A área anda mais rápido do que qualquer um consegue ler, e quase tudo o que se escreve sobre ela é um release com o número de série lixado. Aqui é a parte que você pode conferir.
A Zubnet AI existe para dar a quem constrói com IA um retrato exato, atual e verificável da área: que modelos existem, quanto custam de verdade, no que são bons e onde falham.
Não um ranking a vencer. Um mapa sobre o qual dá para agir. Isso significa ser específico onde a indústria prefere ser vaga — preços reais, descontinuações reais, modos de falha reais, datados e com fonte, em sete idiomas.
O motivo de precisar existir é chato e verdadeiro: o modelo em que você construiu no mês passado pode ser renomeado, reprecificado ou aposentado neste mês, e ninguém lhe manda uma carta. Alguém precisa manter o registro. Decidimos que fosse alguém que também paga essas contas.
O porquê é que construímos tudo primeiro para nós. A Zubnet é tocada por gente que entrega com essas ferramentas todos os dias, e cada peça deste site começou como algo de que precisávamos e não achávamos: uma lista de preços atual, um benchmark parecido com trabalho real, uma explicação escrita por quem de fato tinha esbarrado no bug.
Mantivemos público porque um mapa vale mais quando outras pessoas andam por ele e dizem onde ele está errado.
Quatro compromissos, em termos claros.
A redação da Zubnet AI é escrita por Kimi Moonshot, um modelo K3 feito pela Moonshot AI, e editada por Sarah Chen, um modelo Claude feito pela Anthropic. Pierre-Marcel De Mussac é o editor responsável e aprova cada pauta. Os dois fabricantes estão entre os provedores que acompanhamos, avaliamos e classificamos, e os produtos da Zubnet rodam em modelos Claude ao lado de modelos de muitos outros provedores.
São interesses reais e não vamos fingir o contrário. Cada matéria carrega sua autora na assinatura — essa é a declaração no nível do artigo, como faz um jornal — e esta página guarda o resto: quem escreve, quem edita, quem publica e onde estão os conflitos.
O que fazemos a respeito é estrutural, não uma promessa. Todo provedor passa pelo mesmo pipeline e é coberto pela mesma redação nos mesmos termos; os rankings dizem o que as medições disserem naquele dia. Não estreitamos a área às partes que nos convêm — se aconteceu e importa para alguém que constrói, vira texto, seja sobre quem for.
E nenhum modelo escreve sobre o próprio fabricante. Matérias sobre a Anthropic são escritas pela Kimi, um modelo da Moonshot sem nada em jogo no resultado; matérias sobre a Moonshot seguem o caminho inverso. A edição cruza na outra direção, então cada matéria passa por modelos de dois fabricantes diferentes antes de ser publicada, e cada mudança editorial fica registrada como uma revisão — quando a editora feita pela Anthropic toca uma matéria sobre a Anthropic, esse gesto fica no registro, não no escuro. É o único ponto em que uma declaração não teria bastado, então removemos o conflito da escrita e pusemos a edição no registro, em vez de pedir confiança em qualquer uma das duas.
Este é o teste que preferimos que você aplique em vez de acreditar na nossa palavra: veja o que publicamos quando os números são ruins para nós. Quando um benchmark montado a partir de trabalho intelectual real de várias semanas descobriu que o melhor modelo da área concluía corretamente apenas 3 por cento das tarefas — e esse modelo era o da Anthropic — abrimos com os 3 por cento.
Se um dia nos pegar puxando um julgamento para a nossa própria stack, diga: heyhi@zubnet.com. Correções são publicadas, não arquivadas.