Qwen vs DeepSeek vs Llama: em qual você deve construir?

O metrô até o campus Xixi da Alibaba, onde a equipe do Qwen trabalha, leva uns vinte minutos do meu apartamento, e o pessoal da DeepSeek fica alguns bairros no sentido oposto. Então eu acompanho essa comparação se mover em algo bem perto do tempo real, e ela se move rápido. Os checkpoints abertos atuais são Qwen3.8 e Qwen3.6, DeepSeek V4.1-Flash e o V4 Pro, que continua no ar, e Llama 4 Scout ou Maverick. O Qwen3.8-Max hospedado da Alibaba pertence a outra coluna, porque alugá-lo é um produto diferente de baixar os pesos sobre os quais ele se apoia. Se você misturar essas versões, o resto da comparação já nasce errado.

Qwen vs Llama vs DeepSeek: em qual você deve construir?

Escolha pela tarefa e pela forma de implantação. O Qwen3.6 é a escolha de amplitude e ecossistema, com modelos abertos densos de 27B e 35B-A3B sob Apache-2.0. O DeepSeek V4.1-Flash é a escolha de custo-benefício em API mesmo depois do aumento do preço de saída em setembro; o V4 Pro compra mais capacidade por um preço por token ainda baixo, mas é enorme para auto-hospedar. O Llama 4 continua sendo a escolha de ecossistema de origem ocidental sob a licença de comunidade da Meta. A diferença de 2,7% em nível de país medida por Stanford em março de 2026 agora é contexto histórico, não um placar ao vivo, porque todas as famílias chinesas deste parágrafo já se moveram desde então.

Principais conclusões- Compare checkpoints exatos: Qwen3.6, DeepSeek V4.1 e Llama 4, não nomes de família herdados dos lançamentos do ano passado.- Qwen3.6 = amplitude e Apache-2.0; DeepSeek V4.1-Flash = raciocínio e custo-benefício em API; Llama 4 = ferramental de origem ocidental e a licença de comunidade da Meta.- O Qwen é a família aberta mais baixada: a contagem do próprio Hugging Face o coloca acima de 2 bilhões de downloads nos primeiros sete meses de 2026, com 151.448 derivados no Hub.- O Qwen3.8 é o checkpoint aberto mais recente da Alibaba, lançado em 8 de agosto de 2026 sob uma licença própria; o Qwen3.8-Max é a versão hospedada construída sobre ele.

Tudo abaixo pressupõe que você já decidiu que os pesos chineses estão na mesa. Se essa ainda é a questão em aberto, eu desenvolvo o argumento no meu artigo sobre se a China está vencendo a corrida da IA, e o campo mais amplo está no meu guia do ecossistema de IA open source da China.

Como eu as classificaria

Não por leaderboard. Eu classifico pela realidade de implantação, o que significa que cinco critérios fazem o trabalho, aproximadamente nesta ordem de peso.

• Capacidade: é boa o suficiente de verdade para a tarefa, numa avaliação comparável e não numa tabela escolhida pelo fornecedor?
• Custo: custo por token numa API e pegada de GPU quando você auto-hospeda. É aqui que as diferenças reais se abrem.
• Licença: dá para colocar em produção comercialmente sem dor de cabeça jurídica? Termos Apache-2.0 e no estilo MIT vencem aqui.
• Ecossistema: quantos ajustes finos, quantizações e variantes prontas existem? Mais significa menos trabalho para você.
• Facilidade de auto-hospedagem: roda de forma limpa em hardware sensato com a pilha de inferência aberta que você já usa?

Rodar esses modelos nas minhas próprias GPUs me curou da adoração a leaderboard mais rápido do que qualquer argumento conseguiria. O modelo que vence um projeto é o que faz ajuste fino limpo nos seus dados e custa menos para servir, não o que tem uma pontuação marginalmente maior nesta semana. Duas das minhas três últimas entregas para clientes saíram num modelo que não estava no topo de nenhum ranking.

Uma nota estrutural antes da tabela. Prévias hospedadas e pesos para download são produtos diferentes, e os últimos dois meses ilustram bem o ponto: o Qwen3.8-Max foi lançado como modelo hospedado em 3 de agosto e os pesos abertos do Qwen3.8 chegaram em 8 de agosto, sob uma licença própria em vez de Apache-2.0. O lado hospedado já se moveu de novo: o snapshot Qwen3.8-Max-0902 assumiu o endpoint em 2 de setembro pelos mesmos US$ 2 e US$ 6, uma atualização de pós-treinamento voltada a programação e trabalho colaborativo que, segundo a Alibaba, liderou o ranking WebDev do Code Arena no lançamento. Quem fixou qwen3.8-max em agosto hoje está alugando um modelo diferente. A Alibaba também anunciou o Qwen 4 na sua conferência Apsara em 22 de setembro, explicitamente em treinamento, sem data, pesos ou preço; uma prévia experimental de pesos abertos dessa arquitetura, o Qwen3.8-Flash-Next, tinha aparecido em 26 de agosto. Então um ranking que mistura "o que você pode baixar" com "o que você pode alugar" vai te enganar. A tabela abaixo é o lado do download; os flagships hospedados ganham a própria coluna no texto.

As três famílias num relance

As três são genuinamente de nível de produção. Onde elas diferem é na licença e na postura de custo, muito mais do que em capacidade. O Qwen é a maior família aberta em adoção: o relatório State of Open Models: Summer 2026 do Hugging Face, publicado em 14 de agosto, contabiliza cerca de 2,045 bilhões de downloads do Qwen no Hub só nos primeiros sete meses de 2026 e 151.448 derivados, enquanto a contagem da própria Alibaba fala em mais de 3 bilhões de downloads e 300.000 derivados entre plataformas. Veja como eu resumiria as três num nível prático.

A adoção de forma mais ampla mudou na mesma direção. Os modelos chineses de pesos abertos ultrapassaram os dos EUA em downloads totais no Hugging Face, e só as variantes derivadas do Qwen já eram mais de 40% dos novos derivados em agosto de 2025. Isso importa para quem constrói de um jeito prático: mais derivados significa que uma quantização ou um ajuste fino de domínio que cabe no seu orçamento de latência provavelmente já existe, então você pula uma rodada de treinamento inteira.

Um alerta sobre essa tabela. As licenças mudam entre versões, e um resumo no nível da família é um ponto de partida, não uma verdade absoluta. Abra o cartão do modelo e leia a licença real do checkpoint exato que você pretende colocar em produção.

Capacidade: quão próximas elas realmente estão?

Mais próximas do que as guerras de marketing sugerem, mas não mais redutíveis a um número só. O AI Index 2026 de Stanford registrou uma diferença de 2,7% entre os melhores modelos dos EUA e da China no Chatbot Arena em março, no capítulo de desempenho técnico do Índice. Desde então chegaram o DeepSeek V4.1-Flash, o Qwen3.8 e o 3.6 e os snapshots hospedados do Qwen3.8-Max, então esse número não pode honestamente ser escrito no presente. Para a maioria das cargas de trabalho de negócios, a capacidade é um portão, não o seletor final. Custo, restrições de serviço e licença costumam desempatar.

[CHART: gráfico de barras agrupadas comparando Qwen, DeepSeek e Llama em quatro eixos qualitativos]

A distinção prática fica mais clara quando é versionada. O DeepSeek V4.1-Flash pende para raciocínio e código, e a atualização de 10 de setembro adicionou visão nativa, uma janela de contexto de 1M e saída máxima de 384K. O Qwen3.6 é o curinga aberto e o mais fácil dos três de dimensionar para uma implantação específica. O Llama 4 é a opção de origem ocidental com o ecossistema da Meta em volta, embora valha saber que o esforço de fronteira da Meta migrou para a linha Muse, com o Llama 4 em modo de manutenção e o maior Behemoth pausado. A linha Muse é majoritariamente fechada, mas não por completo: o Muse Glimmer 30B saiu com pesos abertos sob Apache-2.0 em 10 de agosto, e o Muse Charm exibido no Meta Connect no fim de setembro permaneceu fechado. O ferramental em torno do Llama ainda é profundo, mas eu não planejaria uma aposta de vários anos no próximo checkpoint aberto do Llama.

A obsessão por benchmark é ativamente enganosa para quem constrói quando as linhas vêm de harnesses de provedores diferentes. O modelo que vence o seu projeto é o que passa no seu limiar de qualidade, se comporta bem nos seus dados e cabe no seu orçamento de serviço, não o que tem uma pontuação autorreportada marginalmente maior.

Então eu trato a capacidade como um quase empate e vou direto ao que de fato difere.

Avaliação direcional do autor numa escala de 1 a 5, não números de benchmark. As pontuações refletem os lançamentos vigentes no início de outubro de 2026: DeepSeek V4.1-Flash e V4 Pro, Qwen3.8 e 3.6, e Llama 4 com a linha aberta da Meta em modo de manutenção.

Custo e licenciamento: os verdadeiros diferenciais

É aqui que a decisão realmente se define, e a DeepSeek já a moveu duas vezes desde agosto. As tarifas de pico e fora de pico chegaram em 16 de agosto, e depois o V4.1-Flash foi lançado em 10 de setembro com uma nova arquitetura (uma espinha dorsal de 552B com cerca de 8B de parâmetros ativos no prefill e 16B no decode) e pesos abertos sob MIT no Hugging Face. O antigo V4 Flash foi aposentado: o nome deepseek-v4-flash ainda roteia, mas agora é servido pelo V4.1-Flash, e o nome canônico é deepseek-flash, conforme o log de atualizações da DeepSeek. No preço oficial da DeepSeek, o Flash agora custa US$ 0,15 por milhão de tokens de entrada com cache miss fora de pico e US$ 0,30 no pico, com saída entre US$ 0,60 e US$ 1,20 por milhão dependendo da janela. Esse preço de saída é cerca do dobro do antigo, o que importa se a sua carga de trabalho é intensiva em geração. O V4 Pro, cujo desligamento planejado a DeepSeek reverteu depois da reação dos usuários, agora fica entre US$ 0,66 e US$ 1,32 por milhão de tokens de entrada e entre US$ 1,98 e US$ 3,96 por milhão de saída; não existe V4.1-Pro nem V5. O Qwen3.8-Max é vendido pelos serviços hospedados da Alibaba a cerca de US$ 2 e US$ 6 respectivamente, economia normal de token hospedado, não de peso aberto. O Flash mantém a coroa de líder de preço nesta comparação, mas por uma margem mais fina na saída do que tinha em agosto. O Llama não tem API de tokens própria da Meta nesta comparação, então o custo dele é o preço do seu provedor de hospedagem ou da sua própria infraestrutura.

As famílias se dividem com clareza aqui. O Qwen3.6 é Apache-2.0. O DeepSeek V4 é MIT. O Llama 4 usa a licença de comunidade da Meta, com restrições de uso que exigem uma leitura jurídica de verdade. A nota de rodapé importante do Qwen é que a linha aberta saiu da Apache-2.0 no 3.8: os novos pesos carregam uma licença própria do Qwen com cláusulas comerciais baseadas em receita, então o 3.6 continua sendo a resposta Apache-2.0.

Quando auto-hospedo, a questão da Apache-2.0 é a primeira coisa que verifico, porque uma resposta limpa elimina uma categoria inteira de revisão jurídica. Com o Llama, já precisei parar e ler a licença de comunidade direito antes de uma implantação para cliente, e duas vezes aquela cláusula mudou a resposta. Esse atrito é real, e é por isso que o Qwen tende a vencer os meus projetos do tipo "só coloca no ar".

A auto-hospedagem compõe a história de custo. Um modelo de pegada menor significa menos GPU, o que significa uma conta menor todo mês, em vez de uma economia única no lançamento. Eu faço essa conta no meu guia sobre rodar modelos abertos on-premise versus na nuvem, e o lado de governança da mesma decisão está no meu artigo sobre se o DeepSeek é seguro para empresas.

No lado da adoção, a postura de custo está fazendo o que se esperaria. Os modelos chineses tomaram a maioria do consumo de tokens do top 10 da OpenRouter no fim de fevereiro de 2026 e mantinham cerca de 61% do volume total de tokens da plataforma em junho de 2026 nos rankings da OpenRouter. Os recém-chegados também se movem rápido: o GLM-5.3-Flash e o DeepSeek-V4.1-Flash alcançaram os primeiros lugares semanais em dias após o lançamento, segundo análises de terceiros desses rankings públicos. Tokens são trabalho real, não press releases, e os desenvolvedores moveram os seus.

Ecossistema e implantação

A adoção conta quase tudo o que você precisa saber sobre profundidade de ecossistema. A biblioteca de derivados do Qwen é a mais profunda das três: 151.448 derivados na contagem de verão de 2026 do Hugging Face, e mais de 300.000 entre plataformas pela contagem da própria Alibaba. Mais derivados significa mais ajustes finos e quantizações que você pode pegar da prateleira em vez de treinar por conta própria. Isso não diz se o Qwen3.8 hospedado é o endpoint de produção certo.

[IMAGE: A tela de um desenvolvedor mostrando pesos de modelo sendo baixados de um hub de modelos, iluminação quente, foto por cima do ombro]

Cada família domina uma faixa de implantação diferente. O Qwen3.6 te dá o leque mais útil de tamanhos abertos e o caminho mais suave de ajuste fino. O DeepSeek V4.1-Flash é difícil de bater para raciocínio hospedado de baixo custo mesmo depois do aumento do preço de saída em setembro, enquanto o Pro é para trabalho que justifica mais computação. O Llama 4 ainda vence quando o ferramental ocidental em volta e o conforto de procurement importam mais do que a diferença de licença.

As três têm pesos para download, mas a rota hospedada não é simétrica. A DeepSeek opera a própria API. A disponibilidade, as regiões e os termos do Qwen e do Llama dependem do serviço exato da Alibaba ou de terceiros que você escolher. Você pode alugar inferência para começar a andar e depois trazer o mesmo checkpoint aberto para dentro de casa quando o volume ou a residência de dados exigir. Verifique se é realmente o mesmo checkpoint, e não um modelo mais novo só hospedado, como o Qwen3.8-Max.

Qual deles para qual tarefa

Combine o modelo com a carga de trabalho, não com a manchete. O número da diferença de capacidade de março de 2026 é anterior a todos os lançamentos chineses comparados abaixo, então cada recomendação é sobre adequação, custo e licença atuais, e não sobre uma porcentagem desatualizada em nível de país.

Assistente de programação

Comece com o DeepSeek V4.1-Flash para chamadas de programação em alto volume, depois teste o Qwen3.6-27B se o controle local ou um checkpoint aberto menor importar. Se a tarefa roda por horas num repositório grande, este artigo de três famílias já não é a shortlist inteira: o Kimi K3 e o GLM-5.3 agora merecem a mesma avaliação.

RAG e back-office

Vá de Qwen3.6. Tarefas de recuperação e de fluxo de trabalho interno recompensam amplitude, tratamento multilíngue e ajuste fino limpo, e a Apache-2.0 mantém a primeira revisão jurídica simples. Esta é a faixa em que a biblioteca de variantes do Qwen compensa.

Voltado ao cliente

Este depende do seu apetite por risco. O Llama 4 é a escolha conservadora se as suas partes interessadas querem um modelo de origem ocidental e você consegue conviver com as cláusulas da licença. Se a governança aprovar um modelo de origem chinesa, o Qwen3.6 te dá uma rota aberta limpa e ampla cobertura multilíngue. De qualquer forma, teste o comportamento de conteúdo que os seus usuários realmente vão encontrar.

On-premise e regulado

Para construções air-gapped ou reguladas, licença, tamanho do modelo e controle de dados decidem. O Qwen3.6 é a rota de auto-hospedagem mais manejável. O DeepSeek V4.1-Flash é licenciado sob MIT, mas muito maior. Ambos podem rodar sem enviar prompts para a China, desde que você de fato implante os pesos dentro do seu perímetro. Passe primeiro pela revisão de governança; meu artigo sobre se o DeepSeek é seguro para empresas percorre essa diligência.

Perguntas frequentes

O Qwen é melhor que o Llama?

Para a maioria das decisões de construção aberta, eu começaria pelo Qwen3.6, porque ele oferece tamanhos manejáveis, Apache-2.0 e um grande ecossistema de derivados. O Llama 4 vence quando o conforto de procurement de origem ocidental e o ferramental existente da Meta superam a diferença de licença. O Qwen3.8 é o modelo bruto mais forte, mas implica uma licença própria e hardware pesado; o Qwen3.8-Max é a rota hospedada, não a resposta de auto-hospedagem.

O DeepSeek é melhor que o Qwen?

Para um endpoint hospedado de raciocínio barato, o DeepSeek V4.1-Flash é a escolha mais clara, embora seu preço de saída tenha cerca de dobrado em setembro. Para tamanhos abertos, ajuste fino e amplitude de ecossistema, o Qwen3.6 é mais fácil de construir em volta. Os pesos abertos do 3.8 merecem um olhar quando a conta da licença e do hardware funcionar para você.

É seguro construir sobre modelos abertos chineses?

Pode ser, com diligência. Auto-hospedar os pesos significa que os seus dados não precisam sair da sua infraestrutura, o que tira a rota de API hospedada na China da avaliação de risco. Você ainda precisa avaliar comportamento de conteúdo, procedência, licença e segurança da cadeia de suprimentos, o que eu cubro no meu guia de segurança para empresas.

Qual modelo aberto é o mais barato de rodar?

Numa API própria, o endpoint Flash da DeepSeek ainda é o líder de preço nesta comparação, entre US$ 0,15 e US$ 0,30 por milhão de tokens de entrada com cache miss e entre US$ 0,60 e US$ 1,20 por milhão de tokens de saída, dependendo da janela de pico ou fora de pico. Para auto-hospedagem, um checkpoint menor do Qwen3.6 pode custar menos no total, porque a espinha dorsal do V4.1-Flash tem 552B de parâmetros. Preço de token e preço de infraestrutura respondem a perguntas diferentes.

Conclusão

O resumo atual é versionado. Qwen3.6 para uma linha aberta ampla sob Apache-2.0. DeepSeek V4.1-Flash para raciocínio hospedado barato, com o V4 Pro, salvo do desligamento, para quando o trabalho mais pesado justifica o custo maior. Llama 4 quando o ecossistema da Meta e o conforto de procurement de origem ocidental importam mais. Os pesos do Qwen3.8 já estão disponíveis, sob uma licença própria; o Qwen3.8-Max, agora o snapshot 0902, continua sendo o endpoint hospedado. Leia o cartão exato do modelo, precifique a implantação real e teste a tarefa que você precisa resolver.

Se você está avaliando isso para um produto real, as questões de governança vêm primeiro, e meu artigo sobre se o DeepSeek é seguro para empresas leva essa diligência de ponta a ponta. Me conte o seu caso de uso e eu aponto o modelo inicial certo.