RespostasPublicado31 fontes
Por que os tokens de IA ficaram tão baratos — enquanto os gastos continuam subindo
O índice da Silicon Data atingiu US$ 0,97 por milhão de tokens em 31 de agosto de 2026, o menor nível desde sua criação. O corte permanente de 75% da DeepSeek no V4 Pro e as reduções de até 99% da Xiaomi ajudaram a transformar a concorrência chinesa em uma guerra global de preços de inferência.
Publicado porEditado com GPT-5.6 LunaImagens geradas com GPT Image 1.5
Resposta de pesquisa
Principais conclusões
- O índice da Silicon Data atingiu US$ 0,97 por milhão de tokens em 31 de agosto de 2026, o menor nível desde sua criação.
- O corte permanente de 75% da DeepSeek no V4 Pro e as reduções de até 99% da Xiaomi ajudaram a transformar a concorrência chinesa em uma guerra global de preços de inferência.
- A inferência mais barata pode ampliar o uso de IA mais rapidamente do que os preços caem, mas a diferença de 46% entre o crescimento dos investimentos e das vendas revela riscos importantes de monetização e retorno.
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What caused the Silicon Data LLM Token Expenditure Index to fall below $1 per million tokens to a record low, how did Chinese AI laboratorie. Article summary: The index fell below $1 because the effective market price of inference was pushed down by cheaper open-weight Chinese models, aggressive API discounting, lower production costs, and competitive cuts by frontier provider. Topic tags: general, general web, user generated, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
O índice LLM Token Expenditure, da Silicon Data, caiu abaixo de US$ 1 por milhão de tokens porque o mercado passou a usar mais modelos baratos e os provedores reduziram repetidamente os preços de suas APIs. A leitura do mercado amplo chegou a 97 centavos em 31 de agosto de 2026 — o menor nível desde a criação do índice e menos da metade do pico registrado no início do verão do Hemisfério Norte. 4
Mas esse número precisa ser interpretado com cuidado. O índice é uma medida ponderada pelo uso do que o mercado paga por 1 milhão de tokens de inferência — as unidades de texto processadas por um modelo de IA. Ele não mede o gasto total com IA nem o volume total de tokens consumidos. Portanto, a queda indica que a inteligência artificial está ficando mais barata por unidade, mas não prova, sozinha, que a demanda esteja diminuindo. 2
7
8
Como o índice chegou ao nível recorde
Vários fatores pressionaram os preços na mesma direção:
- Modelos chineses mais baratos ganharam espaço. Opções abertas e de baixo custo deram aos desenvolvedores alternativas aos sistemas proprietários premium, reduzindo o preço médio ponderado do mercado.
38
39
- O preço virou uma arma competitiva. Descontos nas APIs ajudam os desenvolvedores de modelos a conquistar usuários, estimular implantações e proteger participação de mercado em um cenário no qual as diferenças de capacidade entre os modelos estão diminuindo.
- A economia da inferência melhorou. Custos menores de produção e operação tornaram mais fácil oferecer mais processamento por menos dinheiro, embora as evidências disponíveis não indiquem que todos os provedores tenham a mesma estrutura de custos.
- A concorrência se espalhou pelo mundo. A pressão deixou de ser exclusivamente chinesa quando empresas de fronteira também reduziram os preços de suas categorias mais econômicas.
36
37
A trajetória geral foi de queda: o índice estava acima de US$ 2 por milhão de tokens no início de junho, recuou para aproximadamente US$ 1,16 a US$ 1,18 no começo de agosto e depois cruzou a marca de US$ 1. 1
38
4 As leituras intermediárias exatas são menos claras, porque registros públicos e relatos de intermediários nem sempre coincidem; uma leitura pública citada para 27 de julho foi de US$ 1,43.
1
2
Como os laboratórios chineses transformaram descontos em guerra de preços
Um dos gatilhos mais visíveis foi a decisão da DeepSeek, em maio, de tornar permanente o corte de 75% no preço da API de seu modelo V4-Pro. A empresa afirmou que as novas tarifas permaneceriam em um quarto do valor original, com preços diferentes conforme o tipo de uso. 33
Outros provedores chineses seguiram o movimento. A Xiaomi anunciou cortes de até 99% nas APIs de seus modelos MiMo-V2.5, enquanto relatos descreveram reduções simultâneas de vários grandes laboratórios chineses, incluindo ByteDance, Tencent, MiniMax e Alibaba. 39
46
Essa estratégia mudou a pergunta central para quem compra IA. Em vez de analisar apenas qual modelo é mais capaz, as empresas passaram a comparar capacidade por dólar, latência, tamanho e tratamento do contexto, confiabilidade e flexibilidade de implantação. Quando os modelos são suficientemente parecidos para tarefas rotineiras, uma diferença grande de preço pode redirecionar o uso rapidamente.
A guerra de preços também chegou a um ponto de inflexão. Em agosto, a DeepSeek elevou os preços de modelos mais novos e adotou tarifas de pico e fora de pico; no período de menor demanda, o valor ficou em metade do preço de pico. O movimento sugere que oferecer capacidade ilimitada pelo menor preço possível não é um modelo de negócios sustentável por si só. Os provedores também precisam administrar a utilização das GPUs e recuperar os custos de infraestrutura. 35
Por que preços menores não significam menos gastos com IA
A aparente contradição pode ser resumida assim:
Gasto total = preço por token × número de tokens utilizados.
Se o preço cair 90%, mas o uso crescer mais de 90%, o gasto total ainda poderá aumentar. Preços menores tornam economicamente viáveis tarefas que antes eram caras demais, como atendimento automatizado, programação, processamento de documentos, aplicações com contexto longo e fluxos de trabalho conduzidos por agentes de IA.
Algumas análises apontam que os preços dos tokens caíram mais de 90% desde 2023, enquanto o gasto total com IA aproximadamente dobrou. Essa combinação é compatível com um mercado no qual a inferência mais barata amplia o número de aplicações viáveis, em vez de destruir a demanda. 19
22
A economia de tokens da China oferece um sinal de escala. A Administração Nacional de Dados informou que o consumo diário ultrapassou 140 trilhões de tokens em março — mais de 40% acima dos 100 trilhões registrados no fim do ano anterior. 26
32 As grandes operadoras chinesas de telecomunicações também vêm investindo em capacidade computacional para IA. A China Telecom registrou aumento de 95% na receita de computação inteligente no primeiro semestre, enquanto o investimento da China Unicom em infraestrutura computacional cresceu mais de 80% na comparação anual.
17
18
Esses números não provam que todos os provedores de modelos sejam lucrativos. Eles mostram, porém, como preços unitários menores podem sustentar volumes muito maiores de uso e de infraestrutura.
O que a diferença entre investimento e vendas revela
A interpretação otimista é que a queda dos preços de inferência representa o início da adoção em massa. Uma inteligência mais acessível poderia gerar volume suficiente de tokens para justificar novos investimentos em nuvem, data centers, chips, redes e eletricidade.
A interpretação cética se concentra no tempo necessário para transformar esse uso em retorno financeiro. Relatos que citam a Allianz Research colocam em aproximadamente 46% a diferença entre o crescimento do investimento de capital em IA e o crescimento das vendas, acima da divergência de cerca de 32% observada durante o excesso do setor de telecomunicações em 2001. 20
22
23
A comparação é um alerta, não uma prova de que a IA esteja repetindo a bolha das telecomunicações. A infraestrutura pode, no futuro, sustentar cargas de trabalho muito maiores. Ainda assim, provedores de modelos e compradores de infraestrutura enfrentam três riscos principais:
- Deflação de preços: modelos mais capazes podem continuar sendo vendidos por menos.
- Risco de utilização: custos fixos elevados de infraestrutura exigem demanda consistente, não apenas picos temporários de uso.
- Risco de monetização: o volume de tokens precisa crescer rápido o bastante para compensar a queda dos preços efetivamente recebidos e gerar retorno sobre compromissos elevados de capital.
Como ler o índice da Silicon Data
A nova mínima do índice da Silicon Data deve ser entendida principalmente como um sinal sobre poder de precificação e disposição a pagar, não como uma medida isolada da demanda por IA. O indicador mostra que o mercado está pagando menos por cada unidade de inferência, em parte porque o uso migrou para modelos mais baratos e porque os provedores estão competindo agressivamente por preço. 7
8
14
A questão decisiva agora é saber o que acontece em seguida: se a queda dos preços desbloqueará aplicações suficientes para expandir a receita total ou se a guerra de preços crescerá mais rápido que o uso, deixando o setor com infraestrutura cara e retornos fracos.
As evidências disponíveis sustentam a primeira possibilidade como uma história de expansão da demanda e a segunda como um risco financeiro relevante. Elas ainda não permitem determinar qual dos dois cenários prevalecerá.
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
As pessoas também perguntam
Qual é a resposta curta para "Por que os tokens de IA ficaram tão baratos — enquanto os gastos continuam subindo"?
O índice da Silicon Data atingiu US$ 0,97 por milhão de tokens em 31 de agosto de 2026, o menor nível desde sua criação.
Quais são os pontos-chave para validar primeiro?
O índice da Silicon Data atingiu US$ 0,97 por milhão de tokens em 31 de agosto de 2026, o menor nível desde sua criação. O corte permanente de 75% da DeepSeek no V4 Pro e as reduções de até 99% da Xiaomi ajudaram a transformar a concorrência chinesa em uma guerra global de preços de inferência.
O que devo fazer a seguir na prática?
A inferência mais barata pode ampliar o uso de IA mais rapidamente do que os preços caem, mas a diferença de 46% entre o crescimento dos investimentos e das vendas revela riscos importantes de monetização e retorno.