123 modelos com ficha. A classificação descreve capacidades, não uma ordem de qualidade.
Modelo de edição de imagem da NVIDIA, versão 1.0.0 publicada em 20 de outubro de 2026. Transforma recortes sintéticos de componentes de circuitos impressos renderizados em Omniverse num estilo de iluminação de inspeção ótica. Deriva de Qwen-Image-Edit com um ajuste LoRA fundido: o pacote inclui a pipeline completa, não um adaptador separado. O utilizador fornece a imagem; a instrução inglesa é fixa, não um prompt livre.
Imagem · Pesos abertos↗ NVIDIAModelo de embeddings da NVIDIA com 1,55 mil milhões de parâmetros, publicado em 20 de outubro de 2026. Vetoriza documentos de texto, imagens de página ou ambos, com consultas exclusivamente textuais. Destilado de Embed 8B, mantém congelada a torre textual de Nemotron 3 Embed 1B e acrescenta recuperação visual. O vetor tem 2.048 dimensões; não partilha automaticamente o espaço do modelo 8B.
Embeddings · Pesos abertos↗ NVIDIAModelo de embeddings da NVIDIA com 8,38 mil milhões de parâmetros, publicado em 20 de outubro de 2026. Vetoriza texto, imagens de página ou ambos para pesquisa com consultas textuais. Mantém congelada a torre de Nemotron 3 Embed 8B e acrescenta visão através de Pixtral. Conserva o espaço de embeddings textuais desse antecessor; produz vetores de 4.096 dimensões, não respostas conversacionais.
Embeddings · Pesos abertos↗ NVIDIAReranker da NVIDIA com 8,38 mil milhões de parâmetros, publicado em 20 de outubro de 2026. Pontua cada par de consulta textual e documento, que pode conter texto, uma imagem de página ou ambos. Complementa a pesquisa inicial reordenando candidatos; não gera respostas nem embeddings. Combina um codificador visual Pixtral com uma torre Ministral3 bidirecional.
Reordenação · Pesos abertos↗ DeepSeekA DeepSeek atualizou a API, o site e a aplicação para DeepSeek-V4.1-Flash-1017 em 17 de outubro de 2026. O identificador API continua a ser deepseek-flash e os preços não mudam. Conservamos a ficha e o URL: é uma revisão do modelo existente, não outro modelo duplicado.
Texto e raciocínio · API paga · pesos abertos↗ NVIDIAModelo da NVIDIA publicado em 17 de outubro de 2026 para converter imagens de páginas em texto estruturado, classes semânticas, caixas e ordem de leitura. Combina C-RADIOv4-SO400M com um descodificador mBART de dez camadas e 630.800.496 parâmetros únicos. Aceita imagem RGB e um prompt de tarefa; os PDF devem ser convertidos em imagens de páginas. Não gera imagens nem substitui um assistente generalista.
OCR e documentos · Pesos abertos↗ NVIDIAModelo de texto da NVIDIA publicado em 16 de outubro de 2026, com 4 mil milhões de parâmetros e arquitetura recorrente. Reutiliza um bloco de camadas para ajustar o cálculo por token sem mudar de checkpoint. Estão documentados o inglês e um contexto validado de 256K tokens. Não gera imagens, áudio ou vídeo.
Texto e raciocínio · Pesos abertos↗ Liquid AIModelo de decisões multimodal da Liquid AI publicado em 15 de outubro de 2026. Recebe texto e imagens e devolve probabilidades para opções definidas, perguntas binárias ou escalas. Usa d1-ultra na API de decisões; não gera texto livre.
Decisões · Proprietário pago↗ Black Forest LabsModelo de imagem com 5,6 mil milhões de parâmetros publicado em 15 de outubro de 2026. Gera e edita imagens a partir de texto e referências, com composição controlada por caixas. Distilled e Base são checkpoints distintos, não equivalentes ao FLUX 3 Image completo.
Imagem · Pesos com restrições↗ Black Forest LabsModelo de imagem com 5,6 mil milhões de parâmetros publicado em 15 de outubro de 2026. Gera e edita imagens a partir de texto e referências, com composição controlada por caixas. Distilled e Base são checkpoints distintos, não equivalentes ao FLUX 3 Image completo.
Imagem · Pesos com restrições↗ MetaModelo multimodal da Meta publicado em 15 de outubro de 2026, com 816 mil milhões de parâmetros totais e 42 mil milhões ativos. Recebe texto, imagens, áudio e vídeo e devolve texto. Tem contexto combinado de um milhão de tokens e variantes BF16 e NVFP4.
Multimodal · Pesos com restrições↗ Mistral AIFamília numérica da Mistral publicada em 15 de outubro de 2026 em quatro tamanhos: 5M, 28M, 123M e 209M. Realiza previsões probabilísticas univariadas e multivariadas sem adaptação prévia. Aceita histórico e covariáveis passadas ou futuras conhecidas; não conversa nem gera texto.
Séries temporais · Pesos com restrições↗ Mistral AIFamília numérica da Mistral publicada em 15 de outubro de 2026 em quatro tamanhos: 5M, 28M, 123M e 209M. Realiza previsões probabilísticas univariadas e multivariadas sem adaptação prévia. Aceita histórico e covariáveis passadas ou futuras conhecidas; não conversa nem gera texto.
Séries temporais · Pesos com restrições↗ Mistral AIFamília numérica da Mistral publicada em 15 de outubro de 2026 em quatro tamanhos: 5M, 28M, 123M e 209M. Realiza previsões probabilísticas univariadas e multivariadas sem adaptação prévia. Aceita histórico e covariáveis passadas ou futuras conhecidas; não conversa nem gera texto.
Séries temporais · Pesos com restrições↗ Mistral AIFamília numérica da Mistral publicada em 15 de outubro de 2026 em quatro tamanhos: 5M, 28M, 123M e 209M. Realiza previsões probabilísticas univariadas e multivariadas sem adaptação prévia. Aceita histórico e covariáveis passadas ou futuras conhecidas; não conversa nem gera texto.
Séries temporais · Pesos com restrições↗ xAIModelo de voz proprietário disponível desde 14 de outubro de 2026 para conversas bidirecionais em áudio e texto. O identificador versionado é grok-voice-3.0; grok-voice-latest é um alias que já aponta para esta versão, não outro modelo. Substitui o Grok Voice 2.0, descontinuado, sem alterar o endpoint, os parâmetros de sessão ou os eventos. Não deve ser confundido com o Grok Voice Transcribe 2.0 nem com o serviço separado de síntese de voz.
Voz e áudio · Proprietário pago↗ Ai2Sistema da Ai2 anunciado em 14 de outubro de 2026 que combina o emulador atmosférico ACE2S-X-SHiELD com o modelo de difusão HiROv2. Transforma campos de cerca de 100 km em dados a 3 km de precipitação, vento a dez metros e pressão ao nível do mar. O repositório público inclui ambos os checkpoints, configuração e dados de exemplo; a criação em 12 de outubro não se confunde com a data do anúncio. Não é um assistente conversacional nem um gerador convencional de imagens.
Séries temporais · Pesos abertos↗ MicrosoftCheckpoint da Microsoft baseado no Qwen3.5-4B que transforma conversas de texto em descrições da tarefa e do comportamento observado. Os pesos foram carregados no repositório oficial em 14 de outubro de 2026. Gera representações para um simulador separado: não produz por si só turnos do utilizador nem executa a sua tarefa. Embora mantenha a arquitetura multimodal do modelo base, esta publicação aceita apenas texto e foi avaliada em inglês.
Texto e raciocínio · Pesos abertos↗
Análise técnica do modelo da NVIDIA para converter controles de simulação em vídeo RGB. Avaliamos sua arquitetura, benchmarks publicados, requisitos de hardware e as limitações físicas que impedem seu uso como simulador certificado.
22 out 2026 ↗
Avaliação rigorosa do modelo de síntese de voz da Mistral: arquitetura híbrida, métricas de avaliação, preço por caracteres e limitações práticas para equipes de engenharia.
22 out 2026 ↗
Uma análise da variante de transcrição da Mistral: o que está confirmado sobre as suas funções, preço e disponibilidade, o que os benchmarks do fornecedor permitem concluir e o que ainda precisa de validação.
22 out 2026 ↗
A Z.AI apresenta o GLM-5.1 como um modelo para engenharia agêntica, e há uma página do modelo no Hugging Face. Mas as informações disponíveis não bastam para confirmar a licença, os requisitos de execução, o preço oficial nem os resultados de benchmark. Este guia separa o que está documentado do que ainda precisa ser verificado e propõe uma lista de checagem para avaliá-lo.
03 out 2026 ↗
A Cohere atribui ao Embed 5 Pro o melhor resultado médio entre os modelos que testou e destaca a recuperação de documentos financeiros. As informações disponíveis não permitem verificar a pontuação, a metodologia, o preço exato nem todas as condições de uso.
03 out 2026 ↗
A documentação fornecida identifica o Embed 5 Fast como parte da família Embed 5, mas não é suficiente para confirmar as modalidades de entrada, a disponibilidade por canal, o preço aplicável ou os resultados de recuperação. Veja o que é possível afirmar e o que ainda precisa ser verificado.
03 out 2026 ↗
O Google descreve o Gemini 3.8 Live Extended Thinking como um modelo de áudio para áudio da Live API, recomendado quando é necessário mais raciocínio em segundo plano. A documentação disponível, por si só, não demonstra que isso reduza erros ou melhore a latência: essas questões exigem testes com tarefas e condições controladas.
02 out 2026 ↗
O Google descreve o Gemini 3.8 Live como um modelo para diálogo em tempo real, mas as fontes disponíveis não permitem confirmar uma tarifa, resultados quantitativos ou todas as condições de acesso. Este guia separa as afirmações do fornecedor daquilo que uma equipe precisa verificar na própria integração.
02 out 2026 ↗
A ElevenLabs apresenta o v4 Turbo como uma variante de baixa latência e publica uma mediana de inferência próxima de 100 ms. Esse valor não corresponde ao tempo de resposta de um agente completo: faltam detalhes sobre a medição, as condições de acesso, o custo aplicável e evidências específicas de segurança.
02 out 2026 ↗