O preço de cada token de inteligência artificial caiu cerca de 280 vezes nos últimos dois anos, mas a conta total das empresas subiu 320% no mesmo período. Essa contradição, batizada de “inflação dos tokens”, está redefinindo o mercado de IA e levantando questões sobre a sustentabilidade de uma indústria que ainda não descobriu como ser lucrativa. Como já discutimos em nossa análise anterior sobre a bolha da IA, o ciclo de investimento em IA pode ter chegado a um ponto de inflexão.
A youtuber Karol Attekita, do canal Attekita Dev, resume o momento com uma imagem direta: acabou a festa do uso ilimitado. Em vídeo publicado em julho de 2026, ela analisa o relançamento do Fable 5, modelo mais potente da Anthropic, que deixou de ser incluído em assinaturas fixas e passou a cobrar por créditos de uso. “A IA é cara demais, não seria possível realmente manter os planos ilimitados”, diz ela, alertando que o movimento não é isolado, mas parte de uma tendência que afeta toda a indústria.
O fim do uso ilimitado
O caso mais emblemático dessa transição é o do Fable 5. Após ser suspenso pelo governo dos Estados Unidos em junho de 2026 por questões de segurança e exportação, o modelo foi relançado em 1º de julho com uma novidade: assinantes Pro e Max poderiam usá-lo apenas até 19 de julho, com limite de 50% do consumo semanal. Depois disso, cada token passou a ser cobrado à parte, a US$ 10 por milhão de tokens de entrada e US$ 50 por milhão de tokens de saída, como confirmou a Anthropic em comunicado oficial.
O GitHub Copilot trilhou o mesmo caminho. Em 1º de junho de 2026, a plataforma anunciou o GitHub a migração de todos os planos para cobrança baseada em consumo, substituindo o modelo de requisições premium por créditos de IA calculados por tokens consumidos. Quem tinha assinatura ilimitada passou a ter um saldo mensal que pode acabar antes do fim do mês se o uso for intenso. Microsoft, dona do GitHub, também revogou licenças do Claude Code para seus desenvolvedores, meses depois de liberá-las.
A transição não surpreende quem acompanha os números. A Uber esgotou seu orçamento anual de IA em apenas quatro meses, conforme relatou o TechCrunch. O CTO da empresa, Praveen Neppalli Naga, confirmou que 5.000 engenheiros consumiram a verba de 2026 inteira entre janeiro e abril, com custos mensais por desenvolvedor variando de US$ 500 a US$ 2.000 para usuários intensivos. A empresa impôs um teto de US$ 1.500 por mês por ferramenta de codificação com IA.
O paradoxo dos tokens: mais barato, mais caro
O termo “inflação dos tokens” descreve um fenômeno contraintuitivo. O preço individual de cada token despencou: uma tarefa que custava US$ 30 por milhão de tokens em 2023 sai por cerca de US$ 0,10 em 2026, segundo dados da Epoch AI citados em relatório da consultoria Exponential View publicada pela revista Exame. A capacidade dos modelos, medida pelo Epoch Capabilities Index, subiu de 112 para 158 pontos no mesmo período. Tokens mais baratos e mais capazes deveriam significar contas menores. Significaram o oposto.
O motivo é o volume. Fluxos de trabalho agentificados, nos quais a IA raciocina em loop, chama ferramentas externas e verifica o próprio resultado, consomem de 5 a 30 vezes mais tokens por tarefa do que um chatbot simples, segundo análise da Gartner citada em relatório da Oplexa. Arquiteturas de RAG (Retrieval-Augmented Generation), que enviam milhares de páginas de contexto junto com cada consulta, aumentam o consumo de tokens em 3 a 5 vezes. Agentes sempre ativos, que monitoram sistemas em tempo real, gastam computação 24 horas por dia, 7 dias por semana.
O relatório da consultoria Exponential View revela outro dado que complica a leitura: nem todo token processado representa valor entregue ao usuário. Tokens de entrada e de raciocínio interno, consumidos antes de o modelo responder, são custo de produção, não resultado. Entre janeiro de 2025 e abril de 2026, o volume total de tokens cresceu 39 vezes, mas os tokens de saída, a produção que de fato chega ao usuário, cresceram 30 vezes. A diferença significa que uma fatia crescente do gasto não se traduz em valor visível.
A conta que ninguém quer pagar
Por trás da inflação dos tokens há um problema estrutural maior: as empresas de IA não conseguem ser lucrativas no modelo atual. A OpenAI perdeu aproximadamente US$ 38,5 bilhões em 2025, segundo informações compiladas pelo Fintech Brainfood a partir de dados financeiros vazados. A empresa gasta US$ 1,35 para cada dólar que ganha. O custo de servir bilhões de requisições de inferência por dia supera a receita, e a diferença é coberta por capital de risco e subsídios cruzados.
Isso cria uma situação em que os tokens são vendidos abaixo do custo real de produção. A diferença é bancada por investidores que apostam que o mercado vai se consolidar e os preços vão subir quando a competição diminuir. O problema, segundo o InfoMoney ao citar relatório da Allianz Research, é que o descompasso entre investimento e receita na IA chega a 46%, superior aos 32% observados durante o estouro da bolha de telecomunicações em 2001.
O Banco de Compensações Internacionais (BIS), em seu relatório anual, listou a inflação e a queda de sentimento em relação à IA, impulsionadas por práticas contábeis opacas e concorrência de código aberto, como fatores que podem desencadear uma “reversão brusca” se os retornos decepcionarem. A circularidade do financiamento agrava o cenário: a Nvidia investe na OpenAI, que compra GPUs da Nvidia, e o que parece receita é o mesmo dólar girando na cadeia.
A divisão do mercado em duas camadas
A pressão por custos está dividindo o mercado de IA em duas camadas. De um lado, modelos de commodities, mais simples e baratos, suficientes para tarefas rotineiras como resumos, formatação e atendimento básico. Do outro, super modelos como Fable 5 e GPT-5.6, reservados para raciocínio complexo e codificação avançada, com preço por uso. Karol Attekita descreve essa divisão em seu vídeo: a camada comoditizada tende a ficar barata e invisível, enquanto a camada de trabalho pesado passa a ter limite e cobrança por consumo.
A segundo a Bloomberg mostra que as big techs correram para baratear a tecnologia em julho de 2026. A OpenAI lançou o GPT-5.6 projetado para realizar mais tarefas com menos tokens. O Grok 4.5, da SpaceXAI, de Elon Musk, promete o dobro da eficiência em tokens comparado a modelos similares. A Meta tornou o preço do Muse Spark 1.1 “atraente”, nas palavras de Mark Zuckerberg. A concorrência chinesa, com modelos abertos como DeepSeek, amplia a pressão por preços menores.
O que muda para quem usa IA
Para desenvolvedores e empresas, a inflação dos tokens exige uma mudança de mentalidade. A pergunta deixa de ser “qual o melhor modelo” e passa a ser “qual modelo faz sentido para cada tarefa”. Usar o modelo mais potente para gerar um resumo simples é o equivalente digital de usar um caminhão para entregar uma carta. Ferramentas de roteamento automático, que selecionam o modelo mais barato capaz de resolver cada tarefa, ganham espaço. A Coinbase, por exemplo, reduziu drasticamente seu gasto com IA enquanto mantinha o volume de tokens em alta, através de roteamento inteligente, caching e gestão de contexto.
A Linux Foundation lançou em junho de 2026 a Tokenomics Foundation, um órgão de padronização que quer trazer para os tokens a mesma disciplina de custos que o FinOps trouxe para a nuvem. O grupo está construindo definições e métricas para economia de tokens, como custo por inteligência e tokens por watt. Goldman Sachs projeta que o uso global de tokens multiplicará por 24 até 2030, o que torna a disciplina financeira não opcional.
Fim do hype, não da IA
A inflação dos tokens não significa o fim da inteligência artificial, mas o fim da fase em que IA era desculpa para tudo. Como apontamos em nosso artigo sobre como o mercado não está pronto para produção de conteúdo com IA, a tecnologia ainda não está pronta para substituir trabalho humano em escala. E como mostramos ao analisar o paradoxo do investimento em IA sem retorno, 61% das empresas não percebem retorno do investimento em IA. A diferença agora é que a conta chegou, e não pode mais ser ignorada.
Karol Attekita coloca o momento em perspectiva: “a IA vai parar de ser solução universal para todos os problemas”. O movimento em curso é de maturação, não de colapso. As empresas que aprenderem a medir custo por resultado, rotear tarefas para modelos mais baratos e otimizar contexto vão extrair valor da IA. As que continuarem tratando cada problema como caso para o modelo mais caro vão descobrir, como a Uber, que o orçamento acaba antes do trimestre.
Fontes: TechCrunch, Exame / Exponential View, InfoMoney / Bloomberg, Epoch AI, Forbes, Bloomberg Línea, GitHub Blog, Anthropic, Karol Attekita (YouTube), Oplexa, Fintech Brainfood, BIS, Gartner, Linux Foundation, Goldman Sachs.
