A inferência de IA está entrando em um reset de preços, mas modelos mais baratos podem não significar IA mais barata

• Os preços da inferência de IA estão despencando enquanto os provedores de modelos disputam liderança em custos.
• Os aumentos de preço do DeepSeek mostram que a corrida para o fundo pode já estar se revertendo.
• IA mais barata poderia gerar mais uso, transferindo valor dos modelos para chips e infraestrutura.

A próxima batalha da indústria de IA não é sobre quem tem o modelo mais inteligente. É sobre quem consegue executar uma tarefa com o menor custo. Essa mudança ficou evidente este mês, quando laboratórios americanos cortaram os preços para conter rivais chineses mais baratos, apenas para o mais barato desses concorrentes, a DeepSeek, se virar e aumentar suas próprias taxas.

Por que o Custo, Não Apenas a Capacidade, Agora Decide o Mercado

Modelos chineses de peso aberto têm dominado silenciosamente. Relatórios deste ano mostram que provedores chineses agora lidam com mais da metade de todo o tráfego roteado para os EUA no OpenRouter, a plataforma que muitos desenvolvedores usam para comparar e acessar modelos, um aumento em relação a cerca de um décimo lugar no ano anterior.

A proposta é simples: desempenho quase de fronteira por uma fração do preço. Essa pressão forçou a OpenAI a agir.

Em 30 de julho, foi reduzida a precificação de entrada para o GPT-5.6 Luna em 80%, de $1 para $0,20 por milhão de tokens, com a precificação de output caindo de $6 para $1,20. Dados citados por Jefferies da Silicon Data mostram que os custos médios de inferência empresarial caíram de cerca de $2,04 por milhão de tokens no final de maio para cerca de $1,16-$1,18 em agosto, um mínimo anual.

A reviravolta de DeepSeek

Enquanto isso, a empresa que iniciou a guerra de preços acabou de aumentar muito os próprios preços. A partir de 16 a 17 de agosto, a DeepSeek introduziu o faturamento em horários de pico e fora de pico para seus modelos V4-Pro e V4-Flash, com aumentos que variam de 50% a mais de 1.100%, dependendo do modelo e do horário do dia.

A produção do V4-Pro salta de $0,87 para $3,96 por milhão de tokens no pico (9h às 12h e 14h às 18h, horário de Pequim), ou $1,98 fora do horário de pico. A produção do V4-Flash sobe de $0,28 para $1,32 no pico, e para $0,66 fora do pico.

A DeepSeek afirma que a mudança visa distribuir a demanda de forma mais equilibrada em sua infraestrutura. Mesmo após o aumento, suas taxas permanecem abaixo de muitas rivais, mas a diferença com o modelo Luna descontado da OpenAI diminuiu drasticamente e, em algumas comparações de horários de pico, desapareceu completamente.

O Ângulo do Paradoxo de Jevons

A queda dos preços não significa necessariamente a queda das notas. Quando cada tarefa fica drasticamente mais barata, torna-se econômico rodar muito mais delas: agentes em múltiplas etapas, fluxos de trabalho automatizados e processos que antes não valiam a pena automatizar.

Analistas já observaram que cargas de trabalho agentes, que encadeiam dezenas de chamadas, antes impraticáveis, agora são mais baratas do que uma única chamada semanas antes. Esse é o paradoxo clássico de Jevons: ganhos de eficiência podem expandir o consumo total mais rápido do que reduzem o preço por unidade. Em outras palavras, os gastos em IA corporativa podem continuar aumentando mesmo com a queda do custo por tarefa.

Quem Realmente Perde

Se a inferência continuar se movendo para a precificação de commodities, os desenvolvedores de modelos competindo pela produção bruta enfrentam a maior pressão, especialmente com OpenAI e Anthropic buscando IPOs com avaliações próximas a 1 trilhão de dólares. Margens menores em tokens tornam essas avaliações mais difíceis de justificar apenas por meio de vendas de modelos.

A infraestrutura parece mais isolada. Mais tarefas, agentes e chamadas de inferência ainda exigem chips, capacidade de nuvem e data centers, independentemente de quem vencer a guerra de preços.

Relacionado: Gemini 3.7 Flash pode fazer da cripto o campo de testes definitivo para agentes de IA