A indústria de IA entra pela primeira vez na "fase de cálculo econômico"

OpenAI e Anthropic podem lançar uma guerra de preços, a princípio parece que duas principais empresas de IA estão competindo por usuários, mas na verdade é a primeira vez que a indústria de IA realmente entra na fase de “cálculo de valor”.

Nos últimos dois anos, o tópico mais discutido na indústria de IA foi a capacidade dos modelos: qual modelo é mais forte, quem tem melhor raciocínio, quem tem maior estabilidade de código, quem tem multimodalidade mais impressionante. Capital, mídia e usuários estão dispostos a pagar um prêmio pelo “modelo mais forte”. Mas quando a IA realmente entra nas empresas, a situação começa a mudar. As empresas não perguntam mais “o modelo é forte ou não”, mas começam a perguntar “a conta é cara ou não”; não olham mais só para “ter IA útil”, mas questionam “quantos resultados esses tokens realmente proporcionaram”. É esse o ponto que realmente merece atenção nesta notícia.

De acordo com a Reuters, citando o Wall Street Journal, a OpenAI está considerando reduzir drasticamente os preços dos seus serviços de IA para competir por usuários com a Anthropic; as discussões ainda estão em andamento, e a Reuters também afirmou que não conseguiu confirmar independentemente a reportagem. A notícia também menciona que executivos de empresas estão pressionando pelos custos de uso de IA, e Sam Altman recentemente admitiu que os custos já se tornaram um “problema enorme”. Acho que podemos colocar isso no contexto do crescimento da Anthropic no setor empresarial, da popularidade do Claude Code, do foco da OpenAI no Codex, do controle de gastos com agentes de IA por parte das empresas, e da pressão de modelos de negócios antes do IPO. Minha avaliação é: isso não é uma simples guerra de redução de tokens, mas o começo de uma transição da “demonstração de inteligência” para o “cálculo de valor” na indústria de IA.

Isso não é uma guerra de preços no sentido tradicional

Se seguir a lógica da internet tradicional, uma empresa reduz preços, outra acompanha, os usuários ganham, o mercado se expande, e os custos são diluídos pelo volume. Mas os serviços de grandes modelos não seguem exatamente essa lógica. Por trás da IA, não há uma distribuição de software com custos marginais quase zero, mas sim gastos reais com capacidade de computação, armazenamento, rede, energia, refrigeração e centros de dados.

Portanto, a IA não pode simplesmente reduzir preços indefinidamente. Os preços podem ser otimizados, o custo por token pode diminuir, a eficiência de inferência do modelo pode melhorar, cache, processamento em lote e roteamento de modelos podem reduzir custos de uso, mas o consumo de recursos básicos não desaparece do nada. A página oficial de preços da OpenAI mostra que a API do GPT-5.5 tem uma tarifa de 5 dólares por milhão de tokens de entrada e 30 dólares por milhão de tokens de saída; informações oficiais da Anthropic indicam que o Claude Opus 4.8 para uso regular custa 5 dólares por milhão de tokens de entrada e 25 dólares por milhão de tokens de saída. Isso mostra que os modelos de ponta ainda mantêm um preço de referência para tarefas de alto valor, sem entrar na fase de “preços sem limites”.

Assim, a chamada guerra de preços de IA é mais uma redução estrutural de preços do que um colapso total de preços. Consumidores, desenvolvedores, modelos de baixo nível e cenários de alta frequência podem ser os primeiros a baixar preços; tarefas principais, raciocínios complexos, códigos altamente confiáveis, e cenários com requisitos elevados de conformidade e segurança ainda manterão uma margem de lucro.

O verdadeiro problema não é se os tokens são baratos ou não, mas se cada token consegue gerar valor suficiente.

De tokenmaxxing a valuemaxxing

Na última coluna do “Lili Observa · Comentário Tecnológico”, discutimos o tokenmaxxing: empresas e funcionários aumentam o uso de tokens para provar que “estão usando IA”. Mas agora, a discussão sobre guerra de preços mostra que a indústria de IA precisa evoluir do tokenmaxxing para o valuemaxxing. Tokenmaxxing foca em “quanto de IA foi usado”; valuemaxxing foca em “quanto valor cada chamada de IA realmente criou”. Por trás dessas palavras, há duas lógicas industriais completamente diferentes.

Se uma empresa só olha o consumo de tokens, ela facilmente obterá uma curva de uso de IA aparentemente próspera: funcionários usando bastante, chamadas aumentando, contas de modelos crescendo. Mas isso não significa necessariamente aumento de produtividade. Empresas maduras, na próxima etapa, vão perguntar: esses tokens reduziram retrabalho? Encurtaram o ciclo de entrega? Melhoraram a qualidade do código? Melhoraram a experiência do cliente? Reduziram custos de vendas, suporte, P&D, operações e gestão?

Esse é o núcleo real após a IA entrar nas empresas. Antes, as empresas vendiam “capacidades inteligentes”; agora, os clientes querem comprar “resultados verificáveis”. Essa é a mudança mais importante por trás da guerra de preços: a competição de IA está mudando de “quem é mais inteligente” para “quem é mais econômico”, e mais adiante, para “quem consegue entregar resultados”.

Por que a OpenAI está sentindo pressão

A pressão da OpenAI vem de duas frentes.

Por um lado, o rápido crescimento da Anthropic no setor empresarial, especialmente a disseminação do Claude Code entre desenvolvedores e equipes de engenharia. Cenários de código são um dos mais propensos a gerar alta frequência, alto valor e forte fidelidade, pois podem ser integrados diretamente ao fluxo de trabalho de P&D, impactando a eficiência de entregas. O material mencionado indica que o Claude Code impulsiona o crescimento de receita da Anthropic, levando a OpenAI a focar no Codex. Isso mostra que o campo de batalha da IA não é mais só uma janela de chat, mas entrou no fluxo de trabalho real das empresas.

Por outro lado, os clientes estão reavaliando os custos de IA. No começo, muitas empresas adotaram IA com uma mentalidade experimental: compraram, usaram e exploraram primeiro. Mas, à medida que o uso aumenta e as contas crescem, a gestão passa a questionar: “vale a pena usar IA?” Reuters também relatou que executivos já estão insatisfeitos com os altos custos de uso de IA.

Isso não é uma onda de entusiasmo por IA, mas a entrada da IA no orçamento operacional. Orçamento de inovação conta histórias, orçamento operacional busca retorno. Nessa fase, as empresas não perguntam mais se o modelo é forte, mas quanto custa por tarefa, se o fornecedor pode ser substituído, se os resultados são mensuráveis. Minha avaliação é: se a OpenAI considerar reduzir preços, isso não significa que seu modelo de negócio foi invalidado, mas que a IA está saindo do estágio de “projeto estratégico” para “custo operacional”. Uma vez no orçamento operacional, os clientes começarão a calcular a IA de forma mais racional.

A guerra de preços realmente mudará as regras da indústria

O que essa competição realmente mudará não é o preço de um modelo específico, mas o sistema de avaliação da indústria de IA.

Primeiro, as empresas de modelos não podem mais contar apenas com “o modelo mais forte” para contar histórias, precisam provar que o “custo de inteligência por unidade” está continuamente caindo. Quem consegue fazer mais tarefas com menos tokens, menor latência e resultados mais estáveis, terá vantagem.

Segundo, os clientes corporativos passarão a montar seus próprios conjuntos de modelos. Antes, as empresas compravam o modelo mais forte diretamente; agora, vão começar a diferenciar tarefas: raciocínio complexo com modelos de ponta, atendimento ao cliente com modelos leves, busca interna com modelos locais, revisão de código com modelos especializados. No futuro, a arquitetura de IA empresarial provavelmente não será baseada em um único modelo, mas em múltiplos modelos, múltiplos fornecedores e múltiplos níveis de gestão de custos.

Terceiro, as empresas de aplicações terão oportunidades. A redução de preços dos modelos comprimirá parte do prêmio das empresas de modelos básicos, mas ampliará o valor na camada de aplicação. Afinal, o que os clientes querem no final das contas não é tokens baratos, mas resultados de negócio estáveis, entregáveis e gerenciáveis. Quem conseguir encapsular as capacidades do modelo nos processos reais do setor poderá transformar “custo de tokens” em “valor de negócio”.

Quarto, os investidores mudarão sua visão sobre as empresas de IA. Antes, olhavam para rankings de modelos, crescimento de usuários e histórias de valuation; no futuro, passarão a analisar margens de lucro, custos de inferência, retenção de clientes, taxa de conclusão de tarefas, penetração em fluxos de trabalho e economia por tarefa. Reuters relatou que a OpenAI e a Anthropic já estão em processo de IPO, e que a OpenAI teria submetido documentos de IPO secretamente; isso significa que o mercado aberto passará a avaliar mais diretamente a qualidade de receita, estrutura de custos e fidelidade dos clientes.

Minha avaliação é: a guerra de preços na IA não terminará a narrativa de alto valor, mas encerrará a fase de “contar grandes histórias só por saber chamar modelos”.

Implicações para a indústria de IA na China

Para a indústria de IA na China, há três lições importantes.

Primeiro, as grandes empresas de modelos chinesas não podem se limitar a competir por parâmetros, rankings e eventos de lançamento; precisam entrar mais cedo na disputa por eficiência de custos. Os clientes chineses são mais sensíveis a preços e mais realistas quanto ao ROI. Se o modelo tiver boa capacidade, mas o raciocínio for caro, a estabilidade insuficiente ou o ciclo de entrega não for claro, será difícil realmente integrar ao fluxo principal da empresa.

Segundo, as oportunidades na IA chinesa não estão em simplesmente copiar a OpenAI ou a Anthropic, mas em aprofundar-se nos cenários industriais e fluxos de trabalho. Manufatura, cadeia de suprimentos, comércio transfronteiriço, risco financeiro, serviços governamentais, operação de parques industriais, vendas e suporte ao cliente, questões fiscais e jurídicas — esses são processos complexos reais das empresas chinesas. Quem conseguir integrar IA nesses processos poderá transformar capacidades de modelo em serviços industriais.

Terceiro, as empresas chinesas devem estabelecer o quanto antes um sistema de governança de custos de IA. Não basta contabilizar quantos IA foram usados, é preciso avaliar o retorno de cada tarefa, fluxo, departamento. No futuro, a gestão de IA nas empresas não deve se limitar a “quais modelos foram comprados”, mas a “quais tarefas são adequadas para IA, qual modelo é mais econômico, quem revisa os resultados, como dividir custos, como avaliar o valor”.

Um ponto especialmente importante: preço baixo não significa custo real baixo. Pesquisadores de Stanford, Berkeley e outros indicam que o custo de modelos de raciocínio não é refletido apenas pelo preço na API; em alguns casos, modelos mais baratos podem consumir mais tokens de raciocínio, elevando o custo total. Isso é especialmente relevante para empresas chinesas: ao escolher fornecedores de IA, não basta olhar o preço por milhão de tokens, mas o custo total de uma tarefa desde entrada, raciocínio, saída, revisão até conclusão.

Essa é uma avaliação que sempre faço: após a entrada da IA nas empresas, o núcleo da competição não é mais quem conversa melhor, mas quem consegue realizar tarefas; não quem gasta mais tokens, mas quem consegue transformar inteligência em resultados de menor custo, maior qualidade e maior verificabilidade.

Conclusão: barato não é o fim, valor é o verdadeiro objetivo

Se a OpenAI e a Anthropic realmente entrarem em uma guerra de preços, a curto prazo será uma disputa por usuários, e a longo prazo, um teste de modelos de negócio. Isso impulsionará a redução de custos de uso de IA, acelerará a adoção por empresas, mas também forçará toda a indústria a responder uma questão mais séria: a IA está realmente criando valor ou apenas gerando contas maiores?

Portanto, o verdadeiro significado dessa guerra de preços não é se os tokens ficarão mais baratos, mas se a indústria de IA finalmente sairá da “demonstração de inteligência” para o “cálculo de valor”.

As empresas de IA que realmente terão valor no futuro não serão necessariamente as que falam melhor, mas aquelas que conseguem transformar cada consumo de inteligência em resultados de tarefas, eficiência de negócios e valor industrial.

A próxima fase da indústria de IA não é que tokens fiquem mais baratos, mas que cada token seja mais valioso.