O desenvolvimento de modelos de ponta enfrenta obstáculos: a IA barata está tirando o poder de precificação
Grandes empresas dos EUA começam a usar coletivamente IA barata
Uma investigação do Financial Times mostra que modelos open source estão se espalhando das empresas de tecnologia para empresas tradicionais nos EUA. Os dados da AlphaSense indicam que, em agosto e setembro deste ano, as empresas norte-americanas mencionaram em chamadas de resultados e reuniões com investidores modelos de código aberto ou com pesos abertos cerca de 6 vezes mais do que no ano anterior.
1. A razão mais direta para trocar de modelo é a conta
O gasto anualizado com IA da Tinder saiu de cerca de US$ 1 milhão em janeiro para cerca de US$ 10 milhões em julho; em seis meses, ficou 10 vezes maior. Hoje, ela já direcionou solicitações comuns para modelos open source. A AT&T já atribuiu cerca de 40% das tarefas de IA a modelos open source, com planos de aumentar para 70%. Por dia, seus sistemas processam cerca de 45 bilhões de tokens; tarefas simples seguem para modelos mais baratos, e tarefas complexas ficam com a OpenAI e a Anthropic.
2. O preço por token segue em deflação
Os dados da OpenRouter mostram que o preço por unidade de token vem caindo continuamente. As chamadas estão aumentando, mas a receita não cresce proporcionalmente, porque grande parte do incremento é “capturada” por modelos open source. Assim, a participação e o poder de precificação dos modelos de ponta estão sendo corroídos ao mesmo tempo.
3. A capacidade dos modelos open source começa a empatar com os melhores
Programação já foi o maior fosso de modelos fechados na vanguarda — e também um cenário central em que as empresas aceitavam pagar um prêmio. Agora, os modelos open source já empataram a capacidade em programação com a primeira linha. A melhora dos modelos de ponta entrou em período de gargalo: gastar mais não compra inteligência na mesma proporção. Tarefas de 70 pontos exigem apenas um modelo de 70 pontos; tarefas de 70 pontos com um modelo de 90 pontos ainda chegam apenas a 70. A diferença não é tão evidente. Clientes dispostos a pagar 10 vezes mais por um modelo de 95 pontos vão se tornando cada vez menos.
4. Divergências sobre retenção de dados pioram as relações das empresas de modelos de ponta
As regras de retenção de dados do serviço da Anthropic sofreram resistência de grandes clientes como Palantir, Amazon e Microsoft. Os clientes corporativos se preocupam cada vez mais com soberania de dados e autonomia sobre os termos. Quanto mais assertivo o fornecedor de software fechado, mais motivação o cliente tem para apoiar alternativas open source — e isso constitui uma reação estrutural.
5. Mudança na lógica de entrada
Produtos como o Muse da Meta, o Grokbot da xAI e o PersonAI começam a ficar populares. Eles se apoiam em relações sociais, cenários de comunicação e portas de acesso via hardware — serviços de conexão. O usuário fica dentro de uma IA, muitas vezes, porque há amigos ali, há dados ali e há uma porta de acesso ali. Essa “aderência” não se constrói só com capacidade do modelo; nem mesmo um modelo de ponta consegue resolver a falta de entrada.
Somando essas camadas, a situação dos modelos de ponta já está bem clara: o prêmio de capacidade está encolhendo, os preços estão deflacionando, as contas estão se perdendo, a retenção de dados está sendo contestada, e a porta de entrada está nas mãos de outras pessoas.
Modelos de vanguarda não vão desaparecer, mas a era em que modelos de ponta “davam conta de tudo” está chegando ao fim. No futuro, provavelmente haverá um mercado em camadas: o open source absorve 70% das demandas comuns; a ponta fechada mantém a parte mais difícil — e também a mais lucrativa —, como aconteceu com os campos da era de internet móvel, com o ecossistema Android e iOS.
Para investimentos, a quantidade de computação ainda está crescendo, mas o “story” sobre margem de lucro, penetração e adoção corporativa dos modelos de ponta precisa ser recontado.
Grandes empresas dos EUA começam a usar coletivamente IA barata
Uma investigação do Financial Times mostra que modelos open source estão se espalhando das empresas de tecnologia para empresas tradicionais nos EUA. Os dados da AlphaSense indicam que, em agosto e setembro deste ano, as empresas norte-americanas mencionaram em chamadas de resultados e reuniões com investidores modelos de código aberto ou com pesos abertos cerca de 6 vezes mais do que no ano anterior.
1. A razão mais direta para trocar de modelo é a conta
O gasto anualizado com IA da Tinder saiu de cerca de US$ 1 milhão em janeiro para cerca de US$ 10 milhões em julho; em seis meses, ficou 10 vezes maior. Hoje, ela já direcionou solicitações comuns para modelos open source. A AT&T já atribuiu cerca de 40% das tarefas de IA a modelos open source, com planos de aumentar para 70%. Por dia, seus sistemas processam cerca de 45 bilhões de tokens; tarefas simples seguem para modelos mais baratos, e tarefas complexas ficam com a OpenAI e a Anthropic.
2. O preço por token segue em deflação
Os dados da OpenRouter mostram que o preço por unidade de token vem caindo continuamente. As chamadas estão aumentando, mas a receita não cresce proporcionalmente, porque grande parte do incremento é “capturada” por modelos open source. Assim, a participação e o poder de precificação dos modelos de ponta estão sendo corroídos ao mesmo tempo.
3. A capacidade dos modelos open source começa a empatar com os melhores
Programação já foi o maior fosso de modelos fechados na vanguarda — e também um cenário central em que as empresas aceitavam pagar um prêmio. Agora, os modelos open source já empataram a capacidade em programação com a primeira linha. A melhora dos modelos de ponta entrou em período de gargalo: gastar mais não compra inteligência na mesma proporção. Tarefas de 70 pontos exigem apenas um modelo de 70 pontos; tarefas de 70 pontos com um modelo de 90 pontos ainda chegam apenas a 70. A diferença não é tão evidente. Clientes dispostos a pagar 10 vezes mais por um modelo de 95 pontos vão se tornando cada vez menos.
4. Divergências sobre retenção de dados pioram as relações das empresas de modelos de ponta
As regras de retenção de dados do serviço da Anthropic sofreram resistência de grandes clientes como Palantir, Amazon e Microsoft. Os clientes corporativos se preocupam cada vez mais com soberania de dados e autonomia sobre os termos. Quanto mais assertivo o fornecedor de software fechado, mais motivação o cliente tem para apoiar alternativas open source — e isso constitui uma reação estrutural.
5. Mudança na lógica de entrada
Produtos como o Muse da Meta, o Grokbot da xAI e o PersonAI começam a ficar populares. Eles se apoiam em relações sociais, cenários de comunicação e portas de acesso via hardware — serviços de conexão. O usuário fica dentro de uma IA, muitas vezes, porque há amigos ali, há dados ali e há uma porta de acesso ali. Essa “aderência” não se constrói só com capacidade do modelo; nem mesmo um modelo de ponta consegue resolver a falta de entrada.
Somando essas camadas, a situação dos modelos de ponta já está bem clara: o prêmio de capacidade está encolhendo, os preços estão deflacionando, as contas estão se perdendo, a retenção de dados está sendo contestada, e a porta de entrada está nas mãos de outras pessoas.
Modelos de vanguarda não vão desaparecer, mas a era em que modelos de ponta “davam conta de tudo” está chegando ao fim. No futuro, provavelmente haverá um mercado em camadas: o open source absorve 70% das demandas comuns; a ponta fechada mantém a parte mais difícil — e também a mais lucrativa —, como aconteceu com os campos da era de internet móvel, com o ecossistema Android e iOS.
Para investimentos, a quantidade de computação ainda está crescendo, mas o “story” sobre margem de lucro, penetração e adoção corporativa dos modelos de ponta precisa ser recontado.