Epoch AI mostra que o custo da IA cai 47% por trimestre desde 2023

Um dado divulgado pela organização de pesquisa Epoch AI↳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 22 de setembro de 2026 ganhou tração entre pesquisadores de IA nesta semana: para um mesmo nível de desempenho, o custo de rodar modelos de inteligência artificial vem caindo cerca de 47% por trimestre desde 2023. O número foi destacado no X pelo pesquisador francês Aymeric Roucher, conhecido por trabalhos em agentes de IA, que recomendou a conta @EpochAIResearch como referência para quem quer entender "com clareza o que está acontecendo" no setor.

O ponto central do post da Epoch AI é comparativo: essa velocidade de queda de preço não tem precedente entre as tecnologias que a humanidade já classificou como transformadoras. Segundo o levantamento, a IA está ficando barata 4 vezes mais rápido que o sequenciamento de DNA, 6 vezes mais rápido que hardware de computação em geral e 18 vezes mais rápido que baterias de lítio. O post ainda cita uma quarta comparação, com dados anteriores a 1973, apontando uma diferença de até 54 vezes, mas o texto completo desse trecho foi cortado pelo próprio X (o "Show more" do tuíte) e não é possível confirmar qual tecnologia é essa referência.

Quem é a Epoch AI e por que o dado pesa

A Epoch AI é uma organização sem fins lucrativos dedicada a rastrear e projetar tendências de capacidade, custo e escala de modelos de IA, com base californiana e ligação ao movimento do altruísmo eficaz. Isso importa porque é justamente o ponto levantado nas respostas ao tuíte: um usuário observou que a Epoch "é fundada, financiada e operada por altruístas eficazes, que certamente têm sua própria agenda em IA", sugerindo que o recorte dos dados pode favorecer uma leitura otimista sobre a trajetória da IA. Não é uma crítica metodológica específica ao número dos 47% por trimestre, mas é um alerta legítimo: a fonte não é neutra, e vale ler o dado com esse contexto em mente, mesmo que a série histórica de custo por desempenho da Epoch AI seja amplamente citada por outros pesquisadores do setor.

De onde vem essa queda de preço

O dado da Epoch AI mede custo por unidade de desempenho, não o preço bruto de um modelo. Ou seja, não é que a OpenAI, a Anthropic ou o Google estejam simplesmente baixando preço de tabela: é que, para entregar a mesma qualidade de resposta que um modelo entregava em 2023, hoje se gasta uma fração do custo computacional. Essa curva combina pelo menos três fatores que qualquer time de engenharia que trabalha com LLM já sentiu na prática: modelos menores e mais eficientes (as famílias "mini" e "flash" dos grandes provedores), técnicas de quantização e destilação que reduzem o tamanho de modelo sem perder tanta qualidade, e a pressão competitiva de um mercado com múltiplos players de peso similar disputando o mesmo cliente enterprise.

Um exemplo concreto dessa dinâmica: rodar uma tarefa de classificação de texto ou geração de resumo que em 2023 só um modelo de fronteira como GPT-4 conseguia entregar com qualidade aceitável hoje é possível com modelos de custo por token muito menor, sejam eles open weight (como as famílias Llama, Qwen ou Mistral) ou os tiers baratos dos provedores fechados. Isso é o que a Epoch AI está capturando na métrica: o mesmo resultado, custando cada vez menos para chegar lá.

O que muda para quem constrói com IA no Brasil

Para equipes de produto e engenharia que orçam uso de API de LLM, essa curva de queda tem uma implicação direta: arquiteturas que pareciam caras demais para produção há um ano (múltiplas chamadas encadeadas, agentes que fazem várias rodadas de raciocínio, RAG com re-ranking pesado) ficam viáveis em um trimestre ou dois, sem que o time precise trocar de provedor ou reescrever a lógica de negócio. Isso favorece quem projeta sistemas de forma modular, trocando o modelo por trás de uma interface estável, e penaliza quem hardcoda chamadas a um modelo específico esperando que o preço daquele modelo se mantenha como parâmetro fixo do orçamento.

Também vale o oposto: se o custo por token continua despencando nesse ritmo, o argumento de negócio para otimizar prompt, fazer fine-tuning caro ou manter infraestrutura própria de inferência perde força mais rápido do que a maioria dos times está planejando. Faz sentido revisitar, a cada poucos meses, decisões de arquitetura que hoje parecem sólidas só porque o modelo X custava caro demais para o caso de uso Y.

O contraponto que o próprio post gerou

As respostas ao tuíte da Epoch AI trazem um ceticismo que merece registro. Um usuário respondeu que as empresas de IA "construíram o modelo de negócio assumindo que seriam monopólio" e que, ao dizer que estão "subsidiando" o custo, na verdade só não conseguem cobrar mais caro por falta de poder de mercado. Outro usuário foi na mesma linha, sugerindo que esse cenário indicaria que investir nessas empresas seria "uma péssima ideia" caso a margem esteja sendo sacrificada para ganhar posição.

É um ângulo que a métrica de custo por desempenho não responde: ela mostra o que o desenvolvedor paga, não se esse preço é sustentável para quem oferece o serviço. A pergunta que fica em aberto, e que a própria Epoch AI não resolve nesse post, é se essa deflação de 47% por trimestre é fruto genuíno de ganho de eficiência de hardware e algoritmo, ou se parte dela é queima de caixa de provedores disputando participação de mercado, algo que historicamente tende a se corrigir quando a competição se consolida.

O que fica para acompanhar

O dado da Epoch AI não vem com a metodologia detalhada no próprio tuíte, apenas o gráfico e o resumo, então não há como auditar aqui quais modelos e quais tarefas entraram na comparação. Para quem quer ir na fonte primária, vale acompanhar diretamente a conta @EpochAIResearch e o site da organização, que costuma publicar os dados brutos por trás desses gráficos. Para times de engenharia, a lição prática independe de quem está certo no debate sobre subsídio: orçar IA como custo fixo de longo prazo, num mercado que muda de preço trimestre a trimestre, é aposta arriscada, seja o motivo eficiência genuína ou guerra de preço.

Fonte: x.com