Rio 3.5 Open 397B: o "LLM brasileiro" que viralizou, o merge de 0.6 Nex + 0.4 Qwen e o estrago na próxima tentativa BR

O Rio 3.5 Open 397B foi lançado no dia 13 de junho de 2026 pela IplanRIO, a empresa de tecnologia da Prefeitura do Rio de Janeiro. A apresentação foi ambiciosa: o primeiro LLM brasileiro de fronteira, 397 bilhões de parâmetros, licença aberta, com uma camada de raciocínio própria chamada SwiReasoning. O custo declarado, cerca de R$ 500 mil, virou manchete. Os benchmarks divulgados sugeriam desempenho acima de Qwen 3.5 e DeepSeek em testes de raciocínio.

Vinte e quatro horas depois, o cenário era outro.

A Nex-AGI, time por trás do modelo Nex N2 Pro, abriu uma issue pública no GitHub com a aritmética dos pesos. A conta é direta: Rio 3.5 ≈ 0.6 × Nex N2 Pro + 0.4 × Qwen 3.5 397B. Não há “aproximação”. A equação é exata, validada por duas vias independentes de análise element-wise. Nex N2 Pro tinha sido lançado cerca de uma semana antes do Rio 3.5 — o que torna improvável que o trabalho da IplanRIO tenha precedido o do Nex-AGI.

O comunicado oficial da IplanRIO admitiu o que chamou de “upload incorreto” da versão publicada e afirmou que os pesos “verdadeiros” foram perdidos. A defesa foi tão difícil de engolir quanto o caso: um modelo de 397B com meses de trabalho municipal não some por causa de um upload errado. Hacker News, Reddit, YouTube e mídia gringa (incluindo Yahoo/Tech) replicaram o achado em horas.

o que é um model merge, e por que ele é tão mais barato

Model merge não é fraude em si. É uma técnica legítima e útil: você pega dois ou mais modelos já treinados, e combina os pesos por uma operação elemento a elemento — geralmente média ponderada, mas pode ser soma, SLERP, TIES, DARE. O resultado é um modelo que herda capacidades dos pais, às vezes com pontos fortes novos, e pode ser ajustado em cima com técnicas relativamente baratas.

O detalhe importante: o custo é uma fração minúscula do custo de pré-treinamento. Um merge element-wise de modelos de 397B pode ser feito em horas, em uma única máquina com bastante VRAM, com ferramentas abertas. Treinar um 397B do zero, mesmo com destilação pesada e dataset curado, exige clusters de GPU por semanas e orçamento de outro tamanho.

Não há nada de errado em fazer merge. Há algo errado em apresentar merge como treinamento, especialmente quando se sugere R$ 500 mil de gasto público e fundação municipal de IA.

por que esse caso não é “só mais um”

O ponto sensível é a cadeia de crédito. O ecossistema open source de modelos grandes — Qwen, Llama, DeepSeek, Mistral, Nex, Gemma — funciona na base da atribuição explícita. Você pega um modelo-base, declara, ajusta em cima, publica a derivação. Os autores dos modelos-base ganham adoção, feedback e reputação. Sem essa cadeia, o incentivo de treinar e abrir um modelo grande some.

A IplanRIO não citou Nex-AGI nem Qwen/Alibaba no model card. Esse é o problema central. A Hugging Face do projeto, prefeitura-rio/Rio-3.5-Open-397B, foi tirada do ar em seguida, mas a evidência já estava replicada.

Tratar isso como “erro de upload” é subestimar o custo reputacional. Para o ecossistema BR, o estrago real está em outra frente.

o que isso muda para o próximo modelo BR

A próxima vez que uma equipe brasileira anunciar um LLM grande, a primeira pergunta da comunidade não vai ser “como ficou no benchmark”. Vai ser “me mostra a curva de loss, o token budget, o cluster usado, a licença do dataset”. Sem evidência verificável, o benefício da dúvida evapora.

Isso é ruim para projetos sérios que vierem a seguir. Qualquer um vai carregar o peso de provar inocência antes de mostrar trabalho. E é particularmente ruim para destilação e merge — que, como discutimos no caso do Gemma 4 como modelo local multimodal, são caminhos reais e legítimos para times menores participarem do jogo.

O caminho honesto é simples: declarar o que é merge, qual o peso, qual a licença, e dar crédito. Não é fraqueza — é como o ecossistema espera que você trabalhe. Foi o que o OpenAI mostrou no playbook de avaliações terceirizadas: quanto mais aberto, mais credibilidade.

a parte que ninguém quer dizer em voz alta

A ironia é que, se o Rio 3.5 tivesse sido anunciado como “modelo municipal baseado em Nex N2 Pro + Qwen 3.5, com camada de raciocínio ajustada em dados públicos”, a manchete seria outra. Seria um caso de soberania técnica via integração, com custo de R$ 500 mil justificado e cadeia de crédito respeitada. A comunidade técnica entenderia, a imprensa cobriria direito, e o legado seria diferente.

Em vez disso, o estrago é de credibilidade — e atinge quem vem depois. Quando o próximo projeto BR sério aparecer, parte da conversa pública vai ser sobre o Rio 3.5. Esse é o custo real do atalho.

O trabalho dos times da Nex-AGI e da Alibaba/Qwen é o que de fato move a fronteira aberta hoje — vale lembrar o que o Qwen 3.7 Max mostrou sobre a nova geração de modelos abertos para agentes. Crédito a eles, não à IplanRIO.