Modelos Proprietários — Catálogo

Referência comparativa. Não disponíveis para fine-tuning local, mas importantes como baseline e para uso via API.

---

GPT (OpenAI)

SWE-bench Verified: GPT-5 74.9% Docs: platform.openai.com/docs

---

Claude (Anthropic)

Constitutional AI: base de alinhamento de todos os modelos Anthropic Docs: docs.anthropic.com

---

Gemini (Google DeepMind)

Gemini 3.1 Pro — Benchmarks (fevereiro 2026):

Outros:

• Deep Research com MCP nativo para pesquisa de longo horizonte
• Gemini 3.2 anunciado para Google Cloud Next 2026 (contexto >1M tokens, menor latência)

Vídeo: Gemini 3.0 processa vídeo a 60fps em tempo real Docs: ai.google.dev

---

Grok (xAI)

Grok-4.3: Lançado em 17042026 sem anúncio formal; ativa via SuperGrok Heavy ($300/mês). Features novas: processamento de vídeo nativo, geração de slides, mantém sistema de 16-agentes e janela de 2M tokens do 4.1.

Grok 5: Em treinamento no Colossus 2 (1,5 gigawatts de compute); lançamento previsto para Q2 2026.

Docs: docs.x.ai

---

MAI (Microsoft AI)

Primeira família de foundation models próprios da Microsoft, anunciada na keynote da Microsoft AI no Build 2026 (02062026). Marca a virada estratégica de "consumir modelos de terceiros (OpenAIAnthropic)" para "construir, hospedar e controlar a economia da inteligência" — todos treinados do zero com dados licenciados comercialmente, sem destilação de modelos frontier de terceiros (escolha deliberada para evitar risco legalcomercial e dependência).

Claims de desempenho do MAI-Thinking-1 (Microsoft, Build 2026 — não verificados de forma independente):

• Em avaliação cega da Surge (avaliadores humanos independentes), preferido ao Claude Sonnet 4.6.
• Iguala o Claude Opus 4.6 em coding no SWE-Bench Pro.
• Mustafa Suleiman (CEO Microsoft AI): após fine-tune para a McKinsey, superou o GPT-5.5 em qualidade com ~10× mais eficiência de custo — ⚠️ estimativa derivada de pricing público entre escalas de modelo, não medição de produção.

Por que importa para o Kode: evidência externa direta da tese do policies/self-hosted-first.kmd / Flipping Point — um hyperscaler que era 100% dependente de modelos alugados (investiu US\( 13 bi na OpenAI, US\) 5 bi na Anthropic) declarando publicamente que vai construir os próprios modelos por customargemcontrole. O argumento "dados limpos licenciados sem destilação" também reforça 04-treinamento/data-pipeline.md (proveniência) como diferencial competitivo, não só compliance. MAI-Code-1-Flash é o análogo da Microsoft ao posicionamento que o Kode ocupa (modelo de coding integrado ao editor).

Fontes: Keynote MAI Build 2026 (transcript) · CNBC, 02062026 · TechTimes — MAI-Thinking-1

---

Outros Proprietários Relevantes

---

Comparativo de SWE-bench Verified (abril 2026)

Nota: Kimi K2.6 (open-source) marca 58.6% no SWE-Bench Pro (variante mais difícil).

---

Arena Elo Leaderboard (março 2026)

---

Tendências dos Modelos Proprietários (2026)

1. Janelas de contexto: 1M tokens padrão nos frontier; Claude/Gemini líderes
2. Reasoning modes: Todos os top-tier têm modo de "thinking" / extended reasoning
3. Multimodalidade: Texto + imagem + áudio + vídeo virando padrão
4. Computer use: Claude 3.5+ e GPT-5.4+ com automação de GUI
5. SWE-bench: Barreira de 90% aproximando-se com Claude Mythos