Modelos chineses tomam até 46% do consumo de tokens de empresas americanas, e a conta fecha
DeepSeek e GLM 5.2 saem por uma fração do preço dos frontier americanos e ganham corporações que pagam por token. A CNBC mostra o gráfico que a OpenAI e a Anthropic não queriam ver publicado.
A parcela de tokens que empresas americanas consomem em modelos chineses de linguagem via OpenRouter passou de 30% em toda semana desde 8 de fevereiro e chegou a 46% em picos recentes, segundo dados publicados pela CNBC em 7 de julho. O gráfico é o argumento que faltava para uma tese que já circulava entre analistas de infra: o custo unitário dos frontier americanos cresceu mais rápido do que a disposição das CIOs de pagar por eles.
DeepSeek continua cobrando cerca de 3% do preço por token do GPT 5.5, segundo levantamento da própria CNBC. GLM 5.2, da chinesa Z.ai, tem preço base de US$ 0,95 por milhão de tokens de input e US$ 3,00 por milhão de output, contra faixa que passa de US$ 4,00 por milhão nos modelos de fronteira americanos. Os modelos abertos chineses saem entre 60% e 90% mais baratos que os concorrentes ocidentais equivalentes na mesma janela.
Benchmark de agente e volume que cresce em curva vertical
O GLM 5.2 chegou a menos de um ponto percentual do Claude Opus 4.8 em um benchmark agentico monitorado pela Vercel, por aproximadamente um quinto do preço. A Vercel também registrou o crescimento mais rápido de qualquer modelo em sua plataforma neste ano: volume diário de tokens em multiplicador de 27 vezes e base de clientes em 80 vezes na primeira semana cheia após o lançamento. É um comportamento que só se sustenta se o modelo estiver, de fato, entrando em pipelines de produção, não em testes de curiosidade.
Um segundo dado, agora do lado da DeepSeek, ajuda a completar o quadro. A empresa passou a divulgar diretamente para clientes americanos por meio de resellers listados no OpenRouter, o que reduziu a fricção de compliance percebida por CIOs que antes exigiam camada de intermediação europeia. O resultado é o padrão de 30% de participação semanal desde fevereiro, com espasmos para 46% em semanas de release de features.
Onde o efeito bate: Estados Unidos, Alemanha e Índia
Nos Estados Unidos, provedores de plataforma como Vercel, Fireworks e Together AI viraram cabeças de ponte para modelos chineses, contornando a barreira reputacional. Startups de código, atendimento e RAG que pagam a fatura mensal do OpenAI olham para 60% de economia e não hesitam em fazer AB test. Na Alemanha, onde CIOs de bancos como Deutsche Bank e Commerzbank estão sob pressão explícita para conter custos de compute em 2026, o GLM 5.2 e o DeepSeek V4 aparecem como opções de segundo motor em roteamento de prompts, especialmente para tarefas de sumarização e classificação. Na Índia, TCS, Infosys e Wipro juntas operam mais de 300 mil assentos de Microsoft 365 Copilot, mas as práticas de engenharia interna vêm testando modelos chineses em pilotos, atrás de um duplo objetivo: reduzir custo de token e libertar-se da dependência estratégica de um único fornecedor. Todos os três estão em geografias sensíveis a controle de dados, o que empurra os pilotos para deploys on-prem em GPU própria ou em nuvens soberanas.
A parte que o CNBC não escreveu, e que os analistas de sourcing repetem em bastidor, é que o roteamento de prompts virou disciplina de engenharia: separar chamadas complexas para Opus ou GPT-5 e mandar o volume rotineiro para modelos chineses baratos. Isso é diferente de trocar de fornecedor. É uma arquitetura que assume dois motores permanentes.
O steelman do lado americano
A leitura oposta merece registro. Analistas da Morgan Stanley e do próprio Sam Altman argumentam, com razão, que o preço por token subestima o custo total. Um modelo chinês mais barato exige mais rodadas de prompt engineering, dá saltos de qualidade menos consistentes em portugues e alemão, e traz camada de risco geopolítico que já materializou-se em decisões corporativas de bloqueio total. A Anthropic, por sua vez, disse em maio que caminha para US$ 47 bilhões de receita corrente em 2026 e para lucro em 2029, o que sugere que o segmento premium continua com demanda. O contra-argumento não invalida o gráfico da CNBC, mas coloca-o no lugar certo: parte da queda de tokens é substituição, e parte é volume novo que só existe porque ficou barato.
A questão para o próximo trimestre não é escolher entre americano e chinês. É desenhar a arquitetura de roteamento que sobrevive aos dois fornecedores mudarem de preço no mesmo mês.