# ai-opensource.com > Um guia em linguagem simples sobre os mais recentes modelos de IA de código aberto e de pesos abertos: o que cada um é, qual é o seu tamanho, o que a licença permite e qual hardware consegue rodá-lo. Os fatos são conferidos com fontes primárias: model cards, arquivos de licença e anúncios oficiais. Os números de benchmark são informados pelos desenvolvedores, salvo indicação em contrário. Textos e dados são publicados sob CC BY 4.0. Catálogo atualizado pela última vez em 11 de novembro de 2026. English: https://ai-opensource.com/llms.txt ## Modelos - [Clef](https://ai-opensource.com/pt/models/clef/): Os modelos de decisão da Cloudflare: você dá uma situação e perguntas, e eles retornam uma probabilidade para cada opção em uma passada. Parâmetros: 9.41B–27.4B; Janela de contexto: 64K; Licença: Apache 2.0; Lançamento: 2026-10-01. - [Confucius4-R2T2](https://ai-opensource.com/pt/models/confucius4-r2t2/): O reconhecedor de fala em streaming da NetEase Youdao que nunca revisa palavras já confirmadas, adaptado do Qwen3-ASR-1.7B. Parâmetros: 2.04B; Licença: NetEase Youdao Model Use; Lançamento: 2026-09. - [A.X K2](https://ai-opensource.com/pt/models/a-x-k2/): MoE da SK Telecom: 688B parâmetros, 33B ativos, FP8 nativo e contexto de 256K. Apache 2.0; destaque em matemática e coreano. Parâmetros: 688B (33B ativos); Janela de contexto: 256K; Licença: Apache 2.0; Lançamento: 2026-07-29. - [Chatterbox](https://ai-opensource.com/pt/models/chatterbox/): TTS de clonagem de voz da Resemble AI (0.5B, MIT): Multilingual V3 com 6 idiomas. Aposentado em agosto de 2026: arquivo sem atualizações. Parâmetros: 500M; Licença: MIT; Lançamento: 2026-06-10. - [Cosmos 3](https://ai-opensource.com/pt/models/cosmos-3/): World models abertos da NVIDIA para robôs e direção: 4B, 16B e 64B, com entrada e saída de texto, imagens, vídeo e ações. Parâmetros: 3.86B–64.6B; Licença: OpenMDW-1.1; Lançamento: 2026-05-31. - [Command A+](https://ai-opensource.com/pt/models/command-a-plus/): O modelo empresarial aberto de 218B da Cohere: 25B ativos, 48 idiomas, imagens e ferramentas, Apache 2.0, roda em duas H100 em 4 bits. Parâmetros: 218B (25B ativos); Janela de contexto: 128K; Licença: Apache 2.0; Lançamento: 2026-05-20. - [Anima](https://ai-opensource.com/pt/models/anima/): Modelo de imagens de anime e ilustração de 2B da CircleStone Labs e da Comfy Org, com versão Turbo de 8 a 12 passos. Pesos não comerciais. Parâmetros: 2.09B; Licença: CircleStone Non-Commercial; Lançamento: 2026-05-14. - [Cohere Transcribe](https://ai-opensource.com/pt/models/cohere-transcribe/): O primeiro modelo de voz aberto da Cohere: um especialista em transcrição de 2B para 14 idiomas, lançado sob Apache 2.0. Parâmetros: 2.07B; Licença: Apache 2.0; Lançamento: 2026-03-26. - [DeepSeek-OCR 2](https://ai-opensource.com/pt/models/deepseek-ocr-2/): O modelo de OCR de 3.4B com Apache 2.0 da DeepSeek: seu novo encoder reordena os tokens visuais por significado, não em ordem de varredura. Parâmetros: 3.39B; Licença: Apache 2.0; Lançamento: 2026-01-27. - [ACE-Step 1.5](https://ai-opensource.com/pt/models/ace-step-1-5/): Modelo musical MIT: músicas completas em segundos, a partir de 4 GB de VRAM, com covers, edição parcial e mais de 50 idiomas. Parâmetros: 2B–4B; Licença: MIT; Lançamento: 2026-01-23. - [DeepSeek-OCR](https://ai-opensource.com/pt/models/deepseek-ocr/): O OCR de 3B sob licença MIT da DeepSeek comprime uma página em poucos tokens visuais: ~97% de precisão com <10x de compressão. Parâmetros: 3.34B (570M ativos); Licença: MIT; Lançamento: 2025-10-20. ## Melhores - [Os melhores modelos de código aberto de OCR e documentos em 2026](https://ai-opensource.com/pt/best/ocr-and-document-models/): Os modelos abertos de OCR e de parsing de documentos de novembro de 2026, de modelos de 0.8B para o dispositivo a parsers multilíngues de 5B, com as licenças e o propósito de cada um. - [Os melhores modelos multimodais de código aberto em 2026 (imagens, vídeo e áudio)](https://ai-opensource.com/pt/best/multimodal-models/): Modelos abertos que leem imagens, vídeo e áudio além de texto, de um modelo de 1B que roda no dispositivo a sistemas de trilhões de parâmetros, com a licença e o contexto de cada um. - [Modelos de IA de pesos abertos feitos na Europa](https://ai-opensource.com/pt/best/open-models-made-in-europe/): Modelos de pesos abertos de desenvolvedores da França, Alemanha, Suíça e Países Baixos, em linguagem, imagem, fala, OCR e embeddings, com a licença de cada um. - [Modelos de IA de pesos abertos feitos na Coreia do Sul](https://ai-opensource.com/pt/best/open-models-made-in-korea/): Modelos de pesos abertos de desenvolvedores sul-coreanos: os quatro modelos de linguagem feitos para o projeto estatal de IA soberana, os dois modelos Raon da KRAFTON e um modelo de voz para o dispositivo. - [Os melhores modelos reranker de código aberto em 2026](https://ai-opensource.com/pt/best/reranker-models/): Os rerankers abertos de novembro de 2026 para busca e RAG: de só texto e multimodais, de 0.6B a 8B parâmetros, com idiomas, contexto, licença e tamanho. - [Os melhores modelos de código aberto de música e som em 2026](https://ai-opensource.com/pt/best/music-and-sound-generation/): Os modelos abertos de música e som de novembro de 2026: canções com vozes, um instrumento ao vivo e efeitos sonoros, com os limites de hardware e de licença explicados. ## Comparar modelos - [ACE-Step 1.5 vs MiniMax Music 3: qual modelo de música aberto escolher?](https://ai-opensource.com/pt/compare/ace-step-1-5-vs-minimax-music-3/): ACE-Step 1.5 é um modelo de música com licença MIT que roda com cerca de 4 GB de VRAM. MiniMax Music 3, de 11.1B, escreve músicas de até cinco minutos e precisa de uma GPU de 24 GB. - [Apertus 1.5 vs OLMo 3.1: qual modelo totalmente aberto você deve usar?](https://ai-opensource.com/pt/compare/apertus-1-5-vs-olmo-3-1/): Apertus 1.5 lê texto, imagens e áudio com contexto de 262K; OLMo 3.1 é só de texto, com 64K e um modelo 32B. Ambos são totalmente abertos sob Apache 2.0. - [BGE-M3 vs Granite Embedding R2: qual modelo de embeddings você deve usar?](https://ai-opensource.com/pt/compare/bge-m3-vs-granite-embedding-r2/): BGE-M3 é um único modelo multilíngue de 568M com busca densa, esparsa e multivetorial; Granite Embedding R2 são quatro modelos pequenos com até 32K de contexto. Compare tamanho e adequação. - [Cosmos 3 vs Wan 2.2: qual modelo de vídeo aberto escolher?](https://ai-opensource.com/pt/compare/cosmos-3-vs-wan-2-2/): Cosmos 3 é o modelo de mundo da NVIDIA para robôs e direção, com um tamanho Edge de 4B; Wan 2.2 é a família da Alibaba de texto e imagem para vídeo sob Apache 2.0, com um modelo 5B para GPUs de 24 GB. - [DeepSeek V4 vs Hy3: qual modelo aberto grande você deve usar?](https://ai-opensource.com/pt/compare/deepseek-v4-vs-hy3/): DeepSeek V4 tem licença MIT, contexto de 1M de tokens e tamanhos de 1.6T e 284B; Hy3 é um único modelo Apache 2.0 de 295B com 256K. Compare tamanho, contexto e licença. - [FLUX 3 Klein vs Krea 2: qual modelo de imagem escolher?](https://ai-opensource.com/pt/compare/flux-3-image-klein-vs-krea-2/): FLUX 3 Image Klein edita imagens e cabe em 8 GB com INT8, enquanto o Krea 2 desenha imagens variadas só a partir de texto. Ambos são gated, com limites de receita de 5 e 1 milhões de dólares. - [FLUX 3 Image Klein vs Qwen-Image-2.1: licenças, memória e recursos](https://ai-opensource.com/pt/compare/flux-3-image-klein-vs-qwen-image-2-1/): FLUX 3 Image Klein e Qwen-Image-2.1 geram e editam imagens a partir de referências. Compare as licenças, as necessidades de memória e o que cada um faz melhor. - [FLUX.3 Image Klein vs Z-Image: qual modelo de imagem aberto você deve usar?](https://ai-opensource.com/pt/compare/flux-3-image-klein-vs-z-image/): FLUX.3 Image Klein edita imagens a partir de até 10 referências sob uma licença com limite de receita; Z-Image é texto para imagem sob Apache 2.0. Compare edição, licença e memória. - [Gemma 4 vs Qwen3.8-27B: qual modelo aberto rodar em uma GPU?](https://ai-opensource.com/pt/compare/gemma-4-vs-qwen-3-8-27b/): Gemma 4, da Google, e Qwen3.8-27B, da Alibaba, são modelos Apache 2.0 que cabem em uma GPU. Compare tamanhos, tipos de entrada, necessidades de memória e onde cada um se encaixa. - [GLM-5.3 Flash vs MiniMax M3: qual modelo multimodal você deve usar?](https://ai-opensource.com/pt/compare/glm-5-3-flash-vs-minimax-m3/): GLM-5.3 Flash tem 320 bilhões de parâmetros, licença MIT e foco em contexto longo e barato; MiniMax M3 tem 428 bilhões, com modos de raciocínio e uma licença comunitária. Compare tamanho e licença. - [GLM-5.3 vs DeepSeek V4.1 Flash: comparação de dois modelos abertos para agentes de programação](https://ai-opensource.com/pt/compare/glm-5-3-vs-deepseek-v4-1-flash/): GLM-5.3 da Z.ai e DeepSeek V4.1 Flash são modelos de pesos abertos para programação e agentes, com contexto de 1 milhão de tokens. Compare tamanho, memória necessária e licenças. - [GLM-OCR vs PaddleOCR-VL: qual analisador de documentos pequeno você deve usar?](https://ai-opensource.com/pt/compare/glm-ocr-vs-paddleocr-vl/): Dois analisadores de documentos de 0.9B: GLM-OCR (MIT, SDK, extração de formulários) e PaddleOCR-VL (Apache 2.0, gráficos e selos). Compare ferramentas, licença e pontuações. - [Index-Translate vs TranslateGemma: qual escolher?](https://ai-opensource.com/pt/compare/index-translate-vs-translategemma/): Index-Translate cobre 150 idiomas sob Apache 2.0 e segue glossário e tom. TranslateGemma cobre 55 sob os Termos da Gemma e tem muito mais downloads. Não achamos comparação independente. - [K-EXAONE 2.0 vs A.X K2: qual modelo de IA soberana coreana você deve executar?](https://ai-opensource.com/pt/compare/k-exaone-2-0-vs-a-x-k2/): K-EXAONE 2.0 (750 bilhões, dez idiomas, contexto de 262K) ou A.X K2 (688 bilhões, cinco idiomas, mais forte em matemática e coreano)? Ambos são Apache 2.0. Compare tamanho, hardware e adequação. - [Kimi K3.1 Pro vs Qwen3.8-Max: qual modelo aberto gigante combina com você?](https://ai-opensource.com/pt/compare/kimi-k3-1-pro-vs-qwen-3-8-max/): Kimi K3.1 Pro e Qwen3.8-Max são os maiores modelos de pesos abertos que você pode baixar. Compare tamanho, tipos de entrada, memória necessária e licenças lado a lado. - [Kokoro vs Pocket TTS: qual mini modelo TTS aberto você deve usar?](https://ai-opensource.com/pt/compare/kokoro-vs-pocket-tts/): Kokoro tem 54 vozes fixas em 8 idiomas sob Apache 2.0; Pocket TTS clona uma voz a partir de 5 segundos de áudio em 6 idiomas sob CC BY 4.0. Ambos rodam em CPU. - [LTX-2.5 vs Wan 2.2: comparação de geração de vídeo de código aberto](https://ai-opensource.com/pt/compare/ltx-2-5-vs-wan-2-2/): LTX-2.5 gera vídeo com som sincronizado, enquanto Wan 2.2 é Apache 2.0 e roda em uma GPU de 24 GB. Compare memória necessária, licenças e recursos. - [MiniCPM-OCR vs. LightOnOCR-3: qual modelo OCR Apache 2.0 você deve usar?](https://ai-opensource.com/pt/compare/minicpm-ocr-vs-lightonocr-3/): MiniCPM-OCR é um único modelo de 1.3B para páginas em chinês e inglês; o LightOnOCR-3 oferece tamanhos 4B, 1B e 0.8B com caixas e dados de gráficos. Compare ferramentas e adequação. - [Mistral Large 4 vs. Muse Spark Open: dois modelos gigantes de pesos abertos](https://ai-opensource.com/pt/compare/mistral-large-4-vs-muse-spark-open/): Mistral Large 4 e Muse Spark Open foram lançados em outubro de 2026. Compare tamanho, tipos de entrada, necessidades de memória e as condições de licença de cada um. - [MOSS-Image vs. Z-Image: qual modelo de imagem Apache 2.0?](https://ai-opensource.com/pt/compare/moss-image-vs-z-image/): MOSS-Image desenha textos longos em chinês e inglês e segue layouts JSON; o Z-Image Turbo cria imagens fotorrealistas em 8 passos em uma GPU de 16 GB. Ambos são Apache 2.0. - [Nemotron 3.5 Lightning vs. Qwen3.6: qual modelo de 3B ativos usar?](https://ai-opensource.com/pt/compare/nemotron-3-5-lightning-vs-qwen-3-6/): Nemotron 3.5 Lightning é um híbrido 30B-A3B para uma H100 com contexto de 1M; o Qwen3.6 é um par 35B-A3B mais 27B denso com entrada de imagem. Compare adequação e resultados. - [Nemotron 3 Nano Omni vs. MiniCPM-o 4.5: qual modelo omni aberto?](https://ai-opensource.com/pt/compare/nemotron-3-nano-omni-vs-minicpm-o-4-5/): O modelo omni de 31B da NVIDIA lê vídeo, áudio e imagens e responde em texto. O MiniCPM-o 4.5 de 9B da OpenBMB também fala. Compare memória, idiomas e licença. - [OmniVoice vs. VoxCPM2: qual modelo de texto para fala aberto usar?](https://ai-opensource.com/pt/compare/omnivoice-vs-voxcpm2/): OmniVoice cobre mais de 600 idiomas, mas seus pesos são não comerciais; o VoxCPM2 cobre 30 idiomas sob Apache 2.0. Compare idiomas, design de voz e licença. - [Ornith 1.5 vs. Qwen3.6: qual modelo de codificação agêntica usar?](https://ai-opensource.com/pt/compare/ornith-1-5-vs-qwen-3-6/): Ornith 1.5 é um derivado de Qwen3.5 sob licença MIT em quatro tamanhos; o Qwen3.6 é o par Apache 2.0 da Alibaba com entrada de imagem. Compare tamanhos, licenças e evidências. - [Parakeet TDT 0.6B v3 vs. Cohere Transcribe: qual você deve usar?](https://ai-opensource.com/pt/compare/parakeet-tdt-0-6b-v3-vs-cohere-transcribe/): Parakeet v3 cobre 25 línguas europeias com marcações de tempo sob CC BY 4.0; o Cohere Transcribe cobre 14 idiomas, incluindo chinês, japonês e coreano, sob Apache 2.0. - [PLaMo 3 Translate vs Hy-MT2: qual modelo de tradução aberto escolher?](https://ai-opensource.com/pt/compare/plamo-3-translate-vs-hy-mt2/): PLaMo 3 Translate cobre 53 idiomas sob uma licença com limite de receita; Hy-MT2 cobre 33 sob Apache 2.0 puro e tem uma comunidade muito maior. Os gráficos da própria PFN favorecem o PLaMo. - [Qwen3-ASR vs Voxtral Realtime: qual modelo de streaming usar?](https://ai-opensource.com/pt/compare/qwen3-asr-vs-voxtral-realtime/): Qwen3-ASR cobre 30 idiomas mais 22 dialetos chineses com marcações de tempo; Voxtral Realtime é um único modelo 4B com atraso de 80 ms a 2,4 s. Compare idiomas e latência. - [Qwen3-Embedding vs EmbeddingGemma 2: qual usar?](https://ai-opensource.com/pt/compare/qwen3-embedding-vs-embeddinggemma-2/): Qwen3-Embedding processa texto e código em três tamanhos; EmbeddingGemma 2 coloca texto, imagens, áudio e vídeo em um só espaço. Compare contexto, tamanho e licenças. - [Ripple-65B vs Nanbeige4.3-33B: qual novo modelo de agente?](https://ai-opensource.com/pt/compare/ripple-65b-vs-nanbeige-4-3-33b/): Ripple-65B Preview é um modelo denso de 65B com contexto de 1M sob Apache 2.0; Nanbeige4.3-33B é um modelo de 33B com contexto de 512K e build INT4 de 23 GB. - [S2 Pro vs Higgs TTS 3: qual modelo TTS não comercial?](https://ai-opensource.com/pt/compare/s2-pro-vs-higgs-tts-3/): O S2 Pro da Fish Audio e o Higgs TTS 3 da Boson são ambos modelos de texto para fala de 4.6B com tags em linha e clonagem, e ambos são não comerciais. Compare licenças e hardware. - [Solar Open 2 vs Motif 3: qual modelo de agente coreano rodar?](https://ai-opensource.com/pt/compare/solar-open-2-vs-motif-3/): Solar Open 2 tem 250B parâmetros, contexto de 1M e uma regra de nome; Motif 3 tem 314B, contexto de 256K e a licença MIT pura. Compare hardware, idiomas e licenças. - [Stable Audio 3 vs MOSS-SoundEffect v2.0: qual modelo de efeitos sonoros aberto?](https://ai-opensource.com/pt/compare/stable-audio-3-vs-moss-soundeffect-v2/): Stable Audio 3 cria música e efeitos de até 6 min 20 s em oito passos, grátis abaixo de 1 milhão de USD de receita. MOSS-SoundEffect v2.0 cria efeitos de 30 segundos sob Apache 2.0. - [Whisper large-v3-turbo vs Nemotron 3.5 Transcribe: qual usar?](https://ai-opensource.com/pt/compare/whisper-large-v3-turbo-vs-nemotron-3-5-transcribe/): Whisper large-v3-turbo é pequeno e amplamente suportado; Nemotron 3.5 Transcribe adiciona rótulos de falante e estilo controlado por prompt. Compare memória, idiomas e licenças. - [ZONOS3-Mini vs Drama 3: qual novo modelo TTS aberto?](https://ai-opensource.com/pt/compare/zonos3-mini-vs-drama-3/): ZONOS3-Mini é um modelo Apache 2.0 de 800M para 43 idiomas que roda no navegador. Drama 3 é um modelo de 36B para 83 idiomas, grátis só abaixo de 500 mil USD de receita. ## Licenças - [Apache License 2.0](https://ai-opensource.com/pt/licenses/apache-2-0/): Uma das licenças permissivas mais utilizadas. Você pode usar e modificar o modelo e vender produtos criados a partir dele com apenas algumas condições leves. - [bilibili Model Use License Agreement](https://ai-opensource.com/pt/licenses/bilibili-model-use/): A licença da Bilibili para o IndexTTS, apontada tanto pela ficha do modelo do IndexTTS-2.5 quanto pelo repositório do GitHub. Ela permite usar, modificar, treinar com, distribuir e criar derivados do modelo, no mundo inteiro e sem royalties. O texto não traz uma proibição geral de uso comercial, mas um usuário ou afiliado com mais de 100 milhões de usuários ativos mensais ou 1 bilhão de RMB de receita anual precisa de uma licença escrita separada. - [Boson Higgs TTS 3 Research and Non-Commercial License](https://ai-opensource.com/pt/licenses/boson-higgs-non-commercial/): A licença da Boson AI para os pesos do Higgs TTS 3, atualizada pela última vez em 8 de julho de 2026. Ela se autodenomina uma licença de código visível (source-available), não de código aberto. O uso em pesquisa e não comercial é gratuito, e qualquer finalidade comercial precisa de uma licença escrita separada da Boson. A única exceção é uma concessão de uso para criadores (Creator Use Grant), que permite a criadores digitais produzir e monetizar podcasts, vídeos, audiolivros e posts sociais com o áudio do modelo se eles creditarem “Boson AI's Higgs Audio”. - [BreezeBlue Research and Non-Commercial License Agreement v1.1](https://ai-opensource.com/pt/licenses/breezeblue-non-commercial/): A licença dos pesos do Breeze TTS 2, versão 1.1 de 1 de setembro de 2026, emitida pela Resonia, Inc., que atua como BreezeBlue. Ela é gratuita para pesquisa e uso não comercial e não concede nenhum direito comercial, sem limite de receita nem exceção para criadores. O áudio que você produzir com os pesos abertos está sujeito aos mesmos limites. - [Creative Commons Attribution 4.0 (CC BY 4.0)](https://ai-opensource.com/pt/licenses/cc-by-4-0/): Uma licença da Creative Commons que permite a qualquer pessoa copiar, compartilhar e adaptar a obra para qualquer finalidade, incluindo uso comercial, desde que dê crédito. Foi escrita para obras criativas e de dados, e não para software, mas alguns lançamentos de fala e dados a usam para os pesos do modelo. - [Creative Commons Attribution-NonCommercial (CC BY-NC)](https://ai-opensource.com/pt/licenses/cc-by-nc/): Uma licença da Creative Commons que permite a qualquer pessoa copiar, compartilhar e adaptar a obra dando crédito, mas apenas para fins não comerciais. Algumas fichas de modelo a citam sem número de versão, e a versão atual é a 4.0. - [CircleStone Labs Non-Commercial License v1.2](https://ai-opensource.com/pt/licenses/circlestone-non-commercial/): A licença dos modelos de imagem Anima da CircleStone Labs. Os pesos são gratuitos apenas para uso não comercial, mas as imagens que você gerar podem ser usadas comercialmente. Hospedar o modelo cobrando por isso, ou integrá-lo a um produto monetizado, exige uma licença comercial separada da CircleStone Labs. - [AI Pubs Open RAIL-M License (Modified, Datalab)](https://ai-opensource.com/pt/licenses/datalab-openrail-m/): Uma licença Open RAIL-M modificada. Gratuita para pesquisa e uso pessoal, e para uso comercial apenas por organizações com menos de US$ 2 milhões de receita no ano anterior e menos de US$ 2 milhões captados no total. Ela também proíbe usar o modelo para competir com a Datalab e exige que derivados e saídas carreguem a mesma licença. - [AI Pubs Open RAIL-M License (Modified, Datalab Surya)](https://ai-opensource.com/pt/licenses/datalab-surya-openrail-m/): A mesma licença Open RAIL-M modificada dos modelos Chandra da Datalab, com limites mais altos. Gratuita para pesquisa e uso pessoal, e para uso comercial apenas por organizações com menos de US$ 5 milhões de receita no ano anterior e menos de US$ 5 milhões captados no total. Ela também proíbe usar o modelo para competir com a Datalab e exige que derivados e saídas carreguem a mesma licença. - [ERNIE 5.5 Flash Base Model License Agreement v1.0](https://ai-opensource.com/pt/licenses/ernie-5-5-flash-base/): Grátis para uso não comercial, e grátis para uso comercial até US$ 50 milhões de receita anual relacionada se você exibir “Powered by ERNIE” e enviar à Baidu um aviso único, mas apenas fora da UE, do Reino Unido e da Coreia do Sul. Acima de US$ 50 milhões você precisa da autorização por escrito da Baidu. - [Fish Audio Community License Agreement 1.0](https://ai-opensource.com/pt/licenses/fish-audio-community/): Grátis para pesquisa e uso não comercial, e grátis para uso comercial enquanto você e suas afiliadas ganharem menos de US$ 500 mil por ano. Acima disso, ou para oferecer o modelo a outras pessoas como serviço de texto para fala, clonagem de voz ou inferência de qualquer porte, você precisa de uma licença escrita separada da Fish Audio. Você deve exibir “Built with Fish Audio”, não pode clonar a voz de uma pessoa real sem consentimento e não pode usar o modelo ou seu áudio para treinar outros modelos de fala ou fundacionais. - [Fish Audio Research License Agreement](https://ai-opensource.com/pt/licenses/fish-audio-research/): A licença da Fish Audio para os pesos do S2 Pro, atualizada pela última vez em 7 de março de 2026. Uso em pesquisa e não comercial é gratuito, incluindo projetos de hobby, avaliação e testes. Qualquer finalidade comercial, incluindo as operações internas da sua própria organização, precisa de uma licença escrita separada da Fish Audio. Se você compartilhar os pesos ou um derivado, repassa o acordo, mantém um aviso creditando 39 AI, Inc. e exibe “Built with Fish Audio”. - [FLUX Kommunity License v1.0](https://ai-opensource.com/pt/licenses/flux-kommunity/): A licença da Black Forest Labs para os pesos abertos do FLUX 3. É gratuita para uso pessoal e não comercial, e só é gratuita para uso comercial se você for um "Qualifying User", ou seja, se você e suas afiliadas faturarem menos de 5 milhões de dólares por ano. Empresas maiores precisam de uma licença comercial ou da API paga. - [Gemma Terms of Use](https://ai-opensource.com/pt/licenses/gemma-terms/): A licença personalizada do Google para os modelos Gemma lançados antes do Gemma 4, incluindo o TranslateGemma. Ela permite uso comercial, alterações e redistribuição sem limite de receita, mas toda cópia e todo derivado deve trazer as mesmas restrições de uso, e o Google pode restringir usos que, segundo ele, violem os termos. - [GLM-5.3 License](https://ai-opensource.com/pt/licenses/glm-5-3/): Muito próxima do MIT. A única condição extra vale para grandes negócios de hospedagem: um operador de modelo-como-serviço com mais de 10 bilhões de dólares de receita precisa passar por uma revisão de segurança da Z.AI. Todos os demais podem tratá-la como o MIT. - [Ideogram Non-Commercial Model Agreement](https://ai-opensource.com/pt/licenses/ideogram-non-commercial/): A licença da Ideogram para os pesos do Ideogram 4, atualizada pela última vez em 3 de junho de 2026. Os pesos são gratuitos apenas para fins não comerciais, definidos de forma restrita no texto. Uma empresa pode testar e criar protótipos, mas não colocar em produção, e gerar imagens para produtos que geram receita está excluído. O uso comercial exige um acordo separado, que a Ideogram pode conceder ou recusar como quiser. - [Kimi K3 License](https://ai-opensource.com/pt/licenses/kimi-k3/): Uma licença no estilo MIT com duas condições de escala. A maioria das empresas pode usá-la comercialmente sem pedir permissão, mas grandes negócios de hospedagem precisam de um acordo e produtos muito grandes devem creditá-lo. O Kimi K3.1 Pro usa os mesmos termos sob seu próprio nome. - [Krea 2 Community License Agreement v1](https://ai-opensource.com/pt/licenses/krea-2-community/): A licença da Krea para os pesos do Krea 2 Raw e Turbo, datada de 22 de junho de 2026. Você pode usar, modificar e compartilhar os modelos e criar derivados, e o uso comercial só é permitido enquanto você e suas afiliadas faturarem menos de 1 milhão de dólares por ano. Organizações maiores precisam de uma licença corporativa da Krea. - [LFM Open License v1.0](https://ai-opensource.com/pt/licenses/lfm-open-1-0/): Uma licença no estilo Apache 2.0 da Liquid AI com uma grande restrição. O uso comercial só é licenciado enquanto sua empresa, junto com suas afiliadas, faturar menos de 10 milhões de dólares por ano. Acima dessa linha você não tem licença e precisa do seu próprio acordo. - [LTX-2 Community License Agreement](https://ai-opensource.com/pt/licenses/ltx-2-community/): A licença personalizada para LTX-2 e LTX-2.3, datada de 5 de janeiro de 2026. Organizações com receita anual inferior a 10 milhões de dólares podem usar, modificar e hospedar os modelos para qualquer finalidade, sujeitas a uma lista de usos proibidos. Organizações com essa cifra ou mais precisam de um acordo comercial pago. O LTX-2.5 usa em vez disso a licença mais recente LTX-2.x. - [LTX-2.x Community License Agreement](https://ai-opensource.com/pt/licenses/ltx-2x-community/): Uma licença personalizada para os modelos de vídeo LTX. Organizações com receita anual inferior a 10 milhões de dólares podem usar, modificar e hospedar o modelo para qualquer finalidade; organizações com essa cifra ou mais precisam de uma licença comercial paga, embora ainda possam avaliá-lo em ambientes não produtivos. - [MiniMax Community License](https://ai-opensource.com/pt/licenses/minimax-community/): Uma licença que concede direitos para fins não comerciais e depois descreve os passos para o uso comercial: exibir uma linha de crédito, enviar uma notificação e obter autorização por escrito se o seu produto faturar mais de 20 milhões de dólares por ano. Uso militar é proibido. Consiga uma análise jurídica antes de lançar um produto sobre ela. - [MiniMax H3 Community License Agreement](https://ai-opensource.com/pt/licenses/minimax-h3-community/): Uma licença comunitária que permite usar, modificar e distribuir o MiniMax H3, mas apenas no "Território Aplicável", ou seja, o mundo inteiro exceto a União Europeia, o Reino Unido, a Coreia do Sul e os Estados Unidos. Produtos comerciais que faturam mais de 20 milhões de dólares por ano precisam de autorização por escrito da MiniMax, todo produto comercial deve mostrar "MiniMax H3" na sua interface, e você não pode usar o modelo nem seus resultados para treinar outros modelos de IA. Procure orientação jurídica, principalmente se você ou seus usuários estiverem em uma região excluída. - [MiniMax-H3-Image Community License Agreement](https://ai-opensource.com/pt/licenses/minimax-h3-image-community/): Construída sobre a licença do MiniMax H3, com um limite comercial bem mais baixo. Você só pode usar, modificar e distribuir o MiniMax-H3-Image no "Território Aplicável" (o mundo exceto a União Europeia, o Reino Unido, a Coreia do Sul e os Estados Unidos). Você precisa de autorização por escrito da MiniMax se você e suas afiliadas faturarem mais de 1 milhão de dólares por ano, ou se oferecer o modelo como serviço hospedado a qualquer outra pessoa. Procure orientação jurídica antes de construir um negócio sobre ele. - [MiniMax M2.7 Non-Commercial License](https://ai-opensource.com/pt/licenses/minimax-m2-7-non-commercial/): Uma licença no estilo MIT que cobre apenas uso não comercial. Uso pessoal, incluindo auto-hospedagem para programar e construir suas próprias ferramentas, e uso sem fins lucrativos, acadêmico e de pesquisa são gratuitos. Qualquer uso comercial precisa de autorização prévia por escrito separada da MiniMax, e onde for autorizado você deve exibir "Built with MiniMax M2.7". - [MiniMax Model License (M2.5)](https://ai-opensource.com/pt/licenses/minimax-model-license/): Uma licença limitada de estilo permissivo da MiniMax, com data de versão de 13 de fevereiro de 2026. Ela concede um direito mundial, livre de royalties, para usar, copiar, distribuir, modificar e fazer obras derivadas do modelo, sem limite de receita no texto. Você deve repassar o acordo, marcar os arquivos alterados, manter o aviso de atribuição da MiniMax e seguir uma Política de Usos Proibidos. O cartão do modelo e os metadados do Hugging Face o chamam de Modified-MIT, mas o arquivo de licença no repositório se chama MiniMax Model License. - [MiniMax-Music3 Community License](https://ai-opensource.com/pt/licenses/minimax-music3-community/): Uma licência no estilo MIT com condições comerciais. Você pode usar, modificar e distribuir o MiniMax Music 3, mas um produto comercial precisa exibir "MiniMax-Music3" na sua interface, e uma empresa que ganhe mais de 20 milhões de dólares americanos por ano com produtos que o utilizem precisa de autorização por escrito. Quem oferecer o modelo a outras pessoas também deve manter salvaguardas contra saídas que violem direitos. Uma longa política de uso aceitável se aplica. - [Mistral Ecosystem Open-Weight License](https://ai-opensource.com/pt/licenses/mistral-open-weight/): Uma licença MIT modificada. Você pode usar o modelo e construir sobre ele com liberdade, mas qualquer negócio que venda acesso hospedado a ele precisa de uma licença comercial separada da Mistral, sem limite de receita. - [MIT License](https://ai-opensource.com/pt/licenses/mit/): A licença permissiva mais curta e simples. Você pode fazer quase qualquer coisa com o modelo, desde que mantenha o aviso de copyright e a licença. - [Modified MIT License (Moonshot AI)](https://ai-opensource.com/pt/licenses/moonshot-modified-mit/): A licença MIT padrão com uma frase adicionada. Qualquer pessoa pode usar, modificar e vender o modelo, e apenas produtos muito grandes (mais de 100 milhões de usuários ativos mensais ou mais de 20 milhões de dólares americanos de receita mensal) precisam exibir o nome do modelo na sua interface. - [Muse Model License](https://ai-opensource.com/pt/licenses/muse-model-license/): A licença da Meta para o Muse Spark Open. A maioria das empresas pode usá-lo comercialmente, mas um negócio que venda acesso hospedado com mais de 20 milhões de dólares americanos de receita precisa de um acordo separado, e todos devem exibir "Built with Muse Spark Open". O download exige aprovação. - [NetEase Youdao Model Use License Agreement](https://ai-opensource.com/pt/licenses/netease-youdao-model-use/): A licença do reconhecedor de fala Confucius4-R2T2 da NetEase Youdao. O uso comercial é permitido, a menos que você ou uma afiliada tenha tido mais de 100 milhões de usuários ativos mensais ou mais de 1 bilhão de RMB de receita anual; nesse caso, é preciso uma licença separada. Ela também impede usar o modelo para melhorar outros modelos de IA, exceto os não comerciais, e proíbe usos de alto risco. - [NVIDIA License (non-commercial)](https://ai-opensource.com/pt/licenses/nvidia-license-non-commercial/): A licença curta da NVIDIA apenas para pesquisa, como distribuída com o LocateAnything-3B. Você pode usar, copiar, modificar e compartilhar a obra, mas apenas de forma não comercial, que o texto define como somente fins de pesquisa ou avaliação. A NVIDIA e suas afiliadas mantêm o direito de usá-la comercialmente. - [NVIDIA Nemotron Open Model License](https://ai-opensource.com/pt/licenses/nvidia-nemotron-open-model/): Uma licença permissiva no estilo Apache da NVIDIA. Uso comercial, obras derivadas e redistribuição são permitidos, a NVIDIA não reivindica a propriedade das saídas, e as principais obrigações são repassar a licença e manter os avisos. - [NVIDIA Open Model Agreement](https://ai-opensource.com/pt/licenses/nvidia-open-model/): Um acordo permissivo no estilo Apache da NVIDIA, publicado em 2 de abril de 2026. A NVIDIA confirma que suas obras podem ser usadas comercialmente, que você pode criar e distribuir obras derivadas e que não reivindica a propriedade das saídas. As principais obrigações são repassar o acordo e manter os avisos. - [OpenMDW License Agreement 1.1](https://ai-opensource.com/pt/licenses/openmdw-1-1/): Uma licença permissiva e curta escrita para modelos de aprendizado de máquina pela Linux Foundation e pela PyTorch Foundation. Ela cobre o modelo, seus dados, sua documentação e seu software em conjunto, e não impõe restrições ao que você faz com as saídas do modelo. - [BigScience Open RAIL-M License](https://ai-opensource.com/pt/licenses/openrail-m/): A licença Open RAIL-M padrão escrita pela BigScience em agosto de 2022. Ela concede direitos autorais e de patente gratuitos e válidos no mundo inteiro, incluindo hospedar o modelo como serviço, mas vincula cada cópia e cada derivado a uma lista de usos proibidos, como quebrar a lei, se passar por pessoas sem consentimento, dar conselhos médicos e tomar decisões totalmente automatizadas sobre os direitos legais das pessoas. - [PLaMo Community License Agreement](https://ai-opensource.com/pt/licenses/plamo-community/): Uma licença comunitária japonesa para os modelos PLaMo. Uso pessoal e acadêmico é gratuito. O uso comercial só é gratuito depois de você se registrar na Preferred Networks e enquanto você e suas coligadas tiverem no máximo 1 bilhão de ienes de receita ou vendas anuais; acima disso, é preciso um acordo separado. Se você entregar o modelo ou um modelo derivado a outras pessoas, precisa exibir “Built with PLaMo” e manter “PLaMo” nos nomes dos modelos que criar. - [Qwen3.8-Max License](https://ai-opensource.com/pt/licenses/qwen-3-8-max/): Uma licença no estilo MIT da equipe Qwen da Alibaba para seu modelo carro-chefe. É gratuita para quase todos, com uma regra de crédito de nome para produtos gigantes e um acordo separado para grandes negócios de hospedagem e de assistentes de trabalho com IA. - [Qwen Community License 1.0](https://ai-opensource.com/pt/licenses/qwen-community-1-0/): Uma licença no estilo MIT com uma regra de hospedagem mais rigorosa que a Qwen3.8-Max License. Você pode criar produtos com o modelo livremente, mas quem opera um negócio de “modelo como serviço” ou de “assistente de trabalho com IA” precisa de uma licença separada, independentemente da receita. - [Qwen Research License Agreement](https://ai-opensource.com/pt/licenses/qwen-research/): A licença da Alibaba apenas para pesquisa. Você pode usar, modificar e compartilhar o modelo para pesquisa ou avaliação, mas qualquer uso comercial precisa de uma licença separada da Qwen. A API hospedada da Alibaba é o caminho comercial usual. - [Stability AI Community License](https://ai-opensource.com/pt/licenses/stability-ai-community/): A licença da Stability AI para seus modelos abertos. Pesquisa e uso não comercial são gratuitos, e o uso comercial também, enquanto você e suas coligadas ganharem menos de 1 milhão de dólares por ano, mas usuários comerciais devem se registrar na Stability AI e exibir “Powered by Stability AI”. Acima de 1 milhão de dólares a licença termina e você deve pedir uma licença empresarial. As saídas são suas, na medida em que a lei permite. - [Stellon Labs Community License Agreement](https://ai-opensource.com/pt/licenses/stellon-labs-community/): A licença dos pesos do KittenTTS 2 da KittenML, com texto datado de 5 de julho de 2024. Pesquisa, uso não comercial e uso comercial limitado são gratuitos. Usuários comerciais devem se registrar na Stellon Labs, e a concessão comercial termina assim que você ou suas coligadas passarem de 1 milhão de dólares em receita anual ou em captação total. - [StepFun Model License 1.0](https://ai-opensource.com/pt/licenses/stepfun-model-1-0/): Uma licença própria que permite usar, modificar, distribuir e sublicenciar o Step 5 Preview gratuitamente, inclusive comercialmente. Fabricantes de hardware que integrem o modelo em celulares, veículos, óculos, wearables, robôs ou dispositivos de casa inteligente precisam de uma licença comercial separada, e o mesmo vale para qualquer negócio que ofereça modelo como serviço com mais de 20 milhões de dólares de receita anual. Um produto com mais de 100 milhões de usuários ativos, ou mais de 20 milhões de dólares de receita em um mês, deve exibir “Powered by StepFun AI”. Modelos treinados em grau considerável com as saídas do modelo contam como obras derivadas. - [Tencent Hunyuan Community License](https://ai-opensource.com/pt/licenses/tencent-hunyuan-community/): Uma licença livre de royalties com limites reais. É válida apenas fora da União Europeia, do Reino Unido e da Coreia do Sul, serviços grandes com mais de 100 milhões de usuários mensais precisam pedir autorização à Tencent primeiro, e você não pode usar o modelo nem as saídas dele para melhorar outros modelos de IA. - [Upstage Solar License](https://ai-opensource.com/pt/licenses/upstage-solar/): Apache 2.0 com uma regra adicional. Você pode usar o modelo comercialmente e construir sobre ele com liberdade, mas um modelo de IA que você criar a partir dele e distribuir deve ter um nome que comece com “Solar” e deve mostrar as palavras “Built with Solar”. - [webAI Non-Commercial License ver. 1.0](https://ai-opensource.com/pt/licenses/webai-non-commercial/): Uma licença curta que a webAI, Inc. aplica aos seus modelos TwIL. Concede uma licença de direitos autorais perpétua, mundial e livre de royalties para usar, modificar e compartilhar os pesos, mas apenas para fins de pesquisa e educação não comerciais. A mesma limitação acompanha cada obra derivada. ## Glossário - [Memória de agente (Agent memory)](https://ai-opensource.com/pt/glossary/agent-memory/): A memória de agente permite que um agente de IA guarde fatos, preferências e experiências passadas entre sessões, em vez de começar de um contexto em branco a cada vez. - [Programação agêntica (Agentic coding)](https://ai-opensource.com/pt/glossary/agentic-coding/): Programação agêntica significa que o modelo trabalha no software como um desenvolvedor: lê a base de código, edita arquivos, executa comandos e testes, e continua até concluir a tarefa. - [Agente de IA](https://ai-opensource.com/pt/glossary/ai-agent/): Um agente de IA é um sistema em que um modelo planeja e executa tarefas de várias etapas chamando ferramentas, como rodar código, pesquisar na web ou editar arquivos. - [Modelo base (Base model)](https://ai-opensource.com/pt/glossary/base-model/): Um modelo base é o resultado bruto do pré-treinamento, antes de ser ensinado a seguir instruções ou conversar; costuma ser o ponto de partida para o fine-tuning. - [Benchmark (teste de referência)](https://ai-opensource.com/pt/glossary/benchmark/): Um benchmark é um teste padronizado usado para comparar modelos, como um conjunto de questões de matemática, programação ou conhecimento; as pontuações são úteis, mas fáceis de superinterpretar. - [Orientação sem classificador (CFG)](https://ai-opensource.com/pt/glossary/classifier-free-guidance/): A orientação sem classificador, geralmente chamada CFG, é um ajuste dos modelos de difusão que controla o quanto o resultado segue fielmente o seu prompt, ao custo de computação extra. - [Agente de uso de computador (Computer-use agent)](https://ai-opensource.com/pt/glossary/computer-use-agent/): Um agente de uso de computador olha capturas de tela e opera o computador como uma pessoa: clicando, digitando e rolando, e às vezes executando comandos de shell ou código. - [Janela de contexto](https://ai-opensource.com/pt/glossary/context-window/): A janela de contexto é a quantidade máxima de texto, medida em tokens, que um modelo pode levar em conta de uma vez, incluindo o seu prompt e a resposta dele. - [Modelo de decisão](https://ai-opensource.com/pt/glossary/decision-model/): Um modelo de decisão lê uma situação e uma lista de perguntas e retorna uma probabilidade para cada resposta permitida, em vez de escrever texto. - [Modelo denso](https://ai-opensource.com/pt/glossary/dense-model/): Um modelo denso usa todos os seus parâmetros para processar cada token, ao contrário de um modelo de mistura de especialistas, que ativa apenas parte deles. - [Modelo de difusão](https://ai-opensource.com/pt/glossary/diffusion-model/): Um modelo de difusão gera imagens ou vídeo partindo de ruído aleatório e removendo o ruído passo a passo até que uma imagem apareça. - [Destilação](https://ai-opensource.com/pt/glossary/distillation/): A destilação treina um modelo estudante menor para imitar um modelo professor maior, mantendo grande parte da capacidade dele com uma fração do tamanho. - [Atenção eficiente (esparsa, linear e híbrida)](https://ai-opensource.com/pt/glossary/efficient-attention/): Os desenhos de atenção eficiente permitem que um modelo leia entradas muito longas com bem menos memória e computação do que a atenção padrão, olhando menos tokens ou comprimindo o passado. - [Modelo de embeddings](https://ai-opensource.com/pt/glossary/embedding-model/): Um modelo de embeddings converte texto, imagens ou outros dados em uma lista de números que captura seu significado, de modo que itens semelhantes acabam próximos uns dos outros. - [Ajuste fino (fine-tuning)](https://ai-opensource.com/pt/glossary/fine-tuning/): O ajuste fino continua o treinamento de um modelo pré-treinado com seus próprios exemplos, para que ele se comporte melhor em uma tarefa, estilo ou domínio específicos. - [Modelo com acesso controlado (gated model)](https://ai-opensource.com/pt/glossary/gated-model/): Um modelo com acesso controlado (gated) é um modelo aberto cujo download no Hugging Face exige que você primeiro faça login e aceite os termos, ou solicite acesso. - [GGUF](https://ai-opensource.com/pt/glossary/gguf/): GGUF é um formato de modelo em arquivo único usado pelo llama.cpp e pelas ferramentas construídas sobre ele, que empacota os pesos quantizados junto com as informações necessárias para executá-los. - [Alucinação](https://ai-opensource.com/pt/glossary/hallucination/): Uma alucinação é uma afirmação falsa ou inventada produzida por um modelo de IA com toda a confiança. - [Hugging Face](https://ai-opensource.com/pt/glossary/hugging-face/): O Hugging Face é o site onde a maioria dos modelos abertos é publicada: cada modelo tem uma página com seus arquivos, licença, model card e contagem de downloads. - [Inferência](https://ai-opensource.com/pt/glossary/inference/): Inferência é o ato de executar um modelo treinado para obter uma saída, por exemplo responder a um prompt, em oposição a treiná-lo. - [Cache KV](https://ai-opensource.com/pt/glossary/kv-cache/): O cache KV é a memória que um modelo usa para lembrar os tokens anteriores de uma conversa, e ele cresce com o comprimento do contexto. - [Transformer em loop (looped transformer)](https://ai-opensource.com/pt/glossary/looped-transformer/): Um transformer em loop executa novamente algumas de suas próprias camadas várias vezes para cada token, ganhando mais computação sem armazenar mais parâmetros. - [LoRA (adaptação de baixo posto)](https://ai-opensource.com/pt/glossary/lora/): LoRA, sigla de low-rank adaptation, ajusta um modelo treinando um pequeno conjunto de pesos adicionais em vez de mudar todos os seus parâmetros. - [Tradução automática](https://ai-opensource.com/pt/glossary/machine-translation/): Tradução automática é software que traduz texto, fala ou texto dentro de imagens de um idioma para outro. Os modelos abertos de hoje costumam partir de um modelo geral e ser treinados depois apenas para traduzir. - [Embeddings matrioska](https://ai-opensource.com/pt/glossary/matryoshka-embeddings/): Os embeddings matrioska são treinados para que a primeira parte do vetor funcione por si só, o que permite cortar o vetor mais curto para economizar armazenamento e tempo de busca. - [Mistura de especialistas (MoE)](https://ai-opensource.com/pt/glossary/mixture-of-experts/): Um modelo de mistura de especialistas contém muitas sub-redes especializadas e usa apenas algumas delas para cada token, podendo ser muito grande e ainda assim rápido. - [MTEB (benchmark de embeddings)](https://ai-opensource.com/pt/glossary/mteb/): O MTEB, o Massive Text Embedding Benchmark, pontua modelos de embeddings em muitas tarefas como busca, classificação e clustering, e seu leaderboard público é uma forma comum de compará-los. - [Modelo multimodal](https://ai-opensource.com/pt/glossary/multimodal-model/): Um modelo multimodal pode lidar com mais de um tipo de dados, como texto, imagens, áudio ou vídeo, como entrada, como saída ou ambos. - [Geração de música](https://ai-opensource.com/pt/glossary/music-generation/): Modelos de geração de música transformam uma descrição em texto (e, muitas vezes, uma letra) em áudio: músicas completas com vocais, faixas instrumentais, transmissões de música ao vivo ou efeitos sonoros. - [Licença não comercial](https://ai-opensource.com/pt/glossary/non-commercial-license/): Uma licença não comercial permite usar um modelo para pesquisa, estudo e projetos pessoais, mas não para ganhar dinheiro com ele. - [OCR e análise de documentos](https://ai-opensource.com/pt/glossary/ocr/): O OCR transforma a imagem de um texto em texto; a análise de documentos vai além e reconstrói tabelas, fórmulas, gráficos e a ordem de leitura, geralmente como Markdown. - [OmniDocBench](https://ai-opensource.com/pt/glossary/omnidocbench/): OmniDocBench é um benchmark de análise de documentos: ele pontua quão bem um modelo converte páginas PDF de muitos tipos em texto, tabelas e fórmulas. - [IA no dispositivo (on-device)](https://ai-opensource.com/pt/glossary/on-device-ai/): IA no dispositivo significa que o modelo roda no seu próprio celular, notebook ou placa pequena em vez de na nuvem, então os dados ficam locais e ele funciona offline. - [IA de código aberto](https://ai-opensource.com/pt/glossary/open-source-ai/): IA de código aberto, segundo a definição da Open Source Initiative, é um sistema de IA que você pode usar, estudar, modificar e compartilhar livremente, com os pesos, o código e informações detalhadas sobre os dados de treinamento todos disponíveis. - [Pesos abertos (open weights)](https://ai-opensource.com/pt/glossary/open-weights/): Um modelo de pesos abertos é um modelo de IA cujos parâmetros treinados, chamados pesos, são publicados para que qualquer pessoa possa baixá-lo e executá-lo, geralmente sob uma licença que define as condições de uso. - [API compatível com OpenAI](https://ai-opensource.com/pt/glossary/openai-compatible-api/): Uma API compatível com OpenAI é um servidor que aceita as mesmas requisições que a API da OpenAI, então apps escritas para ela podem usar um modelo aberto em vez dela. - [OpenRAIL (licença de IA responsável)](https://ai-opensource.com/pt/glossary/openrail/): OpenRAIL é uma família de licenças que permitem usar, modificar e compartilhar um modelo, inclusive comercialmente, mas exigem que toda cópia e derivado carregue uma lista de usos proibidos. - [Parâmetros](https://ai-opensource.com/pt/glossary/parameters/): Parâmetros são os números dentro de um modelo que são ajustados durante o treinamento; sua contagem, como 7B ou 70B, é a medida usual do tamanho de um modelo. - [Licença permissiva](https://ai-opensource.com/pt/glossary/permissive-license/): Uma licença permissiva, como Apache 2.0 ou MIT, permite usar, modificar e vender um modelo com muito poucas condições, normalmente apenas manter um aviso. - [Precisão (BF16, FP8, INT4)](https://ai-opensource.com/pt/glossary/precision/): Precisão é quantos bits são usados para armazenar cada número em um modelo, como BF16 de 16 bits, FP8 de 8 bits ou INT4 de 4 bits; menos bits significam um modelo menor e mais rápido. - [Quantização](https://ai-opensource.com/pt/glossary/quantization/): A quantização armazena os pesos de um modelo com menos bits, por exemplo 4 em vez de 16, para reduzir o uso de memória e acelerar a inferência a um pequeno custo em qualidade. - [Treinamento consciente de quantização (QAT)](https://ai-opensource.com/pt/glossary/quantization-aware-training/): O treinamento consciente de quantização ensina o modelo a trabalhar com pesos de baixa precisão enquanto ainda está sendo treinado, então perde menos qualidade em 4 bits do que um modelo comprimido depois. - [Geração aumentada por recuperação (RAG)](https://ai-opensource.com/pt/glossary/rag/): A geração aumentada por recuperação permite que um modelo responda com base nos seus próprios documentos recuperando os trechos relevantes e adicionando-os ao prompt. - [Modelo de raciocínio](https://ai-opensource.com/pt/glossary/reasoning-model/): Um modelo de raciocínio trabalha um problema passo a passo em uma fase de 'pensamento', visível ou oculta, antes de dar sua resposta final. - [Aprendizado por reforço (RL)](https://ai-opensource.com/pt/glossary/reinforcement-learning/): O aprendizado por reforço treina um modelo premiando bons resultados, como uma resposta correta ou passar em testes, em vez de copiar texto de exemplo. - [Reranker](https://ai-opensource.com/pt/glossary/reranker/): Um reranker repontua uma lista curta de resultados de busca lendo a pergunta e cada resultado juntos, o que é mais lento mas mais preciso do que só embeddings. - [Limite de receita (revenue cap)](https://ai-opensource.com/pt/glossary/revenue-cap/): Um limite de receita é uma condição de licença que torna um modelo gratuito abaixo de certa receita e exige um acordo separado acima dela. - [Passos de amostragem](https://ai-opensource.com/pt/glossary/sampling-steps/): Passos de amostragem são o número de passadas que um modelo de difusão faz para transformar ruído em uma imagem ou vídeo. Menos passos significam resultados mais rápidos, geralmente com alguma perda de detalhe ou variedade. - [Auto-hospedagem (Self-hosting)](https://ai-opensource.com/pt/glossary/self-hosting/): Auto-hospedagem significa executar um modelo em hardware sob seu controle, como o seu próprio PC ou um servidor de GPU alugado, em vez de chamar a API de um fornecedor. - [IA soberana (Sovereign AI)](https://ai-opensource.com/pt/glossary/sovereign-ai/): IA soberana é aquela que um país ou organização pode construir, hospedar e governar sob seu próprio controle, desde o poder computacional e os dados até o próprio modelo. - [Diarização de falantes (rótulos de falante)](https://ai-opensource.com/pt/glossary/speaker-diarization/): A diarização identifica quem falou e quando em uma gravação e rotula cada trecho de fala com um falante, como Falante 1 e Falante 2. - [Decodificação especulativa e previsão de múltiplos tokens](https://ai-opensource.com/pt/glossary/speculative-decoding/): A decodificação especulativa acelera a geração de texto ao permitir que um rascunho barato adivinhe vários tokens à frente e que o modelo completo os verifique todos de uma vez. - [Reconhecimento de fala (ASR, fala para texto)](https://ai-opensource.com/pt/glossary/speech-recognition/): O reconhecimento de fala, também chamado de ASR ou fala para texto, converte áudio falado em texto escrito. - [Pesos ternários (1.58 bits)](https://ai-opensource.com/pt/glossary/ternary-weights/): Pesos ternários limitam cada peso do modelo a um de três valores, -1, 0 ou +1, então o modelo precisa de menos de 2 bits por peso em vez de 16. - [Restrição territorial](https://ai-opensource.com/pt/glossary/territory-restriction/): Uma restrição territorial limita onde uma licença é válida: usar o modelo nos países ou regiões excluídos não é coberto pela licença. - [Codificador de texto](https://ai-opensource.com/pt/glossary/text-encoder/): Em um gerador de imagens ou vídeos, o codificador de texto é um modelo de linguagem separado que transforma o seu prompt em números que o gerador pode usar. Ele aumenta o download e o uso de memória. - [Conversão de texto em fala (TTS)](https://ai-opensource.com/pt/glossary/text-to-speech/): Modelos de conversão de texto em fala transformam texto escrito em áudio falado, e muitos conseguem copiar uma voz a partir de uma amostra curta. - [Token](https://ai-opensource.com/pt/glossary/token/): Um token é um pequeno pedaço de texto, muitas vezes uma palavra ou parte de uma palavra, que um modelo de linguagem lê e escreve; os modelos medem comprimento e velocidade em tokens. - [Chamada de ferramentas (function calling)](https://ai-opensource.com/pt/glossary/tool-calling/): A chamada de ferramentas permite que um modelo peça ao seu programa para executar uma função, como uma busca ou uma calculadora, e depois use o resultado na resposta. - [Métricas de tradução](https://ai-opensource.com/pt/glossary/translation-metrics/): Métricas de tradução são as pontuações que as fichas de modelos usam para avaliar uma tradução. Algumas contam a sobreposição com uma referência humana, outras usam um modelo treinado ou revisores humanos, e suas escalas não podem ser comparadas. - [Memória unificada](https://ai-opensource.com/pt/glossary/unified-memory/): Memória unificada é um design, usado pelos chips da Apple e alguns outros, em que a CPU e a GPU compartilham um único bloco de memória, de modo que um modelo grande pode usar a maior parte dele. - [Modelo de visão e linguagem (VLM)](https://ai-opensource.com/pt/glossary/vision-language-model/): Um modelo de visão e linguagem lê imagens, e com frequência vídeos, junto com texto, então você pode fazer perguntas sobre uma foto, uma captura de tela ou uma página de documento. - [Clonagem de voz](https://ai-opensource.com/pt/glossary/voice-cloning/): A clonagem de voz faz um modelo de conversão de texto em fala falar com a voz de uma pessoa específica, muitas vezes a partir de apenas alguns segundos de gravação. - [VRAM](https://ai-opensource.com/pt/glossary/vram/): A VRAM é a memória de uma placa gráfica; ela decide quais modelos uma GPU consegue abrigar, porque os pesos precisam caber na memória para o modelo rodar rápido. - [Taxa de erro de palavras (WER)](https://ai-opensource.com/pt/glossary/word-error-rate/): A taxa de erro de palavras é a pontuação padrão do reconhecimento de fala: a proporção de palavras em uma transcrição que estão erradas, faltando ou sobrando em relação a uma referência correta. ## Ferramentas - [AI Toolkit](https://ai-opensource.com/pt/tools/ai-toolkit/): A suíte de treinamento tudo-em-um da Ostris para modelos de difusão de imagem, vídeo e áudio, com interface web e linha de comando. - [AnythingLLM](https://ai-opensource.com/pt/tools/anythingllm/): App tudo-em-um para conversar com seus documentos, criar agentes e rodar modelos locais: desktop ou servidor Docker multiusuário. - [Axolotl](https://ai-opensource.com/pt/tools/axolotl/): Framework gratuito de fine-tuning com um arquivo YAML: LoRA, QLoRA, ajuste por preferências e NVFP4 e expert-parallel para modelos MoE. - [ComfyUI](https://ai-opensource.com/pt/tools/comfyui/): O estúdio de nós para modelos abertos de imagem, vídeo, áudio e 3D: monte fluxos visuais e execute-os na sua própria GPU. - [DiffSynth-Studio](https://ai-opensource.com/pt/tools/diffsynth-studio/): O motor de difusão de código aberto da comunidade ModelScope para rodar e treinar modelos de imagem, vídeo e áudio em GPUs modestas. - [Diffusers](https://ai-opensource.com/pt/tools/diffusers/): A biblioteca de Python da Hugging Face para executar e treinar modelos de difusão de imagem, vídeo e áudio. - [ExLlamaV3](https://ai-opensource.com/pt/tools/exllamav3/): Biblioteca de inferência CUDA para GPUs de consumo, com quantização EXL3, paralelismo de tensores e offload para CPU em modelos MoE. - [InvokeAI](https://ai-opensource.com/pt/tools/invokeai/): Estúdio criativo auto-hospedado para geração de imagens com IA: canvas em camadas, fluxos em nós e um gerenciador de modelos. - [Jan](https://ai-opensource.com/pt/tools/jan/): Uma alternativa gratuita e de código aberto ao ChatGPT para desktop, que baixa e roda modelos abertos offline e conecta a APIs de nuvem. - [KoboldCpp](https://ai-opensource.com/pt/tools/koboldcpp/): Um app de arquivo único que roda modelos GGUF com uma interface web embutida, e também gera imagens, vídeo, voz e música. - [KTransformers](https://ai-opensource.com/pt/tools/ktransformers/): Framework de pesquisa que divide o trabalho entre a GPU e a memória RAM para rodar modelos MoE gigantes. - [LightX2V](https://ai-opensource.com/pt/tools/lightx2v/): Framework de inferência leve para geração de imagens e vídeos, com modelos destilados, quantização e vários backends de hardware. - [llama.cpp](https://ai-opensource.com/pt/tools/llama-cpp/): O motor C/C++ por trás de boa parte da IA local: roda modelos quantizados em quase qualquer hardware, com ferramenta de linha de comando e servidor compatível com OpenAI. ## Desenvolvedores - [Abacus.AI](https://ai-opensource.com/pt/developers/abacusai/): Uma empresa que vende uma plataforma de assistente de IA para profissionais e empresas e publica os modelos abertos Smaug no Hugging Face, do Smaug-72B em 2024 até os modelos de decisão de áudio, imagem e texto Smaug-Decisions de outubro de 2026, que usam Apache 2.0. - [ACE-Step](https://ai-opensource.com/pt/developers/ace-step/): ACE-Step é um projeto aberto de geração de música codirigido pela ACE Studio e pela StepFun. Seus modelos ACE-Step 1.5, lançados em janeiro de 2026 com uma versão XL 4B em abril, usam a licença MIT e são treinados com dados licenciados, livres de royalties e sintéticos. - [Adventists AI](https://ai-opensource.com/pt/developers/adventists-ai/): Uma empresa de agentes de voz, conhecida em chinês como AI降临派, que publica os modelos de voz full-duplex Sophon-Realtime sob Apache 2.0 e os modelos DuplexJev, que decidem a vez de falar e o tom diretamente a partir do áudio, sob CC BY-NC. - [Allen Institute for AI (Ai2)](https://ai-opensource.com/pt/developers/ai2/): Um instituto de pesquisa sem fins lucrativos dos EUA. Seus modelos Olmo são "totalmente abertos": publica os pesos junto com os dados de treinamento, o código e os checkpoints intermediários, para que pesquisadores possam reproduzir e estudar como um modelo é construído. - [Aleph Alpha](https://ai-opensource.com/pt/developers/aleph-alpha/): Uma empresa de IA alemã que cria modelos para governos e setores regulados e preza por cadeias de suprimentos "soberanas": treinamento na Europa sob a legislação europeia. Seu modelo Kolibri 1 é lançado sob Apache 2.0. - [Alibaba Qwen](https://ai-opensource.com/pt/developers/alibaba-qwen/): A equipe Qwen da Alibaba. Publica uma das famílias de modelos de pesos abertos mais amplas, de modelos densos pequenos a um carro-chefe de 2,4 trilhões de parâmetros, com licenças que vão de Apache 2.0 aos termos próprios da Qwen. - [Alibaba Wan](https://ai-opensource.com/pt/developers/alibaba-wan/): A equipe de geração de vídeo da Alibaba. Seus modelos Wan 2.1 e Wan 2.2, e os modelos de animação de personagens construídos sobre eles, têm pesos abertos sob Apache 2.0; as versões mais recentes do Wan são oferecidas apenas pelos apps e pela API da Alibaba. - [AutoTrust AI Lab](https://ai-opensource.com/pt/developers/autotrust/): Um laboratório que publica no Hugging Face os modelos de decisão Decider sob Apache 2.0, construídos sobre backbones de Qwen e Gemma e também disponíveis no ModelScope, além de uma demo de recomendação e busca de notícias em news.guru.so. Encontramos pouca informação pública sobre a organização além dos seus perfis no Hugging Face e no ModelScope, e as fichas dos modelos ainda usam os nomes antigos JEV e GEV. - [BAAI](https://ai-opensource.com/pt/developers/baai/): A Academia de Inteligência Artificial de Pequim, um instituto de pesquisa chinês. Seus modelos de embeddings e rerankers BGE, publicados pela organização FlagOpen no GitHub, estão entre os modelos de recuperação mais baixados do Hugging Face. Seu modelo de agente AREX-2, lançado em setembro de 2026 sob Apache 2.0, é construído sobre o Qwen3.8-27B. - [Baidu](https://ai-opensource.com/pt/developers/baidu/): Empresa chinesa de internet e IA por trás dos modelos ERNIE e do framework de aprendizado profundo PaddlePaddle. Seus lançamentos abertos incluem modelos compactos de parsing de documentos sob as licenças MIT e Apache 2.0. - [Bilibili](https://ai-opensource.com/pt/developers/bilibili/): Uma plataforma de vídeo chinesa. Sua equipe de LLMs Index publica modelos de pesos abertos no Hugging Face como IndexTeam, liderados pela família Index-Translate, que cobre tradução de texto, imagem, fala e documentos longos. - [Black Forest Labs](https://ai-opensource.com/pt/developers/black-forest-labs/): Uma empresa de IA alemã, fundada pelos pesquisadores por trás do Stable Diffusion, que cria os modelos de imagem FLUX. Vende acesso via API aos seus maiores modelos e publica os menores como pesos abertos sob sua própria licença FLUX. - [Boson AI](https://ai-opensource.com/pt/developers/boson-ai/): A Boson AI USA, Inc. cria os modelos de áudio Higgs para IA de voz e os vende por meio de uma API hospedada. Também publica pesos no Hugging Face, incluindo o Higgs TTS 3, sob sua própria licença de pesquisa e uso não comercial, com uma concessão gratuita para conteúdo de criadores monetizado. - [BreezeBlue](https://ai-opensource.com/pt/developers/breezeblue/): BreezeBlue é o nome comercial da Resonia, Inc., que opera uma plataforma de voz hospedada e uma API. Publica os pesos do modelo de texto para fala Breeze TTS 2 para uso em pesquisa e não comercial, com código de inferência sob Apache 2.0 e termos comerciais apenas por meio do próprio serviço. - [Bria AI](https://ai-opensource.com/pt/developers/bria/): Uma empresa de Tel Aviv que vende IA generativa visual treinada com dados licenciados, com uma API hospedada e licenças comerciais. Publica pesos abertos não comerciais sob o nome FIBO, liderados pelo modelo de imagem FIBO 2.0. - [Cactus Compute](https://ai-opensource.com/pt/developers/cactus-compute/): Uma startup de São Francisco vinda do batch de verão de 2025 do Y Combinator. Cria modelos de IA minúsculos para dispositivos e o motor de inferência de código aberto Cactus para celulares, wearables, robôs e outros hardwares de baixo consumo. Seus modelos Needle, Whistle e Mirage são lançados sob Apache 2.0. - [CircleStone Labs](https://ai-opensource.com/pt/developers/circlestone-labs/): A CircleStone Labs LLC publica o Anima, um modelo de texto para imagem de 2B para anime e ilustração feito junto com a Comfy Org. Os pesos usam sua própria licença não comercial, enquanto as imagens que você gerar podem ser usadas comercialmente. - [Cloudflare](https://ai-opensource.com/pt/developers/cloudflare/): Uma empresa americana de rede e nuvem que opera o Workers AI, um serviço hospedado para modelos de IA. O Clef, um conjunto de modelos de decisão pós-treinados a partir do Qwen e lançado sob Apache 2.0, é o primeiro modelo que sua equipe do Workers AI treinou. - [Cohere](https://ai-opensource.com/pt/developers/cohere/): Uma empresa canadense de IA corporativa cujo braço de pesquisa, Cohere Labs, publica pesos abertos. Seus primeiros modelos Command foram lançados para uso não comercial sob CC BY-NC; o Command A+ migrou para Apache 2.0. - [Datalab](https://ai-opensource.com/pt/developers/datalab/): Empresa americana que cria as ferramentas de conversão de documentos Marker, Surya e Chandra. Publica seus modelos de OCR de forma aberta, sob uma licença Open RAIL-M modificada que é gratuita para pesquisa, uso pessoal e organizações pequenas. O limite é de 5 milhões de dólares americanos de receita e financiamento para o Surya OCR 2 e de 2 milhões para o Chandra OCR 2. - [Deep Principle](https://ai-opensource.com/pt/developers/deep-principle/): A Deep Principle (em chinês: 深度原理) cria IA para pesquisa em materiais e química, incluindo a Mira, uma cientista de IA que conecta modelos a simulações e experimentos de laboratório. Publicou o Hydrogen-1.0, um post-treinamento do GLM-5.3 focado em ciência, sob a licença MIT. - [DeepReinforce](https://ai-opensource.com/pt/developers/deepreinforce/): Startup de pesquisa de IA da Califórnia que publica os modelos de codificação agêntica Ornith sob a organização ornith-ai no Hugging Face. Ornith 1.0 e 1.5 são pós-treinados a partir de Qwen3.5 e Gemma 4 e usam a licença MIT, sem limites regionais. - [DeepSeek](https://ai-opensource.com/pt/developers/deepseek/): Laboratório de IA chinês conhecido por grandes modelos mixture-of-experts eficientes. Lança seus pesos sob a licença MIT e publica relatórios técnicos detalhados. - [Fish Audio](https://ai-opensource.com/pt/developers/fish-audio/): Empresa de IA de voz conhecida pelo projeto de código aberto Fish Speech. A entidade legal nomeada em sua licença é a 39 AI, Inc., com escritórios em Palo Alto e Tóquio. O Drama 3, lançado em outubro de 2026, é um modelo de texto para fala mixture-of-experts de 36 bilhões de parâmetros sob a Fish Audio Community License, enquanto o S2 Pro, menor e de março de 2026, segue sob uma licença de pesquisa e uso não comercial. - [Google DeepMind](https://ai-opensource.com/pt/developers/google-deepmind/): O laboratório de pesquisa de IA do Google. Sua família Gemma de pesos abertos vai de modelos do tamanho de um celular até modelos de classe estação de trabalho e, desde o Gemma 4, é lançada sob a licença Apache 2.0. Sua equipe Magenta também publica o Magenta RealTime 2, um modelo de música aberto que toca ao vivo em um MacBook. - [Gradium](https://ai-opensource.com/pt/developers/gradium/): Uma empresa parisiense de IA de voz, nascida do laboratório Kyutai e fundada por seus cofundadores, com escritórios em Paris e São Francisco. Vende APIs de voz e torna open source seus modelos de texto para fala Phonon para dispositivos. O Phonon 31m em inglês usa Apache 2.0, enquanto os modelos 40m, maiores, são CC BY-NC. - [HeartMuLa](https://ai-opensource.com/pt/developers/heartmula/): A equipe HeartMuLa publica modelos fundacionais de música abertos: o gerador de músicas HeartMuLa, o codec de áudio HeartCodec e o HeartTranscriptor para reconhecimento de letras. Todos são Apache 2.0, enquanto seu modelo de covers MuLaCover de setembro de 2026 é CC BY-NC 4.0. - [hexgrad](https://ai-opensource.com/pt/developers/hexgrad/): Um desenvolvedor independente, conhecido como hexgrad no Hugging Face e no GitHub e como rzvzn no Discord, que treinou e lançou os modelos de texto para fala Kokoro. O Kokoro-82M é um modelo de 82 milhões de parâmetros sob Apache 2.0 e um dos modelos de voz abertos mais baixados. Não encontramos nenhum país ou empregador publicado para o desenvolvedor, então nenhum é exibido. - [HiDream.ai](https://ai-opensource.com/pt/developers/hidream/): Uma empresa de geração de imagens que publica seus modelos no Hugging Face sob a organização HiDream-ai, dos modelos HiDream-I1 e HiDream-E1 de 2025 até o HiDream-O1-Image, um modelo de 8 bilhões de parâmetros lançado sob a licença MIT em maio de 2026. - [IBM](https://ai-opensource.com/pt/developers/ibm/): A empresa de tecnologia por trás da família Granite de modelos abertos para uso corporativo, que cobre modelos de linguagem, fala, embeddings e guardrails. A maioria dos modelos Granite usa Apache 2.0, mas pelo menos uma variante de fala é não comercial, então verifique cada repositório. - [Ideogram](https://ai-opensource.com/pt/developers/ideogram/): A empresa por trás do serviço de geração de imagens Ideogram e de sua API hospedada. O Ideogram 4, publicado em junho de 2026, é seu primeiro modelo de pesos abertos, com pesos não comerciais e código de inferência sob Apache 2.0. - [Institute of Foundation Models (MBZUAI)](https://ai-opensource.com/pt/developers/ifm/): O Instituto de Modelos Fundacionais (Institute of Foundation Models, IFM) é um instituto de pesquisa da Universidade Mohamed bin Zayed de Inteligência Artificial (MBZUAI), em Abu Dhabi, e a equipe por trás do LLM360. Publica os modelos K2 Horizon e o Jais 3, com pesos e código sob Apache 2.0, além de checkpoints intermediários, logs de treinamento e dados ou receitas de dados. - [inclusionAI (Ant Group)](https://ai-opensource.com/pt/developers/inclusion-ai/): A iniciativa de IA aberta fundada pela Ant Group, a empresa chinesa de tecnologia financeira. Publica os modelos de linguagem Ling e pesquisas relacionadas, além de modelos de imagem como o Ming-Image 0.1 Design; os lançamentos recentes de Ling-3.1 e Ming-Image usam a licença MIT. - [JetBrains](https://ai-opensource.com/pt/developers/jetbrains/): A JetBrains é uma empresa de software, fundada em Praga em 2000 e com sede em Amsterdã, que cria ferramentas para desenvolvedores como IntelliJ IDEA e PyCharm. Seus modelos Mellum, feitos para código e agentes de programação, são publicados com pesos abertos sob Apache 2.0. - [Jina AI](https://ai-opensource.com/pt/developers/jina-ai/): Uma empresa de IA de busca sediada em Berlim que cria modelos de embeddings multilíngues e multimodais, rerankers e modelos de linguagem pequenos. A Elastic concluiu a aquisição da Jina AI em outubro de 2025, e os mais recentes modelos v5 ainda são publicados no Hugging Face, sob uma licença não comercial. - [Kandinsky Lab](https://ai-opensource.com/pt/developers/kandinsky-lab/): A equipe de pesquisa por trás dos modelos de difusão de imagem e vídeo Kandinsky, publicados com o código no GitHub e no Hugging Face. O Kandinsky 6.0 Video, lançado em outubro de 2026 sob a licença MIT, gera clipes de cinco segundos com áudio sincronizado. - [KittenML (Stellon Labs)](https://ai-opensource.com/pt/developers/kittenml/): Empresa de IA de voz que publica os modelos Kitten-TTS sob o nome KittenML, com a Stellon Labs Inc. listada como detentora dos direitos autorais em sua licença. Os modelos mais antigos, Kitten-TTS 0.8, têm de 15 a 80 milhões de parâmetros e rodam em CPU, enquanto o Kitten-TTS 2 é um modelo ternário de 1,7 bilhão de parâmetros sob a Stellon Labs Community License, gratuita até que você ultrapasse US$ 1 milhão em receita ou captação de recursos. - [KRAFTON](https://ai-opensource.com/pt/developers/krafton/): A KRAFTON é uma empresa sul-coreana de videogames, e a KRAFTON AI é seu time de IA. Em outubro de 2026 lançou o Raon-1 mini preview, um modelo de linguagem mixture-of-experts de 28,8 bilhões de parâmetros treinado do zero sob Apache 2.0, com forte desempenho em coreano. - [Krea](https://ai-opensource.com/pt/developers/krea/): A Krea.ai, Inc., corporação de Delaware que opera um app criativo para imagens, vídeo e 3D. Seu lançamento aberto é o Krea 2, um modelo de imagem treinado do zero, em uma versão base Raw e uma versão Turbo. O mais recente Krea 3 não está no Hugging Face. - [Kyutai](https://ai-opensource.com/pt/developers/kyutai/): Laboratório de IA sem fins lucrativos de ciência aberta sediado em Paris, fundado em novembro de 2023 pelo grupo Iliad, CMA CGM e Schmidt Sciences. É conhecido pelo modelo de diálogo por voz Moshi e pelo codec de áudio Mimi. Seu Pocket TTS roda um modelo de voz com clonagem de voz na CPU de um laptop; o código é MIT e os pesos são CC BY 4.0. - [LG AI Research](https://ai-opensource.com/pt/developers/lg-ai-research/): O braço de pesquisa em IA do grupo sul-coreano LG, por trás das famílias de modelos EXAONE e K-EXAONE. O K-EXAONE 2.0, lançado em 31 de julho de 2026 para o projeto apoiado pelo governo de modelos fundacionais de IA soberana, é um modelo mixture-of-experts de 750 bilhões de parâmetros sob Apache 2.0. - [LightOn](https://ai-opensource.com/pt/developers/lighton/): Empresa francesa de IA corporativa que vende uma plataforma de busca com IA para documentos de empresas. Seus lançamentos abertos incluem os modelos de documentos compactos LightOnOCR sob a licença Apache 2.0. - [Liquid AI](https://ai-opensource.com/pt/developers/liquid-ai/): Uma empresa dos EUA que cria "Liquid Foundation Models", pequenos e rápidos, para celulares, notebooks e outros dispositivos de borda, usando uma arquitetura que mistura convoluções curtas com atenção. Além dos modelos de linguagem LFM, publica modelos de decisão pequenos como o Liquid d1. Seus modelos usam a LFM Open License, gratuita para uso comercial abaixo de 10 milhões de dólares de receita anual. - [LTX (Lightricks)](https://ai-opensource.com/pt/developers/ltx/): Uma empresa israelense por trás dos modelos de vídeo LTX. Em junho de 2026, a LTX se tornou uma unidade de negócios separada da Lightricks, criadora de apps criativos para consumidores; suas organizações no Hugging Face e no GitHub ainda usam o nome Lightricks. Publica pesos abertos gratuitos para organizações com menos de 10 milhões de dólares de receita anual. O LTX-2.3 ainda usa a licença LTX-2 de janeiro de 2026, enquanto o LTX-2.5 usa a mais recente licença LTX-2.x. - [M-A-P](https://ai-opensource.com/pt/developers/m-a-p/): M-A-P (Multimodal Art Projection) é uma comunidade de pesquisa de código aberto por trás de modelos de música abertos como YuE, MERT e SheetSage. Seu gerador de músicas YuE2, lançado em setembro de 2026 junto com Tokenwave.AI, MBZUAI e ACE Studio, tem pesos sob CC BY-NC 4.0, portanto é apenas para uso não comercial. - [Maritaca AI](https://ai-opensource.com/pt/developers/maritaca-ai/): Uma empresa brasileira que cria modelos de linguagem para português brasileiro e os oferece por meio do próprio chat e API. Seu carro-chefe, o S5, é servido assim, enquanto o S5-nano, lançado em novembro de 2026 sobre o Qwen3.5-4B sob Apache 2.0, é de pesos abertos. - [Maya Research](https://ai-opensource.com/pt/developers/maya-research/): Uma startup de IA de voz, apoiada por uma rodada seed de 1,9 milhão de dólares da South Park Commons, que cria modelos de fala para línguas indianas e os vende por meio de uma API hospedada. Publica os modelos de texto para fala Maya e Veena no Hugging Face, e o Maya 2 Native usa Apache 2.0. - [Meituan](https://ai-opensource.com/pt/developers/meituan/): Plataforma chinesa de entrega de comida e serviços locais. Seu time LongCat publica modelos de linguagem de pesos abertos, incluindo o LongCat-2.0 em julho de 2026 e o multimodal LongCat-2.5 de 1,6 trilhão de parâmetros em novembro de 2026, que usa a licença MIT. - [MemTensor](https://ai-opensource.com/pt/developers/memtensor/): Uma empresa chinesa por trás do MemOS, um framework de memória de código aberto para agentes LLM. Seus modelos MemT-1.0 incorporam um estado de memória ao próprio modelo, com pesos Nano sob Apache 2.0 e pesos Flash sob MIT. - [Meta](https://ai-opensource.com/pt/developers/meta/): A empresa por trás dos modelos Llama. Sua mais recente série Muse inclui o Muse Glimmer, um modelo pequeno sob Apache 2.0 para uso local, e o muito maior Muse Spark Open sob uma licença própria. - [Microsoft](https://ai-opensource.com/pt/developers/microsoft/): A empresa de tecnologia dos EUA. Seus times de pesquisa publicam modelos abertos no Hugging Face e no GitHub, muitas vezes sob a licença MIT, incluindo os modelos de fala VibeVoice da Microsoft Research e os modelos de embeddings de texto Harrier. Seus modelos de visão e linguagem Mage-VL usam Apache 2.0. - [MiniMax](https://ai-opensource.com/pt/developers/minimax/): Empresa de IA sediada em Xangai por trás da série MiniMax-M de modelos de linguagem mixture-of-experts eficientes, dos modelos de vídeo e imagem H3 e do gerador de músicas Music 3. Suas licenças variam conforme o modelo. O M2.5 usa uma licença de estilo permissivo com regras de aviso e usos proibidos, o M2.7 é limitado a uso não comercial, e a licença comunitária do M3 permite uso não comercial gratuito e estabelece regras de aviso, crédito e receita para uso comercial. As licenças do H3 também excluem EUA, União Europeia, Reino Unido e Coreia do Sul, e a licença do Music 3 pede um crédito na interface e autorização por escrito acima de 20 milhões de dólares de receita. - [Mistral AI](https://ai-opensource.com/pt/developers/mistral-ai/): Empresa de IA sediada em Paris e o laboratório de pesos abertos mais conhecido da Europa. Posiciona seus modelos para uma IA soberana e auto-hospedada; o Mistral Large 4 usa uma licença MIT modificada com uma regra para negócios de hospedagem. - [Moonshot AI](https://ai-opensource.com/pt/developers/moonshot-ai/): Empresa chinesa de IA por trás do assistente Kimi. Seus modelos Kimi K3 e K3.1 Pro estão entre os maiores modelos de pesos abertos, lançados sob uma licença própria com condições para grandes negócios de hospedagem. Os anteriores K2.5, K2.6 e K2.7 Code usam uma licença Modified MIT que só pede que produtos muito grandes mostrem o nome do modelo. - [Motif Technologies](https://ai-opensource.com/pt/developers/motif-technologies/): Empresa sul-coreana de IA que projeta seus modelos, tokenizador e stack de treinamento internamente. O Motif 3, um modelo mixture-of-experts de 314 bilhões de parâmetros lançado em agosto de 2026 sob a licença MIT, foi criado para o projeto apoiado pelo governo de modelos fundacionais de IA soberana. - [Nanbeige LLM Lab](https://ai-opensource.com/pt/developers/nanbeige/): Nanbeige (em chinês: 南北阁) é a equipe de pesquisa de modelos de linguagem da BOSS Zhipin, uma plataforma chinesa de recrutamento. Publica modelos de agentes de pesos abertos sob o nome Nanbeige4, de modelos da classe 3B ao Nanbeige4.3 de 33B, e seus model cards indicam Apache 2.0 sem um arquivo LICENSE. - [NetEase Youdao](https://ai-opensource.com/pt/developers/netease-youdao/): Empresa chinesa com escritórios em Pequim que publica a família de modelos Confucius no Hugging Face, incluindo o Confucius4, um modelo de texto para fala, e o reconhecedor de fala em streaming Confucius4-R2T2, além do projeto de perguntas e respostas QAnything. O R2T2 usa o NetEase Youdao Model Use License Agreement, gratuito para uso comercial abaixo de 100 milhões de usuários mensais e 1 bilhão de RMB de receita anual. - [Nex-AGI](https://ai-opensource.com/pt/developers/nex-agi/): Um grupo de modelos fundacionais de código aberto cuja organização no GitHub, SII Nex, diz ter sido construída pelo Shanghai Innovation Institute e parceiros. Seus modelos de agentes Nex-N2 se baseiam em bases abertas como DeepSeek-V4-Pro-Base e GLM-5.3-Flash e são marcados como Apache 2.0. - [Nous Research](https://ai-opensource.com/pt/developers/nous-research/): Uma empresa americana de pesquisa em IA que treina modelos abertos, incluindo a linha Hermes, e constrói o Hermes Agent, um harness de agentes de código aberto. Seu Arete-27B, lançado em novembro de 2026, é um pós-treinamento do Qwen3.8-27B da Alibaba sob Apache 2.0. - [NuMind](https://ai-opensource.com/pt/developers/numind/): Uma empresa de IA documental que cria modelos especializados para extração de dados estruturados e OCR e os vende por meio da plataforma NuExtract. Publica seus modelos no Hugging Face e diz que sua linha NuExtract passou de 2 milhões de downloads e sua NuMarkdown-Thinking-8B, de 1,5 milhão. O NuExtract3 usa Apache 2.0. - [NVIDIA](https://ai-opensource.com/pt/developers/nvidia/): O fabricante de GPUs, que também publica modelos abertos, conjuntos de dados e receitas de treinamento sob o nome Nemotron, além de modelos de fala, robótica e biologia. Os lançamentos recentes do Nemotron usam a permissiva licença OpenMDW-1.1, o Nemotron 3 Nano Omni usa o NVIDIA Open Model Agreement, e o LocateAnything-3B tem uma NVIDIA License apenas para pesquisa. - [OpenAI](https://ai-opensource.com/pt/developers/openai/): A empresa por trás do ChatGPT. Seus modelos gpt-oss, lançados em agosto de 2025, são seus modelos de raciocínio de pesos abertos sob a Apache 2.0. Seu Privacy Filter, lançado em abril de 2026 sob a Apache 2.0, é um modelo pequeno que encontra dados pessoais em textos, e também publica os modelos de reconhecimento de fala Whisper. - [OpenBMB](https://ai-opensource.com/pt/developers/openbmb/): Uma comunidade chinesa de modelos de código aberto que publica as famílias MiniCPM, AgentCPM e VoxCPM junto com a empresa ModelBest. Foca em modelos pequenos e eficientes para celulares e notebooks, e seus lançamentos recentes usam Apache 2.0. - [OpenMOSS](https://ai-opensource.com/pt/developers/openmoss/): O OpenMOSS é um grupo de pesquisa ligado ao Shanghai Innovation Institute que trabalha em estreita colaboração com a Universidade Fudan e com a MOSS-AI. Publica modelos abertos sob o nome MOSS. Entre eles estão a família de fala MOSS-TTS, construída com a MOSI.AI, com MOSS-TTS, MOSS-TTS-Nano e MOSS-TTSD sob a Apache 2.0, o MOSS-SoundEffect v2.0, um modelo de 1.3B que gera efeitos sonoros a partir de texto sob a Apache 2.0, o MOSS-Image, um modelo texto para imagem de 5B lançado em outubro de 2026 sob a Apache 2.0, e o MOSS-Transcribe-Diarize, um modelo de 0.9B que transcreve gravações longas com vários falantes e rótulos de falante. - [Perplexity](https://ai-opensource.com/pt/developers/perplexity/): A empresa americana por trás do motor de respostas Perplexity. No Hugging Face publica os modelos de embeddings pplx-embed, a maioria sob a licença MIT, e os modelos de decisão pplx-decider sob a Apache 2.0, além de outros modelos como PII-Tracer e BrowseSafe. - [Phạm Nguyễn Ngọc Bảo (VieNeu-TTS)](https://ai-opensource.com/pt/developers/pham-nguyen-ngoc-bao/): Desenvolvedor independente que cria o projeto VieNeu-TTS para fala em vietnamita, publicado no Hugging Face sob a conta pnnbao-ump e no GitHub como pnnbao97. A ficha do modelo v3 Turbo diz que sua arquitetura é de autoria do próprio criador e que foi treinado do zero, e o projeto inclui um SDK em Python e um servidor de fala compatível com OpenAI. Os pesos estão sob a Apache 2.0. - [Pika](https://ai-opensource.com/pt/developers/pika/): A Pika é uma empresa americana de geração de vídeo com aplicativos de vídeo hospedados e uma API. Em outubro de 2026 publicou o Pika H3 Flex, uma versão pós-treinada do MiniMax H3 que gera vídeo com som em seis passos de amostragem, como adaptadores abertos sob a MiniMax H3 Community License. - [Poolside](https://ai-opensource.com/pt/developers/poolside/): Empresa de IA de São Francisco, fundada em 2023, que cria modelos para programação agêntica. Sua série Laguna começou com a Laguna XS.2 sob Apache 2.0 em abril de 2026; a Poolside diz que pesos abertos agora são seu padrão, e a Laguna XS 2.1 e a S 2.1 usam a licença OpenMDW-1.1. - [Preferred Networks](https://ai-opensource.com/pt/developers/preferred-networks/): A Preferred Networks (PFN) é uma empresa japonesa de IA que desenvolve os modelos de linguagem PLaMo e seus próprios aceleradores de IA MN-Core. Publica o PLaMo 3 Translate e outros modelos PLaMo sob a PLaMo Community License, que é gratuita para uso pessoal e acadêmico e, após registro, para usuários comerciais abaixo de um limite de receita. - [PrismML](https://ai-opensource.com/pt/developers/prismml/): Uma empresa sediada em Pasadena, Califórnia, também escrita como Prism ML, que cria modelos de IA de pouquíssimos bits. Seus modelos Bonsai comprimem modelos base abertos como o Qwen para pesos ternários ou de 1 bit, para que modelos grandes caibam em notebooks, celulares e uma única GPU. Os modelos Bonsai 2 são lançados sob a Apache 2.0. - [Pruna AI](https://ai-opensource.com/pt/developers/pruna-ai/): A Pruna AI é uma empresa fundada em 2023 e sediada em Munique, com um segundo centro de pesquisa em Paris. É conhecida por sua biblioteca de código aberto que comprime e acelera modelos de IA, e agora também publica seus próprios modelos eficientes de imagem e vídeo, alguns retrabalhados a partir dos pesos abertos de outros desenvolvedores. - [Recursive](https://ai-opensource.com/pt/developers/recursive/): A Recursive Superintelligence, Inc. diz que seu objetivo é uma superinteligência que se aprimora recursivamente e automatiza a descoberta de conhecimento, e constrói seus modelos com um sistema de pesquisa automatizado que chama de Eureka Machine. O Flint, um modelo de programação de 40B lançado em outubro de 2026 sob a Apache 2.0, é seu primeiro modelo de pesos abertos. É uma empresa diferente da Ricursive Intelligence. - [Reflection AI](https://ai-opensource.com/pt/developers/reflection-ai/): Laboratório de IA americano que lançou seu primeiro modelo de pesos abertos, o Beam, de 501 bilhões de parâmetros, sob a Apache 2.0 em outubro de 2026. - [Resemble AI](https://ai-opensource.com/pt/developers/resemble-ai/): Empresa de IA de voz da Califórnia que tornou open source os modelos de voz Chatterbox e DramaBox sob a licença MIT. Em agosto de 2026 disse que não venderia mais geração de voz para novos clientes e se concentraria na detecção de deepfakes, deixando seus modelos de voz como pesquisa aberta e sem manutenção. - [Ricursive Intelligence](https://ai-opensource.com/pt/developers/ricursive-intelligence/): Laboratório de IA americano que constrói sistemas autoaprimoráveis ao codesenvolver hardware, software e modelos. Um modelo proprietário alimenta sua plataforma de design de chips de IA, e em novembro de 2026 lançou uma variante de propósito geral, o Ripple-65B Preview, de 65 bilhões de parâmetros, sob a Apache 2.0. - [Sarvam AI](https://ai-opensource.com/pt/developers/sarvam-ai/): Uma empresa indiana que cria IA para as línguas e empresas da Índia. Seus modelos de raciocínio Sarvam 30B e 105B, lançados em março de 2026 e treinados do zero na Índia com o computacional da missão IndiaAI, e seu modelo de decisão Sarvam Prism usam a Apache 2.0. - [Sber (GigaChat)](https://ai-opensource.com/pt/developers/sber/): A equipe do GigaChat da Sber publica pesos abertos sob o nome ai-sage no Hugging Face e no GitVerse, e anuncia cada lançamento no blog corporativo da Sber no Habr. O GigaChat 3.5 Ultra e sua versão Reasoning são modelos de mistura de especialistas de 432B, o GigaChat 3.1 Lightning é um modelo de 10B com 1.8B de parâmetros ativos, e a família GigaAM cobre reconhecimento de fala para o russo e línguas da Ásia Central. Todos estão sob a licença MIT. - [SenseTime](https://ai-opensource.com/pt/developers/sensetime/): Empresa chinesa de IA cuja equipe SenseNova publica modelos abertos sob a organização GitHub OpenSenseNova. O SenseNova-U1.5 (agosto de 2026) é um modelo nativo unificado de imagem e texto, e o SenseNova-Loop-9B-Preview (30 de outubro de 2026) é um modelo visão-linguagem em loop de 9B, ambos sob a Apache 2.0. - [Shanghai AI Laboratory](https://ai-opensource.com/pt/developers/shanghai-ai-laboratory/): Um laboratório chinês de pesquisa de IA em Xangai. Seu Centro de IA para a Ciência dirige a organização open source InternScience, que publica os modelos de agentes Agents-A1 e Sage-A1.5 sob a Apache 2.0. - [SK Telecom](https://ai-opensource.com/pt/developers/sk-telecom/): Empresa de telecomunicações sul-coreana por trás da família de modelos de linguagem A.X. O A.X K2, lançado em julho de 2026, é um modelo de mistura de especialistas de 688 bilhões de parâmetros sob a Apache 2.0, criado para o projeto de modelos fundacionais de IA soberana apoiado pelo governo. - [Stability AI](https://ai-opensource.com/pt/developers/stability-ai/): A Stability AI é a empresa britânica por trás do Stable Diffusion. Sua família Stable Audio 3, lançada em maio de 2026, é sua linha mais recente de pesos abertos: os modelos Small e Medium foram treinados com dados licenciados e Creative Commons e usam a Stability AI Community License, que é gratuita para uso comercial abaixo de 1 milhão de dólares de receita anual. - [StepFun](https://ai-opensource.com/pt/developers/stepfun/): A StepFun (阶跃星辰) é uma empresa chinesa de IA por trás da família de modelos de linguagem Step, com os modelos de fala Step-Audio e os modelos de edição de imagem Step1X ao lado deles. Publica pesos no Hugging Face e no ModelScope, e seu mais recente carro-chefe, o Step 5 Preview, vem com uma licença própria. - [Supertone](https://ai-opensource.com/pt/developers/supertone/): Uma empresa sul-coreana de IA de voz que criou os modelos de texto para fala Supertonic para rodar no dispositivo, por meio do ONNX Runtime. O Supertonic 3 cobre 31 idiomas, com os pesos sob a licença BigScience OpenRAIL-M. Em setembro de 2026 a empresa arquivou seus repositórios de código aberto e disse que o desenvolvimento e o suporte haviam terminado. - [Swiss AI Initiative](https://ai-opensource.com/pt/developers/swiss-ai/): Uma iniciativa de pesquisa suíça liderada pelo ETH Zurique, pela EPFL e pelo Centro Nacional Suíço de Supercomputação (CSCS). Seus modelos Apertus são totalmente abertos: os pesos, a preparação de dados, o código de treinamento e as avaliações são publicados sob licenças permissivas, e o treinamento usa apenas dados disponíveis abertamente. - [Tencent](https://ai-opensource.com/pt/developers/tencent/): Empresa de internet chinesa por trás do WeChat e da família de modelos Hunyuan (Hy). Seus modelos de linguagem Hy3 e Hy4 preview, os modelos de tradução Hy-MT2 e o modelo de mundo de vídeo interativo Hy-Nomas usam Apache 2.0, enquanto o HunyuanOCR ainda usa uma licença comunitária Hunyuan que exclui a UE, o Reino Unido e a Coreia do Sul. Seu modelo de geração e edição de fala AuK usa a licença MIT, então verifique cada repositório. - [Thinking Machines Lab](https://ai-opensource.com/pt/developers/thinking-machines-lab/): Laboratório de IA americano que cria ferramentas para personalizar modelos. Sua primeira família de pesos abertos, Inkling, é lançada sob a Apache 2.0 e é projetada como base para fine-tuning. - [TokenSpark (SparkLLM)](https://ai-opensource.com/pt/developers/tokenspark/): A empresa por trás da família de modelos Spark, que publica no Hugging Face como XHToken. Seu perfil diz que ela desenvolve modelos fundacionais de propósito geral e produtos profissionais de agentes de IA, incluindo dois sistemas de harness chamados AStudio e Loomy. Os modelos de linguagem on-device Spark-X2.5 e Spark-X2.6, em tamanhos de 1.7B e 4B, usam a Apache 2.0. - [Tongyi MAI](https://ai-opensource.com/pt/developers/tongyi-mai/): Uma equipe do Tongyi Lab do Alibaba Group que cria modelos generativos eficientes. É mais conhecida pelos modelos de imagem Z-Image de 6B, lançados sob a Apache 2.0, e também publica o MAI-UI, uma família de modelos de agentes GUI. - [Tongyi Lab Speech Team](https://ai-opensource.com/pt/developers/tongyi-speech/): A equipe de fala do Tongyi Lab do Alibaba Group, que publica seu trabalho sob o nome FunAudioLLM. É a equipe por trás dos modelos de síntese de fala CosyVoice, lançados sob a Apache 2.0. - [Upstage](https://ai-opensource.com/pt/developers/upstage/): Empresa de IA sul-coreana por trás da família de modelos de linguagem Solar. O Solar Open 2, lançado em julho de 2026, é um modelo de mistura de especialistas de 250 bilhões de parâmetros sob a Upstage Solar License, que é a Apache 2.0 mais uma regra de nomenclatura para modelos derivados. - [Video Rebirth](https://ai-opensource.com/pt/developers/video-rebirth/): A Video Rebirth é uma startup de vídeo com IA sediada em Cingapura, fundada em 2024. Além de seus modelos de vídeo hospedados, publica a série HyperFlow, que comprime modelos de vídeo abertos como o MiniMax H3 para que precisem de menos passos de amostragem e menos memória. - [Voyage AI](https://ai-opensource.com/pt/developers/voyage-ai/): A Voyage AI cria os modelos de embeddings de texto Voyage, que segundo seu blog estão disponíveis por meio da Voyage API e, para clientes do MongoDB Atlas, por meio da Atlas Embedding and Reranking API. O voyage-4-nano, lançado com a série Voyage 4 em 15 de janeiro de 2026, é seu primeiro modelo de pesos abertos sob a Apache 2.0, e seu arquivo de notice carrega um copyright da MongoDB, Inc. - [webAI](https://ai-opensource.com/pt/developers/webai/): Uma empresa que cria o app webAI, um espaço de trabalho onde os modelos de IA rodam localmente no dispositivo do usuário. Seus modelos de raciocínio TwIL, pós-treinados a partir do IBM Granite 4.2 e do SmolLM3, usam a webAI Non-Commercial License em vez da licença Apache 2.0 de seus modelos base. - [Xiaomi](https://ai-opensource.com/pt/developers/xiaomi/): Fabricante chinês de eletrônicos de consumo. Sua equipe de modelos fundacionais MiMo publica modelos grandes focados em agentes e checkpoints de pesquisa pequenos com etiquetas de licença MIT no Hugging Face, e outras equipes de pesquisa da Xiaomi lançam modelos como o Xiaomi-OCR-0 e o modelo de fala OmniVoice. - [Z.ai (Zhipu AI)](https://ai-opensource.com/pt/developers/z-ai/): Laboratório chinês que desenvolve a série de modelos GLM. O GLM-5.3-Flash tem licença MIT, enquanto o maior GLM-5.3 usa uma licença personalizada que restringe apenas negócios de hospedagem muito grandes. O GLM-5, 5.1, 5.2, o GLM-4.7-Flash de 30B-A3B e o modelo GLM-OCR também têm licença MIT. - [Zyphra](https://ai-opensource.com/pt/developers/zyphra/): Laboratório de IA de São Francisco por trás da linha de texto para fala Zonos. O ZONOS3-Mini, lançado em novembro de 2026 sob a Apache 2.0, é um modelo de clonagem de voz de mistura de especialistas de 800 milhões de parâmetros que, segundo a Zyphra, roda em tempo real em notebooks, celulares e em uma aba do navegador. ## Notícias - [Apertus 1.5: o modelo totalmente aberto da Suíça lê imagens e áudio](https://ai-opensource.com/pt/news/apertus-1-5-released/): 2026-11-11. ETH Zurique, EPFL e CSCS lançaram o Apertus 1.5 em 24 de julho: modelos 8B e 70B totalmente abertos com entrada de imagem e áudio, contexto de 262K e Apache 2.0. A compreensão de áudio é experimental. - [Quatro modelos de tradução abertos, quatro réguas diferentes](https://ai-opensource.com/pt/news/four-open-translation-models-four-yardsticks/): 2026-11-11. TranslateGemma, Hy-MT2, Index-Translate e PLaMo 3 Translate reportam qualidade em conjuntos de teste, métricas e rivais diferentes, então suas afirmações não podem ser comparadas diretamente. - [Modelos de texto para fala minúsculos que rodam numa CPU: quatro opções abertas comparadas](https://ai-opensource.com/pt/news/tiny-text-to-speech-models-run-on-a-cpu/): 2026-11-11. Kokoro, Pocket TTS, Phonon 31M e Supertonic 3: modelos abertos de texto para fala com até 100M de parâmetros para CPU. Compare tamanhos, idiomas, clonagem de voz e licenças. - [Moonshot lança Kimi K3.1 Pro: 2,8 trilhões de parâmetros, pesos abertos](https://ai-opensource.com/pt/news/kimi-k3-1-pro-released/): 2026-11-02. A Moonshot AI publicou o Kimi K3.1 Pro em 2 de novembro de 2026: MoE de 2,8 trilhões para código e escritório, contexto de 1M e pesos de 4 bits com cerca de 1,56 TB. - [Mistral Large 4 vira pesos abertos: 1 trilhão de parâmetros, treinado na Europa](https://ai-opensource.com/pt/news/mistral-large-4-open-weights/): 2026-10-29. A Mistral publicou os pesos do Large 4 em 29 de outubro de 2026: MoE multimodal, contexto de 1M de tokens, mais de 160 idiomas e licença com condição de hospedagem. - [NVIDIA lança Nemotron 3.5 Transcribe, um modelo de voz controlável por prompt](https://ai-opensource.com/pt/news/nemotron-3-5-transcribe-released/): 2026-10-28. A NVIDIA publicou o Nemotron 3.5 Transcribe sob OpenMDW-1.1: 40 idiomas, rótulos de falante, tradução e estilo controlado por prompt, para gravações de até uma hora. - [Meta lança Muse Spark Open, um modelo de pesos abertos de 816B](https://ai-opensource.com/pt/news/muse-spark-open-released/): 2026-10-15. A Meta publicou o Muse Spark Open: 816B parâmetros, 42B ativos, texto, imagem, vídeo e áudio, contexto de 1M, acesso restrito e crédito obrigatório «Built with». ## Optional - [Calculadora de VRAM](https://ai-opensource.com/pt/vram-calculator/): Estime quanta memória de GPU ou unificada um modelo de IA precisa nas precisões BF16, FP8 e de 4 bits, e qual hardware consegue rodá-lo. Escolha um modelo ou insira o seu próprio tamanho. - [Todos os modelos (JSON)](https://ai-opensource.com/data/models.json): Baixe o catálogo completo de modelos de IA de código aberto como JSON ou CSV: parâmetros, janela de contexto, tipo de licença, data de lançamento e fontes. Livre para reutilizar com atribuição. - [Todos os modelos (CSV)](https://ai-opensource.com/data/models.csv) - [Licenças (JSON)](https://ai-opensource.com/data/licenses.json) - [Feed RSS](https://ai-opensource.com/pt/rss.xml) - [llms-full.txt](https://ai-opensource.com/pt/llms-full.txt): The full text of this site in one file