GLM 5.3 Flash: 5 pontos abaixo do Fable por 3% do custo por tarefa — e a manchete dos 100 trilhões trocou de verbo no caminho

Um modelo de pesos abertos marcou 57 no índice de inteligência da Artificial Analysis onde o Claude Fable 5 marcou 62, e cobrou US$ 0,09 pela tarefa em que o Fable cobrou US$ 3,14. Os quatro números são de um medidor de fora, não do fabricante, e eu os reconferi hoje, um a um, nas páginas de cada modelo.

A manchete que circulou não foi essa. Foi que a Z.ai estava servindo cem trilhões de tokens por dia em chips chineses. Fui atrás da frase original: ela existe, é de outra empresa, está no tempo verbal errado e falava de uma promoção. O custo confere; a manchete não. Este artigo separa uma coisa da outra.

Nota metodológica — leia antes de citar qualquer número daqui. O Intelligence Index ("índice de inteligência") da Artificial Analysis é uma média de vários testes normalizados. Três ressalvas que valem para a comparação inteira: (1) a página do Claude Fable 5 mede a configuração "Adaptive Reasoning, Max Effort, Opus 4.8 Fallback" ("raciocínio adaptativo, esforço máximo, com queda para o Opus 4.8") e a do GLM-5.3-Flash mede a única variante de raciocínio que ele publica — não é a mesma régua de esforço; (2) índice de modelo com dias de vida é provisório, e o preço que alimenta o custo por tarefa é o de tabela, que hoje está em promoção; (3) dividir 57 por 62 e anunciar "92% da inteligência" é o tipo de conta que este artigo existe para não fazer — os cinco pontos que faltam são as tarefas mais difíceis do conjunto, e um índice composto não autoriza razão. Aqui os dois eixos andam separados: diferença de pontos de um lado, razão de custo do outro.

O placar, antes do corpo

O corpo prova linha a linha, na ordem em que uma pessoa que nunca ouviu falar de nada disso consegue acompanhar.

O que uma tarefa custa, sem uma palavra técnica

Dois carros vão para o mesmo endereço. O primeiro conhece um atalho e cobra caro por quilômetro. O segundo dá uma volta bem maior e cobra uma ninharia por quilômetro. Os dois chegam. A pergunta que importa não é quem rodou menos: é quanto marcou o taxímetro quando a porta abriu.

Repare na inversão da figura: a barra maior está na linha de baixo e a conta maior está na de cima. É a coisa inteira. Chamar isso de "custo por tarefa" é só dar nome ao taxímetro — o que se paga não é o percurso, é a chegada. Quando alguém compara dois modelos de inteligência artificial pelo preço do token (os pedacinhos de texto que o modelo produz, e a unidade em que ele é cobrado), está comparando o preço do quilômetro. É a comparação errada, e foi justamente por causa dela que medi 43 mil chamadas reais para descobrir quem paga a releitura num artigo anterior.

Os mesmos dois carros, com os nomes verdadeiros

Agora a mesma figura, com os dados medidos. O carro caro é o Claude Fable 5. O carro barato é o GLM-5.3-Flash, lançado pela chinesa Z.ai em 26 de agosto de 2026 sob licença MIT — 320 bilhões de parâmetros no total, 18 bilhões ativos a cada token.

Intelligence Index 57 contra 62 (Artificial Analysis, 02/09/2026); US$ 0,09 contra US$ 3,14 por tarefa no mesmo conjunto, na mesma data. As duas linhas do artigo saem daí, e qualquer pessoa pode reabrir as duas páginas e conferir. Note o que a figura não diz: ela não diz que o Flash tem 92% da inteligência do Fable. Ela diz que ele fica cinco pontos abaixo num índice composto, e que a tarefa sai por 2,9% do preço. São afirmações de naturezas diferentes, e misturá-las é o primeiro passo de toda manchete torta.

Ele gasta quase o dobro de tokens — e é por isso que a conta cai

A objeção óbvia é que preço por token engana: um modelo tagarela pode ser mais barato na tabela e mais caro na fatura. É uma boa objeção, e neste caso ela já está respondida dentro do número — porque o Flash é o tagarela dos dois.

O traço quase invisível da linha de baixo é o argumento inteiro: US$ 0,50 contra US$ 50,00 pelo mesmo milhão de tokens de saída — cem vezes menos. O Flash queimou 150 milhões de tokens contra 83 milhões do Fable, uma vez e oito décimas mais, e ainda assim a conta fechada da avaliação foi de US$ 138,02 contra US$ 5.455,22 — trinta e nove vezes menor. A gulodice existe, está medida, e é engolida pela diferença de tarifa antes de chegar na fatura.

Isso responde a objeção do preço por token, e só ela. Não responde se as tarefas concluídas são as mesmas — e essa é uma pergunta que nenhum índice agregado responde por você.

A frase dos 100 trilhões mudou de verbo e de dono em nove dias

Agora a parte que me fez escrever o artigo. A afirmação que viajou mais longe neste lançamento foi a de que o modelo estava sendo servido a cem trilhões de tokens por dia em chips chineses. Fui atrás da primeira ocorrência da frase. Ela existe, tem link, e não é da Z.ai.

Quem escreveu foi a OpenCode — não um laboratório de IA, mas o programa de terminal por onde muita gente conversa com esses modelos. E o post não anunciava um feito de engenharia: anunciava uma promoção de uma semana com um modelo ainda anônimo, apelidado de "Ox Alpha", que ninguém sabia de quem era.

"Ox Alpha (stealth model) is free for the next week — 1M Context — Multi-modal — Zero Data Retention. Generous rate limits, near unlimited usage. We have capacity for 100T tokens per day, lets see what you can do"

Em português: "Ox Alpha (modelo furtivo) é gratuito pela próxima semana — 1 milhão de tokens de contexto — multimodal — retenção zero de dados. Limites de uso generosos, uso quase ilimitado. Temos capacidade para 100 trilhões de tokens por dia, vamos ver o que vocês conseguem fazer." — @opencode no X, 20 de agosto de 2026

Guarde duas palavras: "temos" e "capacidade". É a OpenCode falando da própria infraestrutura, e é uma oferta, não uma medição. Em 22 de agosto o Techmeme já repetia a frase com o qualificador intacto — "a stealth model from an unknown AI lab ... and capacity for 100T tokens/day" ("um modelo furtivo de um laboratório de IA desconhecido... e capacidade para 100 trilhões de tokens por dia"). Ninguém ainda sabia quem tinha construído o modelo.

Nos nove dias seguintes, a frase perdeu um qualificador por vez.

Leia a figura de cima para baixo e repare que duas coisas mudam, não uma. Muda o verbo — de "temos capacidade para" (uma oferta) para "está servindo" (uma medição). E muda o sujeito — de "a OpenCode", um aplicativo de terminal, para "a Z.ai", um laboratório que nunca disse esse número. Os elos intermediários estão publicados e podem ser lidos: a SemiAnalysis escreveu "the 100T tokens per day is served on Chinese chip" ("os 100 trilhões de tokens por dia são servidos em chip chinês") na própria thread; a Wccftech transformou isso em manchete com o verbo no gerúndio; e o the-decoder já escreveu, em 27 de agosto, que foi a Z.ai que "serviu 100 trilhões de tokens por dia".

O anúncio oficial da Z.ai não contém o número. O que a empresa afirmou, no post de lançamento, foi outra coisa — e essa outra coisa é notável por si: "Previously previewed as Ox Alpha, running entirely on Chinese AI chips" ("previamente apresentado como Ox Alpha, rodando inteiramente em chips de IA chineses"). Rodar um modelo de fronteira sem hardware americano é a manchete verdadeira deste lançamento, e ela não precisava do número inflado.

O que dá para dizer sobre a plausibilidade, com as premissas na mesa

Eu não consigo provar que os cem trilhões não aconteceram — ninguém consegue provar uma negativa dessas de fora. Dá para fazer duas coisas honestas.

A primeira é olhar a única medição pública que existe, declarando o que ela é. A OpenRouter, que é um canal de distribuição entre vários, publicou que o Ox Alpha foi "the biggest model ever on OpenRouter, processing over 20 trillion tokens in 6 days" ("o maior modelo de todos os tempos na OpenRouter, processando mais de 20 trilhões de tokens em 6 dias") — cerca de 3,3 trilhões por dia. Não é o total da Z.ai, é o de um canal, e por isso não serve para dizer "medido X contra alegado Y". Serve para dizer que o maior volume já registrado por esse canal, num modelo que era o assunto da semana e estava de graça, ficou uma ordem de grandeza abaixo do número que circulou.

A segunda é dimensionar. Cem trilhões de tokens por dia, por um único laboratório, é da ordem do que o Google inteiro processa (cerca de 107 trilhões por dia, pela cifra de 3,2 quatrilhões ao mês divulgada em maio de 2026) e algo entre 55% e 70% do que a China toda consome — as duas estimativas públicas do consumo chinês são 180 e 140 trilhões por dia. Não é impossível — é extraordinário, e afirmação extraordinária pede evidência do mesmo tamanho. O implicator.ai registrou o buraco com todas as letras: "none of the serving results has been independently audited" ("nenhum dos resultados de serviço foi auditado de forma independente"). E existe uma ambiguidade que sozinha muda a conta de dez a cem vezes: nenhuma das fontes diz se "tokens" são os de entrada ou os de saída — ler texto é barato e paralelizável, escrever texto é caro e serial. Sem essa palavra, o número não é verificável nem em princípio.

Custo por tarefa não é o único eixo, e o Flash perde nos outros

Aqui a figura da analogia volta, com a mesma geometria e mais dados: agora são os seis modelos que consegui verificar um a um na Artificial Analysis. A barra continua sendo o que se gasta; o número continua sendo o que se leva.

A barra mais curta da figura não é a do Flash: é a do GPT-5.6 Luna, que cobra cinco centavos por tarefa. O Flash entrega cinco pontos a mais de índice por quase o dobro do preço por tarefa — o que é uma troca defensável, mas é uma troca, não uma vitória. E na coluna da direita a coisa fica pior: o Flash produz 42,5 tokens por segundo, contra 279,4 do Gemini 3.7 Flash. Mais de seis vezes mais lento por um ponto a mais de índice.

Isso não é observação minha: é a crítica que o Hacker News fez em primeiro lugar, e ela merecia estar na cobertura. Um leitor resumiu assim — "Gemini 3.7 flash 56 intel / 0.40 cost / 338 speed. GLM 5.3 flash 57 / 0.09 / 49. I have both ... and see no reason for choosing GLM 5.3 Flash" ("Gemini 3.7 flash: 56 de inteligência, 0,40 de custo, 338 de velocidade. GLM 5.3 flash: 57, 0,09, 49. Tenho os dois... e não vejo razão para escolher o GLM 5.3 Flash"). Os números dele não batem exatamente com os que eu medi hoje — velocidade varia por provedor e por dia — mas a direção bate, e é a direção que interessa.

Os mesmos seis, agora no gráfico de número:

A tabela completa, com o Kimi K3 que não coube no gráfico:

A linha do GLM-5.3 merece um parágrafo próprio, porque é a comparação que quase ninguém fez: o irmão grande, de que tratei em 14 de agosto, faz 60 pontos por US$ 0,68 a tarefa. O Flash faz 57 por US$ 0,09. Três pontos de índice custam sete vezes e meia mais dentro da mesma casa. É a decisão de roteamento mais concreta que este lançamento oferece, e ela não depende de acreditar em nenhuma manchete.

Onde o Flash quebra, segundo o segundo medidor

A Artificial Analysis não é a única régua independente. O LiveBench também já listou o modelo, e o retrato dele é mais específico — e mais útil:

Em programação o Flash empata em cheio com o irmão grande — 79,0 contra 79,0 — e o buraco inteiro está em seguir instrução: 52,8 contra 69,3. Se o seu uso é escrever código dentro de um andaime que já diz o que fazer, o barato entrega o mesmo. Se o seu uso é um agente solto que precisa obedecer a um contrato longo, os 16,5 pontos de diferença são a conta que você vai pagar em retrabalho. É a mesma lição que já tinha aparecido aqui quando mostrei que a nota de segurança é do par, não do modelo.

E há um número do fabricante que vale conferir com cuidado: o card oficial anuncia 63,4 no Deep-SWE, circulou um boato de ~80%, e a única rodada completa e independente das 113 tarefas que localizei — feita por Henry Zhang — deu 58,4%: "The Rumored ~80% pass rate is completely incorrect. Actual benchmark result is 58.4%" ("A taxa de acerto de ~80% que se rumorejava está completamente incorreta. O resultado real é 58,4%"). Três números para o mesmo teste, e o menor deles é o único com procedimento declarado.

Aberto de direito, fechado de fato: 328 gigabytes

A licença é MIT — a mais permissiva que existe, sem cadastro e sem gate. É uma virtude real e merece ser dita. O que "aberto" não quer dizer é "cabe na sua máquina".

Baixei a lista de arquivos do repositório pela API do Hugging Face e somei: 62 arquivos de pesos, 328,3 gigabytes. Não é uma estimativa de olho, é a soma dos blobs. A comunidade já publicou versões comprimidas — o processo se chama quantização, e é o equivalente a gravar a mesma música com menos bits: ocupa menos, perde um pouco de fidelidade.

A leitura honesta desta figura tem duas metades, e a cobertura só deu uma. É falso que rode "no seu computador" se o seu computador é um laptop comum: só a compressão mais agressiva, de 1 bit, entra em 128 GB. E é verdade que roda numa estação de trabalho de 128 a 256 GB — tem gente relatando exatamente isso no Hacker News, um deles dizendo que é "the first local model that feels good enough to me to be a 'main' model" ("o primeiro modelo local que me parece bom o bastante para ser o modelo principal"). Dizer só a primeira metade seria cometer o mesmo pecado de enquadramento que este artigo denuncia.

E falta uma parcela em toda conta acima. Os números da figura são só os pesos. Quando mostrei como saber se um modelo roda na sua placa, o erro que decidia a tabela inteira era exatamente esse: o card orçava os pesos e esquecia o cache do contexto, que cresce enquanto você conversa. Para o Flash, ninguém publicou essa parcela. Então a régua correta é: os números da figura são o piso, e o piso já não cabe.

O preço é uma campanha, e ela tem data de fim

O último degrau é o mais fácil de esquecer e o que mais muda a decisão de quem vai adotar.

A página de preços da Z.ai diz, hoje, em uma linha: "GLM-5.3-Flash is available at a 50% discount ... The promotion ends at 24:00 on September 9, 2026 (UTC+8, Singapore time)" ("O GLM-5.3-Flash está disponível com 50% de desconto... A promoção termina às 24:00 de 9 de setembro de 2026, horário de Singapura"). Entrada a US$ 0,075 e saída a US$ 0,25 hoje; US$ 0,15 e US$ 0,50 depois.

Duas ressalvas que a cobertura misturou, e eu também misturei antes de conferir hoje:

1. O custo por tarefa deste artigo não depende da promoção. Os US$ 0,09 saem do preço cheio de tabela, que é o que a Artificial Analysis usou. Se a promoção acabar, o número não muda. Quem está pagando metade hoje é que vai ver a conta dobrar.
2. Não existe "tier gratuito" do GLM-5.3-Flash na Z.ai. O que a tabela de preços marca como "Limited-time Free" ("gratuito por tempo limitado") é a coluna de armazenamento de cache, não o uso do modelo. O uso gratuito que muita gente viu foi a semana de divulgação do "Ox Alpha" na OpenCode e na OpenRouter, com o modelo ainda anônimo — a mesma promoção de onde saiu a frase dos cem trilhões.

O que a conferência não alcançou

Este é o pedaço que costuma sumir dos textos de lançamento, e é o que mais vale.

• Não testei o modelo em produção. Ele tem menos de uma semana de vida; qualquer afirmação minha sobre "como ele se comporta no seu código" seria invenção.
• O post oficial de lançamento da Z.ai continua ilegível para mim. O endereço responde, mas devolve só a casca do site; o leitor de texto que tentei devolveu o conteúdo de um documento completamente diferente. Nada que dependa exclusivamente desse post entrou aqui.
• Não achei fonte para o "primeiro lugar no GDPval por larga margem". Procurei; não existe em lugar nenhum que eu tenha alcançado. Fica registrado como alegação não conferida.
• Não consegui citar o r/LocalLLaMA. As respostas vieram sem autor e sem data atribuíveis, e citação sem procedência não entra.
• Não verifiquei quantos chips a Z.ai usou. O número de "100 mil chips domésticos" que aparece em agregadores não tem declaração primária que eu tenha localizado.
• O índice é de agora. Modelo de dias de vida costuma mudar de posição quando o medidor reprocessa. Os números aqui têm data porque a data é parte do número.
• Um sétimo modelo apareceu depois que as figuras fecharam. Ao reconferir tudo em 02/09/2026, o GPT-5.6 Terra passou a responder na Artificial Analysis: o mesmo índice 57 do Flash, por US$ 0,53 a tarefa — quase seis vezes mais caro pelo mesmo número, e 2,4 vezes mais rápido. Não refiz as figuras, que estão fechadas nos seis que eu tinha medido um a um; registro aqui porque o dado reforça a conta em vez de contrariá-la, e omitir um achado por ele ter chegado tarde seria o pecado que este artigo passa o texto inteiro denunciando. O GPT-5.6 Soul, que o vídeo cita, continua sem página no medidor.

O que eu faria com isso

Rotear por tarefa, não por assinatura. O dado mais acionável do lançamento não é o confronto com o Fable 5: é o confronto com o irmão de casa. Três pontos de índice custam sete vezes e meia mais entre o GLM-5.3 e o Flash. Se o seu trabalho é o que o LiveBench chama de programação, os dois empatam em 79,0 — e você está pagando a diferença por nada.

Medir o seu "seguir instrução" antes de trocar. O buraco de 52,8 contra 69,3 é o aviso mais específico que existe sobre esse modelo. Pegue vinte tarefas reais do seu backlog com instruções longas, rode nos dois, e conte quantas voltaram exigindo correção. É essa conta, não o índice, que decide.

Contar velocidade junto com preço. Mais de seis vezes mais lento que o Gemini 3.7 Flash é tempo de gente esperando. Para lote noturno não custa nada; para alguém digitando e aguardando, custa tudo.

Anotar 9 de setembro no calendário. Se você montar o orçamento com o preço de hoje, ele dobra em uma semana.

E desconfiar de toda frase que ganha um verbo no caminho. A regra que sobra deste artigo não é sobre a Z.ai: é que "temos capacidade para" e "está servindo" são afirmações diferentes, e que a distância entre elas cabe em nove dias de reprodução. Quando um número extraordinário chegar até você, procure a primeira ocorrência dele. Costuma estar a três cliques, e costuma dizer outra coisa.

Refaça a conta

Nada aqui depende de acreditar em mim. Os quatro números do título saem de duas páginas públicas — artificialanalysis.ai/models/glm-5-3-flash e artificialanalysis.ai/models/claude-fable-5 — e o tamanho do repositório sai de uma linha de terminal:

curl -s 'https://huggingface.co/api/models/zai-org/GLM-5.3-Flash?blobs=true' \
  | python3 -c "import json,sys; d=json.load(sys.stdin); \
    print(sum(f['size'] for f in d['siblings'] if f['rfilename'].endswith('.safetensors'))/1e9, 'GB')"

Em português: o comando pede ao Hugging Face a lista de arquivos do repositório e soma o tamanho de todos os que guardam pesos. O resultado sai em gigabytes.

Se der diferente do que está escrito aqui, me mande o resultado com a data: eu corrijo o artigo e credito quem apontou.

Fontes

• Índice independente: Artificial Analysis — páginas de glm-5-3-flash, claude-fable-5, glm-5-3, kimi-k3, gemini-3-7-flash e gpt-5-6-luna
• Segunda régua independente: LiveBench
• Pesos e card oficial: huggingface.co/zai-org/GLM-5.3-Flash
• Preços: docs.z.ai/guides/overview/pricing
• Anúncio da Z.ai: @Zai_org no X
• A frase original dos 100 trilhões: @opencode no X · Techmeme, 22/08/2026 · SemiAnalysis · the-decoder · implicator.ai
• Medição de um canal: @OpenRouter no X
• Rodada independente do Deep-SWE: Henry Zhang no X
• Comparação entre os dois GLM: Together AI
• Quantizações: Unsloth
• Recepção: thread do Hacker News

Todos os números de índice, custo por tarefa, velocidade e preço foram conferidos por mim em 01/09/2026 e reconferidos em 02/09/2026, nas páginas ao vivo da Artificial Analysis e da Z.ai; o tamanho do repositório foi somado pela API do Hugging Face nas duas datas, com resultado idêntico. Entre uma conferência e outra só as velocidades se mexeram — são média móvel do medidor —, e é a leitura de 02/09/2026 que está publicada aqui. As citações de comunidade foram colhidas em 30/08/2026 e 01/09/2026 e transcritas dos posts originais, com link em cada uma; traduções minhas. As datas dos posts da cadeia dos 100 trilhões não foram lidas da tela: cada uma foi derivada do identificador do próprio post, que carrega o carimbo de tempo — e as cinco batem com o que a colheita registrou. A data do artigo da Wccftech (26/08/2026, 16h01 UTC) foi lida do cabeçalho da própria página em 02/09/2026. Os números do LiveBench e das quantizações da Unsloth foram lidos das páginas públicas em 01/09/2026 e reconferidos em 02/09/2026, sem mudança. O post oficial de lançamento da Z.ai não foi acessível em nenhuma tentativa, e nada neste artigo depende dele.