Como os modelos de linguagem saíram de curiosidade viral para o centro do fluxo de trabalho de devs, artistas e escritores, e o que cada um faz melhor.
Remotinho dos Sonhos
29 de setembro de 2026
Em novembro de 2022, a OpenAI lançou o ChatGPT e o mundo descobriu que dava para conversar com um computador. Quatro anos depois, a pergunta deixou de ser "isso funciona?" e virou "qual modelo eu uso para quê?". Este texto é um mapa rápido dessa história e das preferências de cada público, sem benchmark demais.
O ChatGPT, baseado no GPT-3.5, foi o momento em que a IA generativa saiu dos laboratórios. Ele errava, inventava referências e mesmo assim viciava. Em março de 2023 veio o GPT-4, e a régua subiu. No mesmo ano surgiram a Anthropic com o Claude, o Google com o Bard (depois Gemini) e a Meta com o Llama, que abriu o caminho dos modelos de pesos abertos.
Para nós, programadores, o GitHub Copilot já autocompletava código desde 2021. Mas foi o chat que mostrou que a IA podia explicar erro, escrever teste e refatorar função.
Nesse ano a disputa ficou séria. O Claude 3.5 Sonnet ganhou fama de ser o modelo que "entendia o projeto", e muita gente migrou o editor para ele. O Gemini apostou em janelas de contexto gigantes. Os abertos (Llama, Mistral, Qwen) mostraram que dava para rodar coisa boa na própria máquina. Surgiram editores nativos de IA, como o Cursor, e o autocomplete foi virando parceria.
A grande mudança foi sair do "me responde" para o "vai lá e faz". Os modelos passaram a ler o repositório, rodar comandos, corrigir os próprios erros e abrir pull request. Em janeiro de 2025, o DeepSeek mostrou que modelos competitivos podiam custar muito menos. Ferramentas de terminal ganharam espaço, e o Claude Code, lançado em maio de 2025, virou a ferramenta de programação com IA mais usada em cerca de oito meses.
Em 2026, as três grandes seguem em ritmo de lançamento quase mensal: a família Claude (Opus, Sonnet e, no topo, Fable), a família GPT-5.x da OpenAI e o Gemini 3.x do Google. Entre os abertos, DeepSeek, Kimi, Qwen e GLM disputam de perto.
Não existe "o melhor" absoluto. Os rankings mudam a cada semana, e a avaliação também: o debate saiu de "qual é o melhor" para "melhor para quê, em qual hardware e a qual preço". Ainda assim, dá para resumir o que se vê no dia a dia:
Claude: favorito para tarefas longas, refatoração de vários arquivos, revisão de código e trabalho agêntico. Costuma ser o padrão de muitas equipes.
GPT-5.x (Codex): forte em raciocínio difícil e muito usado como segunda opinião ou para os problemas mais duros.
Gemini: contexto enorme e bom custo-benefício, especialmente as versões Flash para loops de alto volume.
Abertos (DeepSeek, Qwen, GLM, Kimi): escolha de quem quer controle, privacidade ou custo baixo, incluindo rodar localmente.
O comportamento mais comum é misturar. Devs experientes costumam usar vários modelos em ferramentas como Cursor, Claude Code ou Codex CLI, escolhendo o modelo pela tarefa. E vale lembrar: o modelo importa, mas o contexto, os testes e a revisão importam mais.
Aqui vai um esclarecimento: quem gera imagem, na maioria das vezes, não é uma LLM, e sim um modelo de difusão ou multimodal. Ainda assim, faz parte do mesmo ecossistema.
No 2D, o Midjourney segue como referência de estética. O Flux é lembrado pela fidelidade ao prompt em modelos abertos e o Gemini pela edição de imagens. O Stable Diffusion continua como o queridinho de quem quer controle total, com fluxos locais e ferramentas como o ComfyUI. O Adobe Firefly agrada quem precisa de segurança comercial.
No 3D, o cenário é de ferramentas especializadas de imagem/texto para modelo. Em popularidade vem o Tripo AI primeiro, seguido de Meshy, Hyper3D Rodin, Hunyuan3D e TRELLIS.2. O consenso dos profissionais é que a malha gerada ainda precisa de retopologia e ajuste, então serve muito bem para props e protótipos.
E as LLMs? Entram como copiloto de bastidor: escrever scripts em Python para o Blender, explicar shaders, montar briefings, organizar pipeline e renomear centenas de assets.
ChatGPT: o mais popular do público geral, versátil e com muitos recursos integrados.
Claude: muito elogiado por um texto mais natural e por lidar bem com documentos longos, como contratos, relatórios e especificações.
Gemini: vantagem para quem vive no Google Workspace (Docs, Gmail, Drive).
Copilot: escolha natural em empresas que já usam Microsoft 365.
Para a documentação técnica que a gente tanto adia (README, ADR, changelog), qualquer um desses resolve bem, desde que você dê o contexto certo e revise o resultado.
Em quatro anos, saímos de um chatbot que alucinava para agentes que entregam funcionalidades. O ponto de atenção continua o mesmo: quanto mais o modelo faz sozinho, mais valem os testes, o code review e o seu julgamento. A LLM acelera, mas a responsabilidade pelo que vai para produção segue com você.
E o mais provável é que esta lista esteja desatualizada em alguns meses. Escolha pela tarefa, teste você mesmo e mantenha o dedo longe do botão de "aceitar tudo".
Gostou do artigo? Compartilhe com quem precisa ver isso. 🚀