o sistema funciona, inclusive localmente ou em uma região de nuvem de sua preferência. Mesmo com essas opções, os compradores ainda avaliam o suporte de longo prazo, os compromissos de nível de serviço e os recursos de conformidade antes de escolher um provedor.

O tratamento de dados é uma das principais preocupações. A proposta da Zhipu para clientes no exterior inclui hospedagem local de dados e configurações sem retenção. A ideia é manter códigos e documentos confidenciais dentro da região escolhida pelo cliente, sem abrir mão de um assistente de programação de alta qualidade. Para muitas equipes, essa configuração é um equilíbrio razoável entre desempenho, privacidade e custo.

Um mercado concorrido de assistentes de programação

O mercado de assistentes de programação está lotado de serviços consolidados e novos concorrentes. O GitHub Copilot popularizou a categoria. Modelos da OpenAI e da Anthropic alimentam ferramentas premium com forte capacidade de raciocínio e gerenciamento de contexto. Empresas chinesas avançaram rapidamente com sistemas como DeepSeek e Qwen, enquanto startups de várias regiões desenvolvem assistentes para IDEs no estilo agente, que coordenam busca, análise, edição de código e testes em um único ciclo.

Nesse cenário, a Zhipu aposta em três diferenciais. Primeiro, o preço. A empresa posiciona o GLM 4.6 como uma ferramenta prática, com bom desempenho e custo menor. Segundo, a abertura. O acesso aos pesos do modelo e o suporte a estruturas de inferência comuns atraem equipes que querem personalizar o sistema ou hospedá-lo por conta própria. Terceiro, a integração. Ao funcionar bem com agentes de programação populares e oferecer opções simples de API, a Zhipu reduz o esforço necessário para testar e adotar seu modelo. Nenhum desses fatores garante liderança. Mas eles abrem um caminho plausível para um crescimento constante entre desenvolvedores que valorizam confiabilidade, controle e uma conta razoável no fim do mês.

A visão da liderança sobre os próximos passos

O CEO da Zhipu, Zhang Peng, falou publicamente sobre o ritmo do avanço da IA avançada. Ele argumenta que as discussões sobre superinteligência artificial tendem a confundir detalhes importantes e que qualquer previsão deve ser vista como algo sujeito a mudanças. Para os clientes, o que importa é saber se os modelos conseguem superar os humanos em tarefas específicas que lhes interessam e se esses ganhos se traduzem em produtividade real.

Em um evento de lançamento recente, Zhang explicou como vê os próximos anos.

"Alcançar ou superar a inteligência humana até 2030 pode significar superar os humanos em certas áreas, mas ainda ficar atrás em muitas outras", disse Zhang Peng, CEO da Zhipu AI.

Essa postura pragmática se reflete nas escolhas de produtos da empresa. A Zhipu não está correndo para conquistar todas as assinaturas de consumidores. Seu foco está nas empresas e em um plano de programação voltado a desenvolvedores, mantendo ao mesmo tempo uma versão gratuita e acessível do chatbot para atrair novos usuários. O objetivo de curto prazo não é definir o limite da inteligência. É oferecer um modelo que ajude as pessoas a lançar funcionalidades, corrigir bugs e trabalhar mais rápido, mantendo os custos sob controle.

O que você precisa saber

• A Zhipu AI afirma que o número de usuários pagantes no exterior aumentou dez vezes em dois meses, chegando a cerca de 100 mil clientes mensais de API, além de 3 milhões de usuários gratuitos de chatbot fora da China.
• O salto veio após o lançamento do GLM 4.6, um modelo de programação e raciocínio que foi rapidamente integrado a ferramentas como Claude Code, Cline, Roo Code e Kilo Code.
• A Kilo Code relatou a adoção mais rápida já vista na plataforma, com o uso de tokens do GLM 4.6 aumentando 94 vezes em 12 dias devido ao custo mais baixo.
• O GLM 4.6 amplia a janela de contexto para 200 mil tokens, melhora o uso de ferramentas e o desempenho de agentes e conclui tarefas usando cerca de 15% menos tokens que o GLM 4.5.
• O modelo chega perto de igualar o Claude Sonnet 4 nas tarefas com agentes do CC Bench, mas ainda fica atrás do Claude Sonnet 4.5 em alguns testes de programação.
• Os pesos abertos estão disponíveis para implantação local, e o modelo oferece suporte a pilhas de inferência como vLLM e SGLang.
• A Zhipu aposta em uma estratégia de preços baixos e promove um plano de programação que, segundo a empresa, oferece desempenho no nível do Claude por uma fração do custo.
• A empresa está avaliada em cerca de 40 bilhões de yuans e se prepara para uma possível abertura de capital em 2026, enquanto prioriza o crescimento entre empresas e desenvolvedores no exterior.