Rio 3.5 Open 397B: Uma Câmara Municipal Acaba de Lançar um Modelo de IA de Fronteira

A câmara municipal do Rio de Janeiro acabou de lançar um modelo de IA aberto de classe de fronteira. Foi construído para se medir de igual para igual com os melhores sistemas abertos do planeta. O Rio 3.5 Open 397B vem da IplanRIO, a empresa municipal de TI que gere os serviços digitais do Rio de Janeiro. Nos seus próprios benchmarks, supera à tangente o Qwen 3.7 Plus da Alibaba em vários testes, embora a coroa dos benchmarks de pesos abertos pertença agora ao GLM 5.2. Não é uma gralha. Uma câmara municipal lançou um modelo de 397 mil milhões de parâmetros sob uma licença totalmente aberta.

Eis a versão honesta da história. O Rio 3.5 Open 397B não foi construído do zero. É afinado a partir do Qwen 3.5-397B-A17B, o modelo base aberto da Alibaba, com uma nova camada de raciocínio acrescentada por cima. Os resultados de destaque são impressionantes, mas são números da própria equipa que ainda não foram auditados de forma independente. O modelo ganha nalguns benchmarks e perde noutros. Este artigo detalha o que o modelo realmente é, como se compara de facto ao Qwen e por que uma câmara municipal a construir IA importa para todos.

O Rio 3.5 Open 397B é um caso de manual de IA open source em ação, em que pesos publicados e uma licença permissiva permitem a qualquer pessoa construir por cima de um modelo de fronteira.

Para ver como o campo mais amplo dos pesos abertos se compara, veja a nossa classificação dos melhores modelos de IA open source.

Os pontos-chave

• O Rio 3.5 Open 397B foi lançado pela IplanRIO, a empresa de TI da câmara municipal do Rio de Janeiro, o que faz dele um dos primeiros modelos de classe de fronteira de uma autoridade municipal.
• É um fine-tune do Qwen 3.5-397B-A17B da Alibaba, com 397B parâmetros no total e 17B ativos num design Mixture-of-Experts.
• No seu próprio cartão de modelo, bate o Qwen 3.7 Plus em quatro de cinco benchmarks, incluindo o Terminal-Bench 2.1 (70,8 vs 70,3) e o SWE-Bench Multilingual (77,0 vs 75,8), ficando atrás apenas no MMLU-Pro (88,0 vs 88,5).
• Os ganhos apoiam-se fortemente no SwiReasoning, um método sem treino que alterna entre raciocínio visível e oculto; os resultados ainda não estão verificados de forma independente.
• Os pesos são distribuídos sob uma licença MIT e pesam sensivelmente 807 GB, por isso quase ninguém vai correr isto em casa.

O que é o Rio 3.5 Open 397B?

O Rio 3.5 Open 397B é um modelo de IA aberto de classe de fronteira lançado pela IplanRIO. É a empresa de TI da câmara municipal do Rio de Janeiro. É afinado a partir do Qwen 3.5-397B-A17B da Alibaba, usa um design Mixture-of-Experts com 397 mil milhões de parâmetros no total e 17 mil milhões ativos por token, e é distribuído sob uma permissiva licença MIT para uso comercial e de investigação.

A palavra-chave é aberto. Os pesos completos estão publicados no Hugging Face, por isso qualquer pessoa com o hardware pode descarregar, inspecionar e correr o modelo. Essa abertura é o ponto central. Assim, permite a uma câmara municipal competir num espaço normalmente dominado por laboratórios como a OpenAI, a Google e a Anthropic. O Rio não teve de treinar um modelo do zero; apoiou-se num base aberto forte e acrescentou as suas próprias melhorias.

Esse último detalhe importa para o contexto. Chamar ao Rio 3.5 um «modelo brasileiro que bate o Qwen» é metade da história, porque o modelo é literalmente construído sobre o Qwen. O enquadramento mais rigoroso é que o Rio pegou na fundação aberta da Alibaba e afinou-a o suficiente para passar à frente do próprio lançamento mais recente da Alibaba num punhado de testes. Se quiser o panorama mais amplo de onde estes sistemas se posicionam, o nosso guia contínuo dos melhores modelos de IA acompanha a fronteira mês a mês.

Rio 3.5 vs Qwen 3.7 Plus: os números dos benchmarks

Esta é a alegação que virou cabeças. No seu próprio cartão de modelo, o Rio 3.5 bate o Qwen 3.7 Plus em quatro de cinco benchmarks listados, liderando na programação, na engenharia de software e na matemática difícil, ficando atrás apenas no conhecimento geral. As vitórias são benchmarks reais, mas a maioria das margens é ténue e os resultados vêm do próprio Rio.

As margens contam a verdadeira história. O Rio lidera por meio ponto no Terminal-Bench 2.1 e no SWE-Bench Pro, e por diferenças maiores no SWE-Bench Multilingual e no teste de matemática IMOAnswerBench, enquanto o Qwen mantém uma ligeira vantagem no MMLU-Pro. Leia cada valor como o número que o próprio Rio reportou, e não como uma classificação assente. A conclusão honesta é que «bate o Qwen» é real, mas estreito e autodeclarado. Para a base de comparação, veja a nossa análise do Qwen 3.7 Max.

Estes resultados de benchmark são mesmo reais?

Resposta curta: por agora estão por verificar. Todos os números específicos do Rio vivem no cartão de modelo, publicado pela mesma equipa que construiu o modelo. Os benchmarks em si são legítimos, mas um benchmark real não é o mesmo que um resultado confirmado de forma independente, e os fornecedores muitas vezes correm os testes com estruturas e definições diferentes que tornam os números diretos pouco fiáveis.

Há uma segunda ressalva. Os analistas que se debruçaram sobre o lançamento descobriram que grande parte da vantagem do Rio parece vir do SwiReasoning, mas o repositório não inclui o código que o implementa. Essa lacuna torna os resultados difíceis de reproduzir, que é exatamente o que a verificação independente precisa. A forma justa de encarar o Rio 3.5 hoje é como um lançamento de pesos abertos promissor com alegações agressivas da própria equipa, e não como um novo campeão comprovado.

SwiReasoning: o truque por trás dos ganhos

O SwiReasoning é um framework de inferência sem treino que permite a um modelo alternar entre uma cadeia de raciocínio explícita e um raciocínio silencioso no espaço latente, guiado por sinais de confiança baseados na entropia. Em termos simples, o modelo só «pensa em voz alta» quando está inseguro e, caso contrário, raciocina em silêncio no espaço oculto, o que pode melhorar tanto a precisão como a eficiência de tokens.

A técnica vem de um artigo de investigação de Shi e colegas publicado no final de 2025, não do próprio Rio. Isso faz parte do que torna o lançamento interessante; a IplanRIO combinou um modelo base aberto existente com um método académico publicado para extrair desempenho extra. É uma receita inteligente e de baixo custo, e é mais um sinal de que os ganhos de fronteira já não exigem o orçamento de um laboratório gigante.

Por que uma câmara municipal a construir IA importa

Esqueça por um segundo a picardia dos benchmarks, porque a história maior é quem lançou isto. Um departamento municipal de TI no Brasil lançou um modelo na mesma classe de peso que lançamentos da Alibaba, da DeepSeek e da Moonshot. Isso é a aceleração global em ação, e mostra como os modelos base abertos mais a investigação pública estão a espalhar capacidades de IA sérias muito para lá de Silicon Valley e de Hangzhou.

Aponta também para um ecossistema de IA mais saudável. Quando uma câmara municipal do Sul Global consegue afinar um modelo de topo para as suas próprias línguas e necessidades, a tecnologia deixa de ser propriedade privada de umas poucas empresas. Já vimos lançamentos abertos como o Nex-N2-Pro, o Kimi K2.6 e o DeepSeek V4 a corroer a liderança dos laboratórios fechados. O Rio 3.5 acrescenta um novo tipo de protagonista a essa lista, uma instituição pública em vez de uma startup. A Moonshot deu-lhe entretanto seguimento com o Kimi K2.7 Code, outro lançamento de pesos abertos a empurrar a mesma tendência para a frente.

Especificações, licença e consegue corrê-lo?

As especificações de destaque são sérias. O Rio 3.5 Open 397B é um transformer Mixture-of-Experts com 397B parâmetros no total e 17B ativos. É construído sobre 60 camadas com 512 experts e 10 selecionados por token. O modelo suporta um contexto nativo de cerca de 262 000 tokens, esticado até um 1 milhão alegado com técnicas de escalonamento. Lida também com entrada multimodal de imagem e texto em inglês, português, chinês e várias outras línguas.

O senão é o tamanho. Os pesos chegam aos sensivelmente 807 GB, o que coloca o alojamento local fora do alcance de portáteis normais e até da maioria das estações de trabalho. A licença MIT significa que empresas e investigadores podem construir por cima dele livremente. Realisticamente, vai aceder a ele através de um fornecedor de nuvem em vez da sua própria máquina. Os pesos abertos são ótimos para a transparência e a confiança; não são o mesmo que serem fáceis de correr.

O que isto significa para os utilizadores comuns de IA

Para a maioria das pessoas, a lição prática do Rio 3.5 é que não precisa de perseguir nem de alojar um único modelo. Novos sistemas de classe de fronteira chegam agora quase todas as semanas de laboratórios, startups e até câmaras municipais, e nenhum modelo ganha em tudo. A jogada inteligente é o acesso a muitos modelos, não a lealdade a um.

É essa a ideia por trás da Fello AI no Mac. Em vez de gerir subscrições separadas, obtém o Claude, o ChatGPT, o Gemini, o Grok e o DeepSeek numa só aplicação nativa por $9.99 por mês. A gama atualiza-se à medida que novos modelos se provam. Poupa os descarregamentos de 807 GB e as faturas por fornecedor, e muda para o modelo que for melhor para a tarefa à sua frente. É novo nisto? Comece pelo guia de introdução.

Conclusão

O Rio 3.5 Open 397B é um lançamento entusiasmante, e merece tanto os aplausos como uma dose de cautela. Uma câmara municipal a afinar um modelo aberto de topo e a publicar números que passam à frente do mais recente da Alibaba é um verdadeiro marco para a IA fora dos polos habituais. Só não se esqueça de que os resultados são da própria equipa, as vitórias são específicas de cada benchmark e o modelo é construído sobre o Qwen em vez de partir do zero.

Fique atento a benchmarks independentes nas próximas semanas para ver se o Rio 3.5 se aguenta sob testes externos. De qualquer forma, a tendência é clara. A IA séria está a tornar-se global, e isso são boas notícias para toda a gente que a usa.

FAQ