A equipe de Ronald Keung, do Goldman Sachs, publicou no início de julho um relatório aprofundado de cerca de 50 páginas sobre um modelo de IA chinês

O relatório afirma que os modelos chineses reduzem o custo por token para 1/4 a 1/8 do SOTA dos EUA usando uma arquitetura MoE esparsa, começando por perder dinheiro para ganhar mercado
O relatório também diz que os modelos chineses já conquistaram uma participação esmagadora nos dois principais cenários de consumo de tokens — agentes e programação — e que isso impulsionou o preço misto de tokens de toda a indústria a atingir o pico e depois cair

Detalhes específicos:
1. O preço de token misto dos principais modelos de programação da China (GLM5.2, Qwen3.7 Max) é de cerca de US$ 1 por milhão de tokens, enquanto os modelos SOTA dos EUA têm preço de US$ 4 a 8 na mesma faixa de saída
2. Vendendo com prejuízo. O GS calcula que, para os modelos agentic focados em custo-benefício, a margem de lucro EBIT atualmente é de -30%, e para os modelos de programação é de -39%; eles aguentam o prejuízo “no caixa” graças a um balanço patrimonial forte em recursos, e, segundo o modelo do GS, até 2030 eles serão revertidos para +14% e +22%, respectivamente
3. O motivo de conseguir vender tão barato é a arquitetura — a proporção de parâmetros ativados por token em modelos de ponta fica abaixo de 8%: o DeepSeek V4 Pro ativa apenas 49B em 1,6T de parâmetros totais; o GLM5.2 ativa apenas 40B em 744B; com FLOPs menores, o preço tem, portanto, um piso estrutural
4. A adoção já aparece no OpenRouter: por tarefa, os modelos chineses respondem por 5% a 16% dos gastos, mas por 85% dos tokens de agent e 89% dos tokens de código; sempre que a “custo por tarefa” vira um indicador-chave por causa do tempo e do volume, eles estão vencendo
5. Resultado: o preço misto de tokens também atingiu o pico e caiu; o SDLLMTK chegou a 2,07 por volta do início de junho e agora está em 1,67