Qwen3 Next 80B Thinking vence em raciocínio, Nemotron ganha em velocidade de resposta

O que está em jogo

O catálogo fechou outubro de 2025 com 253 modelos ainda listados e dois lançamentos que merecem ser olhados de perto: o Qwen3 Next 80B A3B Thinking, da chinesa Qwen, lançado em 11 de setembro, e o Llama 3.3 Nemotron Super 49B V1.5, da NVIDIA, lançado exatamente um dia antes desta publicação. Ambos são abertos, ambos são modelos de raciocínio, e ambos cobram pela saída. Mas a conta final é bem diferente — e o desempenho também.

Inteligência medida hoje

O índice de inteligência do Artificial Analysis coloca o Qwen3 Next 80B Thinking em 16,87 e o Nemotron Super 49B em 12,40. Em codificação, a diferença é ainda mais dura para o modelo da NVIDIA: 17,42 contra um valor não publicado no catálogo. Em tarefas agentic, o Qwen marca 2,06 e o Nemotron também não tem nota divulgada. Em outras palavras, o Qwen é o único dos dois com benchmark público nas categorias que importam para quem está montando agente ou depurando código.

Preço: o marketing do "barato" merece lupa

O Qwen cobra US$ 0,15 por milhão de tokens de entrada e US$ 1,20 por milhão de tokens de saída. O Nemotron cobra US$ 0,40 nos dois lados — ou seja, entrada mais cara, saída três vezes mais barata. Para um chatbot que cospe resposta curta, o Nemotron ganha. Para um pipeline que gera muito texto de raciocínio antes da resposta final, o Qwen cobra caro no lugar certo.

Nenhum dos dois divulga preço de cache no catálogo, então não dá para cravar economia em prompt reaproveitado sem testar.

Velocidade e contexto

Aqui o jogo vira. O Qwen roda a 196,94 tokens por segundo; o Nemotron, a 52,85. É quase quatro vezes mais lento no modelo da NVIDIA. Se você está montando um agente que precisa responder em tempo hábil para um usuário humano, essa diferença pesa. O contexto também: 262 mil tokens no Qwen contra 131 mil no Nemotron — dobro de janela para documentos longos.

Quem ganha em quê

Qwen3 Next 80B A3B Thinking ganha quando: o problema exige raciocínio pesado, código difícil, matemática, lógica multi-etapa. O modelo tem 80 bilhões de parâmetros totais mas só 3 bilhões ativos por token (arquitetura MoE), o que explica a velocidade alta mesmo pensando bastante. O corte de conhecimento é 30 de setembro de 2025, então ele sabe de coisas muito recentes.

Nemotron Super 49B V1.5 ganha quando: você quer resposta rápida, contexto de até 128K basta, e o orçamento para tokens de saída é o gargalo — não o de entrada. Os 49 bilhões são todos ativos (não é MoE), então o custo de inferência é mais previsível. É um modelo centrado em inglês, pós-treinado em RAG e tool calling pela NVIDIA.

Para quem nada muda

Se você já usa o o3 da OpenAI (índice 31,10, líder do catálogo) ou o gpt-oss-120b (24,13), nenhum dos dois entra no seu radar — estão em outra faixa. Para workloads que exigem o topo absoluto de raciocínio, continue pagando o3. Para workloads que cabem no gpt-oss-120b a US$ 0,17 de saída, o Qwen3 Next perde em preço e em IQ.

A escolha real entre estes dois é: Qwen se você prioriza qualidade do raciocínio e janela de contexto grande; Nemotron se você prioriza previsibilidade de custo de saída e respostas mais ágeis em inglês.