O custo de rodar IA caiu 97% em dois anos. Os modelos abertos chegaram ao nível dos proprietários. E mesmo assim, as empresas estão concentrando mais, não menos, em OpenAI e Anthropic. O que está acontecendo — e o que isso significa para quem precisa tomar uma decisão agora. O fundamental não é escolher o modelo certo, mas não ficar preso ao modelo errado.
O DeepSeek V3.2 custa US$ 0,28 por milhão de tokens. O GPT-4o custava US$ 10 no lançamento. Os modelos abertos chegaram ao nível dos proprietários em tarefas de raciocínio e análise. E ainda assim a Menlo Ventures documentou que a adoção de open source em empresas recuou de 19% para 13% no segundo semestre de 2025.
O paradoxo não é tecnológico — é de custo real. Os pesos de um modelo open source representam 2%–5% do custo total de operação. Os outros 95% são infraestrutura, engenharia e time especializado. Para a maioria das empresas, a API proprietária é mais barata quando a conta completa é feita. O que muda a decisão não é qual modelo é melhor — é construir a capacidade de trocar de modelo quando o cenário mudar, sem refazer tudo do zero.
A pergunta errada é "qual modelo é melhor?". A pergunta certa é "qual é o custo total de cada opção para o meu caso de uso específico?"
O custo de licença de um modelo open source é zero. O custo de rodá-lo não é. Os pesos do modelo representam entre 2% e 5% do custo total de uma operação de IA em produção. Os outros 95% são infraestrutura, engenharia de MLOps, monitoramento, fine-tuning e — o custo mais frequentemente ignorado — o time especializado para manter tudo funcionando. Uma empresa que processa menos de 500 milhões de tokens por mês quase sempre paga menos usando uma API proprietária quando a conta completa é feita.
Para empresas de médio porte sem time técnico robusto: API proprietária (OpenAI, Anthropic, Google) entrega mais com menos atrito. Você paga pelo uso, não pela infraestrutura. A desvantagem é o lock-in e a exposição a mudanças de preço ou de política do fornecedor.
Para empresas em setores regulados com volume alto de dados sensíveis: modelo open source rodando localmente começa a fazer sentido econômico e jurídico — especialmente quando os dados não podem sair do Brasil. A desvantagem é a complexidade operacional e o custo de time.
Essa arquitetura multi-modelo, que parecia sofisticada demais para a maioria das empresas há dois anos, está se tornando a resposta sensata para qualquer empresa com dependência real de IA.
Enquanto o PL 2338 ainda não foi votado, uma regulação mais imediata já está em vigor e sendo ignorada pela maioria das empresas: a Resolução nº 19 da ANPD, obrigatória desde agosto de 2025.
A lógica é simples. Toda chamada à API da OpenAI, Anthropic ou Google que contenha dados pessoais de brasileiros — CPF, histórico de saúde, dados financeiros, comportamento de consumo — é, pela LGPD, uma transferência internacional de dados pessoais. E transferência internacional exige mecanismo formal: cláusulas contratuais aprovadas pela ANPD ou instrumento equivalente.
A maioria das empresas não fez esse mapeamento. Algumas nem sabem que estão fazendo transferências internacionais — especialmente em casos de "shadow AI", onde times adotaram ferramentas sem passar pelo jurídico ou pela TI.
A velocidade de evolução dos modelos cria uma armadilha específica: a tentação de esperar. "Vou decidir quando o mercado estabilizar." O mercado não vai estabilizar. O DeepSeek V3.2 de dezembro virou referência e foi superado em abril. O Llama 4 que parecia impossível há 18 meses já é commodity.
Darwin não disse que sobrevive o mais forte. Disse que sobrevive o que melhor se adapta. No contexto de IA corporativa, isso tem uma tradução prática: a estratégia vencedora não é escolher o modelo certo hoje. É construir a capacidade de trocar de modelo quando o cenário mudar — sem refazer tudo do zero.
O que isso significa na prática: separe o que muda do que não muda — os modelos evoluem rápido, mas os seus dados e processos de negócio são seus, e é aí que mora a vantagem competitiva real. E meça no seu contexto específico: benchmarks de modelo não dizem nada sobre o desempenho no seu caso de uso. A empresa que constrói a capacidade de avaliar modelos com seus próprios dados e critérios vai sempre tomar decisões melhores que a que segue o ranking de outra pessoa.
Mapeie quais dados sua empresa está enviando para APIs de IA externas hoje — incluindo ferramentas que times adotaram sem aprovação (shadow AI). Para cada fluxo: envolve dados pessoais? O fornecedor tem cláusulas contratuais formalizadas com a ANPD? Esse mapeamento não é projeto de IA — é higiene jurídica básica. Depois, revise sua arquitetura: ela permite trocar de modelo sem refazer tudo? Se não, esse é o investimento técnico mais importante que você pode fazer agora. Não escolher o modelo certo — não ficar preso ao modelo errado.
Fabrício Bindi
ResenhAI
Quando penso na decisão de qual modelo usar, o que mais me ajuda é uma analogia simples: pense em um restaurante.
Se você é pequeno e ainda está construindo seu diferencial, não faz sentido nenhum fazer tudo do zero. Compre seus ingredientes no mercado, sirva um couvert com pãezinhos da padaria da esquina e use molho de tomate pronto no macarrão. Pior do que isso seria não ter isso no menu. Use os modelos proprietários sem ter vergonha — e comece a lucrar com IA agora.
Mas se você já tem escala para montar uma boa cozinha, começa a fazer sentido investir em fazer algumas coisas do seu jeito. Fine-tuning, modelos especializados para o seu setor, integração mais profunda com seus dados. Você tem o time — use-o.
E se você tem uma horta no sítio próprio, aí sim: produza seus próprios ingredientes, crie diferenciais reais de custo e qualidade. Um bom time de TI e analistas de dados bem estruturados são exatamente isso — ativos que você já pagou e que podem virar vantagem competitiva se você decidir explorar modelos abertos com profundidade.
Mas aqui vai o aviso que vale para qualquer tamanho de cozinha: nunca dependa de um fornecedor só. Seja para poder escalar rápido quando a demanda aparecer, seja para não ficar à mercê de uma "praga que matou a horta" — uma mudança de preço, uma política nova, uma API descontinuada. Tenha a flexibilidade de trocar peças da sua arquitetura sem parar a operação. Isso não é detalhe técnico. É o que separa uma empresa que usa IA de uma empresa que depende de IA sem perceber.
Fontes
Este tema é relevante para sua empresa?
Falar com a AIMAGINEContinue lendo
Robotáxis sem motorista funcionando como Uber em Wuhan. IA reformulando toda a cadeia agrícola do campo ao consumidor. IA médica nos postos de saúde do interior onde não há especialistas. Exemplos que não existem no Brasil — e o que isso revela sobre velocidade de deployment
Ler →Uma nova lei obriga médicos a registrar no prontuário quando usaram inteligência artificial no seu atendimento. Os grandes hospitais já fazem isso — e os resultados impressionam. O problema está no hospital que a maioria dos brasileiros usa
Ler →