Anthropic vê seu modelo mais caro travar em 11% dos gastos

Anthropic apareceu em um levantamento que interessa a quem paga a conta da inferência. A plataforma de pagamentos Ramp acompanhou os gastos de 70 mil empresas americanas. Segundo o Financial Times, o Fable 5 responde por cerca de 11% do total gasto com as ferramentas da empresa. Ou seja, o modelo mais caro do catálogo ocupa a menor fatia do orçamento.

Para quem coloca IA↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → em produção, o número diz algo direto. Afinal, a maior parte da carga diária roda em modelos mais simples. Além disso, os dados indicam times operando com vários modelos ao mesmo tempo. Portanto, a pergunta do momento passou a ser qual modelo atende cada tarefa.

Orçamento: o topo da linha virou peça reservada

Esse recorte revela uma escolha técnica bem consciente. Afinal, as equipes guardam o modelo de ponta para casos específicos. Enquanto isso, o volume do dia a dia roda em versões anteriores e em modelos abertos de laboratórios chineses. Além disso, o levantamento mostra empresas misturando fornecedores dentro da mesma stack.

Miles Clements, sócio da Accel, resumiu o movimento ao Financial Times. Segundo ele, a maioria das operações funciona bem longe da fronteira tecnológica. A Accel investiu US$ 1 bilhão na Anthropic, o que dá peso à leitura. Portanto, o recado vem de dentro do próprio ecossistema.

Anthropic na cascata: o roteamento que já roda em produção

Na prática, o time monta uma cascata. Primeiro, a tarefa simples cai em um modelo pequeno e barato. Depois, o roteador escala para um modelo intermediário quando a resposta falha na validação. Por fim, o modelo de fronteira entra em raciocínio longo, código crítico ou contexto extenso.

Esse desenho exige três peças. A primeira é um classificador de complexidade na entrada. A segunda é um conjunto de avaliações automáticas para medir qualidade por faixa de tarefa. A terceira é observabilidade↳Observabilidade11 conteúdosObservabilidade para APIs: os desafios e benefícios dessa abordagemDev (Back & Front) · jan 2025Falhas em Observabilidade afetam os Apps e a Segurança das OrganizaçõesDev (Back & Front) · nov 2023ADK Java 1.0: O Google quer que você pare de gambiarra Python no seu backendMarketing Tech · abr 2026Ver tudo em DevSecOps → de custo por rota, com token contabilizado por caso de uso.

Além disso, vale medir latência junto com preço. Modelos menores respondem mais rápido, o que muda a experiência em interfaces conversacionais. Assim, a economia aparece duas vezes na mesma decisão.

Pressão de um rival mais barato de operar

A disputa comercial também mudou de forma. Segundo o Financial Times, a OpenAI chegou a US$ 40 bilhões de receita anualizada, impulsionada pelo GPT 5.6. A reportagem descreve esse modelo como bem mais barato de operar que o Fable 5. Enquanto isso, a receita anualizada da Anthropic alcançou US$ 65 bilhões em julho. O valor ficou abaixo dos US$ 80 bilhões projetados por investidores mais otimistas.

O Fable 5 também teve uma estreia conturbada em junho. Na ocasião, repercutiu a discussão sobre a capacidade do modelo de conduzir ciberataques de forma autônoma. O governo dos Estados Unidos chegou a suspender o acesso de clientes estrangeiros e depois revogou a restrição. Ainda assim, a adoção seguiu em ritmo mais lento que o esperado.

Anthropic como complemento: a leitura que vira o gráfico do avesso

Existe uma segunda leitura para o mesmo gráfico. Alex Imas, do Google DeepMind, comentou os números divulgados pelo Financial Times. Para ele, o Fable 5 funciona como complemento aos demais modelos e amplia a receita total da empresa. Segundo essa visão, o gasto com o modelo de topo pode cair e ainda assim gerar valor.

Ara Kharazian, economista chefe da Ramp, adotou um tom mais cauteloso. Ele afirmou ao Financial Times que prever o líder desse mercado ficou difícil. As tendências anteriores apontavam domínio da Anthropic, embora o resultado recente tenha invertido a expectativa.

Anthropic no seu stack: o checklist para rodar nesta semana

Comece por um inventário de chamadas. Liste cada endpoint, o modelo usado e o custo mensal associado. Depois, separe as tarefas em três faixas: extração e classificação, geração assistida e raciocínio complexo.

Em seguida, rode um teste comparativo. Use o mesmo conjunto de prompts em um modelo barato e no modelo de topo. Meça acerto, latência e custo por mil requisições. Assim, a decisão passa a ter base numérica.

Também vale preparar rota de contingência. Quedas de provedor acontecem, portanto um modelo alternativo configurado evita indisponibilidade. Além disso, mantenha as chamadas atrás de uma camada de abstração. Dessa forma, a troca de fornecedor vira apenas uma mudança de configuração.

O mercado de IA entrou em uma fase de calibragem. Modelos maiores seguem relevantes em problemas difíceis. Contudo, o custo por token virou critério de projeto tão importante quanto o benchmark. Para o dev, a vantagem competitiva está em escolher bem a rota de cada chamada.

Acompanhe nosso perfil no Instagram!