Muse Glimmer vs DeepSeek V4 Pro: Os Dois Extremos dos Open Weights

Em algum lugar nas letras miúdas do lançamento do DeepSeek V4 Pro há um número que deveria incomodar qualquer um que pense que "pesos abertos baratos" e "ótimo em codificação agêntica" são a mesma coisa. No DeepSWE, um benchmark livre de contaminação construído para resistir à manipulação de dados de treinamento que assola as avaliações de engenharia de software, o DeepSeek V4 Pro — o carro-chefe Mixture-of-Experts de 1,6 trilhão de parâmetros lançado em 24 de abril de 2026 sob licença MIT — marcou 8 por cento. O GPT-5.5 marcou 70 no mesmo teste; o Claude Opus 4.7 marcou 54. É o ponto de dados independente mais prejudicial já associado à história de modelo barato mais bem-sucedida da indústria, e isso importa para este confronto porque o Muse Glimmer, o modelo agêntico de pesos abertos de 30B da Meta lançado em 10 de agosto de 2026 sob Apache 2.0, é um modelo de pesos abertos cujo briefing de design inteiro é o trabalho agêntico de horizonte longo que o DeepSWE mede — e cujas únicas pontuações até agora foram executadas pela empresa que o criou.

Então, esta é uma comparação entre dois modelos em extremos opostos do espectro de pesos abertos, em mais aspectos do que o tamanho. Um é um MoE de datacenter que você aluga por centavos. O outro é um download para desktop que não custa nada além da GPU. Um tem um histórico independente que inclui um resultado catastrófico de agente. O outro não tem nenhum histórico independente. Este artigo coloca ambos em seus devidos lugares e deixa a diferença entre "relatado pelo fornecedor" e "comprovado de forma independente" falar por si.

O número que deveria te incomodar

DeepSWE vale a pena entender antes de qualquer um dos números de destaque, porque é o teste que não recompensa o que pode ser memorizado. Ele foi projetado para evitar contaminação — a prática de avaliar com dados que o modelo já viu no treinamento — e executa tarefas longas e reais de engenharia de software que exigem execução sustentada em múltiplas etapas, não reconhecimento de padrões. Os 8% do DeepSeek V4 Pro lá não são uma opinião; são o resultado medido de uma avaliação independente, e representam um quadro completamente diferente daquele que a própria tabela do fornecedor apresenta, onde o mesmo modelo registra 80,6 no SWE-bench Verified, 93,5 no LiveCodeBench e uma classificação Codeforces de 3.206 que supera os 3.168 do GPT-5. A diferença entre esses dois quadros é toda a história de por que "pesos abertos, tokens baratos" e "bom em codificação agêntica" devem ser verificados separadamente.

O Muse Glimmer não tem pontuação no DeepSWE. Não tem nenhuma pontuação independente de qualquer tipo — foi lançado esta manhã, e toda a sua tabela de benchmarks é da própria Meta, que a executou contra configurações rivais que admitiu não ter ajustado. O rótulo honesto para cada número da Glimmer neste artigo é 'relatado pelo fornecedor'. Mas o design do modelo aponta exatamente para o modo de falha que o DeepSWE expõe: recuperação autônoma de falhas, planos de múltiplas etapas, uso de ferramentas de longo horizonte. Se esse design sobrevive ao contato com um teste independente é a questão em aberto deste confronto, e ninguém pode respondê-la ainda.

Duas extremidades de pesos abertos

Comece pelo que "aberto" significa para cada um, porque não é a mesma coisa. O DeepSeek V4 Pro é um MoE com 1,6T de parâmetros totais e cerca de 49B ativos por token, janela de contexto de 1M de tokens, até 384K tokens de saída e entrada somente de texto — sem visão. Seus pesos licenciados sob MIT podem ser obtidos gratuitamente, mas o self-hosting é um projeto de datacenter: o checkpoint BF16 é da ordem de terabytes; na prática, o DeepSeek V4 Pro é algo que você aluga, na API da DeepSeek ou na de um terceiro. O Muse Glimmer é um modelo denso multimodal de 30B — texto mais imagem por meio de um codificador de percepção — sob Apache 2.0, cujo checkpoint de quatro bits, somado ao seu drafter DFlash, cabe em cerca de 19,5GB. Um é um modelo de pesos abertos que você implanta; o outro é um modelo de pesos abertos que você baixa e executa em uma única placa de 24GB ou 32GB, ou em um Mac topo de linha da série M. Ambos são genuinamente pesos abertos. Eles não têm quase mais nada em comum sobre como você os usará.

A personalidade dividida do gigante

A força do DeepSeek V4 Pro está no benchmark isolado. Matemática e conhecimento: GPQA Diamond 90,1, AIME 2026 96,4, MMLU-Pro 87,5. Codificação em ambientes controlados: SWE-bench Verified 80,6, LiveCodeBench 93,5. Seu contexto longo em busca de agulha no palheiro também é forte — 83,5 no MRCR com 1 milhão de tokens, à frente do Gemini 3.1 Pro nesse teste. Mas nas linhas que medem execução agêntica sustentada, o quadro se fragmenta. Terminal-Bench 2.0 fica em 67,9, uso de ferramentas no Toolathlon 51,8, e rankings independentes de agregadores colocam a versão padrão no meio do pacote nas categorias agêntica e de codificação, mesmo com os números de raciocínio permanecendo perto do topo. O resultado de 8% no DeepSWE é a fragmentação levada ao extremo.

A tabela relatada pelo fornecedor do Muse Glimmer aponta na direção contrária: suas linhas mais fortes são as relacionadas a agentes. MCP-Atlas 75.5, DeepSearch QA 74.6, GAIA2 43.3, SWE-bench Verified 76.0, SWE-bench Pro 51.2, Terminal-Bench 2.1 51.7. Contra os números de codificador verificado da DeepSeek — 80.6 SWE-bench Verified, 93.5 LiveCodeBench, 90.1 GPQA Diamond — a Glimmer perde quase todas as linhas que uma tabela de benchmarks considera importantes. Os modelos são bons em diferentes tipos de coisas, e o tipo de coisa em que a Glimmer afirma ser boa é exatamente o tipo de coisa em que o histórico independente da DeepSeek diz que a abordagem do gigante barato erra.

Quanto custa cada um, honestamente

O preço de tabela publicado do DeepSeek V4 Pro é de US$ 1,74 por milhão de tokens de entrada e US$ 3,48 por milhão de saída, com a entrada por acerto de cache em torno de US$ 0,145. O desconto permanente da DeepSeek — inicialmente apresentado como promocional e depois mantido — coloca a taxa efetiva em cerca de US$ 0,44 na entrada e US$ 0,87 na saída, barato o suficiente para que o custo por token quase deixe de ser o fator decisivo, e barato o suficiente para explicar por que é a escolha padrão de baixo custo para uma grande fatia do setor. Esse preço está ativo na API própria do fornecedor e em várias plataformas de terceiros, e no OrcaRouter ele é repassado com margem de 0% — o preço de tabela do provedor, sem margem adicional —, então um corte de preço da DeepSeek fica visível na página do modelo no mesmo dia em que acontece, o que é a forma honesta de compará-lo com qualquer outra coisa do catálogo.

Muse Glimmer custa zero por token, e o custo real é o hardware: uma GPU de 24GB ou 32GB, com a RTX 5090 como ponto de referência, ou um Mac M-series no máximo. Se você possui isso, o custo marginal de um agente local sempre ativo é a eletricidade. Se não possui, a GPU é o item de custo — e para muitas equipes essa compra única é mais barata do que até mesmo a taxa com desconto da DeepSeek ao longo da vida de um agente sempre ativo, enquanto para outras o modelo por token vence porque elas querem o contexto de 1M e a saída de 384K que um modelo local de 19.5GB não consegue suportar. A comparação de preços só se resolve quando você decide em qual ambiente de implantação você realmente vive.

A política subjacente

Vale a pena mencionar o contexto, porque ele determina até que ponto você deve confiar na tabela de cada fornecedor. O ensaio de Zuckerberg que acompanha o lançamento do Muse Glimmer, "The Future is for Everyone", citou explicitamente a DeepSeek, junto com Qwen e Moonshot, como os laboratórios chineses de modelos abertos com os quais os lançamentos americanos de pesos abertos precisam competir, e pediu uma regulação americana mais flexível para IA de código aberto. A Meta está posicionando o Glimmer como a resposta doméstica à onda barata de pesos abertos. Esse enquadramento é real, e é exatamente o tipo de situação em que os benchmarks conduzidos pelos fornecedores merecem o máximo de ceticismo — ambos os lados estão vendendo uma narrativa nacional junto com um modelo. O contrapeso é a medição independente que já existe para a DeepSeek (incluindo os 8 por cento), e a medição independente que ainda não existe para o Glimmer.

Quem deve executar o quê

Os dois modelos não são substitutos, e a decisão é principalmente uma questão de envelope de implantação disfarçada de benchmark. Se sua carga de trabalho é faminta por tokens e faminta por contexto — entrada massiva, saídas longas, matemática e conhecimento em escala — o DeepSeek V4 Pro com sua taxa com desconto é um dos melhores negócios de custo por capacidade do catálogo, e seu resultado de 8% no DeepSWE importa menos para cargas de trabalho que não são codificação agêntica de horizonte longo. Se sua carga de trabalho é um agente local sempre ativo — alta frequência, privado, interativo, com chamada de ferramentas — o Muse Glimmer é o formato da resposta, com a ressalva de que suas alegações agênticas ainda são inteiramente autorrelatadas e precisam de um teste independente. Se sua carga de trabalho é ambas — e a maioria das pilhas de agentes reais é — então os dois modelos são duas camadas de um único sistema: o 30B local para o caminho rápido, privado e de alta frequência, e o MoE alugado para o trabalho pesado de contexto longo.

O que resolveria essa comparação, em ordem aproximada de velocidade: um resultado independente do Glimmer em um teste de horizonte longo livre de contaminação como o DeepSWE, que é o número mais útil que falta nesse confronto; uma segunda reprodução independente dos 8% do DeepSeek para confirmar que não foi um acaso da configuração; e o primeiro provedor a disponibilizar um endpoint do Glimmer, que é o momento em que uma divisão entre local e alugado deixa de ser hipotética e se torna algo que você pode conectar com uma chave. Até lá, o resumo honesto é curto. O DeepSeek V4 Pro é o gigante de pesos abertos com uma história comprovada de tokens baratos e uma fraqueza específica e medida. O Muse Glimmer é o recém-chegado de pesos abertos cuja proposta inteira mira exatamente essa fraqueza — e cuja única evidência até agora é a sua própria palavra.