Llama 4 Maverick custa menos que o dobro do ERNIE 4.5 — e entrega bem mais
Comparativo entre dois MoEs open-weights deMeta e Baidu mostra que preço de entrada não conta a história inteira quando o assunto é inteligência por dólar.
O número que entra na planilha e o número que entra no prompt
Você olha o preço de saída e escolhe o mais barato. É o que o time de finanças quer. Só que, neste comparativo entre o Llama 4 Maverick, da Meta, e o ERNIE 4.5 300B A47B, da Baidu, a conta fecha de um jeito que o release não entrega: o chinês é 58% mais caro na saída, e mesmo assim entrega menos da metade da inteligência medida pelo Artificial Analysis.
O Maverick custa US$ 0,696 por milhão de tokens de saída. O ERNIE 4.5 300B A47B sai por US$ 1,10. No input, a diferença é menor — US$ 0,20 contra US$ 0,28 — mas ainda existe, e pesa no fim do mês quando o seu produto é um chatbot que devolve parágrafos longos.
Inteligência por dólar, o número que importa
Aqui é onde a conversa muda de figura. O índice de inteligência do Maverick é 14,477. O do ERNIE 4.5 300B A47B é 8,867. Isso é 63% a mais de capacidade cognitiva pelo mesmo — ou menor — investimento.
Traduzindo: para uma tarefa em que o modelo precisa raciocinar, resumir com nuance ou gerar código não trivial, o Maverick entrega mais resultado por token gasto. Em workloads de classificação simples ou extração de campos, a diferença dilui — o básico os dois resolvem.
O resto do tabuleiro
Os dois são MoE. O Maverick declara 402 bilhões de parâmetros totais, com 17 bilhões ativos por forward pass. O ERNIE declara 300 bilhões totais e 47 bilhões ativos. Em arquitetura pura, o chinês ativa quase três vezes mais parâmetros por token — o que ajuda a entender por que o preço de saída é mais alto mesmo com total menor.
A janela de contexto é outro divisor. O Maverick oferece 1.048.576 tokens. O ERNIE fica em 131.072 — oito vezes menos. Se o seu caso envolve documentos longos, codebases inteiras ou transcrições de reunião, isso não é detalhe.
| Critério | Llama 4 Maverick | ERNIE 4.5 300B A47B |
|---|---|---|
| Índice de inteligência | 14.5 | 8.9 |
| Entrada US$/M | 0.2 | 0.28 |
| Saída US$/M | 0.696 | 1.1 |
| Contexto | 1.05M | 131k |
| Pesos abertos | sim | sim |
| Velocidade (tok/s) | 86 | — |
| Índice de código | 16.3 | — |
| Índice agêntico | 1.2 | — |
A modalidade também pesa: o Maverick é text+image→text, o ERNIE é text→text puro. Quem precisa ler imagem, PDF com layout, foto de produto, só tem um caminho.
Outro ponto que costuma sumir da comparação: knowledge cutoff. O Maverick está parado em agosto de 2024. O ERNIE foi treinado até março de 2025. Em domínios que andam rápido — regulação, APIs, notícias — sete meses de defasagem fazem diferença.
Velocidade: o Maverick marca 86,45 tokens por segundo no benchmark. O ERNIE não tem número publicado no catálogo — e aqui vale a regra: sem dado, sem chute.
Onde cada um ganha
Llama 4 Maverick ganha quando: você precisa de multimodalidade (texto + imagem), contexto longo, raciocínio acima da média e quer pagar menos por token de saída. É o modelo para produto final com tráfego relevante.
ERNIE 4.5 300B A47B ganha quando: o seu workload é majoritariamente em chinês mandarim, ou quando o cutoff mais recente (março/2025) é requisito — por exemplo, sistemas que dependem de eventos regulatórios ou de API recentes. Para tudo o mais, o Maverick entrega mais por menos.
| Modelo | Inteligência | Saída US$/M |
|---|---|---|
| o3 | 31.1 | 8 |
| gpt-oss-120b | 24.1 | 0.17 |
| Qwen3 Next 80B A3B Thinking | 16.9 | 1.2 |
| gpt-oss-20b | 15.2 | 0.13 |
| Llama 4 Maverick | 14.5 | 0.696 |
E o contexto maior: dos 244 modelos listados hoje no catálogo, o Maverick está no top 5 de inteligência. O ERNIE 4.5 300B A47B está fora desse grupo. Isso não é opinião — é a régua do Artificial Analysis nesta data.
O que fazer com isso
Se você está migrando de um modelo só-texto chinês para um multimodal open-weights, o Maverick é a troca natural. Se já roda o Maverick e cogita o ERNIE por preço, repense: a economia não existe, e você perde em contexto, multimodalidade e índice de inteligência. A única razão legítima para escolher o ERNIE 4.5 300B A47B hoje é idioma chinês nativo ou dependência de cutoff 2025.
Escolha o Maverick para produto com tráfego multimodal ou contexto longo; escolha o ERNIE 4.5 300B A47B só se chinês nativo ou cutoff de março/2025 forem requisito inegociável.
Perguntas frequentes
Llama 4 Maverick ou ERNIE 4.5 300B A47B para aplicações em português?
O Llama 4 Maverick tem índice de inteligência 63% maior e custa menos por token de saída. Para a maioria dos workloads em português, é a escolha com melhor relação custo-benefício. O ERNIE 4.5 300B A47B só leva vantagem em cenários que exigem chinês nativo ou conhecimento cortado em março de 2025.
Qual dos dois tem a maior janela de contexto?
O Llama 4 Maverick suporta 1.048.576 tokens de contexto, oito vezes mais que o ERNIE 4.5 300B A47B, que fica em 131.072 tokens. Para documentos longos, codebases ou transcrições extensas, o Maverick é a única opção entre os dois.
Os dois modelos são open weights?
Sim. Tanto o Llama 4 Maverick quanto o ERNIE 4.5 300B A47B são modelos de pesos abertos, o que permite self-hosting e ajuste fino, desde que você tenha a infraestrutura para rodar 17B ou 47B parâmetros ativos, respectivamente.