- O modelo chinês de pesos abertos Kimi K3 se aproximou dos modelos de ponta, mas a competitividade no negócio de IA é decidida não pelo custo de desenvolvimento do modelo, e sim pelo custo dos produtos vendidos (COGS) para fornecer inteligência em nível de resposta correta
- Como cada modelo precisa de uma quantidade diferente de tokens para chegar à resposta correta, tokens em si não são uma commodity intercambiável; o que de fato é comoditizado é a inteligência produzida com tokens
- Os preços altos da Anthropic e da OpenAI decorrem em grande parte da escassez de oferta de computação, e mesmo que os modelos chineses sejam baratos por token, a vantagem de custo pode desaparecer se usarem mais tokens de inferência
- A China busca comoditizar a IA com modelos de pesos abertos para fortalecer sua robótica e sua indústria física, e também desfruta de uma vantagem estrutural ao usar modelos de ponta dos EUA como professores de baixo custo por meio de destilação (distillation)
- Se os EUA não relaxarem as restrições sobre modelos de ponta para cibersegurança nem permitirem a destilação por desenvolvedores domésticos de pesos abertos, empresas americanas acabarão dependendo de modelos chineses para defesa
A estrutura de custos da IA, diferente da do software
- No software, custo marginal e custo de transação eram na prática próximos de zero, dando centralização e vantagens de escala às empresas que dominavam a demanda; na IA, porém, o custo marginal volta a determinar a estrutura da indústria
- Modelos de pesos abertos economizam o custo de P&D para criar os pesos, mas não tornam gratuito o custo do serviço
- O custo de P&D é um custo fixo desvinculado da receita
- O custo de inferência é um custo dos produtos vendidos que cresce com uso e receita
- Se o custo de geração de tokens for US$ 0,50 por US$ 1 de receita, então uma receita de US$ 100 milhões implica COGS de US$ 50 milhões, enquanto uma receita de US$ 100 mil implica US$ 50 mil
- O Kimi K3 cobra US$ 3 por 1 milhão de tokens de entrada e US$ 15 por 1 milhão de tokens de saída; o Sol cobra US$ 5 e US$ 30, respectivamente
- Ainda assim, só o preço por token não basta para medir com precisão o custo real de entregar inteligência de um modelo
O que vira commodity não são os tokens, e sim a inteligência
- Quando a Nvidia define a GPU como uma “fábrica de tokens” independente do modelo, os principais indicadores passam a ser tokens por segundo, tempo até o primeiro token, tokens por watt e custo por token
- Na era do ChatGPT, em que os tokens eram entregues diretamente ao usuário, essa forma de medir funcionava bem, mas na era da inferência os tokens de cadeia de raciocínio explodem e o número de tokens necessário para a resposta correta varia entre modelos
- O Kimi é conhecido por usar muito mais tokens que o Sol, o que pode eliminar a vantagem do preço exibido
- Em fluxos de trabalho com agentes, o número de tokens necessário para concluir uma tarefa também varia conforme o modelo
- Tokens não são intercambiáveis, portanto não são como petróleo, cobre ou trigo
- Se vários modelos conseguem produzir a mesma resposta correta, o que tem caráter de commodity não é o token, e sim a inteligência em nível de resposta correta; a diferença no COGS vem do número de tokens consumidos até chegar à resposta
- O custo da inteligência é determinado por cinco fatores
- Tamanho do modelo: pesos e estado em tempo de execução determinam a quantidade de memória cara e de aceleradores necessária para cada réplica de serving
- Eficiência de inferência: arquiteturas como Mixture-of-Experts reduzem a computação por token gerado
- Eficiência de memória: reduzir a exigência de cache KV permite elevar requisições simultâneas e utilização de GPU
- Eficiência de serving: batching, scheduling e prefix caching compartilham trabalho entre requisições e aumentam a utilização
- Eficiência de tokens: quanto menos tokens forem necessários para a resposta correta, menor será o custo de inferência
- Um app CRUD básico já pode ser feito com modelos de vários fornecedores, então, nesses casos, mais do que preço alto, é uma estrutura de custos superior que define a rentabilidade
Preços e estrutura de lucro em mercados de commodities
- Em mercados de commodities, todos os fornecedores vendem a mesma coisa, então o preço é definido por oferta e demanda
- À medida que o preço cai, a demanda cresce, operando a elasticidade-preço
- A oferta é determinada pelo custo marginal de produzir a commodity
- Como o custo marginal varia entre fornecedores, é o custo do fornecedor marginal mais caro que define o preço de mercado; o lucro dos demais depende de quão mais barato conseguem produzir
- Se os fornecedores A, B e C produzem 10 unidades cada a US$ 10, US$ 15 e US$ 20 por unidade, e a demanda a US$ 20 é de 25 unidades, então:
- A vende 10 unidades e ganha US$ 10 por unidade
- B vende 10 unidades e fica com US$ 5 por unidade
- C vende 5 unidades, mas não tem lucro por unidade
- Na prática, A e B poderiam baixar um pouco o preço em relação a C, e mudanças de preço também afetariam a demanda, mas a estrutura em que o fornecedor de maior custo assume o risco de falência continua a mesma
- O preço de equilíbrio do mercado não consegue refletir custos fixos como P&D ou dívidas para aquisição de infraestrutura, mas esses custos podem expulsar fornecedores menos rentáveis
- Quando um fornecedor sai do mercado, os preços sobem até que outro entre ou os existentes ampliem a capacidade
A posição dos modelos chineses no mercado atual de inteligência
- No momento, o mercado de modelos de ponta não atende às condições de um mercado de commodities completo, porque a demanda excede a oferta devido à escassez de computação
- A Nvidia fornece computação com margens altas, e clientes como a SpaceXAI também a revendem para a Anthropic com margens altas, permitindo que a Anthropic cobre ainda mais pelos tokens
- Anthropic e OpenAI provavelmente estão entre as empresas com menor custo unitário para inteligência de qualidade de ponta, graças ao desempenho do modelo, à escala de serving e à eficiência de tokens
- Elas entregam determinados níveis de desempenho meses antes dos concorrentes
- Reutilizam seus melhores modelos para otimização de custos
- A demanda do mercado ainda se dirige diretamente à Anthropic e à OpenAI, não à inteligência abstrata; SpaceXAI e Meta, com desempenho relativamente inferior, vendem capacidade para a Anthropic
- Se uma tarefa for definida pelo nível de inteligência necessário, compradores podem trocar de fornecedor, criando um mercado de commodities
- No longo prazo, modelos de ponta descem para o mercado não de ponta alguns meses depois, e nesse intervalo os desenvolvedores podem otimizar o custo de serving, dando vantagem às empresas de ponta também nos mercados inferiores
- O baixo preço exibido dos modelos chineses pode ser apenas o resultado da comparação com preços elevados que Anthropic e OpenAI definiram por causa da escassez de oferta
- Há pouca evidência de que o Kimi seja mais barato em termos de custo marginal, e, considerando também a eficiência de tokens, a reação econômica aos modelos chineses pode ser exagerada
Por que os laboratórios de ponta veem os modelos chineses como ameaça
- Os laboratórios de ponta continuam presos à estrutura financeira de quando o treinamento consumia mais GPUs do que a inferência
- Para financiar o próximo treinamento, precisavam maximizar a receita de inferência, o que exigia preços altos de inferência
- Mesmo que os custos de treinamento continuem subindo, espera-se que o mercado de inferência cresça ainda mais rápido
- Como o paradigma de agentes abriu uma demanda em larga escala, com computação suficiente será possível crescer com preços baixos e alto volume de uso
- Inteligência não é uma commodity perfeita, e os dados coletados no uso real tornam o próximo modelo mais inteligente
- Com o aumento da oferta de computação, surge o incentivo para baixar preços e ampliar uso e dados
- A estratégia da Microsoft de focar no suporte para empresas rodarem seus próprios modelos também se torna mais viável quanto mais os modelos chineses funcionarem como alternativa
- Laboratórios de ponta podem se diferenciar de modelos chineses e de outros laboratórios avançando para a experiência do cliente
- Claude Code e Codex mostram forte persistência: o usuário tende a permanecer no primeiro harness escolhido
- Essa persistência pode ser ainda maior entre usuários não técnicos
- O avanço dos laboratórios para camadas superiores ameaça fornecedores de software, incluindo a Microsoft
- Empresas de software que já controlam a experiência do cliente resistem mais facilmente à penetração dos laboratórios quanto mais acesso tiverem a modelos competitivos
- A Anthropic parte da premissa de que apenas ela é confiável para cuidar de uma IA poderosa, e uma alternativa de pesos abertos desmonta essa premissa
A estratégia chinesa de pesos abertos
- O Qwen3.8 Max, da Alibaba, tem 2,4 trilhões de parâmetros, e a empresa o avalia como estando em segundo lugar, atrás apenas do Fable 5, da Anthropic
- O Kimi K3, da Moonshot AI, tem 2,8 trilhões de parâmetros
- O Qwen3.8 Max pode ser usado na plataforma de coding da Alibaba, incluindo o Qoder
- A Alibaba planeja divulgar os pesos após a prévia
- Com a corrida por modelos chineses, a Moonshot suspendeu temporariamente novas assinaturas
- A Alibaba havia interrompido antes a divulgação dos pesos de seus modelos de ponta, mas voltou a uma estratégia de pesos abertos
- O discurso de Xi Jinping sobre IA incentiva código aberto, abertura, cooperação e compartilhamento, e destaca que a IA está se movendo do mundo digital para o mundo físico
- Ele pede o uso da IA para transformar indústrias tradicionais, impulsionar o crescimento de setores emergentes e planejar indústrias do futuro, para que todos os setores e empresas se beneficiem
- A estratégia da China é comoditizar a IA de uma forma que complemente sua própria indústria
- As áreas em que a China é forte no mundo físico e em robótica podem se beneficiar de modelos de IA amplamente disponíveis
- Isso pode impedir que os EUA obtenham uma vantagem assimétrica em IA e enfraquecer o poder dos laboratórios de ponta americanos
- A China também pode absorver a inovação gerada em um ecossistema aberto
A lacuna estrutural criada pela destilação
- É improvável que a China impeça ataques de destilação contra laboratórios de ponta
- Tanto atribuir todo o sucesso dos laboratórios chineses à destilação quanto negar sua grande vantagem seriam erros
- No último ano, o aprendizado por reforço no pós-treinamento se tornou mais importante para o desempenho dos modelos, ampliando o efeito da destilação
- Laboratórios chineses não precisam construir ambientes de aprendizado por reforço do zero e podem usar modelos de ponta como professores
- Com isso, melhoram muito mais rápido e a custo bem menor
- A destilação não é o único fator que explica o baixo custo de desenvolvimento dos modelos chineses, mas é um fator importante
- No Ocidente também se usam os próprios modelos chineses para destilação
- A Thinking Machines, que lançou um modelo de pesos abertos, depende de modelos chineses para resolver o problema de cold start do aprendizado por reforço
- Segundo a análise de Dean Meyer e Konstantine Buhler, os laboratórios chineses têm excelentes pesquisadores, grande escala de computação, modelos fortes de pré-treinamento, co-design de software e hardware e capacidades aprimoradas de pós-treinamento
- A destilação comprime o caro trecho final entre um modelo-base forte e um sistema próximo da fronteira tecnológica
- Medidas de repressão podem tornar a destilação em grande escala mais difícil e cara, mas não eliminam a destilação por atores apoiados pelo Estado
- Sempre que modelos de ponta ocidentais avançam, os laboratórios chineses ganham novos professores
- Desenvolvedores americanos de pesos abertos precisam seguir os termos de serviço dos laboratórios de ponta e ficam em desvantagem em relação aos modelos chineses, acabando por destilar novamente resultados já destilados via modelos chineses
- Os próprios grandes modelos de linguagem já são resultado da coleta de conhecimento da internet aberta e de sua compressão em modelos; por isso, há uma contradição em considerar errado apenas destilar respostas de API de outros modelos
- Os EUA precisam de duas medidas legais
- Devem deixar claro que a coleta de dados para treinar modelos é uso justo
- Pelo menos para empresas americanas, não deveriam permitir termos de serviço que proíbam destilação
- Em vez de tentar bloquear uma destilação difícil de distinguir de consultas comuns à API, seria melhor proteger legalmente o aprendizado dos laboratórios e permitir que seus resultados sejam aproveitados em inovações posteriores
A área de preocupação real é a cibersegurança
- A infraestrutura de produção da Hugging Face foi comprometida por um sistema autônomo de agentes de IA, e os guardrails dos modelos de ponta dos EUA não conseguiam distinguir respondedores de incidente de atacantes, bloqueando a resposta
- A equipe de defesa executou o GLM 5.2, open source da chinesa Z.ai, em sua própria infraestrutura para analisar mais de 17 mil logs e rastros deixados pelo atacante
- A Hugging Face recomenda validar com antecedência modelos de bom desempenho que possam rodar na própria infraestrutura antes de um incidente
- Isso evita bloqueios de acesso causados por guardrails
- Também impede que dados do ataque e credenciais saiam para ambientes externos
- Em um cenário em que modelos com capacidade ofensiva já estão amplamente disponíveis, defensores também precisam ter acesso aos modelos de melhor desempenho
- Por causa das diretrizes do governo Trump, defensores praticamente não podem usar Fable ou Sol para cibersegurança, tornando os modelos chineses a melhor alternativa
- Os EUA devem adotar duas políticas
- Precisam relaxar as restrições de cibersegurança sobre Fable e Sol
- Precisam garantir que desenvolvedores americanos de modelos de pesos abertos concorram em condições equivalentes às da China
- Se os laboratórios de ponta puderem monopolizar os padrões de segurança e proteção ou bloquear o acesso posterior ao conhecimento coletivo, a defesa das empresas americanas passará a depender de modelos chineses
- Em vez de barrar a concorrência por meio de restrições, laboratórios americanos devem competir com modelos melhores e estruturas de custo superiores, sem entregar à China a liderança em abertura e inovação
2 comentários
Desculpa, Terra
Comentários do Hacker News
Quem mais teme os modelos chineses são os venture capitalists que investiram nas avaliações astronômicas da Anthropic e da OpenAI. A Anthropic mira US$ 1,2 trilhão e a OpenAI, US$ 850 bilhões, avaliações baseadas na premissa de que poderão obter lucros enormes com APIs caras
Os laboratórios chineses estão minando essa estratégia ao distribuir gratuitamente excelentes modelos abertos, e se até os laboratórios de ponta entrarem na competição de cortar preços por token, ficará difícil justificar as avaliações atuais, e os investidores terão perdas contábeis gigantescas
Baixar o modelo é grátis, mas executá-lo não é, então isso se parece mais com a economia da manufatura do que com software. Testando tarefas reais com o GLM 5.2, ele saiu mais caro que o GPT 5.6, e os laboratórios americanos estão à frente no custo de inferência por tarefa
Se o peso da inferência crescer com tarefas de agentes, o peso do custo de treinamento cai, e a eficiência de tokens parece difícil de destilar, então os LLMs chineses parecem ineficientes. Modelos otimizados para demanda massiva de inferência podem alcançar menor custo por tarefa, e a OpenAI, graças à tokenização eficiente e respostas curtas, tem custo por tarefa inferior à metade do da Anthropic e, em tarefas de fronteira, é superior e mais barata que os modelos chineses
As empresas também não vão gastar fortunas com tokens. Quando os laboratórios não precisarem mais subsidiar o custo de treinamento, o custo por token cairá para um décimo; quando o modelo chegar ao estágio de ser gravado no chip, cairá mais um décimo, e talvez fique difícil até consumir uma quantidade significativa de tokens sem querer
Ao contrário da afirmação de que Claude Code e Codex geram forte lock-in, no inverno e na primavera usei Claude Code quase exclusivamente, depois no começo do verão mudei para Codex sem dificuldade alguma. Antes disso usei Cursor, e a transição foi a mesma; também usei Conductor por um tempo, mas no fundo ele parecia apenas fornecer um ambiente de execução para Claude/Codex
Alguns anos depois, quando um vendedor convence executivos com a promessa de cortar custos, a troca acontece de novo mais por preço do que por um produto melhor. Na empresa da minha esposa, quando todos finalmente se acostumam à nova ferramenta, trocam novamente para a suíte de outra empresa a cada 1 ou 2 anos
Opero um grande site B2B de analytics que recebe dados de backend de clientes, e observamos um grande volume de tráfego vindo da Shenzhen Tencent Computer Systems Company Limited, na região noroeste chinesa de Xinjiang. Outras cinco ou seis empresas chinesas também vêm martelando continuamente os sites dos clientes
Imagens de satélite confirmam a construção de datacenters em larga escala aproveitando energia solar barata. Há alguns meses a geolocalização desses IPs passou a aparecer como Shanghai ou Shenzhen, mas pelas medições de latência ainda parecem operar em Xinjiang
O material de referência é 'You Can't Cheat Time: Finding foes and yourself with latency trilateration' https://youtu.be/_iAffzWxexA, fornecido pelo usuário lopoc do HN. É difícil distinguir Shenzhen de Xinjiang, mas Shanghai e Xinjiang mostram diferença
Assumir que a China faz apenas destilação é um grande erro. Como se vê em ByteDance e Xiaomi, a China já não é mais um lugar atrasado que só faz cópias de baixo valor agregado
Empresas chinesas também pagam pessoas e rastreiam a web para obter dados, assim como empresas americanas. Pelo que entendo, o governo incentiva algumas grandes empresas a coletar rapidamente a web, construir corpora e depois fornecê-los a empresas estratégicas dentro da China
Também existem agregadores que compram dados de apps, sites e serviços, e é possível treinar nos rastros de execução de conversas com agentes de código por meio de sistemas como OpenRouter ou Cursor. Assim, uma empresa pequena como a DeepSeek não precisa obter diretamente dados de centenas de sites e agentes de código, o que reduz muito os custos
Também existem empresas que compram APIs de LLMs americanas e as revendem para companhias chinesas. Mesmo que haja mais de 10 mil empresas usando produtos de IA dos EUA, existe a possibilidade de a China registrar os padrões de uso e os rastros de execução para usá-los no treinamento
A premissa central de que “Anthropic e OpenAI provavelmente têm o menor custo por unidade de inteligência de fronteira” não foi suficientemente comprovada. Também não há benchmarks comparando quantos tokens são necessários, nas mesmas condições, para obter uma resposta, e só existe uma insinuação vaga de que os modelos americanos seriam mais eficientes em tokens.
Também não houve comparação do preço médio da eletricidade entre China e EUA, e nisso a China parece levar vantagem. Concordo que benchmarks de programação e afins ignoram o custo dos produtos vendidos, mas a conclusão de que “os laboratórios de fronteira ficarão bem” depende de uma grande suposição
Se for permitido raspar conhecimento público da internet para criar um LLM, então também parece razoável permitir destilar esse modelo novamente. A proposta de declarar a coleta de dados de treinamento como uso justo e bloquear termos de uso que proíbam destilação é quase um caso de feitiço contra o feiticeiro
É possível tratar a internet como um bem público e tributar os laboratórios, mas isso é uma questão diferente da destilação
Pela experiência de quem já construiu diretamente um ambiente de execução para agentes, o desempenho da IA vem quase totalmente do próprio modelo, e o ambiente de execução teve pouca importância. Mesmo uma configuração mínima como o mini-swe-agent para benchmark já permite que o modelo execute bem as tarefas
Por isso, há ceticismo em relação à ideia de que o ambiente de execução seja um fosso competitivo, especialmente porque o Claude Code já tinha muitos bugs desde antes
O texto relacionado está em https://stratechery.com/2026/anthropics-safety-superpower/. Se você controla o ponto de contato com o usuário e se torna a tela de todas as tarefas, surge um lock-in forte; por isso, laboratórios de fronteira que não querem permanecer como insumo genérico de software e empresas de software já estabelecidas acabarão entrando em choque
Costuma-se igualar “feito na China” a “não confiável”, mas a distinção mais importante é entre aberto e fechado. Modelos abertos podem ser auditados e ajustados finamente, e até rodar por completo em hardware próprio; já modelos fechados funcionam basicamente no esquema de “confie em nós”
O mundo inteiro, começando pelos EUA, precisa observar atentamente os laboratórios de fronteira da China. Não dá para presumir que a China sempre ficará alguns meses atrás; ela pode empatar ou até passar à frente
Formuladores de políticas precisam aprender com as lições do aço, da energia solar e dos veículos elétricos. É preciso respeitar e estudar a forma como o governo chinês constrói sistemas para dominar indústrias inteiras, e países democráticos, se não mudarem seu sistema, inevitavelmente serão mais lentos na adoção de IA
Governos democráticos como os dos EUA, Europa e Índia precisam estabelecer uma estratégia de IA de longo prazo que continue sendo executada independentemente de mudanças de governo e proteger a fundo seus laboratórios nacionais. Mas isso só será possível se o preço da inteligência por tarefa produtiva desses laboratórios ficar próximo ao dos modelos com pesos abertos, e hoje isso não ocorre
Proteger não significa fazer resgate financeiro, e sim oferecer energia barata e aprovar rapidamente datacenters. Também é preciso criar salvaguardas mínimas para que clientes usem modelos com pesos abertos apenas quando eles forem hospedados domesticamente por empresas nacionais; caso contrário, a competitividade pode se perder aos poucos
Até mesmo @deanwball, da OpenAI, aparentemente não aceita a lógica da destilação: https://xcancel.com/deanwball/status/2078133895766114412#m
Também é difícil entender por que pesos abertos desacelerariam inerentemente o avanço, ou por que um mundo centrado em modelos abertos levaria a um comunismo total de IA, em que o Estado fornece IA como infraestrutura pública digital, e a uma distopia
Se a Anthropic tivesse um modelo como Mythos, é bastante provável que rivais como Rússia e China já tenham desenvolvido algo semelhante ou melhor, ou pelo menos não estejam muito atrás