Análise do Metatext: por dentro do metatext.ai, o diretório aberto de modelos de IA

Resumo

O Metatext (em metatext.ai) é um diretório aberto e gratuito do ecossistema de IA: compare LLMs por preço, janela de contexto e pontuação em benchmarks e depois navegue por datasets, 19.622 servidores MCP, 30.701 skills de agentes e vagas de IA, tudo em um só lugar e sem conta. O ponto que vale saber de antemão: ele mudou discretamente de uma antiga ferramenta de PLN sem código, então, se você veio atrás de um classificador de texto, esse produto acabou.

Ele é realmente útil para uma consulta rápida de preço e contexto ou para achar um servidor MCP, e os dados são atualizados continuamente. Também é irregular em alguns pontos (linhas duplicadas, preços de preenchimento, skills sem revisão), quase não tem presença pública de usuários ainda e é um lugar para encontrar as peças, não para construir algo. A aposta comercial é o Metatext Hub, um catálogo de governança que ainda está em acesso antecipado.

Um enquadramento para manter em mente ao ler: o Metatext é uma camada de descoberta. Se o seu objetivo real é colocar um agente de IA na sua fila de suporte, esse é outro trabalho, e é para ele que a eesel foi feita.

O que o Metatext realmente é

Quero esclarecer primeiro a confusão, porque é a coisa mais importante a saber sobre esta ferramenta. Dois produtos já usaram o nome Metatext, e eles fazem coisas completamente diferentes.

O original era uma plataforma de PLN sem código para criar modelos de classificação e extração de texto, o tipo de coisa que você usaria para etiquetar conteúdo ou extrair campos de documentos. Esse produto foi aposentado. A empresa migrou para um novo projeto e o classificador ficou para trás, então, se você cair em um anúncio antigo prometendo "classificar e extrair texto", está olhando para um fantasma. O nome, e tanto o domínio metatext.ai quanto o metatext.io, agora apontam para algo totalmente diferente.

O que existe hoje é um diretório aberto de modelos de IA, datasets e ferramentas. A página inicial resume com clareza: compare LLMs por custo, desempenho e contexto e depois aprofunde-se em rankings de benchmarks, datasets, servidores MCP, skills de agentes e vagas de IA ao vivo. É gratuito, é atualizado semanalmente e os dados subjacentes são descritos como abertos. O Metatext diz que o site recebe mais de 2 milhões de visitantes únicos de 89 países, o que, para um diretório de nicho para desenvolvedores, é uma audiência real.

A mudança importa além da curiosidade. Ela mostra que este é um produto jovem com nome antigo, o que explica tanto os pontos fortes (ele mira exatamente o momento atual de modelos e agentes) quanto as arestas (ainda não há muita história nem comunidade por trás da nova versão).

O que há dentro do diretório

A proposta inteira é amplitude em um só lugar: em vez de pular entre páginas de preços de provedores, sites de benchmarks, hubs de datasets e registros de ferramentas, você os tem lado a lado. Esta é a escala que o Metatext anuncia em suas seções.

São números grandes, e são o motivo para guardar o site nos favoritos. Se cada linha está limpa é outra questão, que abordarei. Primeiro, as partes mais úteis.

Comparando preços de LLM em uma tabela

O diretório de preços de LLM é a parte que eu realmente usaria. É uma tabela ao vivo e ordenável com quatro colunas: nome do modelo, custo de entrada por milhão de tokens, custo de saída por milhão de tokens e janela de contexto. Um menu de provedores permite filtrar entre 89 provedores, de hiperescaladores como Amazon Bedrock, Azure e Vertex a gateways como OpenRouter, Fireworks e Together AI.

Quando funciona, funciona bem. Dá para ver, por exemplo, que o DeepSeek V4 Flash custa US$ 0,14 de entrada e US$ 0,28 de saída com janela de contexto de 1M e que é oferecido a praticamente esse preço por dezenas de provedores, algo realmente útil de descobrir em dez segundos. Ainda mais barato, o Amazon Nova Micro sai por US$ 0,04 / US$ 0,14 com janela de 128K. O piso anunciado é um modelo a US$ 0,03 por milhão de tokens de saída.

Agora a parte honesta. Como o mesmo modelo base é listado uma vez por provedor que o oferece, a tabela está cheia de duplicatas: só o DeepSeek V4 Flash aparece em mais de 30 provedores pelo mesmo preço. Um grande bloco de linhas mostra US$ 0,00 / US$ 0,00, que são rotas de camada gratuita ou de planos com créditos, não inferência realmente gratuita. Alguns modelos roteadores mostram um valor sentinela de -US$ 1.000.000 em vez de "preço varia", e um punhado de modelos que não são de texto entra com janela de contexto 0. Nada disso é desonesto, mas significa que a tabela recompensa o leitor que já sabe o que está vendo, e não é a lista curta limpa e curada que um iniciante poderia esperar.

Há também um ponto a ressalvar em relação ao marketing. A página inicial promete pontuações de benchmark junto ao custo para você achar valor, e não apenas o topo de um ranking. Esse pareamento existe nas páginas individuais dos modelos, mas a tabela principal de preços não tem coluna de benchmark, então você não consegue ordenar o mercado inteiro por custo por qualidade em uma única visão. Esse é o recurso que eu mais gostaria de ter, e é o que ainda não está bem lá.

Benchmarks ao lado do custo

A seção de benchmarks agrega quatro rankings externos: LMArena Elo para preferência humana, LiveBench para raciocínio e programação, SWE-bench Verified para programação e Aider Polyglot, de novo para programação. É uma visão razoável em um só lugar se você quer checar a reputação de um modelo sem visitar quatro sites.

O enquadramento que eu gosto aqui é "pontuação ao lado do custo". Um ranking sozinho diz qual é o modelo mais forte; o ângulo do Metatext é que o modelo mais forte raramente é o certo para colocar em produção, e ver o preço junto à pontuação empurra você para o valor. Três dos quatro rankings pendem bastante para programação, então, se o seu interesse é suporte, redação ou raciocínio, trate os rankings de programação como aproximação e não como verdade absoluta. Para o contexto mais amplo sobre escolher e acompanhar modelos, os textos da própria eesel sobre otimização de LLM e ferramentas de monitoramento de LLM vão mais fundo do que um ranking consegue.

Os diretórios de servidores MCP e skills de agentes

Esta é a seção que me surpreendeu, e é onde o Metatext mais se esforça para estar atual. O diretório de ferramentas se divide em dois catálogos: 19.622 servidores MCP e 30.701 skills de agentes.

O Model Context Protocol é o padrão que clientes como Claude Desktop, Claude Code e Cursor usam para dar ferramentas a um agente, então um índice pesquisável de servidores é algo sensato de construir. O Metatext permite filtrar por transporte (stdio, streamable-http, sse) e runtime (npx, uvx, docker, remote), o que corresponde diretamente a como você conectaria um servidor na configuração de um cliente. Cada página de servidor traz uma seção "como me conecto?", que é o que quem usa pela primeira vez precisa.

O catálogo de skills de agentes indexa o mesmo formato SKILL.md que o Claude usa, e por isso as skills da própria Anthropic ficam ao lado de autores da comunidade, e também aparecem variantes do Codex e do Copilot rastreadas. Ele pode ser navegado por 31 tópicos, sendo os maiores Design, Code e Web.

Eis a crítica justa. Isto é um rastreamento bruto, não uma loja curada. O catálogo MCP destaca "0 Verified" e muitas linhas de skills ainda são modelos literais como __SKILL_NAME__ __SKILL_DESCRIPTION__ ou esboços nomeados por caminho puxados direto do GitHub. As contagens impressionam, mas parte do inventário é ruído. Para descoberta, tudo bem, já que você vai clicar e ler o repositório de origem de qualquer forma. É algo muito diferente de um catálogo governado em que alguém de fato revisou o que você vai instalar, que, não por coincidência, é exatamente a lacuna que o produto pago do Metatext mira.

Metatext Hub: a parte que eles planejam cobrar

O diretório gratuito é a vitrine. O Metatext Hub é o produto, e é refrescantemente claro ao dizer que ainda não foi construído: a página diz sem rodeios "In development, we're talking to platform and security teams before we build it."

O problema que ele ataca é real. As equipes de engenharia adotaram servidores MCP e skills de agentes em meses, e nada da governança que o software normal recebe veio junto. Um SKILL.md é texto sem revisão que pode dizer a um agente para executar um script, a configuração é JSON editado à mão com credenciais coladas em arquivos de configuração, e ninguém tem um inventário do que está rodando onde. A resposta do Hub é um catálogo privado em que cada modelo, servidor, skill e agente tem um responsável, uma versão e uma etapa de aprovação, passa por uma varredura de segurança (opcionalmente via AI-Infra-Guard, de código aberto da Tencent) antes que alguém possa instalá-lo e depois é instalado no cliente de cada desenvolvedor com um comando. Ele é construído sobre o projeto agentregistry, com licença Apache-2.0, então a alegação de abertura tem alguma substância.

Os preços estão explicitamente rotulados como indicativos, não finais, mas dão a ideia.

Minha opinião: o Hub é a metade mais interessante da empresa, e a honestidade de dizer que ainda está pré-lançamento é um bom sinal. Mas você não pode comprá-lo nem depender dele hoje, então, por ora, o Metatext é o diretório gratuito, e o Hub é uma lista de espera.

Onde o Metatext se encaixa e onde ele termina

Se você amplia a visão, o Metatext vive no meio da pilha de IA: abaixo das aplicações que as pessoas realmente usam e acima dos modelos e provedores brutos. É uma camada de descoberta e comparação. O trabalho inteiro dele é ajudar você a encontrar e avaliar as peças.

Vale enxergar isso com clareza, porque define para quem o Metatext serve. Se você é desenvolvedor escolhendo qual modelo colocar em produção, procurando um servidor MCP ou dimensionando um projeto de governança, é um ponto de partida útil e gratuito. Coloque nos favoritos. Se, por outro lado, seu objetivo real é ter uma IA respondendo tickets de suporte ou redigindo conteúdo, um diretório não leva você até lá. Comparar 5.206 preços de modelos não constrói um agente, assim como ler a ficha técnica de todos os motores do mercado não constrói um carro. Em algum momento você para de comparar peças e contrata algo que faz o trabalho.

Essa é a camada acima do diretório, e vale ser honesto: nenhuma tabela comparativa vive ali.

Experimente a eesel

Se você tem comparado modelos no Metatext porque quer uma IA fazendo um trabalho real, esta é a parte que fecha o ciclo. A eesel é uma plataforma de colegas de IA: em vez de montar modelos, servidores e skills por conta própria, você contrata uma colega pronta para trabalhar em uma tarefa específica. A colega de IA para helpdesk entra na sua fila de suporte atual, aprende com seus tickets passados e sua central de ajuda e redige ou envia respostas automaticamente. O redator de blog com IA pesquisa e redige posts na sua voz. Cada uma chega com as integrações e o contexto da empresa que seu papel exige, então a configuração é medida em minutos, não em um projeto de compras.

O diferencial concreto, e o motivo de isto não ser apenas o pitch de um diretório ao contrário, é que a eesel simula cada implantação primeiro com seus próprios tickets históricos. Passamos anos rodando IA em filas de suporte ao vivo e vimos bots de tom confiante darem respostas erradas, então a eesel mostra como a colega teria tratado milhares das suas conversas passadas reais antes de tocar em uma ao vivo.

E se você é do tipo de desenvolvedor que encontrou o Metatext porque vive no terminal, a eesel também fala a sua língua. A CLI da eesel controla a mesma colega do painel a partir da linha de comando: converse com ela, conecte um helpdesk, envie conhecimento, configure automações ou aprove ações retidas, tudo sem abrir um navegador. Todo comando retorna JSON, e cada workspace serve também como servidor MCP, de modo que agentes de programação como o Claude Code, o Cursor e o Codex podem operá-lo diretamente. O Metatext ajuda você a encontrar um servidor MCP; a eesel é um que você pode colocar para trabalhar. Você pode experimentar grátis e ver a eesel responder seus tickets reais antes de se comprometer.