O CEO da Decagon, Jesse Zhang, publicou na segunda-feira uma teoria provocadora que desafia o consenso sobre inteligência artificial de código aberto no ambiente corporativo. Intitulado "Todos estão errados sobre IA open source na empresa", o artigo aborda uma das contradições mais fascinantes da economia atual da IA: empresas maduras estão migrando para modelos mais leves, mas os gastos gerais com modelos state-of-the-art praticamente não se alteraram.
Na visão de Zhang, esses dois mundos não são concorrentes diretos. Modelos de fronteira e open source representam fases distintas de um mesmo ciclo de vida. Os modelos caros servem para validar casos de uso que, após amadurecerem, migram para alternativas abertas e mais econômicas. Enquanto isso, novos casos de uso continuam surgindo, mantendo os gastos com modelos de ponta estáveis.
Os números corroboram essa teoria. O painel de gateway de IA da Vercel revela que, apenas na última semana, o DeepSeek disparou na liderança de volume de tokens, processando pouco mais de um terço de todos os tokens que circulam pela infraestrutura da empresa. O laboratório Z.ai, responsável pelo popular modelo GLM-5.2, alcançou a quarta posição no mesmo período.
Contudo, ao observar o gasto total com tokens, a Anthropic ainda representa mais da metade de todo o investimento em IA na plataforma. Embora essa participação tenha caído ligeiramente no último mês devido aos aumentos de preços da própria empresa, a queda não foi significativa.
O OpenRouter apresenta um panorama semelhante, abrangendo um segmento maior (mas um pouco menos empresarial). O DeepSeek V4 Flash lidera o uso geral com 5,3 trilhões de tokens processados semanalmente. Já o Opus 4.8, modelo de fronteira mais popular, manipula pouco mais de 2 trilhões. O custo médio por token do Opus é aproximadamente 23 vezes superior ao do V4 Flash (1,37 dólar por milhão contra apenas 6 centavos), o que significa que o modelo de fronteira ainda captura a maior fatia dos gastos.
Esses números não consideram a chegada mais recente do Nvidia Nemotron, que promete liderar o ranking graças às conexões estratégicas da Nvidia e à extrema adaptabilidade do modelo.
Uma explicação para essa estabilidade é que o mercado de tarefas endereçáveis por IA cresce tão rapidamente que os principais modelos conseguem manter sua posição simplesmente dominando as implantações iniciais. Nas palavras de Zhang: "Os laboratórios de fronteira vão continuar dominando a descoberta. O open source vai dominar cada vez mais a produção."
Outra possibilidade é que, mesmo quando clientes migram para código aberto, muitos casos de uso são tão complexos que não podem ser totalmente substituídos por alternativas mais econômicas.
Essa economia de dois níveis pode se tornar um característica relativamente estável do setor. Em setembro do ano passado, havia a possibilidade de que laboratórios de base terminassem vendendo grãos de café para a Starbucks, servindo como insumos commodities enquanto a camada de aplicações colhia os benefícios. Parte dessa previsão se concretizou: empresas verticais de IA migraram para modelos mais leves, e a economia de startups "GPT wrapper" permaneceu estável. No entanto, token por token, fornecedores de fronteira conseguiu manter a parte mais desejável do mercado: o preço premium dos tokens. E isso não deve mudar em breve.
Fonte: TechCrunch
