O Instituto de Inteligência Artificial da Academia Chinesa de Tecnologia da Informação e Comunicações (CAICT) e outras entidades publicaram em 23 de outubro o “Relatório de monitoramento de desempenho dos serviços de tokens de grandes modelos (2026)”. O conjunto de números que mais chamou atenção é o de preços: o preço médio normalizado dos serviços de grandes modelos chineses subiu de 6,8 yuans no segundo semestre de 2025 para 13,46 yuans desde o início de 2026, uma alta próxima de 100%.
O relatório foi divulgado pelo Instituto de IA da CAICT, pelo Laboratório Chave do Ministério da Indústria e Tecnologia da Informação para avaliação de grandes modelos de IA e de software e hardware, e pela Aliança de Desenvolvimento da Indústria de Inteligência Artificial da China. Os dados vêm do monitoramento de janeiro a agosto de 2026 e abrangem taxa de sucesso das chamadas, vazão, latência até o primeiro token, estabilidade, preço e janela de contexto.
Três linhas: preço, velocidade e latência
Primeiro, o preço. Segundo o relatório, depois de dois anos de guerra de preços, os valores subiram de forma nítida em 2026 dentro e fora da China; os modelos típicos estrangeiros lançados desde o início de 2026 têm preço normalizado médio de cerca de 117,8 yuans, ainda muito acima do doméstico.
Depois, a velocidade. A média de TPS (tokens de saída por segundo) dos modelos chineses em agosto foi de 78,23, contra 38,25 em média em 2025, quase o dobro. Nos modelos típicos estrangeiros, a média de TPS em agosto foi de 112,82, contra 51,35 em dezembro do ano passado, também mais que o dobro; no conjunto, os chineses continuam um passo atrás.
A latência, ao contrário, ficou maior. O tempo médio até o primeiro token (TTFT) dos modelos chineses em agosto foi de 1,26 segundo, contra 0,78 segundo em média em 2025; nos modelos típicos estrangeiros, foi de 2,08 segundos em agosto e apenas 1,04 segundo em abril. A explicação do relatório:
“O aumento do TTFT não é uma simples degradação de desempenho”
O texto atribui o fenômeno à soma de modelos com mais parâmetros, contextos mais longos e maior volume de chamadas. A mudança no contexto é evidente: entre os modelos monitorados, os de contexto de 1 milhão de tokens respondem por 47,8%, e os de 200K ou mais somam 95,7%, mais de 76 pontos percentuais acima do fim de 2025.
Uma conta de padeiro
Colocando esses números lado a lado, dá para estimar algumas proporções.
- Preço: 13,46 ÷ 6,8 ≈ 1,98 vez; o preço médio estrangeiro equivale a cerca de 117,8 ÷ 13,46 ≈ 8,8 vezes o doméstico.
- Velocidade: o TPS doméstico subiu cerca de 2,05 vezes, quase em sintonia com a alta de preço.
- Latência: a latência até o primeiro token no país aumentou cerca de 0,48 segundo, uma alta de aproximadamente 60%.
Se estimarmos de forma grosseira a “velocidade de saída obtida por yuan”, o país está praticamente igual ao ano passado: o preço dobrou e a vazão também. O que os desenvolvedores pagam a mais compra principalmente contextos mais longos e modelos maiores, enquanto a espera pelo primeiro caractere de cada requisição ficou mais longa. É uma estimativa nossa, feita com as médias públicas do relatório; as diferenças entre modelos e horários são grandes, e ela não se aplica à fatura de um fornecedor específico.
Os reajustes feitos este ano pelos fornecedores chineses servem de nota de rodapé a essas médias. A Tencent Cloud elevou várias vezes no ano os preços de serviços de IA como o Hunyuan; segundo a imprensa, a API do DeepSeek-V4 adota desde 17 de agosto preços por faixa horária, com o preço de saída em horário de pico subindo para 4,5 vezes o anterior. Os valores que haviam sido espremidos até o piso durante a guerra de preços estão sendo reajustados, um fornecedor após o outro.
O mesmo modelo, plataformas diferentes
O relatório também monitorou separadamente quatro modelos de código aberto, DeepSeek, Qwen, GLM e Kimi, na plataforma oficial e em plataformas de terceiros. A conclusão é que o mesmo modelo pode ter TPS até quase o dobro de uma plataforma para outra, e algumas plataformas de terceiros rodam mais rápido que a oficial. Para o relatório, a principal causa da divergência é que cada fornecedor faz escolhas diferentes em aceleração de inferência, estratégias de otimização e controle de custos.
Em modelos específicos, o TPS do DeepSeek-V4-Pro em agosto chegou a 2 vezes o do DeepSeek-V3.2; após a troca de geração dos principais modelos em maio, a latência até o primeiro token subiu de forma geral por um período e, com as otimizações de inferência, voltou aos poucos ao nível anterior à troca.
O crescimento do uso explica por que os fornecedores se sentem à vontade para subir preços. O relatório indica que, em junho de 2026, o consumo médio diário de tokens na China foi de cerca de 500 trilhões, quase 4 vezes o de dezembro de 2025.
Há dois pontos de metodologia que o leitor deve observar. O resumo público não explica o algoritmo nem a unidade de cobrança do “preço normalizado”; os valores de 6,8, 13,46 e 117,8 yuans só podem ser comparados entre si, no mesmo critério, e não devem ser confrontados diretamente com a tabela oficial de um fornecedor. A lista de modelos e plataformas monitorados também não consta do resumo; vale o texto integral do relatório.
Fontes: Academia Chinesa de Tecnologia da Informação e Comunicações (CAICT), CocoLoop, Jiemian News, ITHome, 21st Century Business Herald; conferidos os valores de preço médio normalizado, TPS, latência até o primeiro token e participação de contexto, com seus períodos estatísticos.