Guerra de preços entre OpenAI e Anthropic pode redefinir o uso de tokens de IA e os mercados de computação cripto

Headline: OpenAI se prepara para uma guerra de preços contra a Anthropic — O que isso significa para o “tokenmaxxing” de IA e o mercado de computação da criptomoeda A OpenAI está supostamente considerando cortes profundos de preços para desenvolvedores e empresas enquanto se prepara para movimentos esperados da concorrente Anthropic, segundo o Wall Street Journal. As negociações ainda estão em fluxo — ambas as empresas apresentaram pedidos confidenciais de IPO este mês e nenhuma é lucrativa — mas a pressão é clara. Principais fatos: - Sam Altman sugeriu preços mais baixos em um evento recente: “Acho que teremos muitas maneiras de ajudar as pessoas a obter mais valor por menos gasto”, cita o WSJ. - A margem operacional ajustada da OpenAI no Q1 de 2026 foi de -122% (ela perdeu $1,22 para cada dólar de receita). - A participação do ChatGPT no tráfego web global de IA generativa caiu de 77,6% em maio de 2025 para 53,7% em abril de 2026 (Decrypt). - Pela primeira vez, mais empresas rastreadas pelo Índice AI da Ramp estão pagando pela Anthropic do que pela OpenAI. - A taxa anualizada da Anthropic disparou de $9 bi no final de 2025 para $47 bi em maio de 2026 — um salto de 422% em cinco meses — impulsionado principalmente pelo Claude Code. O Q2 de 2026 foi o primeiro trimestre lucrativo da Anthropic. - A OpenAI reordenou suas prioridades em ferramentas de codificação (Codex) em resposta, mas está tentando recuperar o atraso. Por que os preços importam: o surto de adoção e o “tokenmaxxing” Empresas em todo o mundo estão correndo para colocar a IA em funcionamento, e o uso está explodindo. Exemplos citados na cobertura: - O CTO da Uber supostamente esgotou o orçamento de IA da empresa para 2026 até abril. - Funcionários do JP Morgan em algumas divisões estão gastando mais com uso de IA do que seus próprios salários, segundo o chefe de dados do banco. - O CEO da Palantir, Alex Karp, comparou o comportamento a uma dependência na AIPCon; analistas do JP Morgan alertaram em um relatório que “as contas de IA estão fora de controle”. A gíria da Silicon Valley agora chama esse excesso de consumo de “tokenmaxxing” — consumir tantos tokens de modelo (as unidades de dados que a IA processa) quanto possível, muitas vezes sem ROI claro. O padrão de negócios é familiar: um plano consumidor com taxa fixa baixa (o preço tipo ChatGPT de $20/mês) é um produto perdedor para impulsionar a adoção; as implantações empresariais reais migram para precificação por API com cobrança por uso, que consome muito mais computação e custa mais aos provedores. Pressão estrutural e visões conflitantes: - Tommy Shaughnessy, da Delphi Ventures, argumenta que a taxa fixa de $20 sempre esteve abaixo dos custos de alto uso; grandes clientes migram para APIs tokenizadas e expõem as margens. - Críticos contestam que laboratórios ocidentais operam efetivamente um oligopólio e podem cobrar taxas altas por processamento de prompts — alguns modelos chineses cobram muito menos, o que pode indicar espaço para flexibilidade de preços. - Um usuário ativo no X observou que as margens dos provedores parecem “insanas” em comparação com os custos de hardware e energia; outros apontam que os provedores estão subsidiando o uso para capturar participação de mercado. Modelos open-source e provedores de inferência: uma mudança radical Modelos chineses open-source (DeepSeek, GLM, MiMo, Kimi, Minimax) estão sendo hospedados por provedores de inferência em rápido crescimento e supostamente competem com o Claude Opus em benchmarks de codificação a cerca de um treze avos do preço das ofertas fechadas. Shaughnessy, da Delphi, resume a mudança estrutural: laboratórios chineses frequentemente open-source modelos de ponta, e esse custo do modelo é a maior despesa para um provedor de inferência — quando o modelo é gratuito, a base de custos do provedor é muito menor. Implicações: - Enquanto modelos de alto desempenho permanecerem open-source, o piso dos preços de inteligência continua caindo, tornando matematicamente difícil a recuperação das margens nos laboratórios premium (OpenAI, Anthropic). - A tese se inverte apenas se grandes laboratórios chineses fecharem seus modelos — o que seria positivo para provedores norte-americanos. Por que os leitores de criptomoeda devem se importar: - Custos menores de inferência de IA e uma guerra de preços intensificada têm implicações diretas para serviços nativos da criptomoeda que dependem de IA: oráculos on-chain, bots de negociação, indexação on-chain, geração de metadados de NFT e auditoria de contratos inteligentes podem se tornar muito mais baratos para operar. - A pressão econômica força provedores centralizados a inovar em precificação e infraestrutura. Isso pode acelerar mercados descentralizados e tokenizados de computação — um encaixe natural para criptomoedas: mercados onde a computação é precificada, comprada e vendida em tokens, ou onde validadores/fazedores de staking fornecem ciclos GPU — oferecendo uma proteção contra aumentos nas contas de API. - Por outro lado, se grandes laboratórios subsidiarem o uso a longo prazo, podem sufocar operadores independentes de inferência e retardar a descentralização — tornando o modelo de negócios e a tokenômica dos projetos de computação distribuída pontos críticos de design. Conclusão A disputa entre OpenAI e Anthropic está se configurando como uma batalha de preços de alto risco impulsionada pela rápida adoção empresarial e pela economia do uso medido por tokens. Modelos open-source e inferência barata estão complicando a recuperação das margens para grandes laboratórios e criando uma oportunidade para mercados descentralizados ou tokenizados de computação — um espaço onde projetos de criptomoeda estão bem posicionados para explorar, se conseguirem dominar desempenho, confiabilidade e modelos de precificação.