No mundo em rápida evolução das tecnologias de inteligência artificial, a questão de saber se o CPM é lucrativo ou não torna-se crucial para os negócios. Ouvimos constantemente sobre a redução do custo da “inteligência”, mas, ao mesmo tempo, os modelos emblemáticos tornam-se mais caros e os custos de IA aumentam. Como entender esse paradoxo? Neste artigo, vamos mergulhar na economia dos grandes modelos de linguagem (LLMs) até o final de 2026, analisar os preços reais, as margens dos provedores e tentar prever o futuro.
Quanto custa um token agora – de acordo com a tabela de preços e na prática?
Em materiais anteriores, já abordamos o tema da inferência local, mas a prática corporativa depende em grande parte dos modelos em nuvem. Aqui, a questão do custo torna-se criticamente importante. Apesar das declarações de pesquisadores sobre a redução do custo da “inteligência”, os modelos emblemáticos lançados até 2026 acabaram sendo mais caros. Os provedores estão ativamente cortando limites, e os custos gerais de IA continuam a crescer. Vamos entender a precificação e a economia real.
Até o final de 2026, o mercado de LLMs formou uma estrutura clara de três níveis:
- Super-emblemáticos: Claude Fable 5.1 e GPT-6 Astra.
- Emblemáticos de trabalho: Claude Opus 5.5, GPT-6 Sol, Gemini 3.5 Flash.
- Modelos de massa: GPT-6 Luna, DeepSeek V4.1-Flash.
A tabela de preços padrão para 1 milhão de tokens é a seguinte:
- Claude Fable 5.1 (Anthropic): $75
- GPT-6 Astra (OpenAI): $60
- Claude Opus 5.5 (Anthropic): $30
- Gemini 3.5 Flash (Google): $15
- DeepSeek V4.1-Flash (tarifa fora de pico, massa, pesos abertos): $2
No entanto, é importante entender que esta tabela de preços não reflete os custos reais. De acordo com a Ramp, o preço médio ponderado que as empresas americanas realmente pagam à OpenAI e à Anthropic foi de cerca de $0,56 por milhão de tokens até 23 de outubro de 2026. Isso se explica pelo fato de que a maior parte das solicitações se refere à leitura repetida do contexto do cache e ao uso de modelos mais baratos.
Martin Alderson mostrou que o custo de uma longa sessão de agente é determinado pela taxa de leitura do cache, e não pelo preço de entrada/saída. A mesma tarefa pode custar de $0,23 a $25. Uma diferença de duas ordens de magnitude.
Assim, a escolha do modelo e a arquitetura de cache têm um impacto muito mais forte no orçamento do que as mudanças nas tabelas de preços. Isso não é uma suposição, mas um fato confirmado. A otimização do CPM torna-se criticamente importante para qualquer projeto de IA.
Esses preços são economicamente justificados?
O relatório da Epoch AI intitulado “The plunging price of thought” (setembro de 2026) afirma que o custo para atingir uma qualidade fixa está a diminuir aproximadamente 13 vezes por ano. Esta é uma taxa que supera a redução de custos do sequenciamento de ADN ou do poder computacional.
Guido Appenzeller (a16z) já em 2024 chamou a este fenómeno “LLMflation” e estimou uma redução de custos de dez vezes por ano.
É importante notar que esta curva se refere a um nível fixo de capacidade. Ethan Ding observou corretamente que a procura está constantemente a mudar para os modelos mais recentes, cujo preço permanece relativamente constante, e o número de tokens necessários para completar uma tarefa está a aumentar. Se extrapolarmos o ritmo da Epoch, o preço de um nível fixo de capacidade diminuiu dez mil vezes. No entanto, durante o mesmo período, o preço dos tokens de saída dos modelos emblemáticos da OpenAI e da Anthropic permanece na faixa de $10–$75 por milhão.
Em 2026, os novos modelos ficaram realmente mais caros. Matthias Bastian aponta que o Gemini 3.5 Flash é mais caro que o seu predecessor, e as novas versões do Claude consomem mais tokens para realizar a mesma tarefa. De acordo com o índice Ornn, os preços reais dos modelos fechados aumentaram, enquanto o preço do DeepSeek aberto, pelo contrário, diminuiu.
As subscrições são lucrativas para os fornecedores?
O prospeto da Anthropic, publicado a 26 de outubro de 2026, forneceu pela primeira vez dados financeiros verificáveis. A margem bruta da empresa foi de cerca de 85% no primeiro semestre de 2026. Os custos diretos de computação representaram cerca de 15% das receitas. Para comparação, em 2024, este indicador era negativo. Cerca de 80% das receitas da Anthropic provêm do pagamento por token, e 20% de subscrições.
Para onde vão as receitas? Cerca de 60 cêntimos de cada dólar são direcionados para pesquisa e desenvolvimento (treino de modelos). Outros 23 cêntimos vão para vendas e marketing, e 6 cêntimos para despesas administrativas. Apenas 15 cêntimos são gastos no serviço direto de pedidos.
A situação financeira da OpenAI é diferente. Com receitas de $5,7 mil milhões e $6,7 mil milhões no primeiro e segundo trimestres de 2026, respetivamente, o prejuízo operacional da empresa foi de $9,3 mil milhões e $12,3 mil milhões.
A razão para esta discrepância reside no facto de uma parte significativa dos utilizadores do ChatGPT utilizar planos gratuitos ou de baixo custo. A margem bruta da OpenAI foi de 33% em 2025 e 39% no primeiro trimestre de 2026. A Anthropic, por outro lado, está focada principalmente em clientes corporativos e acesso programático.
Martin Alderson já em 2025 afirmou: “The API business is essentially a money printer”. A venda de acesso via API é, essencialmente, uma máquina de fazer dinheiro.
Dario Amodei, CEO da Anthropic, formulou a lógica da seguinte forma: “Every model is profitable, but the company is unprofitable every year”. Ou seja, cada modelo gera lucro, mas a empresa no geral permanece deficitária devido aos investimentos colossais no desenvolvimento da próxima geração de tecnologias.
Os preços dos modelos de ponta são justificados não tanto pelo custo de produção do token, mas pelos seguintes fatores:
- A necessidade de recuperar o investimento no treinamento de modelos com um ciclo de vida relativamente curto.
- Um prêmio pela liderança tecnológica e inovação.
- A escassez de poder computacional, observada em 2026.
A conclusão é óbvia: pagar mais por um modelo poderoso só se justifica quando ele traz um efeito mensurável e substancial. Um mês após o lançamento do Claude Fable 5, ele representava apenas 6% dos tokens adquiridos da Anthropic. Este é um indicador claro do limite da disposição das empresas em pagar por um aumento na qualidade. O ROI em investimentos em IA deve ser calculado de forma muito rigorosa.

Economia de assinaturas: limites em vez de preços
Sam Altman (OpenAI) já em janeiro de 2025 reconheceu que a empresa estava perdendo dinheiro na tarifa Pro devido ao uso intensivo. Ethan Ding explicou que, com o agente operando autonomamente, o consumo de tokens se torna praticamente ilimitado. “There is no flat subscription price that works in this new world”, observou ele. Um preço de assinatura fixo simplesmente não funciona nesta nova realidade.
Os provedores reagiram a isso gerenciando os limites. A Anthropic introduziu limites semanais, e a OpenAI diminuiu os limites para usuários da tarifa Plus. Chris Zeoli comentou: “Instead of raising list prices, they cut usage allowances”. Ou seja, em vez de aumentar os preços de tabela, os provedores reduziram os volumes de uso permitidos.
No segmento de massa, a OpenAI está gradualmente se movendo para um modelo de publicidade, esperando uma redução no número de assinantes Plus e compensação através da tarifa de publicidade Go.
O modelo de cálculo da margem de assinaturas é o seguinte:
- Custo do assinante C = A × k, onde A — consumo mensal pelo preço da API, k — relação custo/preço (de 10% a 30%).
- Margem M = P − C, onde P — preço da tarifa.
- Ponto de equilíbrio: A = P / k.
Mesmo com a condição de que 15% dos usuários sejam “pesados” e extremos, a margem no cenário base é de cerca de 56%. Consequentemente, os limites são a principal ferramenta para gerenciar a economia das assinaturas.
Como os preços mudarão em 2027–2029?
O custo do token provavelmente continuará a diminuir, mas o custo de execução de uma tarefa em modelos de ponta — não. O mercado será influenciado por forças divergentes:
- Tendência tecnológica: A redução do custo de um nível fixo de capacidades não desacelera.
- Eficiência da inferência: A Gartner prevê que, até 2030, a inferência de um modelo com um trilhão de parâmetros custará 90% menos do que em 2025. No entanto, essa redução de custo não será totalmente repassada aos clientes.
Tomasz Tunguz: «Inflationary demand outpaces deflationary algorithmic & chip improvements». A demanda inflacionária supera o efeito deflacionário do aprimoramento de algoritmos e chips.
A previsão final do Gartner é desanimadora: até 2028, o custo de um processo de agente aumentará mais de cinco vezes, apesar da redução do custo dos tokens. Esse fenômeno foi denominado “paradoxo da inferência”.
O que isso significa para empresas e especialistas?
Will Sommer (Gartner): «Os gerentes de produto não podem esperar que a redução do custo dos tokens por si só justifique os custos de IA».
Isso significa que é necessário calcular a economia unitária de forma extremamente rigorosa. O CPM é vantajoso apenas com a escolha correta do modelo e da arquitetura. O teste de hipóteses pode ser feito de forma barata em modelos abertos. A comparação de preços entre banner e blogueiro agora é complementada pela comparação com soluções de IA. Vale a pena investir em IA? Somente se o ROI for óbvio. Preço versus resultado – este é o indicador chave. Como reduzir o CPM – não se trata apenas de tokens, mas também da eficiência de toda a arquitetura da solução.
Perguntas frequentes
Qual é o CPM real em LLMs na nuvem?
O CPM médio ponderado real para empresas americanas é de cerca de US$ 0,56 por milhão de tokens, significativamente abaixo dos preços declarados dos modelos principais. Isso se deve ao uso de cache e modelos mais baratos para a carga principal.
Por que os novos modelos principais estão ficando mais caros se a “inteligência” está barateando?
A “inteligência” barateia para um nível fixo de capacidades. No entanto, a demanda se desloca para os modelos mais recentes e poderosos, cujo custo permanece alto. Os provedores são forçados a recuperar enormes investimentos no treinamento da próxima geração de modelos, o que mantém os preços das soluções de ponta elevados.
As assinaturas de LLM são lucrativas para os provedores?
Sim, as assinaturas são lucrativas para os provedores, se não considerarmos os investimentos colossais em pesquisa e desenvolvimento de novos modelos. A margem bruta da Anthropic é de cerca de 85% nas operações atuais. No entanto, devido ao uso intensivo, os provedores são forçados a impor limites, em vez de aumentar os preços, para gerenciar a economia das assinaturas.
O que é o “paradoxo da inferência”?
O “paradoxo da inferência” é uma situação em que o custo dos tokens continua a diminuir devido ao progresso tecnológico, mas o custo total de execução de uma tarefa usando IA aumenta. Isso ocorre devido ao aumento da complexidade das tarefas, ao crescimento do consumo de tokens por tarefa (especialmente para agentes) e à escassez de poder computacional.
Qual CPM é considerado vantajoso para projetos de IA?
Um CPM vantajoso depende da tarefa específica e do ROI. Se o pagamento extra por um modelo carro-chefe traz um efeito mensurável e se converte em receita, então tal CPM pode ser justificado. Em outros casos, vale a pena focar em modelos abertos mais baratos ou otimizar a arquitetura de cache para reduzir os custos reais.
