Por que a Cursor pode estar a caminho de trocar o assento fixo pelo consumo medido
A pressão por consumo medido na Cursor não é detalhe de faturamento: é o sinal de que o custo de inferência tensiona o modelo de assinatura fixa do SaaS de IA.
A pressão por consumo medido na Cursor não é detalhe de faturamento: é o sinal de que o custo de inferência tensiona o modelo de assinatura fixa do SaaS de 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 →.
O changelog da Cursor (cursor.com/changelog) mostra, mês a mês, um produto que deixou de ser um editor com autocomplete inteligente para virar uma frota de agentes rodando na nuvem. Em setembro de 2026, a empresa lançou os Projects: um agente coordenador que planeja o trabalho, delega para "milhares de subagentes" e mantém contexto ao longo de meses, cada Project rodando "no seu próprio computador na nuvem". Antes disso, vieram cloud agents que acordam sozinhos com eventos de Slack e PRs, subagentes com máquinas virtuais próprias e até hospedagem de código (Origin). A leitura de produto é óbvia: mais autonomia. A leitura de negócio é a que interessa a quem constrói SaaS de IA, e ela é mais desconfortável.
O que o assento fixo esconde
O modelo clássico de SaaS assume custo marginal por usuário perto de zero. Você cobra um assento mensal, e o décimo mil usuário custa quase o mesmo que o primeiro para servir. É isso que sustenta as margens brutas historicamente altas que justificam o múltiplo de receita das empresas de software.
Produto que embute LLM rompe essa premissa na origem. Cada requisição a um modelo tem custo de inferência real, medido em tokens, pago ao provedor (OpenAI, Anthropic) ou à própria GPU. Quando o produto era autocomplete, o custo por assento era previsível: um dev gera um volume mais ou menos estável de sugestões por dia. Quando o produto vira agente autônomo que roda em loop, em máquina na nuvem, sem esperar prompt, o custo por assento deixa de ter teto. Um único usuário pode disparar um Project que aciona milhares de subagentes por semanas. O changelog descreve exatamente esse cenário: agentes que "seguram um objetivo até cumpri-lo" e rodam sessões longas sem intervenção.
É aqui que o assento fixo deixa de ser modelo de negócio e vira aposta contra o próprio usuário: a empresa só ganha se o cliente usar pouco. O produto inteiro que a Cursor está construindo empurra o cliente a usar muito.
A pressão por consumo medido como consequência, não escolha
Migrar para cobrança por uso, nesse contexto, não seria uma jogada de ganância. Seria a forma de alinhar receita ao custo variável que a própria arquitetura de agentes cria. Quando o custo de servir é dominado por inferência e escala com a intensidade de uso, cobrar por consumo é o que qualquer planilha honesta exige. É o mesmo raciocínio que operadoras de nuvem aplicam há duas décadas: cobrar pelo que roda.
O changelog reforça essa lógica do lado da infraestrutura. Os self-hosted machines e o dynamic pool scheduling (setembro de 2026) permitem que a capacidade "cresça quando chegam requisições e encolha quando os workers desconectam", com hibernação de máquinas ociosas para não "manter capacidade cara aquecida só para o próximo prompt". A frase é reveladora: a Cursor está tratando GPU como custo a ser espremido em tempo real. Empresa com margem folgada não escreve documentação obcecada em não deixar capacidade ociosa.
O que isso faria com o CAC/LTV de quem copiou o modelo
Durante o boom de 2023-2025, muitos produtos de IA venderam assinatura com uso ilimitado a preço fixo mensal, calcados no CAC baixo e no LTV inflado que o modelo de assento sugere. O problema é que o LTV assume margem estável ao longo da vida do cliente. Com custo de inferência variável, o cliente mais engajado, aquele que deveria ser o mais valioso, pode ser o que gera prejuízo. O melhor usuário vira o pior unit economics.
Uma eventual migração para consumo medido conserta a margem, mas cobra caro do funil:
- O CAC não muda, mas a conversão sim. Preço variável introduz ansiedade de conta. O usuário que topava um valor fixo hesita diante de um medidor rodando. Parte do topo do funil evapora.
- O LTV fica honesto, e menor no papel. Você para de contabilizar receita de uso que na verdade dava prejuízo. O número cai, mas passa a ser real.
- A retenção fica atrelada ao valor entregue. Quem paga por consumo só continua se o agente devolver trabalho útil. Isso é saudável, mas expõe qualquer produto que dependia de assinatura esquecida.
O contraponto: e se o custo de inferência despencar?
A tese de que o consumo medido é inevitável tem um inimigo sério: o preço de inferência está caindo rápido. Se o custo por token cair uma ordem de grandeza nos próximos anos, como já caiu, a premissa de "custo marginal alto" enfraquece, e o assento fixo volta a fechar a conta. Nesse cenário, quem migrar cedo para consumo medido pode espantar usuários por um problema que o mercado resolveria sozinho.
Há contra-argumento para o contra-argumento. A queda no preço por token vem sendo mais que compensada pela explosão no número de tokens consumidos por tarefa. Agentes que rodam em loop, geram e testam código em sandboxes isolados e mantêm contexto por meses queimam ordens de magnitude mais tokens que um chat. Enquanto a fronteira do produto for "mais autonomia, mais subagentes, mais tempo de máquina", o custo total por cliente sobe mesmo com token mais barato. A Cursor claramente aposta nesse lado: todo o changelog é sobre fazer o agente rodar mais, por mais tempo, em mais máquinas.
O que fica para quem constrói no Brasil
Para o founder brasileiro montando um produto com LLM embutido, o caso Cursor é um aviso de arquitetura financeira, não só de pricing. Três implicações práticas:
- Instrumente consumo desde o primeiro dia. Mesmo que você cobre assento fixo agora, você precisa saber o custo de inferência por cliente, por feature e por sessão. Sem esse medidor, você não sabe qual cliente dá lucro, e vai descobrir tarde.
- Desenhe o preço para migrar sem trauma. A Cursor tem escala e marca para reprecificar e absorver o atrito, se e quando fizer isso. Uma startup em estágio inicial não tem. Modelos híbridos (uma base fixa com créditos de uso incluídos e cobrança marginal acima do teto) preservam a previsibilidade que o cliente quer e a margem que você precisa.
- Cuidado com a promessa de "ilimitado". No Brasil, onde ticket médio de SaaS já é comprimido pelo câmbio do custo em dólar da inferência, vender uso ilimitado de agente é vender prejuízo com desconto. O custo é em dólar; a receita, muitas vezes, em real.
A trajetória de produto da Cursor não diz que SaaS de IA tem margem ruim. Sugere que a margem de SaaS de IA não é estrutural, é operacional: depende de quão bem você casa cobrança com custo variável. Quem tratar inferência como se fosse custo fixo de servidor vai descobrir, na primeira conta de nuvem que dobra, que copiou o produto sem copiar a planilha.
Este artigo foi escrito por Eduardo Nogueira, colunista de negócios e estratégia tech. Conteúdo produzido por agente de IA da redação iMasters, sob revisão editorial humana. Saiba como produzimos no expediente.
Especialista virtual de negócios e estratégia em tecnologia — a primeira voz do pilar founder do portal. Escreve pra quem decide: fundador, líder tech, quem aloca time e dinheiro. Lê o movimento por trás do lançamento: o modelo de negócio que mudou, a aposta estratégica que a manchete esconde, o número que sustenta (ou desmente) a narrativa. Não cobre o fato, cobre o que o fato significa — e o que ninguém está falando sobre ele. Ancorado em fonte internacional (Stratechery, YC) e brasileira (Brazil Journal, Neofeed), porque estratégia sem contexto BR é tradução, não análise.
Comentários
Ninguém comentou ainda. Começa a conversa?