Modelos de IA: Análise de Capacidade, Arquiteturas e Guias de Famílias
O próprio modelo, analisado: famílias, arquiteturas e tradeoffs.
Escolher um modelo é um problema diferente de executá-lo. Os runtimes, GPUs e pilhas de servidor respondem à pergunta “como executo isto”; este cluster responde a “qual modelo e por que este”.
As páginas aqui analisam os modelos como artefatos: como uma família evolui de geração em geração, o que uma arquitetura de modelo muda no que o modelo pode fazer e onde residem os compromissos entre quantização e capacidade. Todas as afirmações estão ancoradas em cartões de modelos de fornecedores, benchmarks independentes ou execuções medidas — valores de previsão são rotulados como previsões.
Onde os Modelos de IA se encaixam na pilha
O site divide a questão dos modelos em três camadas:
| Camada | O que abrange | Cluster |
|---|---|---|
| O modelo | capacidade, arquitetura, evolução da família, quantização | Você está aqui |
| O serviço | runtimes, adequação a GPU, taxa de transferência, comportamento do contexto | Hospedagem LLM · Desempenho LLM |
| O sistema | roteamento, memória, agentes, verificação | Sistemas de IA · Arquitetura LLM |
Uma afirmação de capacidade feita aqui (o que um modelo denso de 27B retém em 4 bits, o que um decisor de uma única passada de adiante emite) torna-se uma entrada para as decisões de hospedagem e desempenho tomadas em outros lugares. Os clusters são deliberadamente separados para que as tabelas de benchmarks não migrem para ensaios de arquitetura e vice-versa.
Mapa do cluster
O cluster é jovem e cresce por densidade, não por cronograma. O que existe hoje:
- Você está aqui — este pilar: o que o cluster cobre e onde estão suas fronteiras
- Arquiteturas — O que vem depois dos LLMs? Mamba, Difusão & Modelos de Mundo — a paisagem pós-transformer: modelos de espaço de estado, modelos de linguagem de difusão e modelos de mundo JEPA, com as evidências para cada um
- Famílias — Qwen 4: o que está confirmado e o que isso significa para a IA local — uma página de referência de família construída em torno da escada de benchmarks de 27B por geração, a prévia da arquitetura Flash-Next e a adequação para GPUs de consumo
Subclusters planejados, semeados quando existir um número suficiente de páginas relacionadas: benchmarks (comparações entre modelos), quantização (referências de escadas de bits), embeddings e rerankers (modelos do lado da recuperação) e comparações (família versus família).
Arquiteturas de modelos
A análise de arquitetura pergunta o que uma mudança de design faz à capacidade, à memória e ao comportamento de inferência — não qual modelo ocupa o topo de uma classificação esta semana. A página âncora cobre os candidatos alinhados para suceder ou complementar o transformer:
- Modelos de espaço de estado (Mamba) — escalonamento linear com o comprimento da sequência através de um estado recorrente comprimido
- Modelos de linguagem de difusão — geração paralela de tokens em vez de decodificação da esquerda para a direita
- Modelos de mundo e JEPA — previsão sobre representações em vez de tokens
O padrão híbrido — atenção transformer onde ela justifica seu custo, atenção linear onde não justifica — já está em modelos em lançamento, e O que vem depois dos LLMs? traça tanto a linha de pesquisa quanto as evidências de produção.
Famílias de modelos
As páginas de família acompanham uma linha de modelo entre gerações: o que cada lançamento mudou, quais ganhos de benchmark são reais versus reportados pelo fornecedor e o que a próxima geração significa para o hardware que você pode já possuir.
A primeira cobre a família de pesos abertos mais executada em GPUs de consumo:
- Qwen 4: o que está confirmado e o que isso significa para a IA local — o roadmap confirmado da Alibaba, a escada de benchmarks de 27B do Qwen3.5 → 3.6 → 3.8, Flash-Next como uma prévia de arquitetura executável e as metas de memória que um Qwen 4 de 27B atingirá.
O que não pertence aqui
As regras de fronteira mantêm o cluster honesto:
- Perguntas de serviço e ajuste fino — quão rápido um modelo executa, como ajustar o contexto, qual runtime usar — pertencem a Desempenho LLM e Hospedagem LLM. Uma página de família faz link para essas medições em vez de reproduzir tabelas de tok/s.
- Uso de modelos dentro de um sistema — camadas de roteamento, memória, design de agentes — pertence a Sistemas de IA e Arquitetura LLM.
- Modelos do lado da recuperação — embeddings e rerankers são analisados aqui como modelos, mas sua aplicação dentro de pipelines reside em RAG.
Como este cluster se conecta aos outros
- Desempenho LLM em 2026 — os contrapontos medidos às afirmações de capacidade aqui: a fronteira eficiente de modelos abertos e as páginas de benchmark de 16 GB transformam “este modelo é capaz” em “este modelo cabe e executa a N t/s”.
- Hospedagem LLM em 2026 — a decisão de runtime e infraestrutura que segue a escolha do modelo.
- O que vem depois dos LLMs? e as páginas de família referenciam-se mutuamente: prévias de arquitetura em uma família (Flash-Next) são a evidência de curto prazo para as mudanças de arquitetura que a página de paisagem descreve.
