#Self-Hosting

PewDiePie diz que a OpenAI baniu a conta dele duas vezes por destilação enquanto treinava o Ajax, um Qwen 3.5 9B local com recusas removidas pelo Heretic. O que é destilação de modelo, como a OpenAI detecta (o relatório do caso Moonshot saiu dois dias antes), o que tem dentro do Ajax e onde fica a linha entre dado sintético legítimo e ban na sua conta.

Jev custa US$ 0,042 por milhão de tokens e é API fechada. Laya é Apache 2.0, roda offline numa GPU de 2018 e mede 7,8x mais rápido no P50. Comparativo com os números que cada lado publicou, mais a briga de anterioridade que estourou no Hacker News dois dias depois do lançamento.

A Alibaba lançou o Qwen 3.8 27B e alguém abriu o diff contra o 3.6: 59 de 59 nós do grafo mapeiam um pra um, e o único campo diferente é metadado. Mesma arquitetura, DeepSWE triplicando de 13,3 para 42,2. Aqui vão os benchmarks reais (e o que a tabela do vendor omite), a conta de VRAM que a imprensa simplificou, o KV cache de 64KB por token, o bug do template Jinja que derruba tool call no dia 1, e a diferença entre o 27B denso e o 3.8 Max de 2,4T. Com o contraponto que ninguém fez.

A Alibaba vai publicar os pesos do Qwen3.8-Max, 2,4 trilhões de parâmetros, na semana de 10 de agosto: é a primeira vez que um modelo classe Max abre. A conta honesta do que isso significa na prática: quanto pesa em VRAM, por que nem um nó de 8 H200 fecha, por que o Qwen3.8-27B é o checkpoint que realmente te interessa, e o detalhe que quase ninguém está olhando, a licença que ainda não foi anunciada.

Passo a passo pra rodar um LLM local com Ollama: instala, roda o qwen3:8b em 2 comandos e pluga no seu código pelo endpoint compatível com OpenAI. Roda com 8 GB de RAM e sem GPU obrigatória. De quebra, a conta de VRAM por tamanho de modelo e quando local ganha da API.