GLM 4.6 impulsiona um aumento de dez vezes nos utilizadores pagos no estrangeiro da Zhipu AI à medida que as ferramentas de programação se expandem globalmente

Um momento de rutura para um modelo chinês de programação

A Zhipu AI, a startup de Pequim detrás da marca Z.ai, afirma que o uso pago dos seus serviços fora da China aumentou dez vezes nos últimos dois meses. A empresa conta agora com cerca de 100.000 clientes mensais de API que pagam pelo acesso e aproximadamente 3 milhões de utilizadores gratuitos de chatbot no estrangeiro. Esse impulso surgiu após o lançamento, no final de setembro, do GLM 4.6, um modelo destinado a programação, raciocínio e fluxos de trabalho com agentes. O lançamento colocou imediatamente a Zhipu nas ferramentas diários de muitos programadores, graças a um preço atrativo, a vias de integração simples e a um desempenho prático em tarefas de programação reais.

Li Zixuan, que lidera as operações globais da Zhipu, encerrou o aumento como um sinal da direção do mercado e do local onde a empresa pretende investir a seguir. Disse que a procura no estrangeiro está agora a expandir-se mais depressa do que a adoção em território nacional, e que a equipa pretende continuar a construir em todas as regiões em vez de priorizar uma única geografia.

Depois de descrever a mudança, Li resumiu a estratégia em termos simples.

"Queremos crescer em todos os mercados porque o crescimento no estrangeiro está a superar o crescimento nacional", afirmou Li Zixuan, diretor de operações globais da Zhipu AI.

O GLM 4.6 foi promovido como um poderoso modelo aberto para programação. Foi rapidamente integrado em ferramentas de programador que muitos programadores já utilizam. O Claude Code, apoiado pela Anthropic, adicionou acesso ao GLM 4.6. Outros agentes de programação, como o Cline, o Roo Code e o Kilo Code, seguiram-se. O Kilo Code afirmou que o modelo impulsionou a adoção mais rápida alguma vez vista na plataforma, com a utilização de tokens a subir 94 vezes em 12 dias, porque o modelo era uma opção de baixo custo, "suficientemente boa", em comparação com os principais sistemas norte-americanos. Essa combinação de capacidade utilizável e valor ajudou a Zhipu a abrir caminho junto de programadores individuais e pequenas equipas fora da China.

O que torna o GLM 4.6 atrativo para programadores

O GLM 4.6 alarga a janela de contexto para 200.000 tokens, o que significa que consegue ler e trabalhar com mais material de cada vez, como bases de código extensas ou longos documentos técnicos. O modelo melhora também a qualidade de programação, o raciocínio e o uso de ferramentas. Nas avaliações próprias da empresa em matéria de agentes, raciocínio e código, o GLM 4.6 apresenta ganhos claros sobre o GLM 4.5. Integra-se com mais fluidez em estruturas de agentes, gere a chamada de ferramentas durante a inferência e gera páginas de front-end mais polidas em comparação com a versão anterior.

Em testes internos e públicos, o GLM 4.6 é competitivo com muitos modelos amplamente utilizados. Atinge uma paridade quase total com o Claude Sonnet 4 em comparações diretas nas tarefas de agente do CC Bench, com uma taxa de vitória de 48,6 por cento, utilizando menos tokens do que o GLM 4.5 para concluir as mesmas tarefas. A Zhipu reconhece também que o GLM 4.6 ainda fica atrás do Claude Sonnet 4.5 em alguns bancos de ensaio de programação. Esse equilíbrio reflete os comentários dos programadores, que frequentemente se centram na questão de saber se um sistema é suficientemente fiável para o trabalho diário, mesmo que não seja o melhor modelo em todos os rankings.

Os programadores podem aceder ao GLM 4.6 através da API da Z.ai, através de centros de encaminhamento como o OpenRouter ou executando os pesos abertos localmente. A Zhipu publicou os pesos do modelo em plataformas como o Hugging Face e o ModelScope e suporta pilhas de inferência comuns, incluindo vLLM e SGLang, o que torna o modelo atrativo para equipas de engenharia que pretendem controlo sobre a implementação. O blogue técnico da empresa detalha as alterações e explica as definições recomendadas para tarefas de programação e de assistência por ferramentas. Para notas técnicas mais aprofundadas, a Zhipu mantém uma página do modelo e documentação para o GLM 4.6 nos seus canais oficiais, incluindo o blogue em z.ai.

Estratégia de preço e a tese do "suficientemente bom"

O custo é uma razão central para o GLM 4.6 estar a ganhar terreno. A Zhipu comercializa um plano de programação que, segundo a empresa, oferece um desempenho ao nível do Claude por uma fração do preço. A empresa promove aproximadamente um sétimo do custo e uma quota de utilização superior para subscritores, em comparação com um nível equivalente de um dos principais serviços norte-americanos. O valor exato depende da utilização e da região, mas a mensagem é clara: muitos programadores querem um assistente fiável que se ajuste a um orçamento apertado e preferem entregar código em vez de perseguir pequenos ganhos em bancos de ensaio obscuros.

Para programadores independentes, estudantes e startups, uma ferramenta que seja "suficientemente boa" a uma taxa baixa pode ser a diferença entre adotar a IA como uma auxiliar quotidiana ou abandoná-la após um período de experiência. O GLM 4.6 demonstrou força em tarefas correntes que muitos programadores enfrentam diariamente, como a deteção de erros, a escrita de funções de back-end, a ligação de integrações e o estilo de componentes de front-end. As críticas da comunidade de programadores salientaram que o modelo é economicamente eficiente e que, mesmo com correções pontuais, a velocidade e o preço tornam-no uma escolha prática para o trabalho rotineiro.

A Zhipu aponta também que o modelo conclui tarefas com menos tokens do que o seu antecessor. Esse detalhe importa aos utilizadores que pagam por token, porque uma fatura de tokens inferior para o mesmo trabalho reduz o custo total de propriedade. A empresa associou essa alegação de eficiência a um caminho de atualização simples. Os subscritores do seu plano de programação são automaticamente movidos para o GLM 4.6, e as alterações de configuração da aplicação resumem-se à seleção do novo nome do modelo.

Integração em ferramentas globais e um novo debate sobre as origens dos modelos

Uma das razões pela qual o GLM 4.6 se propagou depressa é que se liga às ferramentas em que os programadores já confiam. O Claude Code, o Cline, o Roo Code e o Kilo Code suportam-no todos. Na prática, isso significa que um programador pode alternar entre fornecedores dentro do mesmo agente de programação, comparar resultados num problema e adotar o modelo que equilibra velocidade, qualidade e custo. Essa facilidade de integração ajudou a Zhipu a acompanhar o crescimento dos assistentes de programação de estilo agente, que gerem tarefas multi-etapas com uso de ferramentas, pesquisa na web e operações sobre repositórios.

O impulso alimentou também um novo debate sobre as origens de algumas ferramentas de programação norte-americanas. Dois serviços de grande destaque lançados nas últimas semanas, incluindo um novo modelo da Cognition AI denominado SWE 1.5 e uma ferramenta Composer da Cursor, suscitaram escrutínio de utilizadores que repararam que ambos os sistemas pareciam carregar vestígios do comportamento de modelos chineses. Uma ferramenta gerou registos de raciocínio em chinês e outra reconheceu ter sido construída sobre um modelo aberto de referência, sem o identificar.

A Zhipu abordou o tema publicamente. Num comunicado, a empresa afirmou acreditar que uma das ferramentas estava a utilizar o seu modelo mais recente como base.

"Acreditamos que o SWE 1.5 utilizou o nosso mais recente GLM 4.6 como modelo base", afirmou a Zhipu AI num comunicado em resposta a questões sobre as origens dos modelos.

A discussão diz menos respeito à lei e mais às normas. As licenças abertas permitem a reutilização comercial, incluindo a reutilização sem atribuição, e é por isso que sistemas de classe mundial com pesos abertos se tornam frequentemente a base de muitos produtos a jusante. Alguns especialistas sublinham que o valor único de uma ferramenta comercial pode resultar do ajuste fino, dos fluxos de dados e da engenharia de sistema acrescentados a um modelo base.

Florian Brand, investigador da Universidade de Trier que estuda modelos abertos, resumiu esse ponto de vista.

"O ajuste fino é o molho", afirmou Florian Brand, referindo-se ao treino personalizado e à engenharia que transformam um modelo base num produto acabado.

Foco no estrangeiro e as limitações em casa

O aumento no exterior reflete tanto puxão como empurrão. A procura no estrangeiro por IA de programação acessível é forte, e a Zhipu responde-lhe com um modelo simples de integrar e barato de executar. Em casa, a empresa enfrenta um fluxo mais lento no setor público e uma concorrência acrescida. A gestão afirmou que o crescimento no estrangeiro ultrapassa agora a expansão nacional, e é por isso que a Zhipu investe em mercados onde os programadores já pagam por ferramentas de IA.

Os investidores deram-se conta. A empresa está avaliada em aproximadamente 40 mil milhões de yuans e prepara uma listagem em bolsa com meta para 2026. A Zhipu foi fundada em 2019 como uma spin-off da Universidade Tsinghua e tornou-se uma das empresas de IA mais visíveis da China. Embora ainda não prossiga um negócio de subscrição de consumo de massa para rivalizar com plataformas norte-americanas, aposta em contratos empresariais e numa subscrição de programação orientada para programadores para construir receitas mais previsíveis.

A geopolítica continua a moldar as decisões dos compradores. A Zhipu afirma que os clientes em países terceiros estão confortáveis em utilizar os seus serviços quando os dados podem ser alojados localmente ou quando a empresa se compromete à retenção zero de dados. Essa combinação de alojamento local e políticas rigorosas de retenção está a tornar-se uma forma standard de os fornecedores de IA responderem a preocupações de privacidade transfronteiriças.

Desempenho do GLM 4.6 para além dos rankings

Os bancos de ensaio ajudam a enquadrar a capacidade, mas o que interessa aos programadores é se um modelo consegue concluir tarefas reais. A Zhipu alargou as suas avaliações do CC Bench para incluir trabalho multi-etapas mais difícil no desenvolvimento de front-end, na construção de ferramentas, na análise de dados, nos testes e em problemas algorítmicos. Nessas provas, avaliadores humanos trabalharam com modelos em ambientes isolados para pontuar a forma como os sistemas geriram fluxos de trabalho realistas e multi-turno. O GLM 4.6 melhorou sobre o GLM 4.5 e atingiu uma paridade quase total com o Claude Sonnet 4 nessas tarefas de agente. Concluiu também trabalhos utilizando cerca de 15 por cento menos tokens do que o GLM 4.5, o que aponta para uma melhor eficiência na prática.

Os programadores referem que o GLM 4.6 é melhor em repositórios com múltiplos ficheiros e consegue planear sequências mais longas ao construir funcionalidades. O modelo comete menos erros de contexto em projetos grandes porque consegue ler mais ficheiros de cada vez. Produz também componentes de front-end mais limpos e pode gerar páginas completas que exigem menos edições, embora o estilo complexo e os casos-limite ainda beneficiem da revisão humana. São esses os ganhos que importam no ritmo quotidiano das equipas de software.

O que significam uma janela de contexto e os tokens

Um token é uma pequena unidade de texto que um modelo utiliza para ler e escrever. Pense num fragmento de palavra. Os preços da API dependem frequentemente de quantos tokens um modelo consome. É por isso que a eficiência importa. Se um modelo concluir uma tarefa com menos tokens, a fatura desce e a interação frequentemente torna-se mais rápida.

A janela de contexto é a quantidade de texto que um modelo consegue considerar de cada vez. Uma janela de contexto maior permite ao modelo ler mais ficheiros e instruções antes de começar a trabalhar. Com 200.000 tokens de contexto, o GLM 4.6 consegue absorver longas cadeias de funções, ficheiros de configuração e conjuntos de testes de uma só vez, o que é essencial para trabalho de programação realista. Não eliminará a necessidade de prompts cuidadosos e de estratégia de ferramentas, mas reduz o vai e vem que faz perder tempo aos programadores em projetos grandes.

Riscos, regulamentação e acesso

As empresas chinesas de IA operam sob controlos de exportação, limitações da cadeia de abastecimento e escrutínio regulatório em várias jurisdições. Esse ambiente afeta os planos de treino e de implementação. Os modelos de pesos abertos, como o GLM 4.6, podem ajudar, dando aos clientes mais controlo sobre onde e como o sistema é executado, incluindo on-premises ou numa região de cloud preferida. Mesmo com essas opções, os compradores avaliam ainda o suporte a longo prazo, os compromissos de nível de serviço e as funcionalidades de conformidade antes de escolher um fornecedor.

A tratamento de dados é uma das maiores preocupações. A proposta da Zhipu aos clientes no estrangeiro inclui alojamento local de dados e definições de retenção zero. A ideia é manter código e documentos sensíveis dentro da região escolhida pelo cliente, continuando a beneficiar de um assistente de programação de alta qualidade. Para muitas equipas, essa configuração é um compromisso razoável entre desempenho, privacidade e custo.

Um mercado saturado de assistentes de programação

O mercado de assistentes de programação está agora cheio de serviços maduros e novos entrantes. O GitHub Copilot popularizou a categoria. Modelos da OpenAI e da Anthropic impulsionam ferramentas premium com forte raciocínio e gestão de contexto. Os atores chineses avançaram depressa com sistemas como o DeepSeek e o Qwen, enquanto startups de muitas regiões constroem companheiros de IDE de estilo agente que orquestram pesquisa, análise, edições de código e testes num único ciclo.

Nesse panorama, a Zhipu aposta em três diferenciais. Primeiro, o preço. A empresa posiciona o GLM 4.6 como uma ferramenta prática que tem bom desempenho a um custo mais baixo. Segundo, a abertura. O acesso aos pesos do modelo e o suporte a estruturas de inferência comuns tornam-no atrativo para equipas que pretendem personalizar ou alojar por conta própria. Terceiro, a integração. Ao adaptar-se com fluidez aos agentes de programação populares e ao fornecer opções de API diretas, a Zhipu reduz o esforço necessário para experimentar e adotar o seu modelo. Nenhum desses fatores garante a dominação, mas constroem um caminho credível para um crescimento sustentado junto de programadores que valorizam a fiabilidade, o controlo e uma fatura justa no final do mês.

Perspetiva da liderança sobre o que vem a seguir

O administrador-gerente da Zhipu, Zhang Peng, falou publicamente sobre o ritmo do progresso em IA avançada. Argumenta que as discussões sobre a superinteligência artificial tendem a desfocar detalhes importantes e que qualquer cronograma deve ser visto como um alvo em movimento. O que interessa aos clientes é se os modelos conseguem superar os humanos em tarefas específicas de que cuidam e se esses ganhos se traduzem em produtividade real.

Num recente evento de lançamento, Zhang explicou como encara os próximos anos.

"Alcançar ou exceder a inteligência humana até 2030 pode significar ultrapassar os humanos em certas áreas, mas continuar a ficar aquém em muitas outras", afirmou Zhang Peng, CEO da Zhipu AI.

Essa posição pragmática corresponde às escolhas de produto da empresa. A Zhipu não corre para ganhar todas as subscrições de consumo. Está focada em empresas e num plano de programação orientado para programadores, mantendo ao mesmo tempo um nível de chatbot gratuito acessível que ajuda a atrair novos utilizadores. O objetivo de curto prazo não é definir o ponto final da inteligência. É entregar um modelo que ajude as pessoas a lançar funcionalidades, a corrigir erros e a avançar mais depressa, mantendo os custos sob controlo.

O que é preciso saber

• A Zhipu AI afirma que os utilizadores pagos no estrangeiro subiram dez vezes em dois meses, para cerca de 100.000 clientes mensais de API, com 3 milhões de utilizadores gratuitos de chatbot fora da China.
• O salto seguiu o lançamento do GLM 4.6, um modelo de programação e raciocínio que se integrou depressa em ferramentas como o Claude Code, o Cline, o Roo Code e o Kilo Code.
• O Kilo Code registou a adoção mais rápida de que tem memória, com a utilização de tokens do GLM 4.6 a subir 94 vezes em 12 dias devido ao seu custo mais baixo.
• O GLM 4.6 expande a janela de contexto para 200.000 tokens, melhora o uso de ferramentas e o desempenho de agentes e conclui tarefas com cerca de 15 por cento menos tokens do que o GLM 4.5.
• O modelo atinge uma paridade quase total com o Claude Sonnet 4 nas tarefas de agente do CC Bench, mas continua atrás do Claude Sonnet 4.5 em alguns testes de programação.
• Os pesos abertos estão disponíveis para implementação local e o modelo suporta pilhas de inferência como o vLLM e o SGLang.
• A Zhipu enfatiza uma estratégia de baixo preço, promovendo um plano de programação que, segundo a empresa, oferece desempenho ao nível do Claude por uma fração do custo.
• A empresa está avaliada em aproximadamente 40 mil milhões de yuans e prepara uma possível listagem em bolsa em 2026, enquanto se foca no crescimento empresarial e de programadores no estrangeiro.