Uma empresa chinesa diz que o novo modelo reduziu em 70% o custo de uso. Mas, ao abrir a tabela de preços, o preço por milhão de tokens caiu apenas pela metade. Os 20 pontos restantes estão escondidos na linha do cache.
Em 19 de outubro, a MiniMax lançou o M3.1 Flash. Uma arquitetura de mistura de especialistas com 428 bilhões de parâmetros, mas que ativa apenas 23 bilhões de cada vez. Contexto de um milhão de tokens, aceita imagens e vídeos diretamente. Tudo isso foi divulgado pela própria empresa; ninguém de fora reproduziu os resultados ainda.
Já a tabela de preços é bem clara. Um milhão de tokens de entrada: 0,15 dólar. Saída: 0,60. Entrada lida do cache: 0,015. A geração anterior, M3, custava 0,30 e 1,20. O preço unitário caiu exatamente pela metade.
O comunicado oficial diz que o custo caiu 70%. Os 20 pontos que faltam não estão no preço. Nem um só.
Passei metade da noite pensando nisso. 0,15 e 0,015: uma diferença de dez vezes, ambos em dólares. É uma abertura bem grande. Quem já executou agentes sabe que o que realmente consome dinheiro numa tarefa é o contexto que precisa ser inserido de novo a cada rodada: o código, as definições das ferramentas, os registros das primeiras etapas. Alimenta-se tudo repetidamente, sem mudar uma palavra, e paga-se o preço cheio.
O preço do cache separa esse conteúdo e cobra um décimo. É assim que a conta total cai. O preço unitário cai 50%, a conta total cai 70%. Os dois números estão certos, mas não falam da mesma coisa. São coisas diferentes.
O fornecedor não mentiu ao dizer que o custo caiu 70%. O problema começa quando quem lê entende que tudo ficou mais barato. O que ficou mais barato foi o preço unitário; o que se economizou foi a repetição.
A Ethereum fez algo parecido há muitos anos. Na atualização Istanbul, em 2019, o custo dos dados incluídos numa transação caiu de 68 para 16 gas por byte. O motivo era simples: esses bytes precisavam ser armazenados para sempre, mas não era necessário que cada nó os executasse repetidamente. Depois, na atualização Cancun, em 2024, os dados de rollup ganharam um canal próprio: cada blob tem 128 KB, e a tarifa é calculada separadamente do gas de execução, podendo subir ou cair por conta própria. Os mesmos bytes entraram em dois baldes diferentes, e o preço pode variar dezenas de vezes.
Ao longo de todo esse caminho, ninguém anunciou que ficou mais barato. Ninguém disse que os custos caíram tantos por cento. Mudou apenas a forma de cobrar. O efeito foi o mesmo. É só isso.
Então, de onde vem essa economia de 70%?
Na verdade, o sistema identificou o conteúdo que é lido repetidamente nos cenários com agentes e passou a cobrar um décimo por ele. Quem conseguir identificar qual parte do próprio negócio é repetida recebe esse desconto. Quem não conseguir, paga o preço cheio, até o último centavo. É simples assim.
Por isso, a empresa pode escrever no comunicado que o custo por tarefa é inferior a cinco centavos de dólar. Se vende por token, o cliente pega a calculadora e confere. Se vende por tarefa, o cliente não tem como comparar. Na avaliação de 152 questões que a própria empresa executou, a conta foi de 111 dólares. Esse número confere; ninguém foi conferir os outros.
Ainda há algumas questões em aberto. A empresa diz que os pesos serão liberados no dia 23, mas não menciona uma palavra sobre a licença. Todos os resultados são divulgados pela própria empresa, sem reprodução por terceiros. No DeepSWE, o modelo marcou 73,7; o V4.1 Flash da DeepSeek, 74,2 — meio ponto a mais. No teste de terminal, marcou 38,1; o Opus 5 ficou 13,7 pontos acima. A própria empresa incluiu esses dados na tabela. Não escondeu nada.
Há mais uma coisa: não é possível desligar o raciocínio. Até para perguntas simples, o modelo precisa pensar primeiro. Escondida no dinheiro economizado, há outra conta. Quem paga? Ainda não há uma resposta clara.
Se você está executando agentes, não fique de olho apenas no preço unitário. Confira quanto conteúdo inalterado você insere no contexto a cada rodada. É essa parte que pode ser cortada.
Esse dinheiro sempre esteve na conta.
$BTC $ARB $TAO
#AI #大模型 #以太坊 #比特币 #reduçãodecustos
Em 19 de outubro, a MiniMax lançou o M3.1 Flash. Uma arquitetura de mistura de especialistas com 428 bilhões de parâmetros, mas que ativa apenas 23 bilhões de cada vez. Contexto de um milhão de tokens, aceita imagens e vídeos diretamente. Tudo isso foi divulgado pela própria empresa; ninguém de fora reproduziu os resultados ainda.
Já a tabela de preços é bem clara. Um milhão de tokens de entrada: 0,15 dólar. Saída: 0,60. Entrada lida do cache: 0,015. A geração anterior, M3, custava 0,30 e 1,20. O preço unitário caiu exatamente pela metade.
O comunicado oficial diz que o custo caiu 70%. Os 20 pontos que faltam não estão no preço. Nem um só.
Passei metade da noite pensando nisso. 0,15 e 0,015: uma diferença de dez vezes, ambos em dólares. É uma abertura bem grande. Quem já executou agentes sabe que o que realmente consome dinheiro numa tarefa é o contexto que precisa ser inserido de novo a cada rodada: o código, as definições das ferramentas, os registros das primeiras etapas. Alimenta-se tudo repetidamente, sem mudar uma palavra, e paga-se o preço cheio.
O preço do cache separa esse conteúdo e cobra um décimo. É assim que a conta total cai. O preço unitário cai 50%, a conta total cai 70%. Os dois números estão certos, mas não falam da mesma coisa. São coisas diferentes.
O fornecedor não mentiu ao dizer que o custo caiu 70%. O problema começa quando quem lê entende que tudo ficou mais barato. O que ficou mais barato foi o preço unitário; o que se economizou foi a repetição.
A Ethereum fez algo parecido há muitos anos. Na atualização Istanbul, em 2019, o custo dos dados incluídos numa transação caiu de 68 para 16 gas por byte. O motivo era simples: esses bytes precisavam ser armazenados para sempre, mas não era necessário que cada nó os executasse repetidamente. Depois, na atualização Cancun, em 2024, os dados de rollup ganharam um canal próprio: cada blob tem 128 KB, e a tarifa é calculada separadamente do gas de execução, podendo subir ou cair por conta própria. Os mesmos bytes entraram em dois baldes diferentes, e o preço pode variar dezenas de vezes.
Ao longo de todo esse caminho, ninguém anunciou que ficou mais barato. Ninguém disse que os custos caíram tantos por cento. Mudou apenas a forma de cobrar. O efeito foi o mesmo. É só isso.
Então, de onde vem essa economia de 70%?
Na verdade, o sistema identificou o conteúdo que é lido repetidamente nos cenários com agentes e passou a cobrar um décimo por ele. Quem conseguir identificar qual parte do próprio negócio é repetida recebe esse desconto. Quem não conseguir, paga o preço cheio, até o último centavo. É simples assim.
Por isso, a empresa pode escrever no comunicado que o custo por tarefa é inferior a cinco centavos de dólar. Se vende por token, o cliente pega a calculadora e confere. Se vende por tarefa, o cliente não tem como comparar. Na avaliação de 152 questões que a própria empresa executou, a conta foi de 111 dólares. Esse número confere; ninguém foi conferir os outros.
Ainda há algumas questões em aberto. A empresa diz que os pesos serão liberados no dia 23, mas não menciona uma palavra sobre a licença. Todos os resultados são divulgados pela própria empresa, sem reprodução por terceiros. No DeepSWE, o modelo marcou 73,7; o V4.1 Flash da DeepSeek, 74,2 — meio ponto a mais. No teste de terminal, marcou 38,1; o Opus 5 ficou 13,7 pontos acima. A própria empresa incluiu esses dados na tabela. Não escondeu nada.
Há mais uma coisa: não é possível desligar o raciocínio. Até para perguntas simples, o modelo precisa pensar primeiro. Escondida no dinheiro economizado, há outra conta. Quem paga? Ainda não há uma resposta clara.
Se você está executando agentes, não fique de olho apenas no preço unitário. Confira quanto conteúdo inalterado você insere no contexto a cada rodada. É essa parte que pode ser cortada.
Esse dinheiro sempre esteve na conta.
$BTC $ARB $TAO
#AI #大模型 #以太坊 #比特币 #reduçãodecustos