Modelos Qwen3.5 Medium da Alibaba desafiam o domínio da IA ocidental com arquitetura centrada no local

O desempenho da IA de fronteira chega ao hardware de consumo

A equipa de desenvolvimento de IA Qwen, da Alibaba, lançou uma nova série de modelos de linguagem de grande dimensão que desafia na sua essência o pressuposto de que a inteligência artificial de vanguarda exige infraestrutura à escala da nuvem ou APIs proprietárias. A série Qwen3.5 Medium Model, revelada há apenas alguns dias, introduz quatro novos modelos concebidos para funcionar de forma eficiente em hardware local, reivindicando ao mesmo tempo um desempenho equiparável ao das principais alternativas ocidentais.

Três dos quatro modelos chegam sob a licença permissiva Apache 2.0, permitindo a empresas e programadores independentes descarregá-los, modificá-los e implementá-los comercialmente sem taxas de licenciamento. O trio de código aberto inclui o Qwen3.5-35B-A3B, o Qwen3.5-122B-A10B e o Qwen3.5-27B, todos disponíveis de imediato no Hugging Face e no ModelScope. Uma quarta variante, o Qwen3.5-Flash, permanece proprietária e acessível exclusivamente através da API do Alibaba Cloud Model Studio, embora a um preço que bate a maioria dos concorrentes ocidentais por margens significativas.

A alegação mais surpreendente da Alibaba centra-se nos testes de desempenho. Segundo a empresa, o modelo de topo Qwen3.5-35B-A3B supera o GPT-5-mini da OpenAI e o Claude Sonnet 4.5 da Anthropic em avaliações de terceiros que abrangem a recuperação de conhecimento e o raciocínio visual. O Claude Sonnet 4.5 foi lançado há apenas cinco meses, o que torna esta rápida aproximação competitiva digna de nota num setor em que os ciclos de desenvolvimento costumam abranger trimestres ou anos.

A inovação arquitetural permite a implementação local

O que distingue o Qwen3.5 das gerações anteriores reside na sua arquitetura híbrida, que combina Gated Delta Networks com um sistema esparso de Mixture-of-Experts. Para os leitores não técnicos, isto representa uma mudança fundamental na forma como os modelos de IA processam a informação. Os modelos densos tradicionais ativam todos os parâmetros em cada consulta, consumindo enormes recursos computacionais. A abordagem MoE, em contrapartida, funciona como uma consulta a especialistas, encaminhando cada pedido apenas para o subconjunto mais relevante do conhecimento do modelo.

As especificações técnicas revelam os ganhos de eficiência. Embora o Qwen3.5-35B-A3B aloje 35 mil milhões de parâmetros no total, ativa apenas 3 mil milhões em cada token. A arquitetura utiliza 256 módulos especializados, com 8 especialistas encaminhados e 1 especialista partilhado a tratar de aspetos específicos de cada consulta. Esta ativação seletiva reduz drasticamente a latência de inferência e mantém a qualidade do resultado, permitindo ao modelo alcançar aquilo que a Alibaba descreve como uma exatidão quase sem perdas, mesmo quando comprimido para pesos de 4 bits através de quantização.

A implicação prática desta resiliência à quantização revela-se revolucionária para a flexibilidade de implementação. A maioria dos modelos de IA sofre uma degradação significativa de desempenho quando é comprimida para funcionamento local. A estabilidade concebida do Qwen3.5 sob compressão significa que o modelo de topo consegue processar mais de 1 milhão de tokens de janela de contexto em GPUs de nível de consumo com apenas 32 GB de VRAM. Este limiar, embora exija hardware de consumo de gama alta, continua a ser muito mais acessível do que as farms de servidores normalmente necessárias para um desempenho comparável de modelos concorrentes.

Verificação da realidade dos benchmarks: as alegações de desempenho sob escrutínio independente

As afirmações da Alibaba sobre benchmarks contam apenas parte da história. Embora as 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 o MMMLU (conhecimento multilingue) e o MMMU-Pro (raciocínio visual), os testes independentes revelam um panorama competitivo mais matizado.

Testes independentes recentes do SWE-rebench, que avaliam os modelos com correções reais de erros em pull requests do GitHub em vez de benchmarks sintéticos, mostraram que o Claude Sonnet 4.5 alcançou a taxa de sucesso mais elevada, de 55,1%. O modelo da Anthropic resolveu de forma única vários casos complexos que nenhum outro modelo testado conseguiu resolver, incluindo problemas nos repositórios python-trio, cubed-dev e canopen. Neste ambiente de programação do mundo real, o Sonnet 4.5 manteve uma liderança clara.

Testes adicionais com o benchmark independente APEX, realizados em 70 tarefas que envolviam bases de código reais com problemas reais, revelaram complexidades adicionais no perfil de desempenho do Qwen3.5. Embora o modelo denso de 27B tenha tido um desempenho respeitável para implementação numa única GPU, com 1384 ELO e superando o DeepSeek V3.2, as variantes maiores mostraram uma degradação preocupante em tarefas complexas de coordenação entre vários ficheiros. A variante MoE de 35B, com apenas 3B de parâmetros ativos, caiu para 1256 ELO em cargas de trabalho agênticas, com um desempenho inferior ao da variante menor de 27B em raciocínio de vários passos. Mais notavelmente, a enorme configuração Qwen3.5-397B desmoronou em tarefas de dificuldade máxima, caindo de cerca de 1550 ELO em tarefas difíceis para 1194 quando teve de coordenar entre muitos ficheiros ao longo de longas cadeias de raciocínio.

Quando precisa de coordenar entre muitos ficheiros ao longo de muitos passos, perde simplesmente o fio ao que está a fazer.

Esta análise independente, publicada por um investigador autofinanciado que já gastou mais de 3 000 dólares em custos de computação para testes, sugere que, embora o Qwen3.5 se destaque em tarefas delimitadas, pode ter dificuldades no tipo de trabalho agêntico complexo e de longo horizonte em que o Claude Sonnet 4.5 demonstra uma força particular.

Modo de pensamento e integração de ferramentas

Todos os modelos Qwen3.5 são fornecidos com um Modo de Pensamento nativo ativado por predefinição, o que representa uma mudança para uma interação com a IA assente em primeiro lugar no raciocínio. Antes de gerarem os resultados finais, os modelos constroem cadeias de raciocínio internas delimitadas por etiquetas específicas, trabalhando a lógica complexa de forma explícita em vez de saltarem imediatamente para conclusões. Esta abordagem espelha as metodologias de cadeia de pensamento que melhoraram a exatidão noutros modelos de fronteira.

A série também dá ênfase às capacidades agênticas, com suporte incorporado para chamadas a ferramentas que permite aos modelos interagir com sistemas externos, pesquisar na web e executar código. A API do Qwen3.5-Flash oferece preços granulares para estas capacidades, com a funcionalidade de pesquisa na web a custar 10 dólares por cada 1 000 chamadas e o acesso ao interpretador de código atualmente oferecido sem encargos por tempo limitado. Esta estrutura de preços posiciona o Flash como uma das opções de LLM alojado mais acessíveis do mundo, com custos de entrada de 0,10 dólares por milhão de tokens e de saída de 0,40 dólares por milhão.

Para comparação, o Claude Sonnet 4.5 custa 3,00 dólares por milhão de tokens de entrada e 15,00 dólares por milhão de tokens de saída, enquanto o GPT-5.2 custa 1,75 e 14,00 dólares, respetivamente. Mesmo alternativas com foco local, como o GLM-5 da Z.ai, custam 1,00 e 3,20 dólares por milhão de tokens. Este diferencial de preço de 30x a 100x poderá impulsionar uma adoção significativa entre empresas atentas aos custos, dispostas a trocar diferenças marginais de desempenho por um enorme alívio orçamental.

Implicações para a soberania de dados das empresas

Além das métricas de desempenho em bruto, o lançamento do Qwen3.5 tem significado estratégico para a implementação empresarial de IA. A capacidade de executar modelos com capacidades de fronteira inteiramente dentro de infraestrutura privada responde a preocupações crescentes sobre a soberania dos dados e os riscos das APIs de terceiros. Organizações de setores regulados, incluindo finanças, saúde e contratos públicos, enfrentam cada vez mais requisitos de conformidade que proíbem a transmissão de dados sensíveis a serviços externos de IA na nuvem.

Ao permitir janelas de contexto de um milhão de tokens em hardware controlado localmente, o Qwen3.5 permite às empresas processar enormes repositórios de documentos, conteúdos de vídeo com uma hora de duração e extensos conjuntos de dados institucionais sem expor informação proprietária a APIs externas. Esta mudança arquitetural desliga as capacidades sofisticadas de IA de enormes despesas de capital, o que pode democratizar o acesso a ferramentas antes reservadas a empresas tecnológicas com financiamento robusto.

O licenciamento de código aberto permite ainda a personalização e o ajuste fino para aplicações específicas de cada domínio. Ao contrário dos modelos proprietários, que oferecem apenas acesso a APIs de caixa negra, os pesos abertos do Qwen3.5 permitem às organizações adaptar os modelos a vocabulários especializados, bases de conhecimento internas e requisitos únicos de fluxo de trabalho. Esta flexibilidade revela-se particularmente valiosa para setores com terminologia especializada ou requisitos de documentação regulamentar.

O desafio mais amplo do ecossistema chinês de IA

O Qwen3.5 chega em plena vaga de lançamentos competitivos de código aberto por parte de laboratórios chineses de IA que, no seu conjunto, desafiam a primazia tecnológica ocidental. A família GLM-4.5 da Z.ai, lançada sob um licenciamento Apache 2.0 semelhante, oferece um desempenho comparável com funcionalidades especializadas como a geração automatizada de PowerPoint. O Kimi K2 da Moonshot e os vários modelos abertos da DeepSeek completam um ecossistema que oferece alternativas viáveis aos sistemas americanos fechados.

Esta tendência pressiona os incumbentes ocidentais da IA. A Meta tem sido criticada após a estreia da sua família Llama 4, com alguns investigadores de IA a apontarem preocupações com a manipulação de benchmarks e um desempenho inconsistente no mundo real. A OpenAI, que foi pioneira na era moderna dos LLM, adiou o lançamento do seu modelo de fronteira de código aberto previsto de julho para uma data posterior não especificada, deixando uma janela para as alternativas chinesas conquistarem terreno junto dos programadores.

A dinâmica competitiva estende-se para além das especificações técnicas e chega a questões de governação de dados. As empresas ocidentais que adotam modelos desenvolvidos na China têm de lidar com potenciais restrições de conteúdo e considerações de soberania de dados, sobretudo quando utilizam APIs alojadas na nuvem em vez de implementações locais. No entanto, a natureza de código aberto das principais variantes do Qwen3.5 permite uma implementação em ambiente isolado que atenua muitas destas preocupações.

Posicionamento de mercado e trajetória futura

A estratégia de lançamento da Alibaba dá ênfase à acessibilidade em vários níveis de hardware. O Qwen3.5-27B visa uma implementação de elevada eficiência com suporte a mais de 800K tokens de contexto, enquanto a variante 122B-A10B exige GPUs de nível de servidor com 80 GB de VRAM para o máximo desempenho. Esta abordagem em camadas permite às organizações adequar a escolha do modelo à infraestrutura disponível em vez de as forçar a uma dependência universal da nuvem.

A empresa também disponibilizou o modelo base em código aberto, a par das variantes ajustadas por instruções, apoiando as necessidades da comunidade de investigação em matéria de ajuste fino e estudo arquitetural. Esta transparência contrasta com as práticas de desenvolvimento fechadas de alguns concorrentes ocidentais e poderá acelerar a inovação através da melhoria colaborativa.

O feedback inicial da comunidade no Hugging Face sugere um entusiasmo particular pelas capacidades agênticas dos modelos e pela estabilidade da quantização. Os programadores relatam implementações bem-sucedidas em hardware de consumo antes considerado insuficiente para o desempenho de modelos de fronteira, validando as alegações de eficiência da Alibaba ainda que os benchmarks independentes aconselhem prudência no que toca a tarefas complexas de programação.

Pontos-chave

• A Alibaba lançou a série Qwen3.5 Medium com quatro modelos, três dos quais disponíveis sob licença de código aberto Apache 2.0 para uso comercial
• O modelo de topo Qwen3.5-35B-A3B ativa apenas 3 mil milhões dos seus 35 mil milhões de parâmetros por token, recorrendo a uma arquitetura Mixture-of-Experts
• Os benchmarks independentes mostram resultados mistos: bom desempenho em testes de conhecimento e raciocínio, mas dificuldades em tarefas complexas de programação com vários ficheiros em comparação com o Claude Sonnet 4.5
• Os modelos suportam janelas de contexto superiores a 1 milhão de tokens em GPUs de consumo com 32 GB de VRAM através de quantização avançada de 4 bits
• Os preços da API Qwen3.5-Flash batem os concorrentes ocidentais em 30x a 100x, custando 0,10 dólares por milhão de tokens de entrada contra 3,00 dólares do Claude Sonnet 4.5
• O Modo de Pensamento nativo gera cadeias de raciocínio internas antes de produzir os resultados finais, ativado por predefinição em toda a série
• A implementação empresarial permite uma soberania total dos dados para setores regulados que exigem processamento de IA local
• O lançamento junta-se a uma vaga mais ampla de modelos chineses de IA de código aberto, incluindo o GLM-4.5 da Z.ai e o Kimi K2 da Moonshot, que desafiam os sistemas proprietários ocidentais