Ring-2.6-1T: 1 trilhão de parâmetros por US$ 0,62 de saída
Modelo chinês open-weights da inclusionAI estreia com 63B ativos e mira agentes de código — mas fica abaixo do pelotão intermediário em inteligência geral.
A conta que o release não mostra
A inclusionAI abriu o catálogo hoje com o Ring-2.6-1T, um modelo de 1 trilhão de parâmetros totais — mas só 63 bilhões ativos por token, graças à arquitetura Mixture-of-Experts. É a mesma estratégia que a Xiaomi vem usando na linha MiMo: encher o tanque de conhecimento sem inflar o custo de inferência. A pergunta de quem paga a API não é se o número de parâmetros impressiona; é se o índice de inteligência de 31,66 justifica trocar o que já roda em produção.
Onde ele se encaixa no tabuleiro
O topo do catálogo hoje é o Gemini 3.1 Pro Preview, com 47,74 de IQ e US$ 12 por milhão de tokens de saída. Logo abaixo vêm GPT-5.3-Codex (45,51 / US$ 14) e DeepSeek V4 Pro (45,27 / US$ 1,74). O Ring entra com 31,66 — ou seja, fica entre 14 e 16 pontos atrás dos três primeiros e não disputa o topo. Entre os pares diretos, ele só passa do Gemma 4 26B A4B (26,07) e empata em faixa com o MiMo-V2-Flash (34,02), que cobra US$ 0,30 de saída.
A leitura honesta: não é um flagship, é um cavalo de batalha para workloads específicos.
Onde ele brilha — e onde não
O Ring-2.6-1T é descrito como "thinking model" otimizado para agentes de código e tool use. A nota de coding é 42,83 — acima do IQ geral, o que confirma o foco. Mas o agentic score é só 20,10, um sinal de que ele raciocina sobre código sem necessariamente orquestrar bem ferramentas em cadeia. Para quem monta agente que só escreve função, é competitivo. Para agente multi-etapa com decisão sobre qual ferramenta chamar, o MiMo-V2-Flash ou o Gemma 4 31B (43,43 em coding, 14,38 em agentic) entregam perfis mais equilibrados.
| Campo | Valor |
|---|---|
| Identificador | inclusionai/ring-2.6-1t |
| Criador | inclusionai |
| Preço de entrada | US$ 0.075 / M tokens |
| Preço de saída | US$ 0.625 / M tokens |
| Janela de contexto | 262k |
| Modalidade | text->text |
| Leitura de cache | US$ 0.015 / M (80% de desconto) |
| Índice de inteligência (AA) | 31.7 |
| Índice de código | 42.8 |
| Índice agêntico | 20.1 |
| Parâmetros | 1000B (63B ativos por token) |
| Pesos | abertos |
| Velocidade de saída | 128 tokens/s |
| Raciocínio | sim (gasta tokens de saída pensando) |
A velocidade reportada é 128,34 tokens por segundo — bem à frente dos 35,06 do Gemma 4 31B. Isso importa quando o agente fica em loop chamando o modelo dezenas de vezes por tarefa.
Preço: o argumento mais honesto
Entrada US$ 0,075 por milhão de tokens. Saída US$ 0,625. Cache de leitura US$ 0,015 — o mais barato entre os pares listados. Em workload típico de agente (80% entrada, 20% saída), o custo blended fica em torno de US$ 0,19 por milhão de tokens processados. É mais barato que o MiMo-V2-Flash (US$ 0,14 de entrada, US$ 0,30 de saída) na maioria dos cenários com muito prompt cacheado.
O detalhe que o release esconde: cache de leitura existe, mas só vale se você repetir o mesmo prefixo. Em agente que muda contexto a cada chamada, esse número é teórico.
Para quem vale — e para quem não
Vale se você roda agente de código em volume, pode hospedar pesos abertos (1T total é pesado, mas só 63B ativos por inferência) e quer pagar menos que Xiaomi ou Google sem abrir mão de raciocínio. Não vale se você precisa de multimodal — o Ring é text-to-text puro, enquanto MiMo-V2-Omni aceita imagem, vídeo e áudio. Não vale se o gargalo é qualidade bruta de resposta: para isso, DeepSeek V4 Pro cobra US$ 1,74 e entrega IQ 45,27.
| Modelo | Inteligência | Entrada US$/M | Saída US$/M | Contexto |
|---|---|---|---|---|
| Ring-2.6-1T (o novo) | 31.7 | 0.075 | 0.625 | 262k |
| MiMo-V2-Flash | 34.0 | 0.1 | 0.3 | 262k |
| Gemma 4 31B | 29.7 | 0.09 | 0.34 | 262k |
| Gemma 4 26B A4B | 26.1 | 0.07 | 0.34 | 262k |
| MiMo-V2-Omni | 35.9 | 0.4 | 2 | 262k |
O que fazer com isso hoje
Se seu agente hoje roda em Gemma 4 31B ou MiMo-V2-Flash, teste o Ring-2.6-1T na mesma suite — o ganho de velocidade pode compensar a diferença de IQ em tarefas curtas. Se roda em DeepSeek V4 Pro ou acima, não há motivo para trocar. E antes de colocar em produção, lembre: open weights significa que você pode hospedar, mas 1 trilhão de parâmetros exige infraestrutura que não cabe no seu MacBook.
| Modelo | Inteligência | Saída US$/M |
|---|---|---|
| Gemini 3.1 Pro Preview | 47.7 | 12 |
| GPT-5.3-Codex | 45.5 | 14 |
| DeepSeek V4 Pro 0423 | 45.3 | 2.0845 |
| MiMo-V2.5-Pro | 42.9 | 0.87 |
| MiMo-V2.5 | 38.0 | 0.28 |
Rode o Ring-2.6-1T em agente de código com muito cache de prompt e veja se a velocidade de 128 t/s compensa o IQ 31,66 — para tudo o mais, o DeepSeek V4 Pro continua sendo a referência na faixa intermediária.
Perguntas frequentes
O Ring-2.6-1T é melhor que o DeepSeek V4 Pro?
Não em inteligência geral: o DeepSeek marca 45,27 contra 31,66 do Ring. O Ring só compete em preço e velocidade quando o workload é predominantemente agente de código com cache de leitura pesado.
Posso rodar o Ring-2.6-1T localmente?
Os pesos são abertos, mas 1 trilhão de parâmetros totais exige cluster de GPUs com VRAM alta ou inferência distribuída. Na prática, só 63B ficam ativos por token, o que reduz o custo real de inferência em hospedagem dedicada.
Quanto custa rodar um agente simples no Ring-2.6-1T?
Com 80% de entrada e 20% de saída, o custo blended fica em torno de US$ 0,19 por milhão de tokens. Em workload com cache de leitura ativo, cai mais — desde que o prefixo se repete entre chamadas.