Modelos chineses já são até 46% dos tokens corporativos nos EUA

A CNBC publicou em 7 de julho uma investigação com o número mais concreto até agora sobre a entrada dos modelos chineses no mercado corporativo americano: entre 30% e 46% dos tokens de API que passam por plataformas de desenvolvedores dos EUA já rodam em modelos da China. No OpenRouter, gateway que roteia chamadas para dezenas de modelos, a fatia chinesa está acima de 30% toda semana desde 8 de fevereiro de 2026. A média dos 12 meses anteriores era de 11%, e no primeiro semestre de 2025 chegou a ser de apenas 4,5%.

O que saiu na imprensa

A reportagem da CNBC ancora a tendência em dados de duas plataformas. No OpenRouter, Justin Summerville quantificou a vantagem de preço: modelos abertos chineses saem de 60% a 90% mais baratos que os líderes da Anthropic e da OpenAI. Na Vercel, o DeepSeek viu sua fatia de tokens crescer entre maio e junho, e o GLM-5.2, da Z.ai, registrou a adoção mais rápida de qualquer modelo monitorado pela empresa em 2026: na primeira semana completa após o lançamento, o volume diário de tokens cresceu cerca de 27 vezes e o número de clientes, cerca de 80 vezes.

Harpreet Arora, head de infraestrutura de agentes da Vercel, resumiu o mecanismo sem rodeios: "o preço está fazendo o trabalho aqui. Quando uma tarefa não precisa do melhor modelo, os times começam a roteá-la para o mais barato que seja bom o suficiente, e a leva recente de modelos vindos da China está ganhando essa troca". O dado de desempenho que sustenta a troca: o GLM-5.2 ficou a um ponto percentual do Opus 4.8, da Anthropic, em um benchmark de agentes acompanhado de perto, custando cerca de um quinto, número também destacado pelo MLQ News.

O momento agrava a tendência. Os laboratórios ocidentais subiram preços em 2026 justamente quando os modelos chineses alcançaram desempenho quase de fronteira com desconto agressivo, como detalha o levantamento do Build Fast with AI. A conta do departamento financeiro passou a decidir o que o time de engenharia usa.

Na prática, isso significa

A manchete fala de geopolítica, mas a decisão embutida nela é de arquitetura. O padrão que emerge nos dados é o roteamento em camadas: um modelo aberto e barato como default para o grosso das tarefas (resumo, extração de dados, rascunho de atendimento, código de rotina) e um modelo de fronteira como exceção, acionado apenas quando a diferença de capacidade paga o preço.

Esse movimento não começou agora. Quando analisamos a queda no custo por tarefa puxada pelo DeepSeek, o argumento já era o mesmo: eficiência virou vetor competitivo próprio, separado da corrida por capacidade máxima. E o lançamento aberto do GLM-5.2 mostrou a China transformando licença MIT em estratégia de distribuição. A novidade é a escala: 30% a 46% do tráfego corporativo não é experimento de entusiasta, é produção.

Se você paga preço de fronteira para tarefa de rotina, não está comprando qualidade. Está financiando a falta de um roteador.

Para quem opera IA no Brasil, três consequências práticas. Primeiro, revisite a régua de custo: se o seu produto roda tudo em um único modelo topo de linha, há grande chance de estar pagando 5 a 10 vezes mais do que precisa em boa parte das chamadas. Segundo, o roteamento exige o que sempre defendemos por aqui: saber quais tarefas você pode verificar e medir qualidade por tarefa, não por impressão geral. Sem avaliação, trocar de modelo é aposta. Terceiro, jurisdição de dados não é detalhe: chamadas diretas às APIs da Z.ai, DeepSeek ou Moonshot passam por servidores na China. Para dados regulados (saúde, financeiro, jurídico), a rota viável são os mesmos modelos hospedados em nuvens ocidentais ou pesos abertos rodando em infraestrutura que você controla, ponto que o Andrew Ng vem martelando na discussão sobre plataformas abertas.

Um exemplo concreto de como essa conta aparece no dia a dia: um fluxo de atendimento que processa 10 milhões de tokens por dia em um modelo de fronteira pode custar dezenas de vezes mais do que o mesmo fluxo com um roteador que manda 80% das mensagens (saudação, consulta de status, dúvida frequente) para um modelo barato e reserva o modelo caro para os 20% que envolvem negociação, exceção ou risco. A qualidade percebida pelo cliente não cai, porque a tarefa simples não precisava do modelo caro. O que muda é a margem da operação.

Há ainda um risco de cauda: como cobrimos na semana passada, a própria China estuda restringir a exportação dos seus melhores modelos. Quem monta o roteamento em cima de um único fornecedor barato repete o erro de quem dependia de um único fornecedor caro. A resposta não é evitar modelos chineses, é desenhar a operação para trocar de peça sem parar a linha.

Se a sua conta de IA cresceu mais rápido que o resultado que ela gera, chame a gente no WhatsApp que a gente ajuda a desenhar um roteamento que faça sentido para o seu caso.