O modelo de 7 bilhões que encara gigantes de 235: aberto do zero, com código e dados

O ZGCM-1 entrou no arXiv em 11 de setembro: um modelo denso de 7 bilhões de parâmetros, treinado do zero e 100% aberto, com pesos, código de treino e dados publicados. Em matemática e busca agêntica, o paper o coloca competitivo com modelos ordens de grandeza maiores, como o Qwen3-235B-A22B e o GLM-5.1.

Parâmetros são os ajustes internos que dão o tamanho de um modelo de IA: quanto mais, mais ele decora, e mais caro fica rodar. A aposta dos autores é que o pequeno não precisa decorar a web: compensa pensando por mais tempo antes de responder e chamando ferramentas externas, como busca. A janela de contexto é de 256 mil tokens.

A conta de eficiência vem do treino: em FP8 com o otimizador Muon, o time reporta ganho de 4,2 vezes no tempo de pré-treino até a mesma perda, medido em contexto de 16 mil. A divisão de tamanhos é da redação: 235 bilhões contra 7 dá cerca de 34 vezes, com uma ressalva: o Qwen3 é MoE e ativa 22 bilhões por vez.

O limite: todos os números são reportados pelos próprios autores, sem replicação externa até aqui. A diferença é que, com pesos, código e dados abertos, qualquer laboratório pode refazer a conta.