noticias
OpenAI, Meta e SpaceXAI entram em guerra para baratear a inteligência artificial
**GPT-5.6, Muse Spark 1.1 e Grok 4.5 mostram que a próxima batalha da IA não será decidida apenas pela inteligência dos modelos, mas pelo custo real de colocá-los para trabalhar.**
Durante boa parte da corrida da inteligência artificial generativa, as empresas competiram para provar quem possuía o modelo mais poderoso.
Mais parâmetros, melhores resultados em testes, respostas mais longas e raciocínios cada vez mais complexos eram tratados como sinais naturais de evolução.
Agora, a conta chegou.
OpenAI, Meta e SpaceXAI apresentaram novos modelos praticamente na mesma semana, todos acompanhados de uma promessa semelhante: realizar tarefas avançadas utilizando menos tokens, menos etapas e um preço mais baixo para empresas e desenvolvedores.
A mudança de discurso é significativa.
A inteligência artificial já provou que consegue escrever código, analisar documentos, pesquisar na internet, operar programas e executar fluxos complexos. O novo desafio é fazer tudo isso sem transformar cada tarefa automatizada em uma pequena crise orçamentária.
A era do “use IA em tudo” encontrou a fatura
No início de 2026, algumas empresas incentivavam funcionários a utilizar inteligência artificial no maior número possível de atividades. A prática chegou a receber o apelido de **tokenmaxxing**, uma espécie de competição informal para consumir mais recursos de IA em busca de produtividade.
O problema é que os tokens são cobrados.
Cada texto enviado ao modelo, cada documento analisado, cada etapa de raciocínio e cada resposta produzida consome unidades de processamento. Em um chatbot individual, essa despesa pode parecer invisível porque está embutida na assinatura. Em uma empresa com milhares de agentes executando tarefas continuamente, ela pode se transformar em milhões de dólares.
Executivos ouvidos pela reportagem que deu origem à pauta relataram casos de organizações surpreendidas com despesas mensais milionárias. Com os custos saindo de controle, empresas passaram a exigir uma relação mais clara entre aquilo que gastam e o valor efetivamente produzido pela IA.
A corrida deixou de perguntar apenas:
> “Qual modelo é mais inteligente?”
Agora, a pergunta é:
> “Quanto custa para ele terminar o trabalho corretamente?”
OpenAI divide o GPT-5.6 em três níveis
A OpenAI apresentou a família **GPT-5.6** em três versões:
• **Sol**, o modelo principal e mais poderoso;
• **Terra**, voltado ao equilíbrio entre capacidade e preço;
• **Luna**, desenvolvido para velocidade e operações de grande volume.
Na API, o GPT-5.6 Sol custa US$ 5 por milhão de tokens de entrada e US$ 30 por milhão de tokens de saída. O Terra custa US$ 2,50 e US$ 15, respectivamente. Já o Luna reduz os valores para US$ 1 por milhão de tokens de entrada e US$ 6 por milhão de tokens gerados.
A estratégia permite que uma empresa escolha o modelo de acordo com a dificuldade da tarefa.
Não é necessário convocar o modelo mais caro da família para classificar um e-mail, resumir uma nota fiscal ou reorganizar uma tabela. O Sol pode ser reservado para problemas complexos, enquanto Terra e Luna assumem operações repetitivas e de grande escala.
É a versão corporativa de não utilizar um foguete para buscar pão.
Menos tokens podem importar mais do que um preço menor
O valor cobrado por milhão de tokens não conta toda a história.
Um modelo aparentemente barato pode gastar mais tokens para chegar ao resultado. Também pode realizar mais tentativas, chamar ferramentas repetidamente ou produzir respostas longas que depois precisam ser corrigidas.
Por outro lado, um modelo mais caro por token pode terminar a mesma tarefa utilizando menos etapas.
A OpenAI afirma que o GPT-5.6 Sol superou modelos anteriores em diferentes avaliações enquanto reduziu o consumo de tokens, o tempo necessário e o custo estimado da execução. Em testes de uso de computador, a empresa diz que o modelo superou o Claude Opus 4.8 utilizando 85% menos tokens de saída.
Empresas que testaram o GPT-5.6 também relataram reduções no número de chamadas de ferramentas e nas etapas necessárias para criar aplicativos, apresentações e outras entregas profissionais. Esses números foram divulgados pela própria OpenAI e precisam ser interpretados como resultados de avaliações específicas, não como garantia de economia em qualquer situação.
O preço real depende da tarefa, do tamanho dos documentos, das ferramentas ativadas, da quantidade de tentativas e do nível de raciocínio escolhido.
A etiqueta mostra quanto custa o combustível. Não informa quantas voltas o robô dará antes de encontrar a porta.
Meta chega cobrando menos
A Meta abriu o acesso público experimental ao **Muse Spark 1.1**, seu modelo voltado principalmente para programação, uso de ferramentas, análise multimodal e tarefas executadas por agentes.
O serviço custa US$ 1,25 por milhão de tokens de entrada e US$ 4,25 por milhão de tokens de saída. Novos desenvolvedores nos Estados Unidos recebem US$ 20 em créditos antes de entrar no modelo de cobrança por consumo.
O valor coloca o Muse Spark 1.1 abaixo das versões mais caras oferecidas por rivais, embora comparações diretas precisem considerar desempenho, confiabilidade, velocidade e o número de tokens necessário para cada tarefa.
Mark Zuckerberg afirmou que a Meta pretende oferecer modelos avançados e multimodais por um custo muito baixo. A empresa também indicou disposição para adotar preços agressivos, aproveitando a receita de seu enorme negócio de publicidade para disputar espaço no mercado corporativo de IA.
Essa é uma mudança importante para a Meta.
A companhia ficou conhecida por disponibilizar modelos Llama com pesos relativamente abertos. Com a Meta Model API e o Muse Spark, passa a disputar diretamente o mercado pago de infraestrutura, no qual desenvolvedores conectam modelos a aplicativos e pagam conforme o uso.
O objetivo não é apenas colocar uma IA dentro do WhatsApp, Instagram ou Facebook.
É começar a cobrar quando outras empresas quiserem colocar a inteligência da Meta dentro dos próprios produtos.
Grok 4.5 aposta na eficiência por tarefa
A SpaceXAI, operação de inteligência artificial ligada a Elon Musk, lançou o **Grok 4.5** com preço de US$ 2 por milhão de tokens de entrada e US$ 6 por milhão de tokens de saída.
A empresa afirma que o modelo entrega aproximadamente o dobro da eficiência de tokens de concorrentes comparáveis, resolvendo tarefas com menos etapas.
Em uma avaliação de engenharia de software divulgada pela própria companhia, o Grok 4.5 utilizou uma média de 15.954 tokens de saída por tarefa, contra 67.020 tokens do Claude Opus 4.8 em sua configuração máxima — uma diferença de aproximadamente 4,2 vezes naquele teste específico.
O modelo também é servido a uma velocidade anunciada de 80 tokens por segundo e foi direcionado a programação, tarefas com agentes e trabalhos realizados em aplicativos de escritório.
Novamente, os números vêm do próprio desenvolvedor.
Benchmarks podem utilizar configurações, níveis de raciocínio e ambientes diferentes. Uma vantagem obtida em engenharia de software não significa necessariamente o mesmo desempenho em pesquisa, atendimento, tradução ou análise jurídica.
Ainda assim, a mensagem comercial é clara: a SpaceXAI não quer vender apenas inteligência. Quer vender **inteligência por dólar e por segundo**.
Comparação de preços anunciados
Considerando os preços públicos por um milhão de tokens:
| Modelo | Entrada | Saída |
| ------------------- | -------: | --------: |
| GPT-5.6 Sol | US$ 5,00 | US$ 30,00 |
| GPT-5.6 Terra | US$ 2,50 | US$ 15,00 |
| GPT-5.6 Luna | US$ 1,00 | US$ 6,00 |
| Meta Muse Spark 1.1 | US$ 1,25 | US$ 4,25 |
| SpaceXAI Grok 4.5 | US$ 2,00 | US$ 6,00 |
Os valores favorecem o Muse Spark 1.1 na geração de tokens e o GPT-5.6 Luna na entrada, mas isso não determina automaticamente qual modelo produz o trabalho mais barato.
Um sistema que cobra US$ 4,25 por milhão de tokens de saída, mas precisa gerar o dobro do conteúdo para concluir a tarefa, pode acabar custando mais do que um concorrente com preço unitário maior.
A comparação adequada precisa considerar pelo menos:
• qualidade do resultado;
• quantidade total de tokens;
• tempo de execução;
• número de chamadas a ferramentas;
• necessidade de revisão humana;
• frequência de erros e novas tentativas;
• custo da infraestrutura complementar;
• segurança e tratamento dos dados.
A IA mais barata não é necessariamente aquela com o menor número na tabela. É aquela que entrega o resultado correto com menos desperdício.
Por que as respostas consomem tantos tokens?
Modelos de raciocínio nem sempre produzem apenas a resposta visível ao usuário.
Para resolver problemas complexos, eles podem planejar etapas, consultar documentos, executar código, pesquisar na internet, coordenar agentes e revisar o próprio resultado.
Cada uma dessas operações aumenta o consumo.
Em um fluxo empresarial, um único pedido pode acionar:
1. leitura de dezenas de arquivos;
2. pesquisa em sistemas internos;
3. comparação de informações;
4. criação de uma primeira resposta;
5. verificação do resultado;
6. correção de inconsistências;
7. formatação do documento final.
O usuário enxerga um relatório de cinco páginas.
A empresa paga por todo o caminho que o modelo percorreu para produzi-lo.
Por isso, reduzir tokens sem diminuir a qualidade pode representar uma vantagem enorme. O ganho se multiplica quando a tarefa é executada milhares ou milhões de vezes.
Modelos menores ganham importância
A tentativa de utilizar sempre o modelo mais poderoso começa a perder espaço.
Grande parte das tarefas empresariais não exige inteligência de fronteira. Classificação de mensagens, extração de dados, preenchimento de campos, resumo de documentos e atendimento inicial podem ser realizados por modelos menores e especializados.
A família GPT-5.6 deixa essa divisão evidente. Terra e Luna foram posicionados justamente para situações em que o desempenho do modelo principal não justifica o custo adicional. Segundo a OpenAI, o Luna chega perto do desempenho máximo do GPT-5.5 por menos da metade do custo estimado, enquanto o Terra pode superá-lo em determinadas avaliações por um preço inferior.
Esse modelo de operação pode utilizar uma IA barata para analisar o pedido e encaminhar apenas os casos difíceis para uma opção mais poderosa.
É o equivalente digital a não chamar a diretoria inteira para decidir a cor de uma célula na planilha.
A economia pode valer mais que o benchmark
Pesquisadores que analisaram a evolução do custo da inferência observaram que o preço necessário para alcançar determinado nível de desempenho caiu rapidamente nos últimos anos.
Um estudo publicado em 2025 estimou reduções anuais entre cinco e dez vezes no custo para atingir níveis equivalentes de desempenho em avaliações de conhecimento, matemática, raciocínio e programação. Os autores atribuíram o movimento à competição, a melhorias de hardware e ao avanço da eficiência algorítmica.
Isso ajuda a explicar a velocidade da disputa atual.
Um modelo que hoje parece economicamente inviável pode se tornar comum em poucos meses. Ao mesmo tempo, empresas que construíram seus produtos em torno de preços elevados podem descobrir que um concorrente consegue oferecer capacidade semelhante por uma fração do valor.
A inteligência tende a se transformar em mercadoria.
Quando isso acontece, eficiência, integração, confiança, dados e experiência de uso passam a diferenciar os fornecedores.
Existe uma guerra escondida por trás dos preços
Reduzir preços ajuda a conquistar desenvolvedores, mas cria um problema para as próprias empresas de IA.
OpenAI, Meta, SpaceXAI e seus concorrentes estão investindo quantias gigantescas em chips, energia, redes e centros de dados. Cobrar menos pode acelerar a adoção, mas também dificulta recuperar o dinheiro colocado na infraestrutura.
As empresas precisam encontrar um equilíbrio delicado:
• preços altos afastam clientes;
• preços baixos pressionam margens;
• modelos menores reduzem receita por tarefa;
• modelos mais eficientes diminuem o consumo de tokens;
• uso em grande escala pode compensar a queda do preço unitário.
A Meta possui a vantagem de financiar parte dessa ofensiva com publicidade. OpenAI depende mais diretamente da venda de assinaturas, APIs e contratos corporativos. Já a SpaceXAI combina sua operação de IA com a infraestrutura e os demais negócios ligados ao ecossistema de Elon Musk.
São estratégias diferentes para o mesmo objetivo: tornar-se a camada de inteligência utilizada pelo restante da economia.
O fim da ostentação de tokens
Durante algum tempo, respostas longas e cadeias gigantescas de raciocínio pareciam demonstrar poder computacional.
Agora, podem demonstrar desperdício.
A próxima geração de modelos precisará saber quando pensar profundamente, quando responder rapidamente e quando encaminhar a tarefa para uma versão menor.
Isso muda a maneira como a indústria mede progresso.
Não basta apresentar um robô que resolve uma tarefa extremamente difícil depois de consumir uma montanha de GPUs, tokens e dólares. O verdadeiro produto precisa funcionar milhões de vezes sem levar o departamento financeiro junto para o buraco.
OpenAI, Meta e SpaceXAI ainda disputam quem possui a IA mais inteligente.
Mas o campo de batalha mais importante pode ser outro: descobrir quem consegue fazer a máquina pensar sem cobrar como se cada resposta estivesse financiando a construção de uma nova usina nuclear.