What about brand-new models?

Arena takes a few days or weeks to collect enough votes. Meanwhile, new models from the labs’ official pages appear in “New, waiting for Arena votes”, with their size, memory needs and speed. When Arena votes, they move into the ranking automatically.

What counts as a free model?

A model with open weights that you can download and run yourself, or a model you can call through a free API today (we check OpenRouter every night). Paid-only models are left out of the rankings, but we show the best paid score as a reference line.

Where do the scores come from?

From Arena (formerly LMSYS Chatbot Arena), where people compare two anonymous answers and vote for the better one. Arena publishes its leaderboard as an open dataset under the CC BY 4.0 license; we filter it to free models. We are not affiliated with Arena.

How often is it updated?

Every night. A scheduled job downloads the latest Arena data, the free model list from OpenRouter and model sizes from Hugging Face, then rebuilds the whole site, including the weekly report on the blog.

Can I run these models on my computer?

Open models, yes, if they fit in your GPU memory. The Run at home page estimates memory and speed for your exact card, from one to ten cards, using each model's real architecture.

Why do small models have no score?

Arena votes mostly on large models. We list the most popular small models from the labs' official Hugging Face pages separately and mark them “No Arena votes”, so you can still find something that runs on a 4 to 12 GB card.

Os melhores modelos de IA grátis, classificados por votos reais

Somente modelos que você pode usar sem pagar: grátis online ou baixados para a sua própria GPU. As pontuações vêm de milhões de votos humanos às cegas na Arena, atualizadas toda noite.

Nesta página: 3 gráficos · Rankings · Novos modelos · Perguntas frequentes

Novidades no ranking dos grátis

DeepSeek-V4.1-Flash-20260910 (Max)#19 em Agentes · 19 out. 2026 GLM-5.3-Flash#24 em Visão · 19 out. 2026 MiniMax-M3.1-Flash#33 em Programação · 19 out. 2026 Kimi K2.6#34 em Visão · 19 out. 2026

Pontuação Arena

Quanto maior, melhor

Votos humanos às cegas na Arena, chat

Gemma 4 31B1443 Qwen3.8-27B1441 Gemma 4 26B A4B1434 Qwen3.5-27B1409 GLM-4.6V1376 gemma-3-27b-it1358 GLM-4.5V1333

As barras começam em 1000. Na Arena, 10 pontos é uma diferença pequena e 50, uma diferença clara.

Velocidade em uma RTX 4090

Quanto maior, melhor

Tokens por segundo com 4 bits, estimados

Gemma 4 26B A4B152 tok/s Qwen3.8-27B43 tok/s Qwen3.5-27B43 tok/s gemma-3-27b-it42 tok/s Gemma 4 31B36 tok/s GLM-4.6V12 tok/s GLM-4.5V12 tok/s

Estimativa calibrada em 44 execuções reais com llama.cpp. Cerca de 10 tok/s é a velocidade de leitura.

Memória com 4 bits

Quanto menor, melhor

GB para carregá-lo, com contexto de 8K

Gemma 4 26B A4B17 GB (cabe em 24 GB)Qwen3.8-27B18 GB (cabe em 24 GB)Qwen3.5-27B18 GB (cabe em 24 GB)gemma-3-27b-it18 GB (cabe em 24 GB)Gemma 4 31B22 GB (cabe em 24 GB)GLM-4.6V67 GB (GPU + RAM)GLM-4.5V67 GB (GPU + RAM)

Verde: cabe inteiro em uma placa de 24 GB. Vermelho: também precisa de RAM do sistema, por isso roda mais devagar.

O que isto mostra · Como ler

O que mostra. Os 8 melhores modelos de chat grátis que rodam em um PC doméstico com uma RTX 4090 (24 GB) e 64 GB de RAM, comparados de três maneiras: quão bons são, com que rapidez escrevem e de quanta memória precisam.

Como ler. Os mesmos modelos, com as mesmas cores nos três gráficos, para você acompanhar um modelo de um para o outro. Um modelo pode ser o melhor, mas lento, ou pequeno e rápido: escolha o equilíbrio de que precisa e depois confira a sua própria placa em Rode em casa.

API grátis agora Para baixar (pesos abertos)

226 dos 416 modelos do ranking de Chat da Arena são grátis. Votos de 15 out. 2026. Melhor grátis: mimo-v2.6-pro, #11 no geral.

Filtrar por laboratório:

Ranking grátis completo

Posição entre os grátis	Modelo	Pontuação Arena	Tamanho	Download	Necessário com 4 bits	Qualidade com 4 bits	Velocidade na RTX 4090	Use grátis online
1	mimo-v2.6-pro Xiaomi	1491 #11 de 416	1024.2 B 44.9 B ativos	MIT	622 GB	+1.2% perda muito pequena	não cabe	—
2	Kimi K3 (Max) Kimi (Moonshot)	1475 #25 de 416	2779.9 B 105.8 B ativos	Licença Kimi K3	1686 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
3	glm-5.3-max GLM (Z.ai)	1471 #27 de 416	753.3 B 51.2 B ativos	MIT	458 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
4	glm-5.3-flash GLM (Z.ai)	1471 #29 de 416	321.3 B 25.4 B ativos	MIT	195 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
5	glm-5.2-max GLM (Z.ai)	1470 #31 de 416	753.3 B 51.2 B ativos	MIT	458 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
6	mimo-v2.5-pro Xiaomi	1465 #37 de 416	1023.2 B 43.8 B ativos	MIT	621 GB	+1.2% perda muito pequena	não cabe	—
7	deepseek-v4.1-flash-max DeepSeek	1463 #38 de 416	763.2 B 228.1 B ativos	MIT	464 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
8	glm-5.1 GLM (Z.ai)	1462 #39 de 416	753.9 B 51.7 B ativos	MIT	458 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
9	kimi-k2.6 Kimi (Moonshot)	1455 #44 de 416	1026.9 B 33.3 B ativos	MIT modificada	623 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
10	mimo-v2.6-flash Xiaomi	1455 #45 de 416	310.8 B 17.4 B ativos	MIT	189 GB	+1.2% perda muito pequena	não cabe	—
11	deepseek-v4-pro DeepSeek	1451 #49 de 416	1598.8 B 75.6 B ativos	MIT	970 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
12	glm-5 GLM (Z.ai)	1446 #60 de 416	753.9 B 51.8 B ativos	MIT	458 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
13	deepseek-v4-pro-high-20260813 DeepSeek	1446 #61 de 416	—	MIT	—	—	—	Chat do laboratório
14	kimi-k2.5-thinking Kimi (Moonshot)	1445 #62 de 416	—	MIT modificada	—	—	—	Chat do laboratório
15	deepseek-v4-pro-high-preview DeepSeek	1445 #63 de 416	—	MIT	—	—	—	Chat do laboratório
16	nvidia-nemotron-3-ultra-550b-a55b-nvfp4 NVIDIA	1445 #64 de 416	560.5 B 55 B ativos	OpenMDW-1.1	340 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
17	gemma-4-31bMelhor em uma 4090 Google	1443 #67 de 416	31.3 B	Apache 2.0	22 GB	+1.8% perda pequena	36 tok/s · cabe	API grátis · teste Chat do laboratório
18	inkling Thinky	1441 #74 de 416	—	Apache 2.0	—	—	—	API grátis · teste
19	qwen3.8-27b Qwen (Alibaba)	1441 #75 de 416	27.8 B	Apache 2.0	18 GB	+1.9% perda pequena	43 tok/s · cabe	Chat do laboratório
20	glm-4.6 GLM (Z.ai)	1440 #76 de 416	356.8 B 37.6 B ativos	MIT	220 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
21	hy3 Tencent	1438 #80 de 416	298.8 B 24.4 B ativos	Apache 2.0	184 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
22	qwen3.5-397b-a17b Qwen (Alibaba)	1438 #81 de 416	403.4 B 17 B ativos	Apache 2.0	245 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
23	glm-4.7 GLM (Z.ai)	1435 #87 de 416	358.3 B 39.1 B ativos	MIT	221 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
24	gemma-4-26b-a4bMais rápido em uma 4090 Google	1434 #90 de 416	25.8 B 4 B ativos	Apache 2.0	17 GB	+1.9% perda pequena	152 tok/s · cabe	API grátis · teste Chat do laboratório
25	minimax-m3 MiniMax	1433 #91 de 416	427 B 26.8 B ativos	Pesos abertos MiniMax Community License	260 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
26	deepseek-v4-flash DeepSeek	1432 #92 de 416	290.9 B 20.4 B ativos	MIT	178 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
27	glm-4.5 GLM (Z.ai)	1430 #95 de 416	358.3 B 39.1 B ativos	MIT	221 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
28	mistral-large-3 Mistral	1428 #98 de 416	—	Apache 2.0	—	—	—	—
29	mimo-v2.5 Xiaomi	1428 #100 de 416	310.8 B 17.4 B ativos	MIT	189 GB	+1.2% perda muito pequena	não cabe	—
30	deepseek-r1-0528 DeepSeek	1428 #101 de 416	684.5 B 51 B ativos	MIT	416 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
31	deepseek-v3.2-exp-thinking DeepSeek	1425 #104 de 416	685.4 B 51.9 B ativos	MIT	417 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
32	deepseek-v3.2 DeepSeek	1424 #105 de 416	685.4 B 51.9 B ativos	MIT	417 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
33	deepseek-v4-flash-high-preview DeepSeek	1424 #106 de 416	—	MIT	—	—	—	Chat do laboratório
34	longcat-flash-chat Meituan	1423 #109 de 416	561.9 B 33.4 B ativos	MIT	341 GB	+1.2% perda muito pequena	não cabe	—
35	deepseek-v3.2-exp DeepSeek	1422 #111 de 416	685.4 B 51.9 B ativos	MIT	417 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
36	mistral-medium-3.5 Mistral	1421 #112 de 416	—	MIT modificada	—	—	—	—
37	kimi-k2.5-instant Kimi (Moonshot)	1420 #113 de 416	—	MIT modificada	—	—	—	Chat do laboratório
38	qwen3-vl-235b-a22b-instruct Qwen (Alibaba)	1420 #114 de 416	235.7 B 22 B ativos	Apache 2.0	145 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
39	deepseek-v3.2-thinking DeepSeek	1420 #115 de 416	685.4 B 51.9 B ativos	MIT	417 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
40	deepseek-v3.1 DeepSeek	1420 #116 de 416	684.5 B 51.1 B ativos	MIT	416 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
41	qwen3-235b-a22b-instruct-2507 Qwen (Alibaba)	1419 #119 de 416	235.1 B 22 B ativos	Apache 2.0	145 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
42	deepseek-v3.1-terminus-thinking DeepSeek	1419 #120 de 416	—	MIT	—	—	—	Chat do laboratório
43	qwen3.5-122b-a10b Qwen (Alibaba)	1417 #123 de 416	125.1 B 10 B ativos	Apache 2.0	77 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
44	deepseek-v3.1-terminus DeepSeek	1417 #125 de 416	—	MIT	—	—	—	Chat do laboratório
45	qwen3-next-80b-a3b-instruct Qwen (Alibaba)	1417 #126 de 416	—	Apache 2.0	—	—	—	Chat do laboratório
46	deepseek-v3.1-thinking DeepSeek	1417 #128 de 416	—	MIT	—	—	—	Chat do laboratório
47	qwen3-235b-a22b-thinking-2507 Qwen (Alibaba)	1415 #131 de 416	—	Apache 2.0	—	—	—	Chat do laboratório
48	kimi-k2-thinking-turbo Kimi (Moonshot)	1414 #133 de 416	—	MIT modificada	—	—	—	Chat do laboratório
49	Inkling Small Thinky	1413 #135 de 416	—	Apache 2.0	—	—	—	API grátis · teste
50	mimo-v2-flash (non-thinking) Xiaomi	1411 #139 de 416	—	MIT	—	—	—	—
51	nvidia-nemotron-3.5-super-vl-120b-a12b-nvfp4 NVIDIA	1409 #141 de 416	—	OpenMDW-1.1	—	—	—	Chat do laboratório
52	qwen3.5-27b Qwen (Alibaba)	1409 #142 de 416	27.8 B	Apache 2.0	18 GB	+1.9% perda pequena	43 tok/s · cabe	Chat do laboratório
53	minimax-m2.7 MiniMax	1405 #148 de 416	—	MIT modificada	—	—	—	Chat do laboratório
54	step-3.5-flash Stepfun	1403 #150 de 416	—	Apache 2.0	—	—	—	—
55	hunyuan-hy3-preview Tencent	1402 #151 de 416	—	Pesos abertos tencent-hunyuan-community	—	—	—	Chat do laboratório
56	qwen3-vl-235b-a22b-thinking Qwen (Alibaba)	1401 #152 de 416	235.7 B 22 B ativos	Apache 2.0	145 GB	+1.2% perda muito pequena	não cabe	Chat do laboratório
57	qwen3.5-35b-a3b Qwen (Alibaba)	1395 #161 de 416	—	Apache 2.0	—	—	—	Chat do laboratório
58	mimo-v2-flash (thinking) Xiaomi	1395 #162 de 416	—	MIT	—	—	—	—
59	qwen3-235b-a22b-no-thinking Qwen (Alibaba)	1393 #164 de 416	—	Apache 2.0	—	—	—	Chat do laboratório
60	minimax-m2.1-preview MiniMax	1392 #165 de 416	—	MIT	—	—	—	Chat do laboratório

Tamanho: parâmetros (e parâmetros ativos nos modelos de mistura de especialistas). Necessário com 4 bits: memória de GPU em Q4_K_M com 8K de contexto. Qualidade com 4 bits: aumento de perplexity em relação ao modelo completo, com base em testes com llama.cpp ajustados pelo tamanho. Velocidade: estimativa em uma RTX 4090 (24 GB) com 64 GB de DDR5, com 4 bits. Simule o seu próprio hardware.

Os 15 melhores modelos de chat grátis

mimo-v2.6-pro 1491 Kimi K3 (Max) 1475 glm-5.3-max 1471 glm-5.3-flash 1471 glm-5.2-max 1470 mimo-v2.5-pro 1465 deepseek-v4.1-flash-max 1463 glm-5.1 1462 kimi-k2.6 1455 mimo-v2.6-flash 1455 deepseek-v4-pro 1451 glm-5 1446 deepseek-v4-pro-high-20260813 1446 kimi-k2.5-thinking 1445 deepseek-v4-pro-high-preview 1445

1350140014501500

Pontuação Arena, o eixo começa em 1350. Cor = o laboratório que criou o modelo, a mesma em todos os gráficos. Linha tracejada: melhor modelo pago, Gemini 4 Argon (High) (1532).

O que isto mostra · Como ler

O que mostra. Os 15 melhores modelos grátis para chat, pela pontuação de votos humanos às cegas na Arena. A linha tracejada é o melhor modelo pago, como referência.

Como ler. Barra mais longa, modelo melhor. O eixo não começa no zero, então diferenças pequenas parecem maiores do que são: na Arena, 10 pontos é uma diferença pequena e 50 é uma diferença clara. Cada cor é um laboratório; use os botões de laboratório acima para mostrar só alguns.

Pontuação por tamanho

Pequenos e fortes mimo-v2.6-proglm-5.3-flashgemma-4-31b

130014001500

10B100B1T

Cada ponto é um modelo aberto; mais alto é melhor, mais à esquerda é menor. A linha une os modelos que superam todos os menores. Parâmetros em escala logarítmica. Cor = o laboratório que criou o modelo.

O que isto mostra · Como ler

O que mostra. Todos os modelos abertos de tamanho conhecido: a pontuação Arena contra o número de parâmetros. O tamanho decide quanta memória você precisa para rodá-lo.

Como ler. Mais alto é melhor, mais à esquerda é menor. Os modelos no canto verde são pequenos e fortes: o melhor custo-benefício para rodar em casa. A linha liga os modelos que superam tudo que é menor que eles.

Pontuação por velocidade em casa

Rápidos e fortes gemma-4-31bgemma-4-26b-a4b

1300135014001450

10 tok/s100 tok/s

Cada ponto é um modelo aberto; mais alto é melhor, mais à direita é mais rápido em uma RTX 4090 com 4 bits. A linha une os modelos que superam todos os mais rápidos. Velocidade em escala logarítmica. Cor = o laboratório que criou o modelo.

O que isto mostra · Como ler

O que mostra. Modelos abertos que rodam em uma RTX 4090 (24 GB) com 64 GB de RAM do sistema, com 4 bits: pontuação Arena contra as palavras por segundo estimadas.

Como ler. Mais alto é melhor, mais à direita é mais rápido. O canto verde é rápido e forte: o melhor custo-benefício para um PC doméstico. Cerca de 10 tokens por segundo é a velocidade de leitura; abaixo de 5 parece lento.

Melhores modelos grátis nos últimos seis meses

14501475150015251550

mai.jun.jul.ago.set.out.

mimo-v2.6-pro 1491Kimi K3 (Max) 1475glm-5.3-max 1471glm-5.3-flash 1471glm-5.2-max 1470Melhor modelo pago

Pontuação Arena de 17 abr. 2026 a 15 out. 2026.

O que isto mostra · Como ler

O que mostra. Como mudou, em seis meses, a pontuação Arena dos cinco melhores modelos abertos, em comparação com o melhor modelo pago (cinza tracejado).

Como ler. Uma linha subindo significa que o modelo ganhou mais votos com o tempo. As linhas começam quando o modelo entrou na Arena. Mesma cor do laboratório; uma linha tracejada é um segundo modelo do mesmo laboratório.

Quem vence quem

Modelo A ↓ · Modelo B →	Gemini 4 Argon (High) (pago)	mimo-v2.6-pro	Kimi K3 (Max)	glm-5.3-max	glm-5.3-flash	glm-5.2-max	mimo-v2.5-pro	deepseek-v4.1-flash-max	glm-5.1	kimi-k2.6	mimo-v2.6-flash	deepseek-v4-pro	glm-5
Gemini 4 Argon (High) pago		0.56	0.58	0.59	0.59	0.59	0.60	0.60	0.60	0.61	0.61	0.61	0.62
mimo-v2.6-pro	0.44		0.52	0.53	0.53	0.53	0.54	0.54	0.54	0.55	0.55	0.56	0.56
Kimi K3 (Max)	0.42	0.48		0.51	0.51	0.51	0.51	0.52	0.52	0.53	0.53	0.53	0.54
glm-5.3-max	0.41	0.47	0.49		0.50	0.50	0.51	0.51	0.51	0.52	0.52	0.53	0.54
glm-5.3-flash	0.41	0.47	0.49	0.50		0.50	0.51	0.51	0.51	0.52	0.52	0.53	0.54
glm-5.2-max	0.41	0.47	0.49	0.50	0.50		0.51	0.51	0.51	0.52	0.52	0.53	0.53
mimo-v2.5-pro	0.40	0.46	0.49	0.49	0.49	0.49		0.50	0.50	0.51	0.51	0.52	0.53
deepseek-v4.1-flash-max	0.40	0.46	0.48	0.49	0.49	0.49	0.50		0.50	0.51	0.51	0.52	0.52
glm-5.1	0.40	0.46	0.48	0.49	0.49	0.49	0.50	0.50		0.51	0.51	0.52	0.52
kimi-k2.6	0.39	0.45	0.47	0.48	0.48	0.48	0.49	0.49	0.49		0.50	0.51	0.51
mimo-v2.6-flash	0.39	0.45	0.47	0.48	0.48	0.48	0.49	0.49	0.49	0.50		0.51	0.51
deepseek-v4-pro	0.39	0.44	0.47	0.47	0.47	0.47	0.48	0.48	0.48	0.49	0.49		0.51
glm-5	0.38	0.44	0.46	0.46	0.46	0.47	0.47	0.48	0.48	0.49	0.49	0.49

A costuma perder (até 0.38)Empate (0.50)A costuma ganhar (até 0.62)

Cada célula: com que frequência se espera que o modelo da linha vença o da coluna, a partir das pontuações Arena (1 / (1 + 10^((B − A) / 400)), a fórmula Elo por trás das notas da Arena). A Arena não publica cada duelo, então estas são taxas esperadas, não contadas.

O que isto mostra · Como ler

O que mostra. Para cada par dos melhores modelos, com que frequência se espera que o da linha vença o da coluna em uma votação às cegas.

Como ler. Leia ao longo de uma linha: células azuis são confrontos que esse modelo costuma ganhar; as vermelhas, os que costuma perder. 0.50 é cara ou coroa; 0.60 significa que ele vence 6 vezes em 10.

Modelos pequenos, ainda sem votos na Arena

Modelos oficiais das páginas dos laboratórios no Hugging Face, de 0.5 a 16 bilhões de parâmetros. A Arena não votou neles, então estão ordenados por downloads, que mostram popularidade, não qualidade. Rodam com 4 a 12 GB de memória de GPU.

Modelo	Downloads/mês	Tamanho	Rode em casa
Qwen3-0.6B Qwen	28.6M	0.8 B	~3 GB com 4 bits · simular
Qwen3-4B Qwen	11.7M	4 B	~5 GB com 4 bits · simular
Qwen3-8B Qwen	8.8M	8.2 B	~7 GB com 4 bits · simular
Qwen3-14B Qwen	8.7M	14.8 B	~12 GB com 4 bits · simular
Qwen3.5-4B Qwen	7.8M	4.7 B	~5 GB com 4 bits · simular
Qwen3.5-9B Qwen	7.3M	9.7 B	~8 GB com 4 bits · simular
NVIDIA-Nemotron-3-Nano-4B-BF16 nvidia	1.7M	4 B	~5 GB com 4 bits · simular
SmolVLM2-500M-Video-Instruct HuggingFaceTB	1.4M	0.5 B	~2 GB com 4 bits · simular
gemma-3-1b-it google · licença a aceitar	1.4M	1 B	~3 GB com 4 bits · simular
MiniCPM5-2B openbmb	1.3M	2.5 B	~4 GB com 4 bits · simular
DeepSeek-R1-Distill-Qwen-1.5B deepseek-ai	1.3M	1.8 B	~3 GB com 4 bits · simular
gemma-3-4b-it google · licença a aceitar	1.1M	4.3 B	~5 GB com 4 bits · simular
SmolLM3-3B HuggingFaceTB	748K	3.1 B	~4 GB com 4 bits · simular
granite-4.1-3b ibm-granite	636K	3.4 B	~4 GB com 4 bits · simular
Apertus-v1.5-8B swiss-ai · licença a aceitar	493K	8.9 B	~8 GB com 4 bits · simular
Olmo-3-7B-Think allenai	490K	7.3 B	~7 GB com 4 bits · simular
Apertus-8B-Instruct-2509 swiss-ai	432K	8.1 B	~7 GB com 4 bits · simular
DeepSeek-R1-0528-Qwen3-8B deepseek-ai	426K	8.2 B	~7 GB com 4 bits · simular
DeepSeek-R1-Distill-Qwen-7B deepseek-ai	386K	7.6 B	~7 GB com 4 bits · simular
Olmo-3-7B-Instruct allenai	384K	7.3 B	~7 GB com 4 bits · simular

Novos, aguardando votos da Arena

Lançados nos últimos 60 dias nas páginas oficiais dos laboratórios no Hugging Face, ou novos modelos grátis no OpenRouter, em que a Arena ainda não votou. Conferimos toda noite; quando a Arena vota, o modelo passa para o ranking acima.

Lançado	Modelo	Tipo	Tamanho	Necessário com 4 bits	Use de graça
17 out. 2026	DeepSeek-V4.1-Flash-1017 deepseek-ai	Chat, Visão	763.2 B 228.1 B ativos	511 GB	Download
16 out. 2026	NVIDIA-Nemotron-Labs-Dory1.0-4B-BF16 nvidia	Chat	4 B	5 GB	Download
15 out. 2026	Hy-Memory-30B-A3B tencent	Chat	30.1 B 3 B ativos	22 GB	Download
14 out. 2026	UserRepGen-4B microsoft	Chat	4.5 B	5 GB	Download
14 out. 2026	granite-switch-4.1-8b ibm-granite	Chat	8.8 B	8 GB	Download
14 out. 2026	granite-switch-4.1-30b ibm-granite	Chat	30 B	22 GB	Download
14 out. 2026	flux-3-image-klein-pup black-forest-labs	Imagem	9.4 B	8 GB	Download
13 out. 2026	Ling-3.1-flash inclusionAI	Chat	572.1 B 33.1 B ativos	383 GB	Download
13 out. 2026	flux-3-image-klein black-forest-labs	Edição de imagem	5.5 B	6 GB	Download
12 out. 2026	NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 nvidia	Chat, Visão	124.5 B 12 B ativos	85 GB	API grátis · testeDownload
12 out. 2026	LFM2.5-24B-A2B LiquidAI	Chat	24 B 2 B ativos	18 GB	Download
9 out. 2026	NVIDIA-Nemotron-3.5-Bolt-74B-A9B-BF16 nvidia	Chat, Visão	74.9 B 9 B ativos	52 GB	Download
7 out. 2026	NVIDIA-Nemotron-3.5-Bolt-74B-A9B-24GB nvidia	Chat, Visão	22.4 B 9 B ativos	17 GB	Download
7 out. 2026	MiniCPM-V-4.7-35B-A3B openbmb	Chat, Visão	35.2 B 3 B ativos	25 GB	Download
5 out. 2026	d1-omni-600M LiquidAI	Chat, Visão	0.6 B	2 GB	Download
5 out. 2026	d1-3B LiquidAI	Chat, Visão	3.1 B	4 GB	Download
29 set. 2026	AesCode-32B microsoft	Chat, Visão, Programação	33.4 B	24 GB	Download
29 set. 2026	AesCode-8B microsoft	Chat, Visão, Programação	8.8 B	8 GB	Download
17 set. 2026	Ming-Image-0.1-Design inclusionAI	Imagem	6.2 B	6 GB	Download
9 set. 2026	Kandinsky-6.0-Lite-distill-5s-Diffusers kandinskylab	Vídeo	3.2 B	4 GB	Download
9 set. 2026	Kandinsky-6.0-Pro-distill-5s-Diffusers kandinskylab	Vídeo	30.1 B	22 GB	Download
2 set. 2026	tiny-aya-l2-thinker CohereLabs	Chat	3.4 B	4 GB	Download
27 ago. 2026	Qwen-Drive-1.0-4B Qwen	Chat, Visão	4.5 B	5 GB	Download
27 ago. 2026	ContextPilot-14B tencent	Chat	14.8 B	12 GB	Download
26 ago. 2026	Bolmo-1B-Stage1 allenai	Chat	1.5 B	3 GB	Download
API grátis	XingChen: Xing4.0 29B A4B xingchen-agi	Chat	—	—	API grátis · teste
API grátis	Dots Studio: Dots3-Note Preview dots-studio	Chat	—	—	API grátis · teste
API grátis	LiquidAI: LFM2.5-2.6B liquid	Chat	—	—	API grátis · teste
API grátis	NVIDIA: Nemotron 3.5 Lightning nvidia	Chat	—	—	API grátis · teste
API grátis	Poolside: Laguna S 2.1 poolside	Chat	—	—	API grátis · teste
API grátis	Poolside: Laguna XS 2.1 poolside	Chat	—	—	API grátis · teste
API grátis	Cohere: North Mini Code cohere	Chat	—	—	API grátis · teste
API grátis	NVIDIA: Nemotron 3 Ultra nvidia	Chat	—	—	API grátis · teste
API grátis	NVIDIA: Nemotron 3 Nano Omni nvidia	Chat	—	—	API grátis · teste
API grátis	NVIDIA: Nemotron 3 Super nvidia	Chat	—	—	API grátis · teste

Perguntas frequentes

E os modelos recém-lançados?

A Arena leva alguns dias ou semanas para reunir votos suficientes. Enquanto isso, os modelos novos das páginas oficiais dos laboratórios aparecem em “Novo, aguardando votos da Arena”, com o tamanho, a memória necessária e a velocidade. Quando a Arena votar, eles entram no ranking automaticamente.

O que conta como modelo grátis?

Um modelo de pesos abertos que você pode baixar e rodar por conta própria, ou um modelo que você pode chamar hoje por uma API grátis (conferimos o OpenRouter toda noite). Modelos apenas pagos ficam fora dos rankings, mas mostramos a melhor pontuação paga como linha de referência.

De onde vêm as pontuações?

Da Arena (antiga LMSYS Chatbot Arena), onde as pessoas comparam duas respostas anônimas e votam na melhor. A Arena publica o seu ranking como conjunto de dados aberto sob a licença CC BY 4.0; nós o filtramos para os modelos grátis. Não somos afiliados à Arena.

Com que frequência é atualizado?

Toda noite. Uma tarefa agendada baixa os dados mais recentes da Arena, a lista de modelos grátis do OpenRouter e os tamanhos dos modelos do Hugging Face, e depois reconstrói o site inteiro, incluindo o relatório semanal do blog.

Posso rodar esses modelos no meu computador?

Os modelos abertos, sim, se couberem na memória da sua GPU. A página ‘Rode em casa’ estima a memória e a velocidade para a sua placa exata, de uma a dez placas, usando a arquitetura real de cada modelo

Por que os modelos pequenos não têm pontuação?

A Arena vota principalmente em modelos grandes. Listamos à parte os modelos pequenos mais populares das páginas oficiais dos laboratórios no Hugging Face e os marcamos com ‘Sem votos na Arena’, para que você ainda encontre algo que rode em uma placa de 4 a 12 GB.

Compartilhe esta página:X LinkedIn Reddit WhatsApp

Viu um número errado ou um link quebrado? Informe um erro