Xiaomi MiMo lidera OpenRouter enquanto modelos chineses dominam o top cinco semanal

O MiMo-V2.5 da Xiaomi teria processado 10,5 trilhões de tokens em uma semana, liderando um ranking do OpenRouter cujas cinco primeiras posições foram ocupadas por modelos chineses.

Essa varredura importa porque o OpenRouter mede o uso roteado, e não vitórias em benchmarks ou downloads de chatbots. Desenvolvedores usam a plataforma para enviar solicitações entre modelos e provedores de infraestrutura por meio de uma única interface.

O resultado reportado, portanto, retrata um mercado específico no qual a troca é fácil e o consumo é mensurável. Também pressiona modelos premium da OpenAI, Anthropic e Google.

Segundo um relatório semanal do ranking, o MiMo-V2.5 cresceu 12% em relação à semana anterior. Dois modelos DeepSeek ocuparam o segundo e o quinto lugares.

O recém-lançado modelo Hunyuan da Tencent ficou em terceiro, enquanto a família GLM da Zhipu AI teria alcançado o quarto lugar. O modelo da Tencent registrou o crescimento mais rápido reportado após seu lançamento recente.

O resultado não prova que os modelos chineses lideram todo o mercado global de IA. O OpenRouter representa uma grande plataforma de agregação, não todas as APIs diretas, contratos empresariais ou assistentes de consumo.

Ele mostra algo mais específico e ainda importante. Os modelos chineses de pesos abertos se tornaram candidatos padrão para desenvolvedores que escolhem modelos por carga de trabalho, desempenho e eficiência operacional.

O top cinco do OpenRouter mudou mais rápido do que a narrativa do mercado

A maior mudança da semana não foi apenas o primeiro lugar do MiMo. Foi a concentração de todas as posições de liderança entre modelos desenvolvidos na China.

O ranking reportado cobriu a semana de 20 a 26 de julho de 2026. O MiMo-V2.5 liderou com cerca de 10,5 trilhões de tokens roteados e crescimento semanal de 12%.

O DeepSeek V4 Flash veio em seguida, com aproximadamente 6,37 trilhões de tokens. O Hunyuan Hy3 da Tencent teria ficado em terceiro, com cerca de 3,94 trilhões.

O GLM 5.2 da Zhipu AI ocupou o quarto lugar, com aproximadamente 3,29 trilhões de tokens. O DeepSeek V4 Pro completou o top cinco, dando ao DeepSeek duas entradas distintas.

Essas posições representam mais do que uma lista de marcas populares. Elas refletem várias estratégias de produto que competem no mesmo mercado de modelos abertos.

O MiMo-V2.5 mira cargas de trabalho multimodais e baseadas em agentes, que combinam texto, imagens, ferramentas e estado de tarefa estendido. Sua página de modelo descreve uma janela de contexto de um milhão de tokens.

O OpenRouter lista o modelo como um sistema omnimodal nativo, o que significa que ele lida com vários formatos de entrada em uma única arquitetura. A plataforma registra a data de lançamento como 22 de abril de 2026.

A listagem do modelo MiMo também enfatiza desempenho de agentes e processamento de contexto longo. Esses recursos se alinham a cargas de trabalho que geram grandes volumes de tokens.

Um agente automatizado de programação pode ler repositórios, revisar arquivos, chamar ferramentas e avaliar sua própria saída. Uma única tarefa pode consumir muito mais tokens do que uma resposta de chatbot.

As duas posições do DeepSeek revelam uma estratégia diferente. O modelo Flash atende a solicitações frequentes e sensíveis à eficiência, enquanto o modelo Pro mira tarefas mais difíceis de programação e agentes.

Esse pareamento permite que desenvolvedores roteiem trabalho rotineiro e raciocínio mais exigente para modelos diferentes da mesma família. Ele se assemelha a uma linha de produtos, e não a um único endpoint de uso geral.

A ascensão da Tencent adiciona outra camada. O aumento semanal reportado superou 999% depois que o Hunyuan Hy3 se tornou amplamente disponível em 6 de julho.

Uma porcentagem tão elevada geralmente reflete a passagem de uma base inicial pequena. Ainda assim, chegar ao top três exige tráfego absoluto substancial após esse efeito de base inicial.

Os rankings de modelos ao vivo mudam à medida que novas solicitações entram na janela de medição. Portanto, qualquer retrato publicado deve incluir suas datas e o escopo da plataforma.

Essa distinção evita uma conclusão enganosa. Os números descrevem tokens roteados pelo OpenRouter, não todos os tokens processados por cada empresa no mundo.

O tráfego direto para APIs dos fornecedores permanece fora desse ranking específico. Implantações privadas e modelos executados na infraestrutura dos clientes também permanecem em grande parte invisíveis.

Mesmo com essas limitações, a varredura tem peso. Desenvolvedores que usam uma camada de roteamento neutra tinham cinco modelos chineses no topo de sua lista coletiva de consumo.

Esse é um sinal mais forte do que uma tendência temporária nas redes sociais. Cada token roteado representa uma aplicação, experimento, agente ou sessão de usuário que escolhe um modelo para trabalho real.

Por que desenvolvedores estão roteando mais trabalho para modelos chineses

A adoção rápida reflete uma vantagem operacional: desenvolvedores podem testar esses modelos rapidamente e manter aqueles que entregam resultados aceitáveis em escala.

O OpenRouter reduz o esforço necessário para trocar de modelo. Aplicações podem manter uma integração enquanto enviam solicitações para várias famílias de modelos ou provedores de hospedagem.

Essa estrutura enfraquece uma vantagem tradicional das grandes fornecedoras de IA. Um desenvolvedor não precisa reconstruir um produto inteiro sempre que outro modelo se torna competitivo.

Os dados históricos da plataforma já mostravam esse comportamento antes da mais recente varredura. Modelos abertos chineses cresceram a partir de uma participação muito pequena no fim de 2024.

O estudo de uso do OpenRouter constatou que modelos chineses de código aberto alcançaram quase 30% do volume de tokens da plataforma em algumas semanas de 2025.

A participação média semanal ao longo do período do estudo foi de cerca de 13%. O DeepSeek permaneceu como o maior contribuinte entre os modelos abertos, enquanto Qwen e famílias mais novas ampliaram o cenário.

O relatório também constatou que modelos abertos capazes podem ganhar tráfego relevante em poucas semanas. Esse padrão ajuda a explicar a ascensão reportada da Tencent após o lançamento do Hy3.

Lançamentos frequentes dão aos desenvolvedores mais motivos para testar novamente suas decisões de roteamento. Cada lançamento pode melhorar uma capacidade, reduzir a latência ou suportar um contexto mais longo.

Pesos abertos ampliam ainda mais a distribuição. Eles permitem que provedores independentes hospedem o mesmo modelo, embora os termos de licença e os requisitos técnicos ainda variem.

Isso cria competição em dois níveis. Desenvolvedores de modelos competem em arquitetura e treinamento, enquanto provedores de infraestrutura disputam disponibilidade e qualidade de serviço.

Os usuários podem se beneficiar dessa estrutura sem operar seus próprios clusters. Eles podem selecionar versões hospedadas, mantendo mais portabilidade do que oferece uma aplicação de fornecedor único.

A demanda mais forte parece estar ligada a fluxos de trabalho de programação e agentes. O estudo do OpenRouter constatou que solicitações de programação cresceram de cerca de 11% dos tokens para mais da metade.

Essa medição cobriu as semanas recentes do estudo, não o ranking de julho de 2026. Ainda assim, ela explica por que modelos voltados a código podem acumular volumes enormes de tokens.

Agentes de programação inspecionam arquivos repetidamente, comparam resultados e revisam planos. Prompts longos também incluem contexto de repositório, logs de erro, documentação e tentativas anteriores.

Uma solicitação humana pode disparar dezenas de chamadas ao modelo. O volume de tokens, portanto, cresce mais rápido do que o número de pessoas usando uma aplicação.

Os modelos chineses foram concebidos em torno dessa carga de trabalho em mudança. O DeepSeek enfatiza programação e raciocínio, enquanto o MiMo combina contexto longo com processamento multimodal.

A Tencent também apresentou o Hunyuan como uma família que abrange conteúdo de texto, imagem, vídeo e tridimensional. Essa amplitude apoia produtos internos e o uso por desenvolvedores externos.

O resultado é um ciclo denso de lançamentos entre várias empresas bem financiadas. Xiaomi, Tencent, DeepSeek e Zhipu AI não dependem de uma única organização ou modelo de negócios compartilhado.

Sua presença simultânea reduz a chance de que o ranking reflita uma campanha promocional isolada de uma empresa. Os desenvolvedores estão distribuindo tráfego entre várias famílias de modelos chineses.

No entanto, a baixa fricção para trocar de modelo funciona nos dois sentidos. Os mesmos usuários que adotaram MiMo ou Hy3 rapidamente podem sair quando outro modelo tiver melhor desempenho.

A análise anterior do OpenRouter descreveu o mercado de modelos abertos como cada vez mais fragmentado. Nenhum modelo aberto individual controlou de forma consistente mais de aproximadamente um quarto do tráfego de modelos abertos.

Isso torna uma liderança semanal valiosa, mas frágil. O uso contínuo importa mais do que o pico de lançamento, especialmente depois que terminam o acesso gratuito ou os incentivos introdutórios de roteamento.

A verdadeira disputa é o roteamento aberto contra a dependência de modelos fechados

O conflito central não é China contra Estados Unidos. É o roteamento portátil de modelos contra a dependência de uma pilha proprietária de um único modelo.

A origem nacional torna a varredura do top cinco politicamente marcante. Ainda assim, desenvolvedores geralmente tomam decisões de roteamento por meio de uma comparação mais prática.

Eles perguntam se um modelo consegue concluir a tarefa de forma confiável, comportar o contexto necessário, chamar ferramentas corretamente e operar dentro dos limites de recursos da aplicação.

O OpenRouter torna essa comparação imediata. Uma equipe pode atribuir um modelo ao planejamento, outro à implementação e um terceiro à revisão final.

Esse design multimodelo desafia diretamente a ideia de que toda aplicação de IA deveria herdar a pilha completa de um único fornecedor. Ele separa a aplicação do modelo que está por baixo dela.

OpenAI, Anthropic e Google ainda mantêm grandes vantagens. Seus sistemas proprietários frequentemente lideram avaliações difíceis e oferecem controles empresariais, integrações e suporte maduros.

A Anthropic também ocupou uma posição forte nos gastos relacionados a programação, segundo o estudo histórico do OpenRouter. Claude continua sendo uma referência para trabalho de programação exigente.

O Google combina seus modelos Gemini com infraestrutura de nuvem, software de produtividade e distribuição para consumidores. A OpenAI conecta seus modelos a uma grande base de desenvolvedores e ao ChatGPT.

Os modelos chineses de pesos abertos exercem pressão em outro ponto. Eles tornam desempenho aceitável disponível por meio de mais hosts e incentivam a experimentação no nível da aplicação.

Essa pressão é mais forte em cargas de trabalho de alto volume e avaliação repetível. Pipelines de programação podem executar testes, comparar patches e rejeitar automaticamente saídas incorretas.

Uma empresa ainda pode escolher um modelo proprietário premium para uma decisão final crítica. Ela pode rotear a preparação de documentos ou análises repetitivas por outro modelo.

O pareamento Flash e Pro do DeepSeek se encaixa nesse padrão. Flash pode lidar com tarefas frequentes, enquanto Pro pode atender a solicitações que exigem raciocínio mais profundo.

O contexto longo do MiMo cria outra rota. Desenvolvedores podem fornecer mais material-fonte a um modelo em vez de construir uma cadeia elaborada de recuperação para cada solicitação.

Uma janela de contexto longa não garante recuperação precisa. Ela simplesmente aumenta a quantidade de material que uma aplicação pode fornecer em uma única solicitação.

A distinção importa para equipes que constroem agentes com grande volume de conhecimento. Mais contexto pode reduzir o trabalho de integração, mas material irrelevante ainda pode confundir o modelo.

Bons sistemas, portanto, precisam de avaliação, rastreabilidade e material-fonte organizado. Uma base de conhecimento de engenharia pesquisável pode apoiar essas verificações sem determinar qual modelo deve processar o conteúdo.

A mudança mais ampla favorece software independente de modelo. Essas aplicações tratam modelos como componentes substituíveis, preservando pipelines de dados, permissões e experiência do usuário.

Esse design limita a dependência de fornecedores, mas introduz novas responsabilidades de engenharia. As equipes precisam comparar a qualidade das saídas e monitorar mudanças entre vários provedores.

Eles também precisam gerenciar diferenças nos esquemas de ferramentas, no comportamento de segurança, no tratamento de contexto e na saída estruturada. Uma interface compartilhada não torna todos os modelos idênticos.

A análise da OpenRouter mostra que muitos desenvolvedores aceitam esses custos. Eles estão direcionando trabalho suficiente para modelos chineses para que todos os cinco liderem o ranking semanal.

Para fornecedores proprietários, a resposta imposta é clara. Eles precisam justificar o acesso restrito com maior confiabilidade, integrações mais robustas ou vantagens mensuráveis em tarefas valiosas.

O reconhecimento de marca, por si só, torna-se menos protetor quando desenvolvedores podem testar outro modelo em minutos. Fornecedores fechados precisam de resultados que resistam a comparações diretas de cargas de trabalho.

Volume de Tokens Não É o Mesmo que Receita, Qualidade ou Confiança

O ranking mede o consumo em uma plataforma, portanto não pode estabelecer de forma independente liderança técnica, sucesso comercial ou aceitação empresarial.

Os totais de tokens favorecem cargas de trabalho que produzem prompts e respostas longos. Loops de agentes, sessões de interpretação de papéis, análise de repositórios e geração de dados sintéticos podem dominar o volume bruto.

Um trilhão de tokens provenientes de tarefas automatizadas não equivale a um trilhão de tokens de decisões empresariais reguladas. O valor e o risco associados a essas solicitações são diferentes.

O acesso gratuito também pode distorcer os rankings. Um modelo recém-lançado pode atrair experimentos porque testá-lo exige pouco comprometimento.

O aumento reportado de mais de 999% para o Hunyuan Hy3 ilustra esse problema. O crescimento é notável, mas o ponto de partida era necessariamente muito menor.

Uma mudança duradoura exige que o modelo retenha tráfego depois que a atenção do lançamento diminui. Os totais semanais devem permanecer elevados em várias janelas móveis.

Outra limitação envolve concentração. Um único grande cliente ou aplicativo pode afetar materialmente um gráfico de toda a plataforma.

A OpenRouter reconheceu esse efeito em sua análise histórica. Uma conta de grande porte produziu um pico perceptível no volume relacionado a ferramentas durante maio de 2025.

Esse exemplo não invalida o ranking atual. Ele mostra por que observadores devem evitar converter diretamente um ranking de tokens em participação global de mercado.

A afirmação mais precisa é mais restrita. Modelos desenvolvidos na China ocuparam as cinco posições mais altas em um retrato semanal reportado pela OpenRouter.

A qualidade é igualmente difícil de inferir. Desenvolvedores podem selecionar um modelo porque ele é suficiente para uma tarefa, não porque produz a melhor saída disponível.

Um modelo que lida com classificações rotineiras pode gerar mais tokens do que um especialista usado para análises científicas difíceis. Volume e capacidade respondem a perguntas diferentes.

As alegações de benchmark das empresas exigem cautela semelhante. A DeepSeek supostamente posiciona seu modelo principal frente a sistemas fechados líderes para código e tarefas complexas de agentes.

Essas declarações precisam de avaliação independente em repositórios reais, falhas de ferramentas e fluxos de trabalho de longa duração. Uma pontuação de benchmark não consegue captar todas as restrições de produção.

O comprimento de contexto listado do MiMo também precisa de testes práticos. Modelos podem aceitar entradas longas e ainda falhar ao recuperar um detalhe crucial oculto nelas.

Latência, limites de taxa e confiabilidade do provedor também influenciam a adoção. Um aplicativo precisa de desempenho previsível durante picos de demanda, não apenas de uma arquitetura de modelo robusta.

A segurança continua sendo uma decisão separada. Algumas organizações restringem determinados provedores de modelos ou regiões de hospedagem porque os prompts podem conter material confidencial.

Pesos abertos podem reduzir essa preocupação quando clientes implantam modelos em infraestrutura controlada. No entanto, usar um modelo aberto por meio de uma API de terceiros ainda cria uma relação de dados.

Os desenvolvedores devem examinar o provedor real, a política de retenção, o comportamento de registro e o caminho geográfico de processamento. O país de origem de um modelo não responde sozinho a essas questões.

O licenciamento também merece atenção. “Código aberto” é frequentemente usado de forma imprecisa para modelos cujos pesos estão disponíveis sob restrições específicas.

A própria OpenRouter abrevia modelos de pesos abertos como OSS por simplicidade. Os compradores ainda devem revisar a licença antes de distribuir ou modificar um modelo.

Empresas reguladas podem continuar preferindo sistemas proprietários com documentação de conformidade estabelecida. Essa escolha pode persistir mesmo quando um modelo aberto lidera o volume de tokens.

O alcance entre consumidores também continua ausente. ChatGPT, Gemini e outros produtos próprios geram atividade significativa fora da OpenRouter.

Acordos empresariais diretos criam outro ponto cego. Grandes empresas frequentemente acessam modelos por meio de contratos de nuvem, em vez de plataformas públicas de agregação.

Portanto, o ranking descreve a camada contestável do mercado. Ele mostra o que acontece onde desenvolvedores podem comparar modelos com custos de troca relativamente baixos.

Essa camada importa porque pode influenciar compras futuras. Um modelo inicialmente testado por meio de um agregador pode depois migrar para hospedagem direta ou uma implantação privada.

Ainda assim, a varredura de julho deve ser tratada como um sinal de adoção, não como um veredito final. Sua mensagem mais forte diz respeito à disposição dos desenvolvedores para mudar.

O Que Xiaomi, DeepSeek e Tencent Precisam Provar a Seguir

Três sinais determinarão se a varredura das cinco primeiras posições marca uma mudança duradoura ou outro ciclo de ranking acelerado.

O primeiro sinal é a retenção. MiMo-V2.5, DeepSeek V4 Flash, Hunyuan Hy3, GLM 5.2 e DeepSeek V4 Pro precisam manter tráfego substancial além das janelas de lançamento.

Totais móveis de quatro semanas e trimestrais oferecerão uma visão melhor do que um único retrato semanal. Tráfego estável sugeriria integração em aplicativos persistentes.

Uma queda acentuada apontaria para experimentação, condições temporárias de acesso ou migração para modelos mais novos. O roteamento aberto torna tanto a adoção quanto a saída excepcionalmente rápidos.

O MiMo merece atenção especial porque liderou por uma ampla margem reportada. Sua posição se fortalecerá se os desenvolvedores continuarem usando seus recursos multimodais e de contexto longo.

O segundo sinal é a qualidade das cargas de trabalho. Avaliações independentes devem testar esses modelos dentro de sistemas completos de programação e agentes, não apenas em prompts isolados de benchmark.

Testes úteis devem medir chamadas de ferramentas bem-sucedidas, repositórios concluídos, recuperação de erros e desempenho em tarefas longas. Eles também devem divulgar a infraestrutura e os métodos de avaliação.

O DeepSeek V4 Pro enfrenta aqui o teste mais claro. Seu posicionamento reportado depende de lidar com trabalho complexo de agentes próximo ao nível dos principais modelos fechados.

Se esses resultados forem reproduzidos por equipes independentes, fornecedores proprietários enfrentarão pressão direta em cargas de trabalho de alto valor. Se não forem, o volume continuará sendo uma história de eficiência.

O Hy3 da Tencent precisa do mesmo escrutínio após sua rápida estreia. Uma alta impulsionada pelo lançamento torna-se mais significativa quando desenvolvedores publicam resultados de produção reproduzíveis.

O terceiro sinal é a resposta de OpenAI, Anthropic e Google. Sua reação mostrará se eles consideram o roteamento de modelos abertos uma ameaça estratégica.

Uma resposta pode assumir várias formas sem se concentrar em números públicos de preços. Os fornecedores podem melhorar modelos menores, expandir o contexto, fortalecer o uso de ferramentas ou flexibilizar opções de implantação.

Eles também podem aprofundar a integração empresarial, onde conformidade e suporte continuam sendo defesas mais fortes. Maior confiabilidade pode preservar a demanda premium mesmo quando a participação bruta de tokens muda.

Os próprios dados da OpenRouter sustentam esse mercado dividido. Seu estudo constatou que modelos abertos se concentravam em usos de menor custo e alto volume, enquanto sistemas fechados mantinham cargas de trabalho valiosas.

A varredura mais recente sugere que desenvolvedores chineses estão avançando dentro do segmento de alto volume. A questão não resolvida é quanto trabalho premium os acompanha.

Portanto, os desenvolvedores devem evitar escolher um vencedor a partir de um único gráfico. Eles devem testar modelos em suas próprias tarefas e preservar a capacidade de redirecionar.

Uma avaliação prática começa com prompts representativos, saídas esperadas e condições de falha. Ela deve incluir latência, conclusão de ferramentas, recuperação de contexto e revisão humana.

As equipes também devem registrar qual modelo produziu cada saída. Esse rastreamento se torna essencial quando um provedor atualiza um modelo ou uma configuração de roteamento.

Profissionais do conhecimento enfrentam uma questão relacionada. À medida que os aplicativos combinam vários modelos, eles precisam de um local estável para documentos-fonte e decisões verificadas.

Um sistema pessoal de conhecimento pode preservar essa continuidade enquanto os modelos subjacentes a um aplicativo continuam mudando.

A varredura reportada pela OpenRouter é importante porque mostra desenvolvedores agindo com base na escolha. Os modelos chineses não apenas entraram no conjunto de comparação.

Eles supostamente ocuparam todas as posições de liderança em um grande marketplace multimodelo durante uma semana. Xiaomi, DeepSeek, Tencent e Zhipu AI contribuíram para esse resultado.

No entanto, a próxima fase será mais difícil do que subir em um gráfico ao vivo. Essas empresas precisam converter experimentação em cargas de trabalho retidas, implantação confiável e desempenho reproduzível.

OpenAI, Anthropic e Google ainda possuem distribuição, relações empresariais e fortes modelos proprietários. Eles estão sob pressão, mas não desapareceram do uso global de IA.

A mudança duradoura é o enfraquecimento da lealdade automática aos modelos. Os desenvolvedores tratam cada vez mais um modelo de IA como um componente que precisa continuar conquistando seu roteamento.

Acompanhe as próximas várias janelas semanais, avaliações independentes de agentes e as respostas dos fornecedores fechados. Juntos, esses sinais revelarão se essa varredura se transforma em uma mudança duradoura de mercado.