A queda de preços como guerra de mercado

Em poucos meses, OpenAI e Anthropic realizaram uma série de cortes sucessivos nos preços de suas APIs de modelos de linguagem, acumulando reduções que chegam a 80% em alguns modelos. O que começou como uma disputa competitiva entre duas empresas virou o evento de maior impacto na economia da inteligência artificial em toda a história do setor.

A cronologia é quase brutal. Em junho de 2026, a OpenAI lançou o GPT-5.6 Luna com preços iniciais de US$1 por milhão de tokens de entrada. Em 30 de julho, anunciou um corte de 80% — caindo para US$0,20/US$1,20/US$0,02 (entrada/saída/cache). A Anthropic respondeu em agosto tornando permanente o preço de US$2/US$10 do Claude Sonnet 5, que havia sido lançado como preço promocional em junho. Em setembro, a OpenAI cortou o cache do GPT-6 Sol pela metade, acumulando uma redução cumulativa de 75% sobre os preços originais. A Anthropic, por sua vez, lançou o Claude Opus 5.5 em 22 de setembro a US$4/US$20, um corte de 20% sobre o Opus 5 original.

O que torna esse movimento diferente de qualquer corte de preço anterior no setor de tecnologia é a velocidade e a magnitude. Reduções de 80% em três meses equivalem ao que o mercado de smartphones levou uma década para alcançar — e isso em um mercado que existe há apenas dois anos.

A dinâmica por trás dos cortes

Analisar esses números isolados é insuficiente. O que realmente importa é o contexto competitivo que os impulsionou. O DeepSeek V4 Flash, lançado em abril de 2026 por US$0,14/US$0,28/US$0,0028, criou uma pressão que nenhuma outra empresa do setor enfrentou. A modelo chinesa, vendida a uma fração mínima dos preços da OpenAI, ganhou adoção massiva — 13 provedores no OpenRouter em maio, saltando para 29 provedores com a variante 1017. Para a OpenAI, o Luna a US$1 teria perdido para o DeepSeek V4 Pro em custo por tarefa. O corte de 80% não foi estratégia, foi sobrevivência.

O comportamento do mercado também joga um papel central. A análise de Max Woolf mostra que a OpenAI e a Anthropic estão executando uma dinâmica de "loss leader" — vender abaixo do custo real para consolidar quote-of-market antes que concorrentes abertos ganhem tração. A comparação com Uber e Lyft nos anos 2010 é imediata: preços artificialmente baixos para eliminar concorrentes e depois controlar a formação de preços. Porém, há uma diferença crucial. Ao contrário do mercado de transportes, o mercado de inferência LLM não é um duopólio. Provedores como DeepSeek, modelos open-weight e agregadores como o OpenRouter mantêm pressão competitiva real.

O impacto nos agentes de IA

A queda drástica nos preços tem consequências que vão muito além da fatura mensal. Com custos de inferência caindo, a viabilidade econômica dos agentes autônomos muda completamente. Empresas que antes calculavam se um agente valia a pena a US$0,50 por interação agora podem rodá-los por centavos. Isso significa que o número de interações por agente multiplica — e com isso, a utilidade prática e os riscos de segurança. Cada turno adicional de um agente custa menos, mas também é mais fácil criar agentes que rodam bilhões de interações sem supervisão humana.

A Asana já reportou redução de 30% na latência de conclusão de tarefas e até 2,5x mais inference por turno de agente usando o Claude Haiku 5.5, lançado em 7 de outubro a US$0,10. O mesmo preço que a OpenAI cobra pelo GPT-6 Luna. A paridade de preços entre as duas principais plataformas de IA no segmento de custo reduzido é um momento simbólico — há menos diferença competitiva entre OpenAI e Anthropic nesse segmento do que em qualquer outra faixa de preço.

Para desenvolvedores individuais, a queda de preços significa que é possível executar agentes continuamente por uma fração do custo anterior. O próprio Woolf, que mantinha uma assinatura de US$100/mês com o plano 5x Pro da Codex, reportou que, ao custo cair 75%, mudou completamente seu padrão de consumo — passando de uso moderado para execução quase contínua de agentes. O problema: a OpenAI cortou em paralelo o limite de uso para usuários Pro em 50%, sob o argumento de "modelos cada vez mais eficientes". É o equivalente digital de reduzir a quantidade de gasolina no tanque e esperar que o carro ande mais.

O mistério das IPOs

Um dos aspectos mais curiosos da queda de preços é o timing. Tanto a OpenAI quanto a Anthropic estão em processo de preparação para IPO — a OpenAI, prevista para 2027, e a Anthropic, num prazo de poucos meses. O prospecto de IPO da Anthropic revelou custos de scaling e P&L que, segundo o Financial Times, mostravam um "lucro operacional ajustado" para o trimestre. Relatórios indicam que as margens de lucro por token podem ser tão saudáveis quanto 80%, com caveats significativos.

Cortar o principal produto de receita em 80% antes de um IPO é o oposto do que uma empresa quer mostrar aos investidores. A explicação mais plausível é que esses cortes são, na verdade, um sinal de confiança — as empresas estão dispostas a sacrificar receita de curto prazo para consolidar domínio de mercado antes de abrirem para o público. Se os preços continuarem baixos (o que é provável, dado o ecossistema competitivo), a receita futura será menor, mas a base de clientes e a quote-of-market serão inquestionáveis.

Para onde o mercado está indo

Três tendências emergem dessa análise. Primeiro, a queda de preços provavelmente é irreversível. Assim como o armazenamento de dados caiu a ponto de ser praticamente gratuito, a inferência LLM tende ao custo marginal mínimo. Segundo, a competição não será vencida por preço — mas por qualidade percebida, ecossistema de ferramentas e integração. Terceiro, o grande vencedor dessa guerra de preços são os usuários finais, mas o grande perdedor potencial é a sustentabilidade financeira de startups que dependem de margens baseadas em APIs de terceiros. Se a OpenAI e a Anthropic cortarem tanto que não podem sustentar custos de P&D, quem paga pela próxima geração de modelos?

A queda de preços nos LLMs não é apenas uma mudança de tabela de preços — é um sinal de que a era da inferência como produto está se transformando em infraestrutura. Quando a capacidade de gerar texto ou código se torna barata quanto a energia elétrica, a verdadeira vantagem competitiva migra para o ecossistema, não para o modelo em si.

Fontes: Max Woolf's Blog, The Next Web, TechRepublic

✓ Fontes independentes cruzadas e verificadas antes da publicação