A OpenAI anunciou nesta semana um corte de até 80% no preço de dois modelos de sua linha GPT-5.6, uma resposta direta à pressão crescente de rivais chineses que vendem inteligência artificial cada vez mais barata. O modelo GPT-5.6 Luna, voltado a tarefas de alto volume, passou de US$ 1 e US$ 6 por milhão de tokens de entrada e saída para US$ 0,20 e US$ 1,20, respectivamente. Já o GPT-5.6 Terra, camada intermediária da família, teve redução de 20%, caindo de US$ 2,50 e US$ 15 para US$ 2 e US$ 12 por milhão de tokens. O modelo mais avançado da linha, o Sol, manteve o preço padrão, mas ganhou um modo "rápido", cobrado ao dobro do valor em troca de até 2,5 vezes mais velocidade.
Em comunicado oficial, a companhia atribuiu a redução a ganhos de eficiência obtidos durante o desenvolvimento do GPT-5.6, cujo próprio modelo mais avançado teria ajudado a otimizar o código de produção usado para rodar a infraestrutura de inferência. Segundo a empresa, esse processo reduziu em 20% o custo de servir o modelo e aumentou em mais de 15% a eficiência na geração de tokens.
Preço vira arma central da disputa
O movimento chega poucas semanas depois de a chinesa Moonshot AI lançar acesso via API ao seu modelo Kimi K3, que superou o próprio GPT-5.6 Sol e o Claude Fable 5, da Anthropic, em um benchmark de desenvolvimento web da Arena AI. No índice de inteligência da Artificial Analysis, o Kimi K3 também pontuou acima das versões Terra e Luna do GPT-5.6, embora ainda atrás do Sol. Depois de reajustar seus preços comerciais para US$ 3 e US$ 15 por milhão de tokens de entrada e saída, porém, o modelo chinês passou a custar mais do que as novas tarifas de Luna e Terra, invertendo parte da vantagem competitiva que havia conquistado.
Outros concorrentes chineses seguem, ainda assim, mais baratos. A GLM-5.2, da Zhipu AI, custa US$ 1,40 e US$ 4,40 por milhão de tokens; a M3, da MiniMax, chega a US$ 0,30 e US$ 0,60; e a V4-Pro, da DeepSeek, é cotada em US$ 0,435 e US$ 0,87. O banco de investimentos Jefferies observou, em nota a clientes, que a diferença histórica de preço entre modelos chineses e ocidentais vem se estreitando rapidamente, tornando o custo por token um critério cada vez mais decisivo na escolha de fornecedores de IA por empresas.
O fenômeno não é isolado. Uma reportagem da CNN Brasil descreve o movimento chinês de precificação agressiva como uma forma de "dumping de IA", em que modelos como DeepSeek V4, Kimi K2 e Qwen-Plus fecham a maior parte da diferença de qualidade que antes separava a tecnologia americana da chinesa, a um custo até 60% menor. Levantamento do Jornal da USP mostra que, em junho de 2026, modelos chineses já respondiam por quase metade dos downloads corporativos de ferramentas de IA nos Estados Unidos, ante 16% em janeiro do mesmo ano.
Uma conta que já era apertada
O corte de preços ocorre num momento delicado para as finanças da OpenAI. Documentos internos citados por veículos como The Information, Reuters e Wall Street Journal indicam que a empresa projeta cerca de US$ 14 bilhões de prejuízo em 2026, sobre uma receita anualizada em torno de US$ 25 bilhões, o que equivale a uma margem operacional negativa próxima de 55%. No primeiro trimestre do ano, o consumo de caixa somou US$ 3,7 bilhões, mais de 60% da receita de US$ 5,7 bilhões do período.
As projeções de longo prazo são ainda mais pesadas: a companhia estima prejuízo acumulado de aproximadamente US$ 115 bilhões até 2029, ano em que espera, enfim, atingir fluxo de caixa positivo. Boa parte desse buraco vem do custo de inferência, que somou US$ 8,4 bilhões em 2025 e deve chegar a US$ 14,1 bilhões em 2026, além de compromissos de mais de US$ 600 bilhões em contratos de nuvem e infraestrutura firmados com Microsoft, Oracle, SoftBank e outros parceiros do projeto Stargate.
Reduzir o preço de dois de seus principais modelos de API, justamente na camada de maior volume de uso, tende a comprimir ainda mais a margem bruta da empresa no curto prazo, mesmo que a companhia argumente que ganhos de eficiência técnica compensem parte da perda de receita por token. A comparação com a Anthropic, apontada pelo Wall Street Journal, é ilustrativa: enquanto a rival projeta reduzir sua queima de caixa para cerca de um terço da receita em 2026 e a apenas 9% em 2027, com previsão de equilíbrio financeiro já em 2028, a OpenAI mantém uma taxa de queima estimada em 57% da receita tanto em 2026 quanto em 2027.
Contraponto
Nem todos os analistas leem o corte de preços como sinal de fragilidade. A própria OpenAI enquadra a medida como consequência natural de avanços de engenharia, e não como reação defensiva: segundo a empresa, o próprio GPT-5.6 Sol ajudou a reescrever trechos de código de produção e otimizar a geração de tokens, o que teria viabilizado a redução sem necessidade de subsidiar preços artificialmente.
Executivos de clientes corporativos citados pela própria OpenAI, como Notion e Replit, relataram ganhos reais de custo-benefício nos modelos mais baratos, o que sugere que parte da equação é movida por eficiência de fato, e não apenas por pressão competitiva. Para essa leitura, cortar preços em um mercado de custos decrescentes é estratégia racional de expansão de base de usuários, não sintoma de desespero financeiro, ainda que os dois cenários não sejam mutuamente exclusivos.
O que muda para quem usa IA no Brasil
Para empresas brasileiras, a guerra de preços tende a ser positiva no curto prazo, com acesso a modelos de ponta por custos menores. O Brasil aderiu recentemente à Organização Mundial de Cooperação em Inteligência Artificial, criada pela China durante a Conferência Mundial de Inteligência Artificial em Xangai, o que amplia as opções de fornecedores disponíveis ao mercado nacional, ao lado do plano brasileiro de inteligência artificial já em curso. Ao mesmo tempo, relatórios setoriais como o da KPMG mostram que empresas brasileiras do setor financeiro já demonstram maturidade crescente na adoção de IA generativa, o que torna o custo por token uma variável cada vez mais relevante nas decisões de orçamento de tecnologia por aqui também.
O episódio ilustra um padrão que deve se repetir: cada nova rodada de preços mais baixos alivia o orçamento de quem consome IA, mas aperta ainda mais a equação de quem precisa, ao mesmo tempo, financiar bilhões de dólares em infraestrutura e provar aos investidores que o negócio é sustentável no longo prazo.