OpenAI queima US$ 3,7 bilhões por trimestre: a estratégia de software e hardware para cortar custos de inferência de IA pela metade

A Solução de Software: Roteamento Multi-Modelo

A otimização de software desenvolvida pela OpenAI para reduzir os custos de inferência em mais da metade é o roteamento multi-modelo. A técnica encaminha automaticamente perguntas simples para modelos menores e mais baratos, reservando os modelos mais poderosos (e caros) apenas para solicitações complexas .

Guias da indústria descrevem essa abordagem híbrida como capaz de gerar uma redução de 30% a 75% nos custos na camada de modelo, usando quantização, destilação e dimensionamento correto. Combinada com otimizações de runtime (como processamento em lote, decodificação especulativa e gerenciamento de cache KV), os ganhos de throughput podem chegar a 40% a 80% .

Na prática, a OpenAI já oferece descontos de 50% para inferência adiada via sua Batch API: se o cliente aceitar esperar até 24 horas pelo resultado, paga metade . Engenheiros da empresa chegaram a afirmar ao The Information que, em um determinado momento, conseguiram atender todos os usuários não logados do ChatGPT com apenas algumas centenas de GPUs da Nvidia .

A Iniciativa de Hardware: Chip de Inferência Customizado 'Jalapeño'

Em 24 de junho de 2026, a OpenAI e a Broadcom apresentaram o Jalapeño, o primeiro chip de inferência sob medida da OpenAI . Os detalhes são impressionantes:

• Tipo: Circuito integrado de aplicação específica (ASIC) — não é uma GPU, e sim um chip feito exclusivamente para inferência de LLMs
• Redução de custo: Testes iniciais apontam para cerca de 50% menos custo por inferência em comparação com hardware de inferência baseado em GPUs Nvidia
• Desempenho: Entrega desempenho por watt "substancialmente melhor" que o estado da arte atual
• Desenvolvimento: Projetado do zero e levado à produção em apenas nove meses, acelerado pelos próprios modelos de IA da OpenAI
• Implantação: A meta é uma implantação em escala de gigawatt até o final de 2026
• Compromisso de longo prazo: Faz parte de um compromisso de infraestrutura de 10 GW até 2029
• Economia anual: A redução de 50% pode se traduzir em US$ 500 milhões a US$ 1 bilhão em economia anual para a OpenAI até 2028

A OpenAI descreve o chip como "o primeiro bloco de construção de um roteiro de silício customizado de vários anos" para construir sua própria pilha computacional e enfrentar o poder de precificação da Nvidia . O chip é verticalmente integrado — a OpenAI o usará exclusivamente para suas próprias cargas de trabalho de inferência, sem vendê-lo a clientes externos .

As Pressões Financeiras em Detalhes

Os principais números dos documentos do 1º trimestre de 2026:

• Receita: US$ 5,7 bilhões (aproximadamente o triplo na comparação anual)
• Queima de caixa: US$ 3,7 bilhões (também triplicou ano a ano)
• Prejuízo operacional: US$ 9,3 bilhões só no trimestre
• Prejuízo líquido: US$ 21,3 bilhões (incluindo US$ 2,3 bilhões em remuneração baseada em ações e um encargo contábil não-caixa de US$ 12,4 bilhões)
• Despesas de P&D: US$ 8,6 bilhões
• Margem bruta: Melhorou ligeiramente para 39%
• Reservas de caixa: US$ 73 bilhões em caixa e títulos, dando fôlego apesar dos enormes prejuízos

A margem operacional da empresa foi de aproximadamente -122%, ou seja, perdeu cerca de US$ 1,22 para cada dólar faturado . No acumulado de 2025, a OpenAI registrou prejuízos de aproximadamente US$ 38,5 bilhões, com gastos totais de US$ 34 bilhões .

A Corrida Mais Ampla: Custos de Inferência em Queda Livre

Os cortes de custos da OpenAI se encaixam em uma guerra de preços que está remodelando a economia da IA em todo o setor:

• Anthropic acelerou o crescimento de clientes e superou a OpenAI na adoção empresarial nos EUA (34,4% contra 32,3%) em maio de 2026 .
• Modelos open-source comprimem os preços: quatro modelos chineses de pesos abertos agora igualam os benchmarks de codificação dos modelos de fronteira a um terço do custo das alternativas proprietárias . O DeepSeek V4, segundo relatos, é 50 vezes mais barato de executar do que o Claude Opus 4.6 .
• Google Gemini 3.1 Flash custa US$ 0,10 por milhão de tokens de entrada — uma redução de 99,7% no preço em três anos .
• Claude Sonnet 4.6, da Anthropic, supera o GPT-4 em todos os benchmarks legados a US$ 3 por milhão de tokens de entrada .
• Os custos de inferência caíram cerca de 50 vezes em três anos, e o mercado deve crescer de US$ 103 bilhões (2025) para US$ 255 bilhões (2030) .
• A OpenAI está considerando cortes significativos nos preços por token para desenvolvedores e clientes empresariais, numa tentativa de antecipar movimentos semelhantes da Anthropic .
• Os clientes estão cada vez mais usando ferramentas de roteamento multi-modelo para misturar modelos mais baratos e evitar o preço premium de um único fornecedor .

O que Isso Significa para o Setor de IA

A combinação de otimizações de software e hardware posiciona a OpenAI para potencialmente reduzir pela metade seus custos de inferência, mesmo enquanto escala. Mas a empresa não age no vácuo. O colapso generalizado dos preços de inferência — impulsionado por concorrentes, alternativas open-source e hardware especializado — significa que o poder de precificação está se deteriorando em toda a indústria .

Para as empresas, a notícia é boa: o custo efetivo de rodar cargas de trabalho de IA está caindo mais rápido do que as capacidades estão crescendo. A Batch API da OpenAI já oferece 50% de desconto para cargas de trabalho adiadas, enquanto o roteamento multi-modelo pode reduzir custos em 40% a 60% sem sacrificar a qualidade . A pergunta que fica é se algum fornecedor conseguirá manter preços premium num mercado onde modelos open-source chineses oferecem capacidade de fronteira a uma fração do custo .