Qwen3.8-27B vs Llama 4 vs Mistral: Comparação de LLM Local 2026

Modelos da geração anterior (Qwen3, Llama 3.3) continuam disponíveis no Ollama e ainda são muito usados. Esta comparação foca nos modelos da geração atual. Pronto para rodar um? Guia completo de instalação local do Qwen →

O SWE-bench (resolução de issues reais do GitHub) é o principal benchmark de programação em 2026 para avaliação prática. Ele testa mudanças em vários arquivos, compreensão da base de código e escrita de testes. O HumanEval (função Python única) continua útil para comparação, mas é secundário. MMLU e MATH avaliam conhecimento geral e raciocínio. Os benchmarks do Llama 4 Scout são limitados pelo lançamento recente e pela complexidade do MoE. Traços indicam benchmarks ainda não publicados ou não aplicáveis. As pontuações são divulgadas pelos fabricantes com protocolos diferentes; SWE-bench Pro e Verified são variantes distintas e não devem ser comparadas diretamente.

O Qwen3 (abril de 2026) e o Qwen3.8-27B (agosto de 2026), da Alibaba, lideram os benchmarks de programação. A Qwen informa 61,7 no SWE-bench Pro e 89,2% no GPQA Diamond para o Qwen3.8-27B — o melhor modelo denso para código disponível — e, ao contrário do Qwen 3.6 27B que ele substituiu, é um modelo nativo de visão e linguagem (entende imagens e vídeo, não apenas texto). O Qwen3 72B continua liderando o MMLU, com ~85%. A família Qwen3 inclui modelos densos e variantes MoE (35B-A3B).

Pontos fortes: programação (Python, JavaScript, SQL, líder no SWE-bench), raciocínio matemático (84% no MATH com 72B), suporte nativo a 29 idiomas, modo JSON, chamada de funções, janela de contexto de 128K em todos os tamanhos.

Pontos fracos: o estilo de seguimento de instruções em inglês pode soar menos natural que o do Llama ou do Mistral; alguns usuários relatam escrita criativa em inglês menos fluente. A origem na Alibaba gera preocupações com tratamento de dados para alguns usuários corporativos, apesar dos pesos abertos.

O Llama 4 (abril de 2025) trouxe a arquitetura MoE para a família Llama. O Scout (17B ativos / 109B total, 16 especialistas, multimodal) oferece uma janela de contexto de 10M tokens — a maior entre os modelos executáveis localmente — mas precisa de ~55 GB de VRAM a Q4 e não cabe em uma GPU de consumo de 24 GB com quantizações normais (somente a 1,78 bit, ~20 tok/s). O Maverick (17B ativos / 400B total) mira configurações com várias GPUs. O Llama 3.3 70B continua sendo o modelo denso mais testado em produção. Para o melhor desempenho geral em hardware de consumo, o Qwen3.8-27B (cabe em 24 GB a Q4) supera o Scout; escolha o Scout quando precisar do contexto de 10M ou da entrada multimodal.

Pontos fortes: janela de contexto de 10M (Scout), entrada multimodal, melhor seguimento de instruções e escrita criativa em inglês, o maior suporte de ecossistema entre as famílias abertas, Llama 3.3 70B ainda muito ajustado (fine-tuned).

Pontos fracos: a alta demanda de VRAM (~55 GB a Q4) deixa o Scout fora do alcance de uma única GPU de consumo de 24 GB com quantizações normais; sem suporte multilíngue nativo (o Qwen3 ainda lidera com ampla vantagem em idiomas não ingleses); benchmarks do Llama 4 Scout ainda surgindo. O Llama 3.3 70B e o Llama 3.1 8B continuam disponíveis e são as bases mais ajustadas.

A Mistral AI produz os modelos mais eficientes em parâmetros desta comparação e agora oferece variantes especializadas. O Mistral Small 3.1, com 24B, entrega pontuações próximas às da classe de 70B exigindo só 14 GB de RAM — a melhor relação qualidade/RAM. O Devstral Small 2 (Mistral AI, 24B, 15 GB) foi feito para programação agêntica — edições em vários arquivos, chamada de ferramentas e ciclos de depuração. O Codestral 22B é o modelo da Mistral otimizado para FIM no autocompletar de IDE — o recomendado para integrações com Continue.dev e Cursor.

Pontos fortes: melhor relação qualidade/RAM (Small 3.1), Devstral para programação agêntica, Codestral para IDE/FIM, boa chamada de funções e uso de ferramentas, licença Apache 2.0 limpa nos modelos principais, origem europeia (França).

Pontos fracos: o Mistral Small v0.3 é hoje superado em benchmarks pelo Qwen3 8B e pelo Llama 3.1 8B; menos opções de tamanho no topo do que Qwen ou Llama (embora a especialização compense em parte).

A chamada de ferramentas (function calling) permite que um modelo acione APIs e ferramentas externas em fluxos agênticos. As três famílias a suportam nativamente.

Escolher o modelo é a primeira etapa; o design do prompt é a segunda. O mesmo prompt pode gerar resultados muito diferentes em Qwen, Llama e Mistral. Para técnicas sistemáticas que dão resultados consistentes em qualquer família, veja o guia de engenharia de prompts.

Classe 3B-4B: Qwen3 3B e Phi-4 Mini 3.8B superam o Llama 3.2 3B em programação e matemática. Para uso geral em inglês, o Llama 3.2 3B é mais confiável.

Classe 7B-8B: Qwen3 8B (~5 GB) e Llama 3.1 8B (~5,5 GB) superam bastante o Mistral Small v0.3. O Qwen3 8B lidera em programação; o Llama 3.1 8B lidera em seguimento de instruções em inglês.

Classe 14B-24B: Qwen3 14B e Mistral Small 3.1 24B são as principais opções. O Mistral Small 3.1 é mais forte no geral, apesar de exigir mais RAM. O Devstral Small 2 é a melhor escolha para quem faz programação agêntica nessa faixa.

Classe MoE: Llama 4 Scout (17B ativos / 109B total, 16 especialistas) e Qwen3.6-35B-A3B (3B ativos / 35B total) usam Mixture-of-Experts — só uma fração dos parâmetros é ativada por token. O Scout precisa de ~55 GB de VRAM a Q4 (cabe em uma GPU de 24 GB só a 1,78 bit, ~20 tok/s), então é uma opção de contexto longo/multimodal e não de eficiência em VRAM de consumo; as variantes MoE menores são bem mais amigáveis à VRAM. O gpt-oss:20b (21B total / 3,6B ativos, MoE) também roda em 16 GB com raciocínio ajustável.

Classe 70B-72B: Llama 3.3 70B e Qwen3 72B são os melhores modelos densos executáveis localmente em 2026. Escolha o Qwen3 72B para programação e multilíngue; o Llama 3.3 70B para tarefas gerais em inglês.

Qwen, Llama e Mistral cobrem o cenário open source. Para uma comparação que inclua alternativas comerciais — GPT-5.6, Claude Opus 5 e Gemini 3.5 — e quando escolher proprietário em vez de aberto, veja como escolher o modelo de IA certo.

Muitos desenvolvedores ainda usam a geração anterior: Mistral Small 24B (2024), Qwen3 14B (2024) e Llama 3.1 8B (2024). Esses modelos continuam disponíveis no Ollama e muito usados em produção. Esta seção os compara diretamente para equipes que ainda não migraram e explica quando vale atualizar para Qwen 3, Llama 4 ou Mistral atual.

UE e RGPD: as três famílias (Qwen3, Llama 3.x/4, Mistral) rodam totalmente em local, sem transmissão externa de dados, o que apoia — mas por si só não garante — a conformidade com o RGPD. A Mistral (origem francesa) tem a postura de conformidade mais favorável na UE. O Devstral Small 2 (Apache 2.0) e o Codestral 22B são de origem francesa; para o Codestral, confira os termos de licença. Qwen3 (Apache 2.0) e Llama 3.x/4 funcionam igualmente bem em auditoria e transparência de código aberto. O Qwen3 suporta alemão, francês e outros idiomas da UE sem perda de qualidade. Verifique as obrigações do AI Act da UE aplicáveis ao seu uso antes de lançar comercialmente.

Brasil (LGPD): rodar o modelo localmente mantém código proprietário e dados de clientes dentro da infraestrutura da organização, o que reduz a exposição a transferências internacionais de dados sob a LGPD (Lei nº 13.709/2018). A conformidade depende da base legal, das medidas técnicas e organizacionais da empresa — não só do software. O Qwen3 funciona bem com português do Brasil; a Mistral também tem bom suporte ao português.

Japão e METI: Qwen3 e Llama 3.x/4 estão alinhados às diretrizes de governança de IA do METI para IA local. Nenhum relatório especial é exigido ao implantar em infraestrutura privada dentro de redes corporativas japonesas. O Qwen3 tem forte suporte ao japonês (tokenização nativa) entre seus 29 idiomas, o que o torna preferido para cargas de trabalho em japonês.

China e CAC: o Qwen3 (Alibaba, doméstico) é fortemente preferido para a conformidade com a CAC (Administração do Ciberespaço da China), com otimização nativa para tokenização em chinês. O Kimi K2.6 (Moonshot AI, MoE de 1T total / 32B ativos, licença MIT modificada) também é de origem chinesa, mas o Ollama o lista apenas como tag em nuvem e a execução local exige hardware de servidor (300+ GB). Llama e Mistral são aceitáveis em servidores privados em território chinês, mas chamadas de API em nuvem têm escrutínio mais rígido da CAC.