Motif-3, GLM-5.3 e Hy4-preview: quatro modelos abertos novos e o que cada licença cobra de você

A newsletter Interconnects, de Nathan Lambert e Florian Brand, publicou em 8 de setembro de 2026 seu balanço periódico de modelos abertos, o “Artifacts Log”. Desta vez o destaque não é só quem lançou o quê, mas uma mudança de fundo: enquanto Google e Meta migraram seus modelos para a licença Apache 2.0, labs chineses de ponta estão fazendo o caminho inverso, endurecendo as regras de uso comercial. Isso importa para quem decide hoje qual modelo colocar em produção, porque a licença virou parte do custo real do projeto, não só letra miúda.

A Zhipu trocou o MIT por uma cláusula de faturamento

Até a versão 5.2, o GLM da Zhipu (empresa também conhecida como Z.AI) usava licença MIT, sem restrição nenhuma de uso comercial. O GLM-5.3, lançado em setembro de 2026, muda isso: quem opera um serviço de “Modelo como Serviço” (rodar inferência ou fine-tuning do modelo para terceiros) e, junto de suas afiliadas, fatura mais de US$ 10 bilhões em qualquer janela de 12 meses consecutivos, precisa passar por uma revisão de segurança da Z.AI antes de continuar usando o software comercialmente. O trecho original, em inglês, é este:

Se o licenciado ou qualquer de suas afiliadas operar um negócio de Modelo como Serviço, e a receita agregada do licenciado e de suas afiliadas ultrapassar 10 bilhões de dólares americanos (ou equivalente em outras moedas) no total em qualquer período de 12 meses consecutivos, o licenciado deve passar pela revisão de segurança da Z.AI antes de usar o software ou suas obras derivadas para qualquer finalidade comercial. O escopo e o método da revisão de segurança serão razoavelmente determinados pela Z.AI.

If the Licensee or any of its affiliates operates a Model as a Service business, and the aggregate revenue of the Licensee and its affiliates exceeds 10 billion US dollars (or the equivalent in other currencies) in total over any consecutive 12 months, the Licensee must pass Z.AI's security review before using the Software or its derivative works for any commercial purpose. The scope and method of the security review shall be reasonably determined by Z.AI.Trecho da licença do GLM-5.3, Z.AI

Dez bilhões de dólares é um teto alto comparado a licenças parecidas de outros modelos chineses (Kimi K3 e MiniMax M3 já exigem acordo comercial bem antes disso). O problema, como aponta a Interconnects, é que a licença não define o que conta como “afiliada”, e a versão em chinês usa o termo 关联方, que tem definição própria na lei chinesa e pode não coincidir com a leitura da versão em inglês. Para quem pretende embarcar o GLM-5.3 num produto que pode crescer muito, essa ambiguidade jurídica é um custo que não aparece em nenhuma tabela de preço por token.

Motif-3 segue de graça e com poucos recursos

O contraponto mais direto é o Motif-3, da coreana Motif Technologies, que manteve a licença MIT (sem nenhuma restrição comercial). A Interconnects chama a Motif de “joia escondida” do ecossistema aberto porque consegue treinar modelos competitivos com recursos muito menores que os das big techs.

A trajetória conta a história: a newsletter já havia coberto o Motif 2.6B em 2025 e o Motif-2-12.7B depois, e descreve o salto até o Motif-3 como “impressionante” para o tamanho do modelo. Não há benchmark numérico publicado na fonte, mas o padrão de evolução sugere um time pequeno otimizando bem o que tem, o que é relevante pra quem busca um modelo leve pra rodar local sem depender de infraestrutura gigante.

O lançamento disfarçado do GLM-5.3-Flash

A versão menor, GLM-5.3-Flash, virou um estudo de caso à parte. A Zhipu lançou o modelo de graça sob o codinome “Ox-Alpha” no OpenRouter e no OpenCode, sem revelar quem era o criador. A comunidade especulou por dias se era um modelo de mais de 1 trilhão de parâmetros da Cursor, da xAI, do Gemini ou um novo pretrain de algum lab aberto.

Essa estratégia de “stealth launch” gera hype em torno do modelo e, segundo a Interconnects, ajuda a esfriar as acusações de benchmaxxing (otimizar o modelo só para pontuar bem em benchmarks específicos) que costumam acompanhar todo lançamento de modelo aberto. Para quem acompanha o OpenRouter, vale lembrar o padrão: um modelo “misterioso” e gratuito na plataforma pode muito bem ser a prévia de um lançamento oficial.

Hy4-preview da Tencent ainda pensa demais

A Tencent segue aumentando o tamanho do seu modelo principal e girando o que a Interconnects chama de “post-training flywheel”, o ciclo de refinar o modelo com várias rodadas de pós-treinamento depois do pretrain. O resultado, Hy4-preview, é descrito como competente, mas com um problema de overthinking: o modelo gasta tokens de raciocínio além do necessário antes de responder, o que encarece e atrasa cada chamada.

A fonte lembra que o Hy3-preview tinha o mesmo tipo de ajuste pendente antes de virar o Hy3 final, então a aposta é que a versão definitiva do Hy4 corrija isso e dispute o topo dos modelos abertos. Por enquanto, quem for testar o Hy4-preview em produção deve medir latência e custo de tokens de raciocínio antes de comprometer um fluxo real.

Outros lançamentos do mesmo ciclo

A Interconnects também destacou um grupo menor de modelos que vale registrar para quem monta um comparativo mais completo:

• dots3-note-prev, da dots.studio (ligada à RedNote/Xiaohongshu): usando um harness interno próprio, o modelo conseguiu nota perfeita na Olimpíada Internacional de Matemática (IMO) de 2026, um resultado forte em raciocínio matemático formal.
• Qwen3.8-Flash-Next, da Qwen: uma prévia da próxima arquitetura da família, com 125B de parâmetros totais e 6B ativos por inferência (formato 125B-A6B, típico de mixture-of-experts), mais 51B de parâmetros em embeddings de n-gram. Usa GDN (Gated DeltaNet) e o chamado Qwen Sparse Attention, no mesmo caminho do Qwen3-Next-80B-A3B-Instruct.
• Qwen3.8-2.4T-A95B, também da Qwen: a versão “grande” da mesma família, liberada com licença customizada (não Apache 2.0) e, segundo a fonte, com desempenho atrás de outros modelos do mesmo porte.
• NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16, da NVIDIA: atualização focada em velocidade de inferência, não só em qualidade de resposta.
• Ling-3.0-flash, da InclusionAI (Ant Group): terceira geração da família Ling, com arquitetura híbrida combinando KDA e Gated MLA, e uma versão pequena de 7,9B parâmetros totais com 1,3B ativos.

O que isso muda na hora de escolher

A fonte não traz benchmark numérico comparável entre os quatro modelos principais nem tabela de preço por token, então qualquer comparação de desempenho bruto fica para quando o Artifacts Hub publicar os números completos. O que já dá para decidir hoje é o trade-off de licença:

Para um projeto que ainda está validando produto, a licença quase não pesa. O problema aparece se a empresa planeja escalar: um modelo com teto de faturamento embutido na licença, como o GLM-5.3, exige acompanhamento jurídico contínuo, algo que Apache 2.0 ou MIT simplesmente não cobram. Isso inverte uma lógica antiga do open source, em que “aberto” significava sem pegadinha: hoje, antes de colocar um modelo chinês de ponta em produção, vale ler a licença inteira, nas duas línguas em que ela foi publicada, e não só o anúncio do lançamento.

Fonte: Interconnects (Nathan Lambert)