A IplanRIO do Rio de Janeiro lançou o Rio 3.5 em 13 de junho. A agência de TI da cidade o chamou de um modelo de classe fronteiriça: 397 bilhões de parâmetros, com uma licença permissiva de código aberto, construído pelo governo municipal de uma cidade no Sul Global.

O lançamento do Rio 3.5 ocorreu no momento perfeito: o Brasil estava jogando sua partida de abertura da Copa do Mundo, e as redes sociais já estavam em polvorosa. Comentários sobre ele rapidamente se espalharam do Brasil para além.

Mas tão rapidamente quanto ganhou atenção, surgiu uma disputa sobre quem exatamente criou o modelo.

A ficha original do modelo descrevia o Rio 3.5 como um pós-treinamento do Qwen 3.5 397B, o modelo base de código aberto da Alibaba, com uma nova camada de raciocínio chamada SwiReasoning adicionada. O custo de desenvolvimento foi reportado em R$500.000 (o Rio não confirmou isso), ou quase US$100.000 — aproximadamente 30 vezes mais barato do que sistemas de IA equivalentes disponíveis no mercado.

A arquitetura é de Mistura de Especialistas (Mixture-of-Experts), o que significa que apenas cerca de 17 bilhões dos 397 bilhões de parâmetros são ativados para cada token. Isso torna a inferência mais barata do que o tamanho do título sugere. O modelo também suporta visão e texto, lida com mais de uma dúzia de idiomas e é distribuído sob uma licença MIT totalmente aberta.

SwiReasoning é a peça central técnica. É uma estrutura de inferência sem treinamento que alterna dinamicamente entre dois modos. Quando o modelo está confiante sobre a próxima palavra — baixa entropia na distribuição de probabilidade — ele raciocina em linguagem clara. Quando incerto, ele muda para o raciocínio latente, pensando em estados internos ocultos sem emitir tokens. A IplanRIO disse que o Rio 3.5 foi especificamente treinado para explorar isso, e que os ganhos aparecem nos números de benchmark.

Os números autorrelatados eram impressionantes. O Terminal-Bench 2.1 — que mede a execução autônoma de comandos de terminal, pontuada como porcentagem de tarefas aprovadas — registrou 70.8% para o Rio 3.5, superando o Qwen 3.7 Plus com 70.3% e o poderoso DeepSeek v4 Pro com 67.9%.

No IMOAnswerBench, um benchmark de olimpíadas de matemática pontuado como porcentagem correta, o Rio 3.5 atingiu 89.5%. No HLE — Humanity's Last Exam (O Último Exame da Humanidade), uma bateria de especialistas multidomínio quase insolúvel pontuada como porcentagem — o Rio 3.5 alcançou 36.5%, à frente dos 34.7% do Qwen 3.7 Plus.

Um governo municipal superando os modelos carro-chefe mais importantes nos benchmarks de qualidade mais significativos: essa foi a manchete que se espalhou, especialmente depois que o Prefeito do Rio de Janeiro tuitou sobre isso.

“Um modelo de IA aberta treinado no Rio e financiado publicamente ao longo do último ano pela [Prefeitura do Rio] acaba de superar todos os outros modelos”, escreveu Eduardo Cavaliere. “Hoje, o mundo está falando sobre um modelo de IA aberta treinado no Rio.”

Então a Nex apareceu

"Treinado no Rio" provou não ser totalmente preciso.

A Nex-AGI, uma aliança de IA de código aberto baseada em Xangai, postou no X dias após o lançamento. O início: "O modelo Rio 3.5 bombou na internet esta semana. A reviravolta? É essencialmente o nosso modelo de código aberto, Nex N2 Pro, vestindo uma roupa diferente."

Eles analisaram os pesos. A matemática era exata: Rio 3.5 ≈ 0.6 × Nex N2 Pro + 0.4 × Qwen 3.5. Um script de verificação e um relatório completo do GitHub se seguiram.

A evidência veio em duas partes.

Primeiro, comportamental. A Nex removeu o prompt de sistema "Você é o Rio" codificado do modelo implantado e enviou 120 perguntas de identidade. Sem a máscara, a Nex relata que o modelo se autodenominou "Nex, da Nex-AGI" 79.2% das vezes. Ele se autodenominou "Rio" exatamente 0% das vezes. A Nex disse que o modelo também recitou a história específica da empresa palavra por palavra, mencionando o "Shanghai Innovation Institute" e "uma grande aliança de ecossistema de modelos". Isso são dados de treinamento da própria Nex, surgindo no modelo de outra pessoa.

Segundo, matemática. Em uma fusão genuína de pesos, cada parâmetro no novo modelo se encontra em uma linha reta entre os dois modelos de origem. A Nex mediu essa colinearidade em todas as 60 camadas. O resultado foi 0.993. Dois modelos não relacionados no mesmo espaço de parâmetros teriam pontuado perto de zero por acaso. Atingir 0.993 em cada camada não é uma coincidência. A proporção de mistura permaneceu em α ≈ 0.571, estável até três casas decimais.

Basicamente, era quase 60% Nex, com o restante sendo o modelo base Qwen.

"Cada tensor de peso no Rio é, por milhares de desvios padrão, a mesma mistura 0.6/0.4 de Nex e Qwen — em todas as 60 camadas e em cada componente da rede", escreveu a Nex. "Não há explicação inocente."

Os números também contaram uma história mais silenciosa. O Nex N2 Pro, lançado poucos dias antes do Rio 3.5, pontua 75.3% no Terminal-Bench 2.1 — mais alto que os 70.8% do Rio. No GDPval, um benchmark de previsão econômica pontuado como uma classificação estilo Elo, o Nex está em 1,585 contra os 1,533 do Rio. Se o Rio é 60% Nex, então seria de esperar que ele pontuasse abaixo do Nex nos próprios benchmarks do Nex. E de fato, pontua.

IplanRIO responde

A IplanRIO atualizou a ficha do modelo no Hugging Face — a tabela de benchmark foi removida e a atribuição mudou.

"O modelo é construído através de uma fusão de nex-agi/Nex-N2-Pro e Qwen/Qwen3.5-397B-A17B, precedida por Destilação On-Policy de um modelo mais forte", diz o Readme atualizado. "Detectamos um upload incorreto na versão anterior, onde a versão base fundida foi carregada em vez do modelo destilado final. Lamentamos a confusão e pedimos desculpas profusamente."

Nenhuma outra declaração pública da IplanRIO foi divulgada. A Nex agora está creditada.

A explicação de "upload incorreto" é a principal alegação. A IplanRIO diz que o lançamento pretendido era uma versão destilada da base fundida — não a fusão bruta em si. A destilação on-policy significa que um modelo professor mais forte gera saídas, e o aluno treina com elas enquanto também gera as suas próprias. É mais caro do que uma fusão bruta, mas ainda mais barato do que treinar do zero. Se essa etapa fosse real, representaria pelo menos algum trabalho original além da fusão.

O que realmente foi lançado, segundo a IplanRIO, foi a base fundida sem nada adicionado.

Observadores da comunidade se dividiram sobre o que isso significa. O comentarista de tecnologia Rafael Quintanilha fez uma leitura benevolente: como o Nex N2 Pro é construído sobre o Qwen, a equipe pode ter creditado a arquitetura subjacente e deixado por isso mesmo. Ele também apontou que o modelo viralizou durante uma partida da Copa do Mundo, "não necessariamente 'pronto para consumo público'".

O desenvolvedor e YouTuber de IA Lucas Montano observou que "fundir dois modelos de classe ~400B e depois aplicar a destilação de política não é trivial" — ao mesmo tempo em que reconheceu um erro técnico e uma falha de comunicação.

O pesquisador de IA Diego Ambrosio foi menos generoso. O lançamento original descrevia o Rio 3.5 como resultado de "pós-treinamento autônomo e ajuste fino proprietário" — uma descrição que implicava pesquisa original, não uma fusão.

Legal? Sim. Ético? Bem...

A fusão de modelos é totalmente legal. O Nex N2 Pro é Apache 2.0 — você pode usá-lo, modificá-lo e redistribuí-lo, desde que o credite. O Qwen 3.5 também é licenciado abertamente. Ninguém vai a tribunal por isso.

O problema foi apresentar o resultado como um trabalho desenvolvido independentemente, sem nomear todos os modelos de origem. A comunidade de código aberto já viu isso antes. No início deste ano, descobriu-se que o Composer 2 da Cursor foi construído sobre o Kimi K2.5 da Moonshot sem divulgação. A reação foi rápida e reputacional — sem advogados, apenas capturas de tela.

Construir sobre modelos abertos existentes é normal. Como a Decrypt cobriu, empilhar e fundir pesos abertos é praticamente uma subcultura própria. A norma não é "não construir sobre o trabalho de outros". A norma é: Diga o que você usou.

O que tornou isso mais ruidoso do que uma falha de atribuição típica foi o invólucro institucional. Um desenvolvedor pseudônimo lançando uma "franken-fusão" sob seu próprio nome é uma coisa. Um governo municipal usando isso para reivindicar a soberania de IA do setor público — durante a Copa do Mundo — é outra. “Foi um desperdício de recursos”, escreveu um comentarista brasileiro.

A Nex não transformou isso em uma guerra. "Estamos lisonjeados que a Cidade do Rio usou nosso trabalho para alcançar um desempenho de ponta", escreveu a empresa no X. "Mas no mundo de código aberto, a atribuição importa."

A IplanRIO está trabalhando para carregar o modelo corrigido e destilado com atribuição completa. Quando isso acontecer, as mesmas verificações serão executadas novamente — e a comunidade descobrirá se a destilação realmente mudou algo, ou se ainda é principalmente Nex com um prompt de sistema diferente.