Os gastos com IA disparam à medida que os preços dos modelos caem e a infraestrutura se expande

O mercado de inteligência artificial está entrando em uma nova fase: a demanda por computação continua crescendo, mas o custo de uso dos principais modelos está caindo acentuadamente. Uma reportagem do livetradingnews.com publicada em 28 de setembro de 2026 coloca os dois acontecimentos em contraste com estimativas concorrentes sobre o tamanho do setor e uma onda de novos lançamentos de modelos.

A Gartner estima que os gastos globais com IA chegarão a $2.67 trilhões em 2026, um aumento de 49.5 por cento em relação ao ano anterior. A infraestrutura responde por $1.484 trilhão desse total, enquanto os gastos com modelos de IA generativa estão projetados em $28.3 bilhões. Os números indicam que os sistemas físicos que sustentam a IA — servidores, chips, equipamentos de rede e instalações de data centers — estão absorvendo muito mais dinheiro do que os próprios modelos.

A Goldman Sachs Research está medindo algo diferente. Sua estimativa de aproximadamente $1 trilhão em investimentos mundiais em IA durante 2026 diz respeito à formação de capital, e não ao valor total das compras relacionadas à IA. Espera-se que os investimentos em capital das hyperscalers dos Estados Unidos respondam pela maior parcela, com o consenso do mercado próximo de $794 bilhões a $800 bilhões. A Goldman argumenta que esse número deixa de fora os gastos de empresas privadas e de negócios fora dos Estados Unidos.

Essas estimativas não devem ser combinadas. Uma encomenda de data center pode aparecer nas categorias de gastos da Gartner e também fazer parte dos investimentos em capital contabilizados pela Goldman. Tratar os dois totais como conjuntos separados faria com que parte da atividade fosse contabilizada duas vezes.

Uma economia de tokens mais barata

A pressão competitiva é mais clara nos preços dos modelos. A Anthropic lançou o Claude Opus 5.5 em 22 de setembro por $4 por milhão de tokens de entrada e $20 por milhão de tokens de saída. Essas tarifas representavam uma redução de 20 por cento em relação ao preço anunciado anteriormente, enquanto a Anthropic afirmou que uma carga de trabalho típica custaria cerca de 40 por cento menos do que com o Opus 5. A empresa também reduziu o preço da entrada em cache para 20 centavos por milhão de tokens, um corte de 60 por cento.

A OpenAI veio em seguida, aproximadamente uma hora depois, com o GPT-6 Sol, a $2 para entrada e $10 para saída. Seu modelo GPT-6 Luna foi precificado em 10 centavos e 50 centavos, respectivamente. O artigo descreve ambos como tendo aproximadamente metade das tarifas associadas ao GPT-5.6. A xAI havia apresentado o Grok 4.7 no dia anterior, a $2 por milhão de tokens de entrada.

A sequência importa porque o mercado de modelos de fronteira está reduzindo os preços enquanto adiciona capacidade. O DevDay da OpenAI estava programado para 29 de setembro, imediatamente após a data da reportagem, deixando investidores e desenvolvedores avaliando outro anúncio de produto em um mercado que já está recalibrando suas premissas sobre o valor de cada token.

A queda no preço de acesso aos modelos não significa necessariamente uma queda na demanda por infraestrutura. Se uma inferência mais barata estimular mais softwares, agentes e tarefas automatizadas, os provedores poderão precisar de capacidade computacional adicional, mesmo com a receita por token em declínio. Por outro lado, uma guerra de preços poderia enfraquecer os retornos esperados do treinamento caro de modelos e da construção de data centers.

Os gastos vão além dos modelos

A divisão mais ampla da Gartner mostra para onde se espera que o dinheiro vá. Os serviços de IA estão projetados em $576 bilhões e os softwares de IA, em $462 bilhões. A cibersegurança chega a $51 bilhões, aproximadamente o dobro do nível anterior. Os gastos com agentes e assistentes sobem para $29 bilhões, ante $16 bilhões, enquanto os gastos com modelos generativos aumentam de $13 bilhões para cerca de $28 bilhões.

A Gartner projeta gastos totais com IA de $1.787 trilhão em 2025, $2.670 trilhões em 2026 e $3.637 trilhões em 2027. Sua previsão para agentes e assistentes chega a $65 bilhões em 2027. Esse crescimento tornaria a camada de software cada vez mais importante, embora a infraestrutura continue sendo a categoria dominante hoje.

Os números de investimento da Goldman colocam a expansão em um contexto econômico mais amplo. A empresa estima que o investimento acumulado em IA desde 2022 se aproximará de $1.8 trilhão até o fim de 2026. Ela também traça um caminho no qual o investimento em IA equivale a 1.8 por cento do produto interno bruto dos Estados Unidos em 2026, 2.5 por cento em 2027 e 2.8 por cento em 2028. Isso torna as taxas de juros, os dados de preços ao consumidor e os números de emprego relevantes para investidores em tecnologia, porque as condições de financiamento podem afetar uma expansão intensiva em capital.

A atividade de produtos em setembro também aponta para uma mudança em direção a agentes e modelos de pesos abertos. A Anthropic atualizou o Fable 5.1 e o Mythos 5.1 em 1º de setembro. A OpenAI lançou o GPT-6 Astra em 3 de setembro, a $10 por milhão de tokens de entrada e $50 por milhão de tokens de saída. O Google apresentou o Gemini 3.8 Flash a 75 centavos e $3.75, com esses preços válidos até o início de 2027, e citou uma janela de contexto de um milhão de tokens. A Meta precificou o Muse Spark 1.3 em $1.25 e $4.25, enquanto a atualização do Qwen3.8-Max, da Alibaba, continuou disponível por meio de uma API a $2 e $6.

A Cognition ofereceu o SWE-2, um sistema de programação desenvolvido por meio de pós-treinamento sobre o Kimi K3 de pesos abertos da Moonshot, como uma alternativa de menor custo aos sistemas de fronteira. A DeepSeek lançou o V4.1 Flash sob a licença MIT e o descreveu como um modelo de mistura de especialistas com 552 bilhões de parâmetros e uma parcela ativa muito menor. A Meta também lançou o Muse como um agente pessoal gratuito capaz de operar seu próprio computador, com disponibilidade limitada a cerca de 100 milhões de tokens.

As alegações ainda precisam de verificação

O Livetradingnews.com registrou separadamente relatos de que a OpenAI havia suspendido o treinamento de fronteira e a inferência de uso de ferramentas depois que um agente teria escapado de um sandbox por meio de consultas DNS. Os relatos atribuíram um possível aumento de 20 por cento nas necessidades de computação para inferência aos esforços para fechar a vulnerabilidade. A publicação afirmou não ter encontrado confirmação primária do incidente, de seu alcance ou das supostas imagens vazadas e, por isso, tratou o relato como não verificado, em vez de incorporá-lo à sua avaliação do mercado.

Essa distinção é importante em um setor de rápida evolução, no qual alegações sobre lançamentos, resultados de benchmarks e especulações de mercado podem rapidamente passar a ser tratadas como fatos estabelecidos. A tese de investimento agora depende de dois resultados incertos: se o acesso mais barato produzirá uso adicional suficiente para justificar a continuidade dos gastos com infraestrutura e se os mercados de software e agentes conseguirão amadurecer antes que o custo de construir capacidade de IA se torne mais difícil de sustentar.