O sinal mais claro de que a precificação de IA está sendo remensurada chegou agora: na mesma semana em que a Anthropic cancelou silenciosamente um aumento planejado de 50% no preço do Claude Sonnet 5 e a OpenAI cortou 80% do preço do GPT-5.6 Luna, a DeepSeek avisou seus usuários de API para se prepararem para um aumento “significativo”. Dois dos sinais de precificação mais importantes do setor, movendo-se em direções opostas ao mesmo tempo.
A própria bifurcação é a história — não os percentuais. Por baixo dela, a verdadeira mudança é que a IA não é mais precificada por token. Está sendo precificada por tarefa concluída com sucesso, e essa única mudança está reescrevendo quem pode cobrar o quê por inteligência.
A bifurcação: modelos dos EUA ficam mais baratos, modelos chineses ficam mais caros
De um lado, os players de fronteira estão baixando seus próprios preços. Em 30 de julho, a OpenAI cortou 80% do preço do GPT-5.6 Luna (o Terra recebeu cortes menores, e o Sol manteve seu preço de saída de US$ 30), enquanto redefinia simultaneamente as cotas dos planos pagos do Codex e do ChatGPT Work — na prática, um corte de preço tanto na API quanto na assinatura. Em 10 de agosto, a Anthropic cancelou o aumento de 50% planejado para o Sonnet 5, mantendo-o em US$ 2 por milhão de tokens de entrada / US$ 10 de saída como preço permanente.
Do outro lado, os modelos mais fortes da China estão aumentando os preços. A DeepSeek, ainda o player mais barato da classe de fronteira, com cerca de US$ 0,14/US$ 0,28 por milhão de tokens (V4-Flash), avisou os usuários para esperarem um aumento notável. E a Moonshot lançou o Kimi K3 em meados de julho numa faixa deliberadamente premium — ¥20 de entrada / ¥100 de saída por milhão de tokens. Depois de dois anos seguidos de queda nos preços dos modelos, a curva se bifurcou.
Por que os EUA estão cortando preços: não é sobre margens, é sobre cargas de trabalho
OpenAI e Anthropic estão disputando a mesma coisa: cargas de trabalho de agentes. Claude Code e Codex miram nos mesmos desenvolvedores e empresas, e cada tarefa real adicional executada revela onde os agentes falham, repetem tentativas e chamam ferramentas — feedback que é incorporado de volta às estratégias de avaliação, produto e raciocínio. O ciclo competitivo é explícito: reduzir a barreira de entrada → mais tarefas reais executadas → mais modos de falha identificados → agentes melhores → mais cargas de trabalho. Para um modelo agente de trabalho pesado, o preço controla diretamente a frequência de chamadas — e é exatamente por isso que a Anthropic abandonou um aumento de 50% em seu principal modelo agente.
A pressão de baixo: modelos de pesos abertos estão devorando o meio do mercado
Mas os cortes de preços nos EUA só fazem sentido diante de uma segunda força: os modelos chineses de pesos abertos estão absorvendo rapidamente tudo o que não precisa de inteligência de fronteira. No OpenRouter, a participação de tokens processada por modelos abertos subiu de 34% em janeiro para 65% em junho, com os quatro modelos mais populares da plataforma vindos todos da China.
O Enterprise AI Playbook do Stanford Digital Economy Lab (abril) adiciona um dado preocupante, com base em 51 implantações bem-sucedidas em 41 organizações: 42% dos projetos disseram que o modelo subjacente era totalmente substituível — número que sobe para 71% em tarefas rotineiras e definidas por regras, contra apenas 18% em raciocínios de alta complexidade e alto risco.
Essa é a verdadeira compressão estrutural. As empresas agora direcionam planejamento e raciocínio complexo para Claude ou GPT, e desviam classificação, extração, edições simples de código e conversão de formatos para DeepSeek, Qwen ou GLM. Uma tarefa que antes enviava 100% dos seus tokens para um único modelo flagship agora se divide entre um roteador. Os pesos abertos chineses estão comprimindo a superfície na qual os modelos flagship dos EUA podem cobrar um prêmio — e é por isso que a OpenAI manteve o preço do Sol enquanto cortava 80% do preço da Luna.
A unidade de precificação acabou de mudar: custo por tarefa bem-sucedida
Os agentes foram o que tornou a métrica antiga obsoleta. Uma pergunta da era do chat era uma ou poucas chamadas; um agente de programação lê arquivos, planeja, usa o terminal, edita código, roda testes, lê erros e repete o ciclo — dezenas a centenas de chamadas por trás de uma única instrução. A economia real agora se parece com:
Custo da tarefa = preço do token × quantidade de tokens × etapas do agente × tentativas
Benchmarks conduzidos pela comunidade, como o DRadar, tornam as consequências visíveis: camadas superiores de raciocínio entregam melhor desempenho nas tarefas, mas a custos marginais que crescem várias a dezenas de vezes mais rápido. Um modelo barato como o DeepSeek V4-Flash conclui uma parcela significativa de tarefas reais de engenharia de software por uma fração minúscula do custo. A métrica que realmente importa para as empresas agora é o custo por tarefa bem-sucedida — um modelo de US$ 0,50 que precisa de 40 tentativas pode sair mais caro que um modelo de US$ 5 que termina em 8 etapas. A pesquisa de Stanford encontrou o mesmo padrão em produtividade: quando os sistemas rodam em modo de alta autonomia com “escalonamento” (a IA conclui 80%+ das tarefas, humanos lidam com exceções), o ganho mediano de produtividade chega a 71%, contra cerca de 30% nos modos com humano no loop.
Por que a DeepSeek pode aumentar preços — e o que ela está realmente testando
A DeepSeek ainda não tem poder de precificação. Ela tem o direito de testar esse poder. Sua base instalada foi construída sobre preços absurdamente baixos, então um aumento de 2 a 3x é agora um experimento em tempo real: se o uso se mantiver em grande parte, a adoção global nunca foi apenas questão de preço; se as cargas de trabalho fugirem para Qwen, Kimi ou GLM, então o baixo custo pesava mais do que se assumia. A Moonshot está fazendo uma aposta completamente diferente — pesos abertos para distribuição, preços premium de API para capturar trabalho de programação e conhecimento de alto valor e longo prazo.
A revelação da pesquisa de Stanford é que as empresas já tratam os modelos como peças substituíveis. Um líder de operações entrevistado para o playbook construiu seu próprio gateway multi-LLM, reavaliando cada requisição em termos de custo, precisão, relevância e latência: “esta tarefa realmente precisa de busca profunda, ou um modelo mini basta?” Outra equipe troca de modelos livremente — “quem for melhor ou mais barato ganha nosso tráfego”. Os clientes permanecem; a lealdade aos modelos está desmoronando.
O que isso significa para você
- Pare de fazer orçamento em tokens. Comece a rastrear o custo por tarefa bem-sucedida nas suas próprias cargas de trabalho. O preço do token, sozinho, quase não diz nada sobre a economia de agentes.
- Construa uma camada de roteamento. Um gateway multi-modelo simples permite direcionar cada requisição para o modelo mais barato capaz de executá-la — planejamento vai para o modelo de fronteira, execução vai para o barato. É aí que a maior parte da economia realmente está.
- Avalie a combinação, não o modelo. Novos benchmarks, como o Agents’ Last Exam, testam modelo e estrutura juntos, porque um modelo de fronteira na estrutura errada pode performar pior que um modelo barato na configuração certa. Rode suas próprias avaliações nas suas tarefas reais antes de decidir.
- Acompanhe o experimento da DeepSeek. Se a adoção se mantiver após o aumento, “barato + aberto” deixa de ser uma estratégia de precificação e se torna um posicionamento de marca — e todo roadmap de pesos abertos se desloca junto. Se não se mantiver, o piso dos preços dos modelos chineses acaba de ser renegociado.
As duas curvas de preço estão convergindo de direções opostas — os prêmios dos modelos de fronteira são comprimidos de cima e de baixo — rumo a um único ponto de equilíbrio: o preço de concluir uma tarefa real. Os modelos estão se tornando peças substituíveis. A tarefa é o que está sendo precificado.
