DeepSeek Reduziu Preços em 75%. Os Custos de IA Continuam a Subir.

Pontos-chave

• DeepSeek reduziu o preço do seu modelo de linguagem V4-Pro em 75% em meados de 2025, mas muitos clientes empresariais dizem que as suas contas de IA continuam a aumentar.
• Um único pedido de utilizador processado por um agente de IA, software que executa tarefas multi-etapas de forma independente, pode gerar 35 mil ou mais unidades de texto facturáveis, chamadas tokens, onde um chatbot básico geraria poucas centenas.
• Uma consulta empresarial realista num modelo de topo custa entre 0,10 e 0,40 dólares; com um milhão de consultas por mês, isso é um item de seis dígitos antes de qualquer outra despesa.
• Vários fornecedores de software empresarial estão a reportar privadamente margens brutas negativas nos seus utilizadores de IA mais pesados, o que significa que esses clientes custam mais a servir do que pagam.
• OpenAI ofereceu recentemente a cada startup do acelerador Y Combinator 2 milhões de dólares em créditos de API gratuitos, um sinal de como é agora caro construir um produto nativo de IA desde o início.

DeepSeek, o laboratório de IA chinês, reduziu o custo do seu modelo V4-Pro em 75% no início deste ano. Para empresas que constroem produtos de IA, isso deveria ter sentido como um aumento de salário. Para muitas, quase não mexeu a agulha.

A razão está em como os sistemas de IA modernos são realmente construídos.

Um chatbot básico é simples: uma pergunta do utilizador, uma resposta do modelo. Um agente de IA é diferente. É software que divide um único pedido do utilizador em muitas etapas mais pequenas, planeando o que fazer, procurando informações, utilizando ferramentas, verificando o seu próprio trabalho, depois escrevendo uma resposta final. O utilizador vê uma resposta. O fornecedor paga por cada etapa no meio.

Essa lacuna entre o que o utilizador vê e o que o fornecedor paga é agora chamada o problema dos 100x. Uma consulta que custa alguns cêntimos num chatbot pode custar dólares num sistema de agentes, às vezes muito mais.

Aqui fica um exemplo concreto. Um utilizador escreve: "O que é que o nosso cliente principal pediu na semana passada?" Pergunta simples. Mas um agente típico envolve sete operações facturáveis separadas para responder: ler a mensagem do utilizador, carregar as suas instruções e lista de ferramentas, puxar registos relevantes, escolher qual ferramenta usar, executar essa ferramenta, resumir os resultados e decidir se deve fazer uma pergunta de acompanhamento. Em conjunto, essas etapas facturam aproximadamente 35 mil tokens. Tokens são pequenos fragmentos de texto, geralmente alguns caracteres cada um, que os modelos de IA contam e facturam.

Aos preços actuais de um modelo de topo, essa consulta custa 0,10 a 0,40 dólares. Em um milhão de consultas por mês, um alvo típico para qualquer funcionalidade de software empresarial, a conta chega aos seis dígitos.

Por que é que isto importa aos clientes comuns de software?

Importa porque o modelo de preços padrão para software empresarial não aguenta essa pressão. A maioria do software de IA hoje vende-se numa base por utilizador, por mês, o que significa que uma empresa paga uma taxa fixa por cada funcionário que utiliza a ferramenta. Isso funciona bem se os custos por utilizador se mantenham previsíveis. A amplificação de tokens destrói a previsibilidade.

Um utilizador avançado que executa 50 a 100 tarefas de agente por dia num plano de 40 dólares por mês pode custar ao fornecedor mais em processamento de IA do que esse plano arrecada em receita. O fornecedor perde dinheiro nos seus melhores clientes. Esse é o paradoxo que, como o VentureBeat reportou esta semana, está agora a aparecer nas contas de empresas reais.

O produto Agentforce da Salesforce é o exemplo mais público. Abriu-se uma lacuna entre o que o marketing mostra e o que está realmente a ser entregue aos clientes. Esse tipo de lacuna aparece quando uma funcionalidade é tecnicamente possível mas demasiado cara para entregar ao preço que a subscrição implica.

O VP da Nvidia Bryan Catanzaro resumiu claramente: "Para a minha equipa, o custo do compute está muito para além dos custos dos funcionários."

As soluções existem. Os fornecedores podem encaminhar consultas baratas para modelos menores e mais baratos e poupar aproximadamente 60% nas contas de inferência. Podem fazer cache, ou seja, reutilizar instruções repetidas para que o modelo não as releia do zero em cada chamada. Podem aparar as informações passadas ao modelo em cada etapa. Nenhuma delas é exótica. Todas elas requerem tratar o custo de IA como uma prioridade de engenharia central, não como uma reflexão tardia.

Para utilizadores de software empresarial, o sinal prático é este: se uma funcionalidade de IA pela qual a sua empresa paga parece menos capaz do que a demonstração prometeu, a pressão de preços é uma explicação plausível. Pergunte ao seu fornecedor como é que medem o uso de agentes e se o uso pesado desencadeia cobranças adicionais. Os honestos terão uma resposta pronta.