noticias

China barateia a IA e cria uma “zona da morte” para rivais dos Estados Unidos

**DeepSeek, Alibaba, Moonshot e Z.ai estão comprimindo o preço dos modelos enquanto liberam pesos para adaptação e hospedagem própria. A estratégia não derruba imediatamente OpenAI ou Anthropic, mas torna quase impossível sobreviver no meio do mercado sem escala, distribuição ou uma especialização difícil de copiar**

A nova ofensiva chinesa em inteligência artificial não está tentando vencer apenas pela capacidade dos modelos. Ela está atacando a estrutura econômica que sustenta boa parte da indústria americana: a possibilidade de cobrar caro pelo acesso a uma inteligência artificial razoavelmente avançada.

DeepSeek, Alibaba, Moonshot AI, Z.ai e MiniMax passaram a lançar modelos que se aproximam dos sistemas mais sofisticados dos Estados Unidos em programação, raciocínio, análise visual e execução de tarefas, mas chegam ao mercado com preços muito menores e, frequentemente, com seus pesos disponíveis para download.

O resultado começa a formar o que analistas passaram a chamar de “zona da morte”. De um lado estão os grandes laboratórios americanos, como OpenAI, Anthropic e Google, capazes de investir bilhões de dólares, controlar produtos amplamente distribuídos e cobrar um prêmio pelos modelos mais avançados. Do outro estão empresas chinesas oferecendo sistemas suficientemente bons, baratos e adaptáveis.

No meio, ficam desenvolvedores que não possuem a melhor tecnologia do mundo, não conseguem sustentar uma guerra de preços e ainda precisam convencer clientes a pagar por algo que pode ser substituído por um modelo aberto.

Essa faixa intermediária está ficando difícil de respirar.

A expressão é dramática, mas descreve uma mudança econômica real. A inteligência artificial está deixando de ser vendida apenas como uma tecnologia rara e começando a se comportar como uma matéria-prima digital. Quando vários fornecedores entregam qualidade semelhante, o cliente passa a comparar preço, velocidade, possibilidade de personalização e controle sobre os dados.

Nesse ambiente, ser “quase tão bom quanto o líder” já não constitui uma vantagem. Pode ser justamente a posição mais perigosa.

A DeepSeek transformou preço em arma estratégica

O exemplo mais agressivo vem da DeepSeek. Seu novo V4-Flash custa US$ 0,14 por milhão de tokens de entrada e US$ 0,28 por milhão de tokens de saída, segundo dados reunidos pela Artificial Analysis.

Em testes que procuram estimar o custo total necessário para concluir uma tarefa, o modelo consumiu aproximadamente três centavos por avaliação. O GPT-5.6 Sol, da OpenAI, ficou em US$ 1,86, enquanto o Claude Fable 5, da Anthropic, chegou a US$ 3,15.

A diferença não significa que o V4-Flash seja superior. Em capacidade geral, ele permanece abaixo dos modelos mais avançados da OpenAI e da Anthropic. O sistema foi construído para ocupar outra posição: resolver tarefas suficientes por um preço quase irrelevante.

Essa distinção importa porque empresas raramente precisam do modelo mais inteligente disponível em cada operação. Classificar mensagens, extrair dados de documentos, produzir resumos iniciais, organizar catálogos, preencher sistemas e responder perguntas simples não exige necessariamente o melhor raciocínio do mercado.

Quando uma tarefa pode ser realizada corretamente por uma alternativa mais barata, pagar cem vezes mais deixa de parecer investimento em qualidade e começa a parecer descuido financeiro.

A estratégia da DeepSeek não precisa vencer o modelo americano em todos os benchmarks. Basta tornar economicamente irracional utilizá-lo em trabalhos comuns.

Essa é uma forma de competição particularmente difícil de enfrentar. A OpenAI ou a Anthropic podem reduzir preços, mas precisam financiar enormes centros de dados, pesquisa de fronteira, segurança, equipes comerciais e compromissos assumidos com investidores.

A DeepSeek também possui custos elevados, mas parece disposta a utilizar preço como instrumento de expansão. O objetivo imediato pode não ser maximizar margem por token, e sim aumentar adoção, formar um ecossistema e tornar seus modelos parte da infraestrutura de outras empresas.

O problema cresce quando a IA deixa de responder e começa a trabalhar

Em um chatbot tradicional, a pessoa envia uma pergunta e recebe uma resposta. A quantidade de texto processada costuma ser relativamente pequena.

Agentes de inteligência artificial operam de outra maneira. Eles pesquisam, abrem páginas, leem documentos, executam comandos, escrevem arquivos, verificam resultados e corrigem o próprio caminho. Uma única solicitação pode desencadear centenas de interações internas e consumir milhões de tokens.

A diferença de preço que parecia pequena em uma conversa passa a dominar a conta quando o agente trabalha durante horas.

Uma análise do Australian Strategic Policy Institute aponta que determinadas tarefas de agentes podem consumir milhares de vezes mais tokens do que um pedido simples de raciocínio. Em um teste de atividades administrativas, o custo acumulado de um modelo avançado da Anthropic se aproximou de US$ 1 mil. A execução com o DeepSeek V4-Flash ficou ao redor de US$ 14, embora o modelo chinês tenha concluído menos tarefas corretamente.

Essa ressalva é fundamental. O sistema mais barato pode exigir mais tentativas, gerar erros ou demandar supervisão humana. A economia real não depende apenas do preço unitário, mas da quantidade de trabalho que termina corretamente.

Mesmo assim, a direção é clara. À medida que empresas implantarem milhares de agentes para programação, pesquisa, atendimento e rotinas administrativas, o custo de inferência deixará de ser um detalhe técnico. Passará a funcionar como folha de pagamento computacional.

Uma diferença de alguns dólares por tarefa pode se transformar em milhões ao longo do ano.

Nesse mercado, a inteligência artificial mais rentável talvez não seja a mais brilhante. Será aquela que consegue entregar um nível aceitável de capacidade pelo menor custo total.

É uma disputa para a qual os modelos chineses parecem ter sido deliberadamente preparados.

Qwen e Kimi mostram que preço baixo não significa mais modelo pequeno

A ofensiva não depende apenas da DeepSeek. A Alibaba apresentou o Qwen3.8-Max com 2,4 trilhões de parâmetros, contexto de até 1 milhão de tokens e capacidade multimodal para processar texto, imagens e vídeos.

A Moonshot AI lançou o Kimi K3 com 2,8 trilhões de parâmetros e desempenho competitivo em programação e tarefas de agentes. A procura foi tão forte que a empresa precisou interromper temporariamente novas assinaturas enquanto ampliava sua capacidade de atendimento.

A Z.ai colocou o GLM-5.2 no mercado com preços muito inferiores aos modelos premium americanos. A MiniMax segue a mesma direção, investindo em arquiteturas capazes de trabalhar com grandes contextos e reduzir o custo de processamento.

Essas empresas não oferecem apenas modelos econômicos para tarefas básicas. Elas estão tentando aproximar preço baixo e desempenho de fronteira.

A arquitetura conhecida como Mixture of Experts ajuda nessa estratégia. Um modelo pode possuir trilhões de parâmetros no total, mas ativar apenas uma parte deles durante cada etapa da resposta. O Qwen3.8-Max, por exemplo, utiliza aproximadamente 95 bilhões de parâmetros por vez.

Isso reduz processamento e latência sem obrigar a empresa a abandonar uma rede muito grande e especializada.

Não transforma o modelo em algo barato de treinar ou hospedar. Os pesos ainda ocupam volumes enormes, exigem aceleradores, memória e redes de alta velocidade. A vantagem está em usar o sistema de maneira mais seletiva.

A indústria chinesa também avançou em compressão de contexto, quantização, previsão de múltiplos tokens e outras técnicas destinadas a extrair mais trabalho de uma quantidade limitada de hardware.

As restrições americanas à exportação de chips pretendiam dificultar o desenvolvimento de IA avançada na China. Em parte, conseguiram elevar custos e limitar o acesso aos equipamentos mais recentes. Ao mesmo tempo, criaram um incentivo para que os laboratórios chineses tratassem eficiência como necessidade estratégica.

Quando não é possível simplesmente comprar mais aceleradores, melhorar a arquitetura deixa de ser uma opção elegante e passa a ser questão de sobrevivência.

Pesos abertos mudam a disputa

Boa parte dos modelos chineses é distribuída com pesos abertos. Isso significa que os parâmetros aprendidos durante o treinamento podem ser baixados, executados e adaptados por terceiros, conforme as condições de cada licença.

O termo não deve ser confundido automaticamente com código aberto completo. Muitas empresas não divulgam os dados de treinamento, o processo integral de filtragem, todas as ferramentas utilizadas ou detalhes suficientes para reproduzir o modelo do zero.

Ainda assim, o acesso aos pesos oferece uma liberdade que modelos fechados não entregam.

Uma empresa pode hospedar o sistema em sua própria infraestrutura, ajustar seu comportamento, criar uma versão especializada e evitar o envio permanente de dados para uma API externa. Também pode trocar de provedor de nuvem sem reconstruir todo o produto ao redor de um serviço exclusivo.

Para desenvolvedores, isso reduz a dependência. Para laboratórios chineses, funciona como mecanismo de distribuição.

Cada adaptação, integração e ferramenta criada ao redor de Qwen, DeepSeek ou Kimi fortalece aquele ecossistema. Mesmo quando a empresa original não recebe diretamente por cada execução, seus formatos, arquiteturas e decisões técnicas começam a orientar o mercado.

A abertura não é apenas uma postura filosófica. É uma estratégia para conquistar território antes que os concorrentes consigam cobrar por ele.

Os Estados Unidos já utilizaram essa abordagem. A família Llama, da Meta, tornou-se uma das principais bases de modelos abertos no mundo. Projetos do Google e de outras organizações americanas também tiveram papel importante.

O equilíbrio, porém, mudou. Pesquisas sobre o ecossistema do Hugging Face mostram que a liderança americana em modelos de pesos abertos diminuiu, enquanto DeepSeek e Qwen ganharam participação e influência.

A China passou de seguidora para fornecedora de parte da infraestrutura sobre a qual desenvolvedores americanos constroem seus próprios produtos.

A “zona da morte” não inclui todo mundo

A pressão não atinge todas as empresas da mesma maneira.

OpenAI, Anthropic e Google continuam protegidas por vantagens difíceis de reproduzir. Elas possuem modelos de fronteira, marcas reconhecidas, contratos empresariais, equipes de segurança, integração com produtos e acesso privilegiado a enormes infraestruturas de nuvem.

A Microsoft pode distribuir inteligência artificial pelo Windows, Azure, GitHub e Microsoft 365. O Google controla Busca, Android, Gmail, Workspace e sua própria nuvem. A OpenAI possui uma grande base de usuários e integrações. A Anthropic construiu reputação em programação e uso empresarial.

Essas empresas podem cobrar mais não apenas pelo modelo, mas pela experiência completa: suporte, confiabilidade, conformidade, ferramentas, estabilidade de API e responsabilidade contratual.

A zona mais perigosa está abaixo delas.

Uma startup americana que desenvolve um modelo competente, mas não extraordinário, enfrenta uma equação difícil. Para treinar uma nova geração, precisa captar centenas de milhões ou bilhões de dólares. Para recuperar o investimento, precisa cobrar pelo acesso. Para conquistar clientes, precisa competir com modelos chineses que podem ser baixados e adaptados gratuitamente.

Ela não possui a qualidade suficiente para justificar um preço premium e também não possui a estrutura financeira necessária para distribuir sua tecnologia quase de graça.

O mercado não precisa declarar que esse modelo é ruim. Basta não encontrar motivo para pagar por ele.

Essa é a zona da morte: o trecho entre o modelo gratuito e suficientemente bom e o modelo excepcional, caro e integrado a uma plataforma poderosa.

A qualidade ainda importa — mas de outra forma

O entusiasmo com preços baixos pode criar uma conclusão apressada. Modelos chineses não vencem todos os testes, não funcionam igualmente bem em todos os idiomas e podem consumir mais tokens para resolver tarefas complexas.

Um sistema que custa pouco por milhão de tokens pode terminar mais caro caso gere respostas longas, repita etapas ou falhe com frequência.

A qualidade também não se resume a benchmark. Empresas precisam avaliar consistência, resistência a ataques, estabilidade, atualização, tratamento de dados, documentação e capacidade de obedecer a regras específicas.

Em áreas jurídicas, financeiras, médicas e industriais, um erro barato continua sendo erro. Dependendo da aplicação, pode ser muito mais caro do que a economia obtida na API.

Há ainda questões relacionadas a censura, segurança nacional, controle de dados e comportamento em temas sensíveis. Modelos desenvolvidos sob diferentes ambientes políticos podem incorporar limitações, vieses e mecanismos de resposta que não aparecem em testes de programação.

A possibilidade de hospedar os pesos localmente reduz alguns riscos de privacidade, porque a informação não precisa ser enviada continuamente ao fornecedor chinês. Não elimina questões sobre a origem do treinamento, vulnerabilidades ou comportamento embutido no modelo.

A compra empresarial não será decidida apenas por uma tabela de preços. Mas o preço passa a definir quais sistemas chegam à etapa de avaliação.

Um modelo dez vezes mais caro precisa provar por que merece ser testado. Um modelo cem vezes mais caro precisa demonstrar uma diferença excepcional.

O modelo começa a perder valor como produto isolado

A queda acelerada dos preços sugere uma transformação mais profunda: o modelo básico pode estar se tornando uma commodity.

Uma pesquisa que analisou centenas de serviços de inteligência artificial entre 2020 e 2026 identificou uma redução de aproximadamente 600 vezes no preço dos tokens de entrada em determinadas faixas do mercado.

Os modelos econômicos e intermediários perdem preço mais rapidamente do que a evolução tradicional do hardware explicaria. Arquiteturas melhores, competição e otimização de software são responsáveis por grande parte dessa redução.

Isso não significa que inteligência artificial ficará gratuita. Treinar, hospedar e operar sistemas avançados continua exigindo capital, energia e infraestrutura.

O que está diminuindo é a capacidade de cobrar apenas por possuir um modelo.

O valor migra para aquilo que existe ao redor dele: distribuição, dados proprietários, integração com processos, ferramentas, suporte, segurança, especialização e confiança.

Essa mudança lembra outras fases da indústria tecnológica. Bancos de dados abertos não eliminaram empresas de software; transferiram o valor para serviços, nuvem, administração e aplicações. Sistemas operacionais gratuitos não impediram o surgimento de negócios bilionários; mudaram onde o dinheiro era capturado.

Na IA, vender acesso genérico a um modelo “bom” pode deixar de sustentar uma empresa. O negócio precisará resolver um problema concreto.

Para os desenvolvedores presos na zona da morte, existem algumas saídas. Eles podem avançar até a fronteira, especializar-se em um setor difícil, operar infraestrutura, construir agentes ou utilizar modelos abertos como base.

Continuar treinando um modelo intermediário e esperar que clientes paguem apenas por ele parece cada vez menos viável.

A abertura chinesa também cria dependência

A estratégia é frequentemente apresentada como democratização da inteligência artificial. Há verdade nisso. Modelos baratos e adaptáveis permitem que universidades, startups e países com menos recursos desenvolvam aplicações antes restritas a grandes corporações.

O ganho pode ser especialmente forte no Sul Global. Empresas brasileiras, africanas e latino-americanas podem testar automação, tradução, pesquisa e análise documental sem assumir custos em dólar comparáveis aos modelos americanos mais caros.

Mas democratização e influência estratégica podem ocorrer ao mesmo tempo.

Se desenvolvedores adotarem modelos chineses como padrão, treinarem equipes ao redor dessas ferramentas e estruturarem produtos em suas arquiteturas, a China passará a ocupar uma camada fundamental da economia digital.

A dependência não exige que todos os dados sejam enviados a Pequim. Ela pode existir em bibliotecas, formatos, componentes, conhecimento técnico e ritmo de atualizações.

Trocar dependência de APIs americanas por dependência de pesos chineses não é soberania tecnológica. É apenas uma mudança de fornecedor.

A resposta inteligente não é rejeitar esses modelos por origem. É avaliar tecnologia, licença, segurança e governança com a mesma seriedade aplicada a qualquer fornecedor estrangeiro.

Também significa investir em capacidade local de adaptação, avaliação e hospedagem. Um país que apenas consome modelos baratos participa do mercado como cliente. Um país que consegue auditá-los, modificá-los e construir tecnologia sobre eles ganha algum poder de decisão.

O Brasil pode ganhar produtividade e perder espaço industrial

Para desenvolvedores brasileiros, a guerra de preços é uma oportunidade imediata. Produtos que seriam inviáveis com APIs caras podem começar a fechar economicamente.

Atendimento automatizado, análise de documentos, agentes internos, ferramentas educacionais e aplicações em português podem operar com custos menores. Startups conseguem experimentar mais antes de queimar todo o capital em inferência.

Empresas também passam a negociar melhor. Mesmo quando escolhem OpenAI, Anthropic ou Google, a existência de alternativas chinesas reduz o poder de precificação dos fornecedores americanos.

O risco aparece no longo prazo. Se modelos avançados forem distribuídos quase gratuitamente por empresas estrangeiras, torna-se ainda mais difícil financiar um laboratório brasileiro de modelos fundamentais.

O país pode desenvolver aplicações sobre inteligência importada, mas permanecer ausente da camada que define arquitetura, padrões, segurança e prioridades de treinamento.

Não seria uma situação nova. O Brasil utiliza sistemas operacionais, nuvens, redes sociais e plataformas criadas no exterior. A IA amplia o problema porque os modelos passam a intermediar conhecimento, linguagem, decisões e processos de trabalho.

A oportunidade brasileira talvez não esteja em reproduzir, do zero, um modelo de trilhões de parâmetros. Pode estar em construir modelos menores, especializados, auditáveis e treinados para contextos locais, além de infraestrutura para avaliar sistemas estrangeiros.

O custo da inteligência genérica está caindo. O valor do conhecimento específico pode crescer.

Os Estados Unidos podem responder fechando ou abrindo

A ofensiva chinesa coloca o governo e a indústria americana diante de uma escolha complicada.

Uma resposta possível é ampliar restrições sobre chips, modelos e uso de tecnologias chinesas. A justificativa envolve segurança nacional, proteção de dados e risco de dependência.

O problema é que pesos abertos são difíceis de conter depois de publicados. Podem ser copiados, hospedados em diferentes países, quantizados e redistribuídos. Uma proibição pode limitar contratos governamentais e fornecedores formais, mas dificilmente remove o modelo da internet.

Restrições excessivas também podem produzir efeito contrário, empurrando desenvolvedores para ecossistemas abertos que não dependem de empresas americanas.

Outra resposta é fortalecer a própria oferta aberta. Meta já ocupa essa posição, embora sua estratégia oscile entre abertura e monetização. Laboratórios menores defendem incentivos públicos e proteção jurídica para modelos americanos de pesos abertos.

Também haverá redução de preços. OpenAI, Google e Meta já oferecem variantes econômicas para tarefas comuns. Modelos premium poderão ser reservados para planejamento, ciência, programação complexa e decisões de alto valor, enquanto sistemas baratos executam o trabalho cotidiano.

A arquitetura do mercado pode se tornar hierárquica. Um modelo caro pensa, divide o problema e supervisiona. Vários modelos baratos realizam as tarefas.

Nesse cenário, os fornecedores chineses não precisam substituir completamente os americanos. Podem ocupar a maior parte do volume enquanto os laboratórios de fronteira ficam com a camada mais valorizada.

É semelhante ao mercado de consultoria: poucos especialistas caros definem a estratégia, enquanto uma estrutura muito maior executa.

A diferença é que a execução pode consumir bilhões de tokens por dia. É ali que o preço chinês se torna particularmente poderoso.

A China ainda precisa provar que a conta fecha

Oferecer modelos abaixo do custo dos concorrentes não garante um negócio sustentável.

A procura pelo Kimi K3 ultrapassou a capacidade disponível da Moonshot. Provedores chineses também enfrentam escassez de chips, custos de energia, memória cara e limitações impostas pelas sanções americanas.

A guerra doméstica de preços é intensa. Empresas reduzem tarifas e oferecem serviços gratuitos enquanto pagam caro por infraestrutura. Algumas podem estar comprando participação de mercado com margens difíceis de sustentar.

Modelos abertos também permitem que terceiros utilizem a tecnologia sem gerar receita direta para o laboratório que financiou o treinamento.

A estratégia só funcionará economicamente se os fornecedores conseguirem monetizar nuvem, serviços empresariais, suporte, ferramentas, publicidade ou outros produtos ao redor dos modelos.

Alibaba possui uma plataforma de nuvem e um enorme ecossistema comercial. ByteDance pode integrar IA a seus aplicativos. Empresas independentes como DeepSeek e Moonshot enfrentam uma equação mais delicada.

A China pode vencer a guerra de preços e ainda produzir várias empresas deficitárias no processo.

Isso não reduz a pressão sobre os concorrentes. Produtos subsidiados ou vendidos com margem mínima continuam capazes de destruir a rentabilidade de quem precisa cobrar mais.

A zona da morte pode existir mesmo que ninguém esteja ganhando muito dinheiro dentro dela.

A verdadeira disputa é por quem definirá o preço da inteligência

A tese de que a China criou uma zona da morte para modelos americanos é correta quando aplicada ao meio do mercado. Ela se torna exagerada quando sugere que OpenAI, Anthropic e Google estão prestes a perder toda a relevância.

Os líderes americanos ainda possuem vantagens fortes. Seus melhores modelos continuam à frente em várias tarefas, e seus produtos estão profundamente integrados à infraestrutura de empresas e consumidores.

O que a ofensiva chinesa retirou foi a tranquilidade.

Já não é possível presumir que um modelo avançado será escasso, fechado e caro. A cada nova geração, alternativas abertas aproximam-se da fronteira e reduzem o preço necessário para realizar trabalhos úteis.

Isso altera avaliações bilionárias, planos de investimento e a lógica das startups que pretendiam competir apenas construindo outro modelo geral.

A inteligência artificial pode continuar melhorando enquanto o valor econômico do modelo isolado diminui. Não há contradição. Tecnologias fundamentais frequentemente se tornam mais importantes justamente quando ficam mais baratas e menos diferenciadas.

A China entendeu que não precisa cobrar o maior preço por cada token para conquistar influência. Pode baratear a inteligência, espalhar seus modelos e tornar o ecossistema indispensável.

Para os Estados Unidos, a resposta não será simplesmente produzir um benchmark maior. Será descobrir como sustentar pesquisa de fronteira em um mercado no qual o concorrente está disposto a transformar o produto principal em commodity.

Para os desenvolvedores presos no meio, o aviso é mais direto. Um modelo que não é o melhor, não é o mais barato e não resolve um problema específico já não constitui um negócio. É apenas uma demonstração tecnológica procurando um cliente antes que a próxima versão gratuita chegue.

👉 Dúvida? Então veja mais em: https://pixbugtech.com/linksuteis