Teste comparativo de Qwen3.8-Flash e GLM-5.3-Flash no desenvolvimento de uma bancada de trabalho: divisão de capacidades e pontos de escolha
Segundo reportagem do Leiphone de 30 de setembro de 2026, o autor usou o Claude Code no mesmo ambiente para fazer o Qwen3.8-Flash e o GLM-5.3-Flash, lançados no mesmo dia, desenvolverem do zero um workspace pessoal; ambos entregaram aplicações executáveis, com o GLM mais voltado à completude sistêmica e de engenharia, e o Qwen mais voltado ao fluxo de trabalho pessoal e ao design de prioridades.
O que mudou
Segundo reportagem do Leiphone de 30 de setembro de 2026, Qwen e Z.AI lançaram em 26 de agosto de 2026, no mesmo dia, o Qwen3.8-Flash-Next/Qwen3.8-Flash e o GLM-5.3-Flash. A reportagem fez os dois modelos desenvolverem, no Claude Code, com a mesma tarefa e o mesmo ambiente, uma aplicação web de workspace pessoal executável de forma independente, exigindo front-end e back-end, gestão de tarefas, agenda e notas, visão geral do trabalho, busca global, persistência de dados, CRUD, testes e README, com adaptação a Windows 11, Python 3.12 e Node.js 22.14.0, sem depender de Docker ou serviço de banco de dados separado. A reportagem afirma que ambos reconheceram componentes como tarefas, agenda, notas, Dashboard, busca, login, persistência e testes, sem degradar para páginas estáticas, e cada um concluiu a primeira rodada de desenvolvimento e uma rodada de autootimização. O autor resume que o GLM-5.3-Flash se parece mais com um modelo de entrega de engenharia, preenchendo primeiro login e registro, navegação de módulos, CRUD, cartões de estatísticas e testes; o Qwen3.8-Flash se parece mais com um modelo de design de fluxo de trabalho pessoal, introduzindo mais cedo ordenação inteligente, avisos de atraso, vencimento hoje, vencimento em 7 dias e notas em Markdown. A reportagem também registra problemas do Qwen3.8-Flash na interface, como transbordamento de texto, impossibilidade de quebra automática de linha e densidade de informação geralmente baixa. Trata-se de conclusão de teste prático da mídia, não de benchmark oficial.
Impacto para desenvolvedores
O impacto direto para desenvolvedores é que ambos os modelos de nível Flash conseguem assumir tarefas frequentes de geração de escritório, mas com estruturas de entrega diferentes, e a escolha não pode se basear apenas no preço por token. Conforme a reportagem, o lado Qwen enfatiza contexto longo de 1M, documentos longos, bases de código completas, auxílio à programação, orquestração de fluxos de trabalho e compreensão visual; o lado Zhipu inclui programação visual, tarefas de escritório, processamento de documentos e entregáveis como PPTX, PDF, DOCX e XLSX entre seus pontos de venda centrais. A reportagem afirma que o modelo principal do Qwen3.8-Flash tem 125B, com 6B de ativação na inferência, acompanhado de 51B de N-gram Embedding e 4B de MTP, adotando a rota de usar menos parâmetros ativados para absorver mais contexto; o GLM-5.3-Flash tem cerca de 320B de parâmetros totais e 18B ativados, com estrutura híbrida de sparse e linear attention, adotando a rota de usar um pool de especialistas maior para elevar o teto do Agent. A reportagem também menciona que os rankings enfatizam aspectos diferentes: o GLM foca métricas de coding e agentic como DeepSWE, NL2Repo, Toolathlon Verified, AutomationBench e Terminal-Bench 2.1, enquanto o Qwen tem cobertura mais ampla, incluindo CoWorkBench, JobBench, Vision2Web, AndroidWorld e RecreationBench. Tudo isso são afirmações da reportagem e versões oficiais; desenvolvedores devem se basear em retestes com seus próprios conjuntos de tarefas.
Integração e avaliação
A seguir estão sugestões e análises condicionais, não fatos estabelecidos na reportagem. Primeira decisão: se o objetivo for obter rapidamente um esqueleto de sistema de escritório full-stack que possa ser mantido, pode-se tentar priorizar o GLM-5.3-Flash, pois a reportagem diz que ele preenche primeiro login, módulos, CRUD, estatísticas e testes; se o objetivo for uma interface de prioridades e ritmo de tempo voltada ao indivíduo, pode-se tentar priorizar o Qwen3.8-Flash. A premissa é que a equipe já tenha testes automatizados e processo de revisão de código; os critérios de avaliação podem ser: sob a mesma descrição de requisitos, a taxa de aprovação do fluxo principal ponta a ponta executável no projeto gerado, a proporção de módulos que precisam de retrabalho manual e se o número de defeitos diminui após a segunda rodada de autootimização. Segunda decisão: se usar o Flash para assumir chamadas antes feitas pelo modelo principal. A reportagem afirma que, para a mesma tarefa, segundo o preço unitário público oficial, uma estimativa bruta seria cerca de 6,26 yuan para o Qwen3.8-Flash, 7,72 yuan para o GLM-5.3-Flash e 80,49 yuan para o GLM-5.3, mas essa estimativa é um cálculo bruto de contexto de entrada total multiplicado pelo preço unitário de entrada mais tokens de saída multiplicados pelo preço unitário de saída, sem desconto por acerto de cache; a conta real será afetada por acertos de cache, plataforma de chamada, promoções e critérios de cobrança. Portanto, a premissa é primeiro reproduzir o próprio tráfego para verificar a taxa de acerto de cache e a taxa de retentativa; os critérios de avaliação podem ser: a mudança no custo total por tarefa, no tempo ponta a ponta e no número de retentativas em relação à solução principal atual, em vez do preço por token. Terceira decisão: para fluxos de trabalho de escritório com contexto longo e uso intenso de chamadas de ferramentas, deve-se testar separadamente o custo marginal das duas rotas, pois a reportagem considera que as distribuições de volume total de contexto, número de chamadas de ferramentas e número de chamadas ao LLM não são iguais entre elas. Quarta decisão: cenários com alta exigência de qualidade de interface precisam reservar uma etapa de correção de layout de front-end para o Qwen3.8-Flash, pois a reportagem registra explicitamente seus problemas de transbordamento de texto e densidade de informação; os critérios de avaliação podem ser: a proporção de defeitos relacionados a layout entre os bugs de aceitação. Antes da integração, deve-se confirmar os preços e cotas atuais dos dois fornecedores, com base nas páginas de preços dos fabricantes.
Limites e pontos a confirmar
Esta reportagem é um teste prático de uma única mídia em ambiente específico (Claude Code, tarefa definida, Windows 11 com Python 3.12 e Node.js 22.14.0, Docker e banco de dados separado desativados); o tamanho da amostra e o número de repetições não foram divulgados, e as conclusões não devem ser extrapoladas como ranking geral de capacidade. Os dados de arquitetura e de rankings da reportagem correspondem principalmente ao Qwen3.8-Flash-Next, enquanto o teste prático chamou o Qwen3.8-Flash, e o próprio autor alerta que os dois não devem ser totalmente equiparados; o Qwen3.8-Flash-Next atualmente não está listado no KimiSeek, e a disponibilidade de API dessa versão mencionada na reportagem refere-se ao lado do fabricante; se esta plataforma a oferece e a que preço depende do catálogo real e da página de preços do fabricante. O catálogo atual do KimiSeek inclui GLM-5.3 Flash e Qwen3.8 Flash, mas as versões podem mudar com atualizações do catálogo, e antes da integração deve-se considerar o catálogo em tempo real. Os números de custo na reportagem são estimativas brutas com base em preços unitários públicos oficiais, sem considerar desconto de cache, e são estimativas do momento histórico da reportagem, não representando a cobrança atual. Escala de parâmetros, pontuações em rankings e posicionamento de capacidade são afirmações da fonte ou do fabricante, não verificadas independentemente. Além disso, a reportagem admite que nenhum dos dois modelos realmente conseguiu converter notas automaticamente em tarefas nem consolidar atas de reunião em itens de ação.
Ilustrações da notícia original
