O OpenRouter oferece uma única API para centenas de modelos, mas um catálogo enorme não significa que a empresa deva trocar de IA toda semana. A escolha correta depende da tarefa, licença, privacidade, ferramenta, região, custo total e capacidade de manter uma versão estável.
Ao navegar pela lista, é comum encontrar nomes como Llama, Qwen, Mistral, DeepSeek, Hermes, versões “Instruct”, “Reasoning”, “Coder”, “Vision”, “Free”, “Preview” e diversas quantizações. Este guia explica as variações de modelos no OpenRouter e cria um método de seleção voltado a empresas.
O catálogo muda rapidamente. Para ver um exemplo de análise que separa arquitetura, abertura e uso real, leia também a avaliação do ChamadoTI sobre o Kimi K3.
Neste artigo
Modelos no OpenRouter em resumo
Não escolha o modelo pelo ranking geral. Escolha uma pequena lista por processo, teste com dados representativos e fixe versão, provedor e política.
- Um modelo e um provedor são decisões diferentes.
- “Open source” e “pesos abertos” não significam a mesma coisa.
- O sufixo do modelo pode mudar treinamento, comportamento e requisitos.
- Preço por token não inclui todo o custo de integração, revisão e falhas.
- Modelos gratuitos e previews são úteis para testes, não uma base segura para processos críticos.
O que o OpenRouter faz
O OpenRouter funciona como uma camada unificada entre aplicações e diversos modelos ou provedores. A empresa usa um endpoint compatível com o padrão da API OpenAI, escolhe um identificador e pode configurar roteamento, fallback, preço, desempenho e políticas de dados.
Isso reduz o trabalho de integrar cada laboratório separadamente e permite comparar alternativas. Também acrescenta uma camada na cadeia de dados: a solicitação passa pelo roteador e é encaminhada ao provedor selecionado. A política do OpenRouter e a política do provedor precisam ser avaliadas.
A documentação informa que prompts e respostas não são registrados por padrão pelo OpenRouter, mas provedores têm políticas próprias. Há filtros para evitar fornecedores que treinam com os dados e opções de retenção zero, quando disponíveis. Em ambiente empresarial, essas configurações não podem ficar a cargo de cada desenvolvedor.
Como ler o nome de um modelo
| Parte do nome | O que costuma indicar | Cuidado |
|---|---|---|
| 7B, 70B, 405B | Ordem de grandeza dos parâmetros | Maior não é sinônimo de melhor para toda tarefa |
| Instruct ou Chat | Ajuste para seguir instruções e conversar | Normalmente é mais adequado que o modelo base para uso direto |
| Base | Modelo antes do ajuste de assistente | Pode exigir fine-tuning e template específico |
| Coder | Treinamento ou ajuste voltado a código | A qualidade varia por linguagem e tarefa |
| Vision ou VL | Entrada visual | Verifique resolução, tipos de arquivo e saída suportada |
| Reasoning, R1 ou Thinking | Modo de deliberação mais longo | Mais tokens, latência e custo não garantem acerto |
| MoE | Mistura de especialistas | Parâmetros totais e ativos podem ser muito diferentes |
| Preview, Beta, Experimental | Versão em evolução | Comportamento e disponibilidade podem mudar |
| Free | Endpoint sem cobrança direta | Limites, fila, política e disponibilidade podem ser diferentes |
Llama, Mistral, Qwen, DeepSeek e outras famílias
Llama é uma família da Meta que se tornou base de inúmeros ajustes. É comum encontrar um modelo de terceiros construído sobre uma versão do Llama. Os pesos podem ser baixados sob licença própria da Meta, que não equivale automaticamente a uma licença open source aprovada por todas as definições.
Mistral publica modelos sob licenças diferentes. A empresa informa que muitos modelos abertos usam Apache 2.0, enquanto outros adotam termos modificados. A licença precisa ser conferida no model card da versão exata, não inferida pela marca.
Qwen, DeepSeek, GLM e outras famílias ampliam as opções de raciocínio, programação, multimodalidade e idiomas. Para uma empresa brasileira, desempenho em português, documentos locais e vocabulário do setor deve ser testado diretamente. Benchmarks em inglês não respondem essa pergunta.
Também existem modelos abertos da OpenAI, como a linha gpt-oss, e muitos ajustes comunitários. O benefício é portabilidade e experimentação; o custo é avaliar origem, licença, segurança, template de chat, ferramentas, atualizações e infraestrutura.
Hermes é modelo ou agente?
Os dois. Hermes é uma família de modelos ajustados pela Nous Research. O OpenRouter lista versões como Hermes 4, construídas sobre modelos-base da família Llama, e DeepHermes, com modos de resposta direta e raciocínio.
Hermes Agent é um aplicativo agente open source separado: ele roda no terminal, mantém memória entre sessões, usa ferramentas e pode trabalhar com diferentes modelos por meio do OpenRouter. Confundir os dois seria como confundir o motor com o veículo. O agente organiza a execução; o modelo gera decisões e conteúdo dentro desse sistema.
E o “Odiseus” ou Odysseus?
Na verificação realizada para este artigo, não encontramos “Odiseus” como uma família empresarial consolidada no catálogo oficial do OpenRouter. Há projetos chamados Odysseus no Hugging Face, incluindo modelos experimentais e ajustes de Qwen, mas eles não representam uma única plataforma ou linhagem comparável a Llama e Mistral.
Esse caso ilustra um risco do mercado aberto: nomes podem ser reutilizados por projetos diferentes. Antes de testar, confirme organização publicadora, model card, base original, licença, arquivos, atividade do repositório, avaliações independentes e provedor de inferência. Um nome chamativo não é due diligence.
Open source, open weight e modelo local
| Termo | O que pode estar disponível | O que ainda precisa ser verificado |
|---|---|---|
| Pesos abertos | Arquivos treinados para download | Dados, código completo, licença e método de treinamento |
| Open source | Código e componentes sob licença aberta | Se a definição inclui pesos, dados e restrições |
| Modelo local | Inferência no equipamento da empresa | Telemetria do aplicativo, segurança, hardware e atualização |
| API aberta/compatível | Interface documentada ou compatível | Não significa que o modelo seja aberto |
Rodar localmente pode manter prompts dentro da infraestrutura, oferecer previsibilidade de custo e permitir customização. Em troca, a organização assume capacidade, disponibilidade, patches, monitoramento, controle de acesso e resposta a incidentes. Para equipes pequenas, uma API corporativa bem configurada pode ser mais segura que um servidor local abandonado.
Checklist para escolher um modelo no OpenRouter
- Defina a tarefa: extração, atendimento, código, visão, pesquisa ou raciocínio.
- Filtre recursos: tools, structured outputs, imagem, contexto, região e retenção.
- Leia a licença: uso comercial, redistribuição, atribuição e restrições.
- Escolha provedores: política, localização, latência, disponibilidade e contrato.
- Monte um conjunto de teste: casos comuns, limites, português, dados ausentes e ataques.
- Meça custo final: entrada, saída, cache, repetição, revisão humana e erro.
- Fixe a versão: evite aliases que mudam silenciosamente em processo crítico.
- Crie fallback seguro: o segundo modelo deve respeitar os mesmos requisitos de dados.
- Monitore: taxa de erro, latência, gasto, recusa, incidentes e deriva.
Quantos modelos uma empresa realmente precisa?
Para começar, três perfis costumam bastar: um modelo econômico para classificação e extração, um modelo geral para trabalho diário e um modelo forte para casos complexos. Uma alternativa de contingência pode ser adicionada depois. Catálogos com centenas de opções são úteis para o responsável pela plataforma, não para cada colaborador escolher livremente.
O portfólio deve ter proprietário, versão, finalidade aprovada, dados permitidos, limite de gasto e data de revisão. Essa disciplina evita que uma automação crítica dependa de um endpoint gratuito que desaparece ou de um modelo “preview” alterado sem teste de regressão.
Perguntas frequentes
OpenRouter hospeda todos os modelos?
Ele roteia solicitações para diferentes provedores. Um mesmo modelo pode ter vários endpoints, com diferenças de desempenho e política.
Modelo gratuito pode receber dados da empresa?
Não sem avaliação formal. O preço zero não informa retenção, treinamento, região ou confiabilidade. Use apenas dados autorizados e as configurações de privacidade adequadas.
Llama é open source?
A Meta distribui pesos sob uma licença comunitária própria. Por isso, muitos especialistas preferem o termo “pesos abertos”; confirme os termos da versão exata.
Fontes e metodologia
Catálogo e políticas verificados em 19 de julho de 2026. Preços e disponibilidade mudam rapidamente e não foram congelados neste guia.
