Na semana entre o fim de agosto e o início de setembro, vários laboratórios de IA lançaram modelos novos em sequência: a Anthropic atualizou o Claude Fable 5.1 e o Mythos 5.1, a Meta lançou o Muse Spark 1.3, o Google colocou no ar o Gemini 3.8 Flash, a OpenAI lançou o GPT-6 Astra, e a Nvidia lançou o Nemotron 3.5 Lightning. Em reportagem de 6 de setembro, a CNBC deu um nome à reação das empresas a essa semana: fadiga de modelos.
A fadiga não vem da capacidade dos modelos em si. Segundo a reportagem, o que executivos e responsáveis por TI precisam comparar constantemente já não é só a pontuação em benchmarks: é preço, velocidade, confiabilidade e se, aplicado ao próprio cenário de negócio, o modelo realmente economiza mão de obra. A cada nova leva de modelos, essa comparação toda tem que ser refeita. Um executivo entrevistado disse que, de dez modelos novos, só conseguiu de fato avaliar cinco.
Os gastos continuam subindo
A Gartner prevê gastos globais com IA de US$ 2,59 trilhões neste ano, 47% acima de 2025. Mais da metade desse valor vai para infraestrutura; o restante — serviços, software, segurança cibernética, modelos e ferramentas relacionadas — soma mais de US$ 1 trilhão.
Desmembrando esse trilhão, as taxas de chamada de modelo são só um item. O que a escolha de modelo realmente consome são coisas que não aparecem em nenhuma cotação: ambientes de avaliação, benchmarks internos, esforço de migração e testes de regressão. Se uma empresa de médio porte reavalia seu modelo principal a cada trimestre, são quatro rodadas por ano; cada rodada envolve reescrever prompts, rodar de novo os conjuntos de avaliação e testar a integração entre sistemas — em horas de trabalho, isso costuma pesar mais que a própria fatura de API. Essa é uma estimativa aproximada baseada em preços públicos e fluxos de engenharia comuns; nenhuma empresa divulgou o custo real da própria escolha de modelo.
Por que o lado da oferta não para
Do ponto de vista dos fornecedores de modelos, os lançamentos em ritmo acelerado são uma disputa por fatia da carteira do cliente. Ahmed Abbasi, da Mendoza College of Business da Universidade Notre Dame, usa o termo "share of wallet": os laboratórios não só precisam acompanhar o ritmo uns dos outros, como também provar constantemente aos desenvolvedores que não estão ficando para trás. Tanto a Anthropic quanto a OpenAI estão caminhando rumo ao mercado aberto, com avaliações no mercado privado próximas de US$ 1 trilhão para cada uma, e o ritmo de lançamentos está ligado à narrativa de captação de investimento.
Do outro lado dessa linha está a atenção de quem compra. Quanto mais rápido os modelos mudam, mais fácil fica para as empresas adiarem a escolha, ou simplesmente travarem logo em um fornecedor e seguirem com ele — as duas reações enfraquecem o efeito dos lançamentos de novos modelos. A reportagem da CNBC não traz pesquisa quantitativa; as afirmações vêm da percepção dos entrevistados.
O que pode ser conferido depois vem mais adiante. Os US$ 2,59 trilhões são uma previsão anual de uma consultoria, e o resultado real só sai no ano que vem; se as empresas vão acelerar ou adiar a troca de modelo também só vai aparecer na composição da receita de serviços de IA nos balanços trimestrais das provedoras de nuvem. Por enquanto, o único ponto certo é o ritmo dos lançamentos.
Fontes: CNBC, CocoLoop, dados de previsão da Gartner, Digital Today; a previsão de gastos de US$ 2,59 trilhões e o crescimento de 47%, a fatia de infraestrutura e o valor de US$ 1 trilhão em serviços e software, além da lista dos cinco modelos lançados na semana, foram conferidos item por item.