A Tese do 'Vencedor Leva Mais'

De acordo com o JP Morgan, o mercado chinês de LLMs está se consolidando rapidamente. O banco descreve este período como aquele em que, 'em meio à onda de código aberto, a IA da China entra em uma fase de 'vencedor leva mais'' . Não se trata de um cenário onde um único vencedor fica com tudo, mas sim onde os provedores de ponta capturam uma fatia desproporcionalmente grande do valor .

Alex Yao, chefe de pesquisa de ações da China no JP Morgan, argumenta que os vencedores serão decididos pela conversão em valor empresarial, e não por qual modelo é mais inteligente nos rankings . O foco mudou para a monetização por meio de fluxos de trabalho empresariais, consumo de API, ferramentas de programação e agentes de IA . O JP Morgan prevê que a receita recorrente anual (ARR) dos principais LLMs chineses crescerá aproximadamente 4x a 7x em 2026 .

A Divisão Estrutural do Código Aberto

Um pilar central da análise do JP Morgan é a divisão estrutural criada pelas estratégias de código aberto . O relatório de julho de 2026 do banco argumenta que empresas com modelos de pesos abertos consistentemente de ponta (SOTA) podem gerar 'valor de opcionalidade significativo' por meio da comercialização . Em contraste, modelos atrasados são commoditizados e lutam para comandar qualquer poder de precificação .

Isso cria um ciclo auto-reforçador: modelos de ponta atraem mais usuários e desenvolvedores, o que gera mais dados e receita, que financia novas melhorias. Modelos mais fracos, mesmo sendo de código aberto, ficam presos em uma armadilha de baixo valor, onde são usados, mas não monetizados de forma eficaz .

DeepSeek V4 Pro: O Choque de Preços

O V4 Pro da DeepSeek é o exemplo mais claro da pressão extrema de custos que está remodelando o mercado. Suas vantagens de preço são gritantes:

• Corte permanente de 75%: Em maio de 2026, a DeepSeek tornou permanente um desconto de 75% no V4 Pro, precificando tokens de saída em US$ 0,87 por milhão de tokens .
• Vantagem de custo radical: Esse preço torna o V4 Pro aproximadamente 12x mais barato que o GPT-5.5 e 7x mais barato que o Claude Opus 4.8 em inteligência comparável .
• Desempenho quase idêntico: O V4 Pro atinge 80,6% no SWE-bench Verified, dentro de 0,2 pontos do Claude Opus 4.6, que custa US$ 25 por milhão de tokens de saída — uma diferença de preço de 7x .
• Vantagem de custo estrutural: O JP Morgan observou em um relatório de maio de 2026 que apenas a infraestrutura proprietária da DeepSeek pode operar o V4 com eficiência econômica de ponta. A disparidade no cache hit input entre a API oficial da DeepSeek e pipelines de terceiros é de aproximadamente 40x, destacando vantagens estruturais de primeira parte .

Segundo o JP Morgan, o mercado inicialmente interpretou mal o V4 como uma ameaça competitiva a outras empresas chinesas de IA, mas o banco argumentou que ele na verdade fortaleceu três dos quatro pilares que sustentam a monetização de LLMs domésticos .

Ratings Divergentes do JP Morgan: Zhipu AI vs. MiniMax

A expressão mais concreta da tese do 'vencedor leva mais' é o tratamento starkmente divergente do JP Morgan em relação a duas empresas líderes chinesas de IA: Zhipu AI e MiniMax .

Zhipu AI (02513.HK) — Overweight, Alvo Elevado para HK$ 2.000

O JP Morgan elevou o preço-alvo da Zhipu três vezes em rápida sucessão:

• 15 de junho de 2026: Elevado para HK$ 1.400 (de HK$ 950), citando visibilidade do modelo e poder de precificação
• 22 de junho de 2026: Elevado novamente para HK$ 1.800 (30x P/L futuro com base nos lucros de 2030)
• 8 de julho de 2026: Elevado para HK$ 2.000 para dezembro de 2026, citando o GLM-5.2 como reforço da tese de que 'a comercialização de pesos abertos pode gerar valor de opcionalidade significativo para provedores de modelos líderes'

O banco também elevou as previsões de receita da Zhipu em 26% a 42% para o período FY2026–2030 e reduziu as projeções de perda líquida ajustada . As ações da Zhipu dispararam até 48% com a primeira atualização .

MiniMax (00100.HK) — Neutro, Alvo Reduzido para HK$ 300

Simultaneamente, o JP Morgan rebaixou a MiniMax:

• 14 de junho de 2026: Rebaixada de 'Overweight' para 'Neutro', alvo cortado de HK$ 1.100 para HK$ 400
• 8 de julho de 2026: Alvo ainda mais reduzido para HK$ 300, refletindo 'poder de precificação limitado e perspectivas de comercialização fracas'

A justificativa do banco: a MiniMax não lançou um novo modelo SOTA doméstico desde seu modelo M2, e em termos de capacidade de modelo pura, está ficando para trás dos concorrentes . Seu modelo M3 (lançado em 1º de junho) ficou em 4º lugar no Code Arena WebDev, mas não conseguiu fechar a lacuna com os modelos líderes . O JP Morgan citou 'distribuição e reconhecimento de marca fracos' fora do caso de uso restrito de entretenimento da MiniMax .

O tratamento contrastante é claro: a iteração consistente de modelo da Zhipu (especialmente o GLM-5.2) lhe rendeu poder de precificação e uma classificação 'Overweight', enquanto a incapacidade da MiniMax de acompanhar o ritmo dos modelos SOTA líderes resultou em uma classificação 'Neutro' e um corte de alvo de aproximadamente 73% em apenas um mês .

Contexto Amplo: Adoção Global Crescente da IA Chinesa

A análise do JP Morgan ocorre em um cenário de adoção global de modelos de IA chineses em rápida aceleração.

Domínio de Tráfego no OpenRouter: Modelos chineses representaram mais de 45% do tráfego do OpenRouter em abril de 2026, capturando a maioria do consumo de tokens na maior plataforma de agregação de IA do mundo, de acordo com dados destacados pelo estrategista do JP Morgan Asset Management, Michael Cembalest . No final de maio de 2026, os modelos de IA chineses estavam disparando nos rankings globais de uso em um ritmo sem precedentes .

Vantagem de Custo vs. Modelos de Fronteira dos EUA: Os modelos chineses oferecem custos 60-90% menores do que os modelos de fronteira dos EUA, ao mesmo tempo em que se aproximam de um desempenho comparável . Somente o DeepSeek V4 Pro supera o GPT-5.5 em aproximadamente 12x no preço de entrada . A diferença econômica é maior em cargas de trabalho empresariais pesadas em raciocínio .

Qwen da Alibaba: O Paradoxo Adoção-Receita: O Qwen da Alibaba se tornou o sistema de IA de código aberto mais baixado do mundo em janeiro de 2026 . No entanto, o JP Morgan observa que o Qwen enfrenta dificuldades significativas de conversão de receita — ilustrando a tensão central da dinâmica do 'vencedor leva mais', onde a adoção de código aberto não se traduz automaticamente em poder de precificação ou receita sustentável . O ecossistema mais amplo de IA chinês construiu rapidamente 538 LLMs registrados (contra 14 em outubro de 2023), mas grande parte dessa capacidade foi canalizada para modelos de código aberto e baixo custo, oferecidos gratuitos ou quase gratuitos para maximizar a adoção .

Principais Riscos e Observações

• A análise do JP Morgan é explicitamente sobre comercialização e monetização, não sobre liderança técnica — o banco alerta que a capacidade do modelo sozinha é insuficiente para superação de investimento .
• A própria DeepSeek não é listada em bolsa, portanto as classificações do JP Morgan se aplicam a outros players (Zhipu, MiniMax e, indiretamente, Alibaba/Baidu) .
• O alvo da MiniMax de HK$ 300 representa um corte de ~73% em relação ao alvo inicial de HK$ 1.100 em apenas um mês, refletindo a rapidez com que o JP Morgan está se ajustando à dinâmica de commoditização do código aberto .

A Tese do 'Vencedor Leva Mais'

De acordo com o JP Morgan, o mercado chinês de LLMs está se consolidando rapidamente. O banco descreve este período como aquele em que, 'em meio à onda de código aberto, a IA da China entra em uma fase de 'vencedor leva mais'' . Não se trata de um cenário onde um único vencedor fica com tudo, mas sim onde os provedores de ponta capturam uma fatia desproporcionalmente grande do valor .

Alex Yao, chefe de pesquisa de ações da China no JP Morgan, argumenta que os vencedores serão decididos pela conversão em valor empresarial, e não por qual modelo é mais inteligente nos rankings . O foco mudou para a monetização por meio de fluxos de trabalho empresariais, consumo de API, ferramentas de programação e agentes de IA . O JP Morgan prevê que a receita recorrente anual (ARR) dos principais LLMs chineses crescerá aproximadamente 4x a 7x em 2026 .

A Divisão Estrutural do Código Aberto

Um pilar central da análise do JP Morgan é a divisão estrutural criada pelas estratégias de código aberto . O relatório de julho de 2026 do banco argumenta que empresas com modelos de pesos abertos consistentemente de ponta (SOTA) podem gerar 'valor de opcionalidade significativo' por meio da comercialização . Em contraste, modelos atrasados são commoditizados e lutam para comandar qualquer poder de precificação .

Isso cria um ciclo auto-reforçador: modelos de ponta atraem mais usuários e desenvolvedores, o que gera mais dados e receita, que financia novas melhorias. Modelos mais fracos, mesmo sendo de código aberto, ficam presos em uma armadilha de baixo valor, onde são usados, mas não monetizados de forma eficaz .

DeepSeek V4 Pro: O Choque de Preços

O V4 Pro da DeepSeek é o exemplo mais claro da pressão extrema de custos que está remodelando o mercado. Suas vantagens de preço são gritantes:

• Corte permanente de 75%: Em maio de 2026, a DeepSeek tornou permanente um desconto de 75% no V4 Pro, precificando tokens de saída em US$ 0,87 por milhão de tokens .
• Vantagem de custo radical: Esse preço torna o V4 Pro aproximadamente 12x mais barato que o GPT-5.5 e 7x mais barato que o Claude Opus 4.8 em inteligência comparável .
• Desempenho quase idêntico: O V4 Pro atinge 80,6% no SWE-bench Verified, dentro de 0,2 pontos do Claude Opus 4.6, que custa US$ 25 por milhão de tokens de saída — uma diferença de preço de 7x .
• Vantagem de custo estrutural: O JP Morgan observou em um relatório de maio de 2026 que apenas a infraestrutura proprietária da DeepSeek pode operar o V4 com eficiência econômica de ponta. A disparidade no cache hit input entre a API oficial da DeepSeek e pipelines de terceiros é de aproximadamente 40x, destacando vantagens estruturais de primeira parte .

Segundo o JP Morgan, o mercado inicialmente interpretou mal o V4 como uma ameaça competitiva a outras empresas chinesas de IA, mas o banco argumentou que ele na verdade fortaleceu três dos quatro pilares que sustentam a monetização de LLMs domésticos .

Ratings Divergentes do JP Morgan: Zhipu AI vs. MiniMax

A expressão mais concreta da tese do 'vencedor leva mais' é o tratamento starkmente divergente do JP Morgan em relação a duas empresas líderes chinesas de IA: Zhipu AI e MiniMax .

Zhipu AI (02513.HK) — Overweight, Alvo Elevado para HK$ 2.000

O JP Morgan elevou o preço-alvo da Zhipu três vezes em rápida sucessão:

• 15 de junho de 2026: Elevado para HK$ 1.400 (de HK$ 950), citando visibilidade do modelo e poder de precificação
• 22 de junho de 2026: Elevado novamente para HK$ 1.800 (30x P/L futuro com base nos lucros de 2030)
• 8 de julho de 2026: Elevado para HK$ 2.000 para dezembro de 2026, citando o GLM-5.2 como reforço da tese de que 'a comercialização de pesos abertos pode gerar valor de opcionalidade significativo para provedores de modelos líderes'

O banco também elevou as previsões de receita da Zhipu em 26% a 42% para o período FY2026–2030 e reduziu as projeções de perda líquida ajustada . As ações da Zhipu dispararam até 48% com a primeira atualização .

MiniMax (00100.HK) — Neutro, Alvo Reduzido para HK$ 300

Simultaneamente, o JP Morgan rebaixou a MiniMax:

• 14 de junho de 2026: Rebaixada de 'Overweight' para 'Neutro', alvo cortado de HK$ 1.100 para HK$ 400
• 8 de julho de 2026: Alvo ainda mais reduzido para HK$ 300, refletindo 'poder de precificação limitado e perspectivas de comercialização fracas'

A justificativa do banco: a MiniMax não lançou um novo modelo SOTA doméstico desde seu modelo M2, e em termos de capacidade de modelo pura, está ficando para trás dos concorrentes . Seu modelo M3 (lançado em 1º de junho) ficou em 4º lugar no Code Arena WebDev, mas não conseguiu fechar a lacuna com os modelos líderes . O JP Morgan citou 'distribuição e reconhecimento de marca fracos' fora do caso de uso restrito de entretenimento da MiniMax .

O tratamento contrastante é claro: a iteração consistente de modelo da Zhipu (especialmente o GLM-5.2) lhe rendeu poder de precificação e uma classificação 'Overweight', enquanto a incapacidade da MiniMax de acompanhar o ritmo dos modelos SOTA líderes resultou em uma classificação 'Neutro' e um corte de alvo de aproximadamente 73% em apenas um mês .

Contexto Amplo: Adoção Global Crescente da IA Chinesa

A análise do JP Morgan ocorre em um cenário de adoção global de modelos de IA chineses em rápida aceleração.

Domínio de Tráfego no OpenRouter: Modelos chineses representaram mais de 45% do tráfego do OpenRouter em abril de 2026, capturando a maioria do consumo de tokens na maior plataforma de agregação de IA do mundo, de acordo com dados destacados pelo estrategista do JP Morgan Asset Management, Michael Cembalest . No final de maio de 2026, os modelos de IA chineses estavam disparando nos rankings globais de uso em um ritmo sem precedentes .

Vantagem de Custo vs. Modelos de Fronteira dos EUA: Os modelos chineses oferecem custos 60-90% menores do que os modelos de fronteira dos EUA, ao mesmo tempo em que se aproximam de um desempenho comparável . Somente o DeepSeek V4 Pro supera o GPT-5.5 em aproximadamente 12x no preço de entrada . A diferença econômica é maior em cargas de trabalho empresariais pesadas em raciocínio .

Qwen da Alibaba: O Paradoxo Adoção-Receita: O Qwen da Alibaba se tornou o sistema de IA de código aberto mais baixado do mundo em janeiro de 2026 . No entanto, o JP Morgan observa que o Qwen enfrenta dificuldades significativas de conversão de receita — ilustrando a tensão central da dinâmica do 'vencedor leva mais', onde a adoção de código aberto não se traduz automaticamente em poder de precificação ou receita sustentável . O ecossistema mais amplo de IA chinês construiu rapidamente 538 LLMs registrados (contra 14 em outubro de 2023), mas grande parte dessa capacidade foi canalizada para modelos de código aberto e baixo custo, oferecidos gratuitos ou quase gratuitos para maximizar a adoção .

Principais Riscos e Observações

• A análise do JP Morgan é explicitamente sobre comercialização e monetização, não sobre liderança técnica — o banco alerta que a capacidade do modelo sozinha é insuficiente para superação de investimento .
• A própria DeepSeek não é listada em bolsa, portanto as classificações do JP Morgan se aplicam a outros players (Zhipu, MiniMax e, indiretamente, Alibaba/Baidu) .
• O alvo da MiniMax de HK$ 300 representa um corte de ~73% em relação ao alvo inicial de HK$ 1.100 em apenas um mês, refletindo a rapidez com que o JP Morgan está se ajustando à dinâmica de commoditização do código aberto .