A guerra da inteligência artificial chegou ao preço
A DeepSeek mostra que a próxima batalha da IA pode não ser vencida pelo modelo mais poderoso, mas pelo modelo suficientemente bom para executar milhares de tarefas a baixo custo.
A guerra da inteligência artificial entrou numa nova fase: preço.
Durante os últimos anos, a conversa esteve quase sempre centrada no modelo mais poderoso. Quem raciocina melhor? Quem programa melhor? Quem responde com menos erros? Quem ganha nos benchmarks?
Mas para muitas empresas, essa não é a única pergunta importante.
A pergunta decisiva pode passar a ser outra: quanto custa concluir uma tarefa útil?
É aqui que entra o DeepSeek V4-Flash.
Segundo a documentação oficial da DeepSeek, o modelo V4-Flash-0731 custa 0,14 dólares por milhão de tokens de entrada não guardados em cache e 0,28 dólares por milhão de tokens de saída. O modelo suporta uma janela de contexto de 1 milhão de tokens, chamadas de ferramentas e modos com ou sem raciocínio.
A Reuters, citando a Artificial Analysis, avançou que o custo médio do V4-Flash nos seus testes ficou perto de 3 cêntimos por tarefa, abaixo de outros modelos conhecidos usados como comparação. A mesma análise coloca o modelo abaixo dos principais modelos frontier em capacidade geral, mas suficientemente competitivo para muitos usos práticos.
Isto é importante porque a IA empresarial não vive apenas de respostas únicas.
Um agente de IA pode precisar de dezenas ou centenas de chamadas para concluir uma tarefa: abrir ficheiros, ler documentos, consultar bases de dados, escrever código, testar, corrigir erros, resumir resultados e gerar uma resposta final.
Num cenário desses, o preço por milhão de tokens deixa de ser um detalhe técnico. Passa a ser uma variável central do negócio.
A DeepSeek não precisa de vencer a OpenAI, a Anthropic ou a Google no topo absoluto dos benchmarks para mudar o mercado. Basta oferecer desempenho suficiente a um preço muito inferior em tarefas repetitivas, automatizadas e de grande volume.
É isso que pode pressionar o modelo económico da indústria.
As grandes empresas norte-americanas estão a investir centenas de milhares de milhões de dólares em chips, data centers, energia, equipas de investigação e infraestrutura cloud. Para justificar esses investimentos, precisam de margens fortes, clientes empresariais e utilização crescente.
Mas se modelos mais baratos começarem a resolver uma parte relevante das tarefas empresariais, a pressão sobre preços aumenta.
Isto não significa que os modelos mais avançados deixem de ser necessários. Para tarefas de raciocínio complexo, investigação profunda, programação difícil, análise multimodal exigente ou decisões críticas, os modelos frontier continuam a ter vantagem.
O que muda é a divisão do mercado.
Uma empresa pode usar um modelo caro para tarefas difíceis e um modelo barato para milhares de tarefas simples. Pode reservar o melhor modelo para revisão final e usar alternativas mais económicas para pesquisa, triagem, extração de dados, classificação, atendimento ou automação interna.
A corrida da IA começa assim a parecer menos uma batalha por um único vencedor e mais uma cadeia de fornecimento de modelos.
No topo ficam os modelos mais capazes. No meio surgem modelos especializados. Na base cresce a procura por modelos baratos, rápidos e suficientemente bons.
A China percebeu isto rapidamente.
A DeepSeek compete pelo custo. A Alibaba prepara modelos de grande escala no ecossistema Qwen. A Moonshot, a Z.AI e outros laboratórios chineses continuam a pressionar com modelos grandes, preços agressivos e estratégias mais abertas.
A consequência é clara: a próxima fase da IA será medida por custo por tarefa, não apenas por inteligência máxima.
Para developers, isto pode ser positivo. Tarefas que antes eram caras podem tornar-se viáveis. Agentes que antes custavam demasiado por execução podem passar a funcionar em escala. Pequenas empresas podem testar automações que antes dependiam de orçamentos de grandes tecnológicas.
Para os fornecedores de modelos, o cenário é mais duro. Se o preço cair mais depressa do que a procura cresce, as margens ficam pressionadas. E se os clientes aprenderem a combinar vários modelos, será mais difícil justificar pagar sempre pelo modelo mais caro.
O sinal para o futuro é simples: a inteligência artificial está a deixar de ser apenas uma corrida ao melhor modelo.
Está a tornar-se uma corrida ao melhor equilíbrio entre capacidade, velocidade, custo, contexto e fiabilidade.
E nessa corrida, o modelo mais barato que faz o trabalho pode ser tão disruptivo como o modelo mais inteligente.
O DeepSeek V4-Flash voltou ao centro da discussão sobre inteligência artificial por causa do seu preço muito baixo por token e do impacto potencial em tarefas empresariais de grande volume. A documentação oficial da DeepSeek lista o V4-Flash-0731 com preço de 0,14 dólares por milhão de tokens de entrada não guardados em cache e 0,28 dólares por milhão de tokens de saída. A Reuters, com base em dados da Artificial Analysis, destacou que o custo médio do modelo em testes pode ficar muito abaixo de alternativas mais caras, embora os modelos frontier continuem acima em capacidade geral.
O padrão emergente é a passagem da pergunta “qual é o modelo mais inteligente?” para “qual é o custo de concluir uma tarefa útil?”. Isto é especialmente importante para agentes de IA. Um agente pode fazer dezenas ou centenas de chamadas para completar uma operação, o que torna o custo por token e o custo por tarefa decisivos. Modelos baratos, rápidos e suficientemente bons podem ganhar espaço em atendimento, extração de informação, automação, análise documental, programação simples e tarefas repetitivas.