OpenAI e Anthropic cortaram os preços dos seus LLMs em até 80% em poucos meses. Por quê?
Os cortes rápidos e acentuados de preços da OpenAI e da Anthropic são vistos como sinal de que a inferência de modelos de linguagem grande está se tornando uma commodity de baixa margem, pressionada por provedores chineses agressivos e por modelos open-weight cada vez mais capazes. Comentadores argumentam que ganhos de eficiência e melhores otimizações de inferência explicam parte da queda, mas questionam se os negócios subjacentes conseguirão algum dia cobrir os enormes custos de treinamento e infraestrutura, levantando a possibilidade de uma bolha de IA ou de uma consolidação eventual. Muitos esperam que os incumbentes respondam buscando vantagens regulatórias, focando em contratos empresariais e assistentes “agentic”, enquanto os consumidores se beneficiam de acesso mais barato no curto prazo.
Comoditização e Guerra de Preços
- Muitos veem uma clássica corrida para o fundo: LLMs tornando-se uma commodity, como banda larga ou companhias aéreas, com margens apertadas e concorrência intensa de preços.
- Os cortes de preço são amplamente atribuídos à pressão competitiva de modelos open-weight e, especialmente, de APIs chinesas mais baratas (DeepSeek, Kimi, GLM, Qwen).
- Alguns argumentam que OpenAI/Anthropic estão lutando principalmente entre si; outros dizem que a verdadeira ameaça é o “bom o suficiente a baixo custo” vindo de modelos open/local e de provedores terceirizados de inferência.
Eficiência Técnica e Fatores de Custo
- Vários comentários apontam ganhos rápidos de eficiência (truques de KV-cache, melhores motores de inferência, redução de tamanho/destilação de modelos) permitindo custos por token muito menores.
- Os números publicados pela DeepSeek (alta receita por hora de GPU em um modelo pequeno e otimizado) são frequentemente citados como prova de que a inferência pode ser muito lucrativa.
- Outros observam que esses números são auto-reportados, assumem utilização quase total e não incluem treinamento/P&D nem aquisição de clientes.
Lucratividade, Sustentabilidade e Preocupações com Bolha
- Há forte desacordo sobre se a economia atual é viável:
- Um lado: as margens de inferência são “absurdas”, permitindo cortes de preço de 80% e ainda assim fluxo de caixa positivo.
- Outro: os laboratórios são “extremamente não lucrativos” no geral; treinamento e capex superam de longe os lucros da inferência, e os preços atuais não justificam avaliações na casa dos trilhões.
- As comparações incluem companhias aéreas, expansão excessiva de fibra em telecom, a bolha dot-com e blockchain: tecnologia valiosa, mas modelos de negócio ruins ou sujeitos a ciclos de boom e colapso.
Regulação, Fossos Competitivos e Geopolítica
- Muitos veem a pressão por regulação de IA como uma tentativa de captura regulatória: restringir modelos open-weight e estrangeiros (especialmente chineses) para preservar as margens dos incumbentes dos EUA.
- Há debate sobre a viabilidade e o impacto de proibições a modelos chineses/open: provavelmente prejudicariam empresas em conformidade mais do que agentes mal-intencionados, e poderiam dar vantagem a outros países.
- Alguns esperam proibições de fato por meio de схемas de “seguro certificado”, exigências de conformidade e pressões de seguros, em vez de uma proibição explícita.
Uso, Planos “Ilimitados” e Demanda
- Há ceticismo de que planos realmente “ilimitados” de tokens possam existir, dados os custos reais de energia e computação, embora alguns esperem algo no estilo de telefonia móvel, com “ilimitado com limites flexíveis”.
- Outros observam um possível excesso de construção: se os modelos se tornarem muito mais eficientes e a demanda saturar, pode surgir capacidade excedente de GPU, deprimindo ainda mais os preços.