Duas matérias da CNBC publicadas na sexta-feira, 26 de junho, redesenham o piso por baixo do “build” de data centers de IA. A primeira disse que a era do “tokenmaxxing” acabou. A segunda disse que o teto chinês de pesos abertos acaba de subir até estar a um ponto percentual do modelo carro-chefe da Anthropic. Lidas em conjunto, reprecificam a camada de inferência sob cada anúncio de capex dos hyperscalers. A leitura de materiais sobrevive ao remanejamento.

O que está acontecendo

Os dados de gastos corporativos da Ramp, conforme reportado pela CNBC em 26 de junho, mostram que o custo médio por milhão de tokens entre os principais provedores de modelos caiu de cerca de US$ 10 para cerca de US$ 2,50 em um único ano. A Uber limitou o gasto por funcionário a US$ 1.500 por mês por ferramenta de codificação de IA depois de queimar seu orçamento de IA de 2026 em aproximadamente quatro meses. O CEO da Lindy, Flo Crivello, transferiu 100 por cento do tráfego de IA agêntica de sua empresa da Claude da Anthropic para a DeepSeek, hospedada em solo americano, dizendo à CNBC que a curva de custos “despencou ao chão” e que a troca economizará milhões de dólares para a empresa de cerca de 25 pessoas em poucos meses.

No mesmo dia, a segunda matéria da CNBC tratou do GLM 5.2 da Zhipu, lançado em pesos abertos sob licença MIT em 13 de junho, com pontuação 51 no Artificial Analysis Intelligence Index v4.1. Isso o coloca à frente do MiniMax M3 (44), DeepSeek V4 Pro (44) e Kimi K2.6 (43) na escada de pesos abertos. No bem observado benchmark FrontierSWE, o GLM 5.2 fica 0,7 ponto atrás do Anthropic Opus 4.8 (74,4 por cento contra 75,1 por cento) por aproximadamente um quinto do custo de inferência.

Tanto a Anthropic quanto a OpenAI protocolaram prospectos S-1 confidenciais no início de junho. A Anthropic protocolou em 1º de junho com avaliação reportada de cerca de US$ 965 bilhões, o nível fixado em sua Série H. A OpenAI seguiu em 8 de junho com a referência pós-money de US$ 852 bilhões da sua rodada de março de 2026, com os underwriters trabalhando em direção a uma faixa de IPO próxima de um trilhão de dólares. O keynote da Microsoft Build 2026, em 2 de junho, apresentou o MAI-Code-1-Flash, um modelo de codificação interno de 5 bilhões de parâmetros que, segundo a Microsoft, supera o Claude Haiku 4.5 em 16 pontos no SWE-Bench Pro e resolve problemas comparáveis com até 60 por cento menos tokens no SWE-Bench Verified.

Enfoque Brasil

O Brasil nunca chegou a fazer “tokenmaxxing”. Bancos, seguradoras e varejistas já estavam pressionados por custos de câmbio e crédito desde o início do ciclo de IA, então o custo por inferência foi a restrição operacional desde o primeiro dia. A mudança que os Estados Unidos vivem agora é o ciclo finalmente chegando onde o setor corporativo brasileiro já vivia. O teto de pesos abertos subindo importa mais aqui do que qualquer corte de preço da Anthropic que ainda não veio. O GLM 5.2 e o Kimi K2.6 são implantáveis hoje em racks hospedados localmente, exatamente o perfil de carga de trabalho para o qual a geografia de data centers de primeira fase do Brasil foi dimensionada.

A Terranova, plataforma latino-americana de hyperscale apoiada pela Actis, abriu seu campus em Querétaro, no México, no primeiro trimestre de 2026, dentro de um plano trianual de US$ 1,5 bilhão em três países, com Campinas, no estado de São Paulo, prevista para 2027 e o Chile entre 2027 e 2028. A plataforma foi explicitamente desenhada em torno de inferência sustentada de médio porte, em vez de treinamento em picos, com sítios alimentados por energia limpa e um teto potencial de 1 GW para o portfólio regional. O anúncio de parceria de 22 de junho entre BNDES, Vale e Petrobras em pesquisa, desenvolvimento e inovação em terras raras, formalizado em reunião presidida por Aloizio Mercadante, presidente do BNDES, fica por baixo desse desenho. A cadeia brasileira de materiais agora tem lugar dentro de um “build” global de computação no qual pesos abertos e inferência barata são o padrão, não a exceção.

Enfoque Estados Unidos

As safras dos S-1 parecem precoces, não atrasadas. Tanto a OpenAI quanto a Anthropic protocolaram antes de o gráfico de preço por token visivelmente virar contra elas. Um analista do D.A. Davidson citado na matéria de 26 de junho da CNBC alertou que os maiores clientes corporativos podem começar a impor tetos diretos de gasto em tokens. O lançamento do MAI-Code-1-Flash da Microsoft em 2 de junho foi enquadrado dentro do keynote como movimento de redução de custos que diminui a dependência da OpenAI no Copilot. A diretiva de controle de exportação de 12 de junho, que desativou os modelos Fable 5 e Mythos 5 da Anthropic para todos os estrangeiros, incluindo funcionários estrangeiros da própria Anthropic, removeu um modelo fechado de topo de linha do leque de compras corporativas não americanas em cerca de trinta dias de aviso. A declaração pública da Anthropic chamou a medida de mal-entendido e disse que a empresa estava trabalhando para restaurar o acesso. No final de junho, a restrição continuava em vigor sobre o Fable 5.

Enfoque China

O lançamento do GLM 5.2 em 13 de junho é a primeira vez que um modelo de pesos abertos chega a menos de um ponto percentual de um modelo fechado de fronteira no FrontierSWE, a aproximadamente um quinto do custo de inferência. A classificação do Intelligence Index v4.1 coloca a Zhipu (51) claramente à frente do MiniMax M3 (44), DeepSeek V4 Pro (44) e Kimi K2.6 (43). A ação do Ministério do Comércio chinês de 22 de junho, que colocou a MP Materials, a USA Rare Earth e outras oito empresas americanas em lista de controle de exportação, caiu dentro da mesma semana. Lidas em conjunto, a sequência parece deliberada. Bloquear a metalização americana de terras raras no lado dos materiais, empurrar pesos abertos a um quinto do custo de inferência americano no lado do modelo, forçar os desenvolvedores americanos de fronteira a defender uma avaliação próxima de um trilhão de dólares enquanto os concorrentes chineses de pesos abertos precificam o piso.

O que isso significa

O colapso do preço do token não é um problema para o “build” de data centers. É a demanda por ele. O custo por token caiu cerca de quatro vezes em um ano, mas o uso corporativo de IA está crescendo mais rápido do que isso, então o volume total de inferência sobe no líquido. Esta é a versão paradoxo de Jevons da economia de inferência. Tokens mais baratos significam mais tokens, o que significa mais horas em racks, o que significa mais racks, o que significa mais cobre, gálio e urânio por dólar de PIB que passa por um hyperscaler. A leitura de materiais não enfraquece depois de sexta-feira. Ela é remanejada. O “build” de computação que vence é o posicionado para inferência sustentada de médio porte em alta utilização, não o posicionado para picos de treinamento. A geografia de data centers de primeira fase do Brasil se encaixa nesse perfil.

A leitura de avaliação é separada. A OpenAI e a Anthropic precificaram seus S-1 antes de o teto de pesos abertos mexer. A margem de assinatura de fronteira fechada é o que sustenta uma impressão próxima de um trilhão de dólares. A reportagem de 26 de junho sugere que essa margem está agora em renegociação com os clientes corporativos. A safra dos S-1 é o risco, não o “build”.

O que observar

1. Próxima atualização do Artificial Analysis Intelligence Index. Se a diferença entre Opus 4.8 e GLM 5.2 fechar em zero no FrontierSWE, a tese de assinatura de fronteira fechada quebra primeiro ali.
2. Aditivos aos S-1 da OpenAI e da Anthropic. A divulgação da economia de tokens é a nova linha de “due diligence”. Espera-se a primeira revelação quantitativa no primeiro ciclo de aditivos, entre julho e setembro.
3. A próxima atualização dos controles de exportação americanos sobre a lista Fable 5 e Mythos 5. Se a diretiva se expandir para modelos fechados de menor escalão da Anthropic ou da OpenAI, o piso de pesos abertos sobe ainda mais e a janela de compra do GLM 5.2 se alarga.