GLM-5.1 pontuações impressionantes, mas na prática: as barreiras de hardware e as diferenças de validação ainda persistem

Demonstração e implantação real são coisas diferentes

O GLM-5.1 da Z.ai aposta na “substituição de código aberto” em tarefas de longa duração, com muita alarvidade, mas a atenção está a correr à frente da sua utilidade prática. A versão oficial diz que é o primeiro em código aberto e o terceiro a nível mundial em SWE-Bench Pro (58,4%), Terminal-Bench (63,5%) e NL2Repo (42,7%), e que no SWE-Bench supera ainda o GPT-5.4 em 57,7%. Mas testes independentes contam outra história — Claude Opus 4.6 consegue 75–80% em subconjuntos verificáveis. Os benchmarks escolhidos pela Z.ai parecem mais uma forma de explorar pontos fortes e evitar fraquezas, não permitindo concluir se o modelo é estável em ambiente de produção.

No Twitter, há demonstrações por todo o lado do GLM-5.1 em ferramentas como Claude Code. Mas o que ninguém menciona é: os requisitos de hardware são muito elevados. A maioria dos programadores independentes não consegue executá-lo, o que levanta uma questão embaraçosa: um modelo que exige capacidade informática ao nível empresarial — o que é que “código aberto” significa, afinal?

• Confiança dos investidores não muito estável: a avaliação na IPO da Z.ai é de cerca de 3 mil milhões de dólares, tendo angariado 400 milhões, mas a cotação caiu 23% em fevereiro de 2026. A escassez de capacidade informática é um problema real e o mercado já o refletiu.
• Cobertura generalizada por empresas: a licença MIT do GLM-5.1 e a codificação autónoma máxima de 8 horas têm valor prático, mas em cargas de trabalho contínuas continua a ficar aquém do Opus da Anthropic. A maioria dos compradores deixa as APIs fechadas para tarefas críticas.
• “Código aberto é vitória certa” dito cedo demais: sem subsídios de capacidade informática (por exemplo, em parceria com io.net), um modelo deste porte ainda fica fora do alcance da maioria dos programadores; ainda não abalou os fluxos de trabalho de produção das grandes empresas.

A barreira de hardware obriga a escolhas difíceis

O debate em torno do GLM-5.1 está dividido em dois extremos, o que era expectável. Engenheiros de IA fazem demonstrações de iteração orientada para a resolução; investigadores da DeepMind apontam dificuldades no seu manuseamento de dependências entre ficheiros em conversas longas.

A Z.ai claramente pende mais para inferência de elevada relação custo-benefício — suporta chips Huawei Ascend e é compatível com vLLM — mas os 754B parâmetros exigem, pelo menos, quantização FP8. Se és um laboratório no país com fundos suficientes, não há problema; caso contrário, pode não ser.

O financiamento também está a contar histórias. A participação da Prosperity7 implica uma cobertura de risco geopolítico, mas em 2025 foi incluída na lista de entidades restritas, limitando a expansão internacional da Z.ai. Parece mais um “campeão local” do que um “desafiante global”.

Linha de fundo: Se colocas todas as tuas fichas na “substituição do código aberto”, agora pode ainda ser demasiado cedo. Os modelos fechados continuam a ter vantagem em fiabilidade. Para empresas: usa pesos abertos para poupar dinheiro sempre que possível, mas mantém APIs fechadas em ambiente de produção. Para investidores: a orientação da Z.ai para a Ásia merece ser observada, mas desde que estejas de perto a seguir a geopolítica da capacidade informática.

Importância: Alta
Classificação: Lançamento de Modelo, Insight Técnico, Impacto no Mercado

Veredito: Quanto à afirmação de que “o código aberto irá substituir totalmente os modelos fechados”, neste momento continua a ser uma fase demasiado precoce; no curto prazo, as vantagens estão mais nos fornecedores de APIs fechadas e nos laboratórios de topo com abundância de capacidade informática. A utilidade varia consoante o papel:

• Construtores (builder): se estiverem no ecossistema de capacidade informática na Ásia e conseguirem subsídios ou hardware local, vale a pena experimentar em fluxos de trabalho de intensidade média; caso contrário, os custos não compensam.
• Negociantes (trader): é possível fazer negociação temática, mas é preciso manter o foco em parcerias de capacidade informática e em tendências regulatórias, entrando e saindo rapidamente.
• Detentores a longo prazo (long-term holder) e fundos (fund): a vantagem está nas instituições que conseguem posicionar-se na pilha de IA asiática e na diversificação da cadeia de abastecimento; quem não tem esses recursos está em desvantagem.