- Sim Para uma capacidade que você já tem hoje, o preço cai entre 5 e 10 vezes por ano. Um modelo com a qualidade do GPT-3 custava US$ 60 por milhão de tokens em novembro de 2021 e custava US$ 0,06 três anos depois.
- Não Para a capacidade de topo em cada momento, o custo por tarefa está subindo entre 3 e 18 vezes por ano. Modelos maiores e raciocínio longo consomem mais tokens do que o preço unitário consegue baratear.
- Depende O gasto total sobe nos dois casos. O Google saiu de 9,7 trilhões de tokens por mês em abril de 2024 para 3,2 quatrilhões em maio de 2026, um fator de 330 em 25 meses.
Por que a mesma pergunta tem três respostas
Quando alguém diz que token está ficando mais barato, quase sempre está medindo uma coisa específica: quanto custa hoje comprar a capacidade que era estado da arte ontem. Essa medida cai rápido e cai de forma confiável. Ela é útil para quem já tem um produto rodando e quer saber se a margem melhora.
Quem está construindo na fronteira mede outra coisa: quanto custa resolver a tarefa mais difícil que o melhor modelo consegue resolver agora. Essa medida sobe, porque a fronteira se move em direção a tarefas que exigem mais tokens.
A terceira medida é a fatura. Ela combina preço unitário com volume, e volume está crescendo mais rápido do que o preço cai. Vale separar as três antes de olhar qualquer gráfico.
As três perguntas, lado a lado
A mesma frase, "o custo do token vai diminuir", vira três perguntas diferentes com três respostas diferentes. O que muda é o que você mantém fixo.
As três colunas usam os mesmos números do resto da página. A diferença entre elas não está no dado, e está em qual variável foi congelada antes de medir.
A queda que todos citam: preço de uma capacidade fixa
Preço do modelo mais barato capaz de entregar a qualidade do GPT-3 original, em dólares por milhão de tokens. Escala logarítmica, porque em escala linear os três últimos pontos ficariam colados no zero. Queda total de 1000 vezes em 3 anos.
Fontes: a16z, Welcome to LLMflation, novembro de 2024, para os extremos da série; Epoch AI, LLM inference price trends, para os pontos intermediários. A Epoch mede a mesma queda por marco de desempenho em seis benchmarks e encontra taxas entre 9 e 900 vezes por ano, e avisa no próprio texto que as taxas mais altas são recentes e podem não se manter.
O gráfico está correto e responde uma pergunta que quase ninguém faz na prática, porque quase ninguém quer rodar um modelo de 2021. Ele mede o preço de uma capacidade congelada, e capacidade congelada não é o que a indústria está comprando.
O preço do topo, no momento em que cada modelo era o topo
Preço por milhão de tokens do modelo mais capaz disponível em cada data. A linha cheia é saída, a pontilhada é entrada. Repare que a série não cai de forma contínua: sobe de 2023 para 2024, cai forte até 2025 e volta a subir em 2026.
Fontes: preço de lançamento do GPT-4 de 8 mil tokens de contexto publicado pela OpenAI em março de 2023; anúncio da família Claude 3 pela Anthropic em 4 de março de 2024; tabela de preço vigente da Anthropic para Claude Opus 4.5 e Claude Fable 5, consultada em 6 de agosto de 2026. Comparação entre casas diferentes serve para marcar o nível do topo em cada data, não para comparar modelos entre si.
A subida de 2026 tem uma explicação simples. Quando aparece um degrau real de capacidade, ele chega com preço de degrau. O Claude Opus 5 custa US$ 5 na entrada e US$ 25 na saída, o mesmo do Opus 4.5 de novembro de 2025. O Claude Fable 5, que fica acima dele, custa o dobro. Existe um teto de capacidade que cobra caro, e ele não segue a curva de barateamento.
| Modelo | Entrada | Saída | Contexto |
|---|---|---|---|
| Claude Fable 5 | 10 | 50 | 1M |
| Claude Opus 5 | 5 | 25 | 1M |
| Claude Sonnet 5 | 3 | 15 | 1M |
| Claude Haiku 4.5 | 1 | 5 | 200K |
De onde vem a queda
Essa é a parte que responde a segunda pergunta do estudo, sobre computação em nuvem. Um grupo do MIT juntou preço histórico da Artificial Analysis e da Epoch AI, montou a maior base de preço por benchmark publicada até agora e separou a queda em três fontes: eficiência algorítmica, ganho de hardware e compressão de margem por concorrência.
O resultado é direto. Hardware é a menor das três parcelas.
Decomposição da queda anual de preço
As três parcelas se multiplicam para formar a queda observada. A largura de cada segmento é proporcional ao logaritmo do fator, porque em escala logarítmica multiplicação vira soma. Algoritmo entra com 3x por ano e hardware com 1,43x.
Fonte: Gundlach, Lynch, Mertens e Thompson, The Price of Progress: Price Performance and the Future of AI, arXiv:2511.23455, versão de março de 2026, MIT FutureTech. A eficiência algorítmica de 3x por ano vem de modelos de peso aberto, descontado o ganho de hardware. O ganho de hardware de 30% por ano é da Epoch AI. A parcela de concorrência é o resíduo: o que sobra depois de tirar algoritmo e hardware da queda total publicada de 5 a 10x por ano.
Vale insistir no número: se hardware melhora 1,43 vez por ano e a queda total é de 5 a 10 vezes, então o silício explica entre 16% e 21% do barateamento. O resto é software e mercado. A queda do preço do token não é a queda do custo de computação, e não deveria ser projetada como se fosse.
Comparação com o custo de computação em nuvem
Fator de queda de preço por ano, escala logarítmica. Quanto mais à direita, mais rápido o barateamento. As duas últimas linhas são as referências clássicas de infraestrutura.
Fontes, de cima para baixo: paper do MIT citado acima para as duas linhas de capacidade fixa e para a eficiência algorítmica; Epoch AI, Performance per dollar improves around 30% each year, para FLOP/s por dólar de GPU, medido de P100 a H100 com preço de servidor completo e correção de inflação; lei de Moore na forma canônica, dobrando a cada dois anos; lei de Koomey para computação por joule, que dobrava a cada 1,57 ano até 2000 e hoje dobra a cada 2,29 anos, o que dá 1,355x; preço de tabela do S3 de US$ 0,15 por GB em 2006 para US$ 0,023 em 2026, convertido em fator anual; queda de 57% em carga equivalente de CPU na AWS desde 2014 (estudo TSO Logic), que dá cerca de 1,08x por ano, e a mesma fonte publica um número alternativo de 14% desde 2015, o que daria taxa ainda menor. As quatro últimas linhas são infraestrutura, e nenhuma delas passa de 1,45x por ano.
Duas coisas nesse gráfico merecem atenção. A primeira é que a nuvem parou de baratear: o preço de tabela do armazenamento na AWS caiu mais de 80% até 2017 e desde então não teve corte entre os grandes provedores, e a taxa de saída de dados caiu só 20% a 40% em toda a história do serviço. A segunda é que a eficiência energética da computação, que é o limite físico de tudo isso, desacelerou: a lei de Koomey dobrava a computação por joule a cada 1,57 ano até 2000 e hoje dobra a cada 2,29 anos.
Isso deixa a parcela de concorrência como a peça a examinar. Ela é a única das três que não vem de progresso técnico, e por isso é a única que tem um teto conhecido.
O teto da compressão de margem
Margem operacional das nuvens que servem a maior parte dessa carga. A conta do teto é aritmética: se o preço hoje embute 39,4% de margem, zerar toda ela derruba o preço em 1 dividido por (1 menos 0,394), ou seja 1,65 vez. E só dá para fazer isso uma vez.
Fontes: resultados do 2º trimestre de 2026. AWS com US$ 48,2 bilhões de lucro operacional sobre US$ 137,0 bilhões de receita em doze meses, o que dá 35%, e 39,4% no trimestre isolado. Google Cloud com 35,6% e Microsoft Intelligent Cloud com 43%. Margem operacional de nuvem não é a margem de inferência de um modelo específico, que ninguém publica, e serve como a melhor aproximação pública disponível.
Resposta à segunda pergunta
Computação em nuvem tradicional barateou em torno de 8% por ano na última década, e o armazenamento em nuvem cerca de 10% por ano até parar em 2017. Hardware de GPU barateia 30% por ano por unidade de desempenho. Preço de token por capacidade fixa cai de 400% a 900% por ano. As três curvas estão em regimes diferentes por uma razão específica: a de token é a única que soma ganho de algoritmo e compressão de margem numa indústria em disputa por participação de mercado.
E aqui está a parte que a comparação com nuvem revela. A parcela de concorrência do paper do MIT vale de 1,24x a 2,33x por ano, mas a margem operacional total disponível vale de 1,54x a 1,65x uma única vez. Uma taxa anual não pode sair de um estoque finito por muitos anos. Ou a margem vira negativa, o que já acontece com parte da oferta, ou essa parcela da queda desaparece dentro de poucos anos. A perna que sobra de pé é a eficiência algorítmica.
Nuvem tradicional contra carga de IA, linha por linha
As duas rodam no mesmo prédio, e é isso que torna a comparação útil: onde os números são iguais, a diferença não é física. Linhas marcadas com são estruturais e não têm série medida dos dois lados.
| Dimensão | Nuvem tradicionalCPU e armazenamento | Carga de IAGPU e token |
|---|---|---|
| Preço unitário | ||
| Taxa de queda de preço por ano | 1,08x em CPU e 1,10x em armazenamento | 5x a 10x por capacidade fixa |
| Último corte de preço de tabela | 2017, e sem corte entre os grandes desde então | contínuo, ainda em 2026 |
| O que aconteceu em 2026 | alta de 15% nas instâncias com H200 | unitário caindo, e o topo saiu de US$ 25 para US$ 50 na saída |
| Crescimento de volume≈ | sem série pública comparável | fator de 330 em 25 meses |
| Prédio e energia | ||
| Construção por megawatt | US$ 11,3 milhões | US$ 37,3 milhões, ou 3,3x mais |
| Resfriamento por megawatt | US$ 1,8 milhão, a ar | US$ 4,5 a 5,2 milhões, líquido |
| Folga de PUE que ainda existe | 9% | 9% |
| Eficiência energética do chip | 1,355x por ano | 1,355x por ano |
| Estrutura de custo | ||
| Peso do servidor no custo total≈ | sem série pública comparável | 60% do custo total de propriedade |
| Espalhamento por ocupação≈ | não é o fator dominante | 44x, de US$ 20,32 a US$ 0,46 por milhão |
| Margem operacional do provedor≈ | 35% a 43% | mesma infraestrutura, não publicada em separado |
| De onde vem o barateamento | ||
| Hardware≈ | é a fonte principal, junto com escala | 16% a 21% da queda |
| Eficiência algorítmica≈ | não existe essa camada | cerca de dois terços da queda, 3x por ano |
| Compressão de margem | já esgotada, preço parado desde 2017 | 1,54x a 1,65x, uma única vez |
Todos os números vêm das fontes já citadas nesta página. As duas linhas iguais são o achado que mais importa aqui: a folga de PUE e a curva de Koomey valem o mesmo para as duas cargas, porque são o mesmo prédio e o mesmo silício. Toda a diferença de ritmo entre nuvem e IA está nas três últimas linhas, e duas delas têm teto conhecido.
As duas curvas que se afastam
O mesmo paper do MIT mede uma segunda coisa, e é aqui que o estudo fica interessante. Enquanto o preço de uma capacidade fixa cai de 5 a 10 vezes por ano, o custo de rodar a fronteira sobe de 3 a 18 vezes por ano. As duas medidas convivem porque medem coisas diferentes: uma congela a capacidade e olha o preço, a outra congela a ambição e olha a conta.
A causa da subida está no número de tokens por tarefa. Modelos de raciocínio gastam muito mais tokens para responder, e a fronteira hoje é definida por tarefas que só se resolvem com raciocínio longo. Na avaliação ARC-AGI, uma única tarefa com o o3 em esforço alto chegou a custar US$ 3.000.
Mesmo ponto de partida, dois anos, dois destinos
As duas faixas saem de 1 em 2025 e projetam as taxas medidas por dois anos. A faixa de baixo é o preço de uma capacidade fixa, dividido por 5 a 10 ao ano. A de cima é o custo de rodar a fronteira, multiplicado por 3 a 18 ao ano. Escala logarítmica nos dois sentidos.
Projeção mecânica das taxas publicadas no paper do MIT, sem modelo próprio: é a extensão aritmética de duas taxas medidas, não uma previsão. Serve para mostrar magnitude relativa. A média geométrica das duas faixas fica em torno de 7 vezes por ano em cada direção, o que é uma coincidência numérica e não um resultado do paper.
Onde os tokens se multiplicam
A mesma pergunta do usuário, resolvida do jeito de 2024 e do jeito de 2026. As faixas escuras são o que o usuário escreve e lê. As faixas em destaque são consumo interno que ninguém vê e todo mundo paga.
Esquema, não medição: as proporções internas entre raciocínio, ferramenta e verificação são ilustrativas. O que vem de fonte é o multiplicador total, de 10x a 100x tokens por tarefa em carga agêntica contra chamada única, e de 5x a 30x por tarefa em dados de produção de 2025 e 2026. O desenho usa o limite inferior dessa faixa, então ele subestima o efeito.
Conta de guardanapo com números só deste estudo
O intervalo dessa conta cai dentro da faixa de 3 a 18 vezes por ano do paper, o que é uma checagem de consistência razoável. O preço unitário caiu de verdade e mesmo assim a fatura por tarefa multiplicou, porque a definição de tarefa mudou no meio do caminho.
Onde a infraestrutura entra na equação
Até aqui o estudo tratou preço de tabela. Preço de tabela é decisão comercial, e decisão comercial pode ficar abaixo do custo por um tempo. O que sustenta o piso no longo prazo é a estrutura de custo de quem serve o token: GPU amortizada, memória, energia e o prédio. Essa parte da conta parou de cair.
O aluguel de GPU é o indicador mais legível, porque tem série pública e passou por um ciclo inteiro em três anos.
Aluguel de H100 por hora: colapso e reversão
Duas camadas do mercado. No nível hyperscaler o preço chegou a US$ 9,19 por hora no segundo semestre de 2024. No marketplace caiu até US$ 1,96 no fim de 2025, uma queda de 64% a 75% em relação ao pico. Em 2026 a direção virou.
Fonte: Silicon Data, índice diário de aluguel de H100 por tipo de provedor, valores medianos de cada janela publicada. A banda de 2026 (US$ 1,49 a US$ 6,98) é a dispersão entre mais de 15 provedores levantada pela IntuitionLabs, e mostra que a expressão "preço do H100" virou uma faixa larga, não um número. A seta marca a alta de 20% noticiada para 2026, de cerca de US$ 3 para US$ 3,60 por hora.
A reversão não é um caso isolado do aluguel avulso. Em junho de 2025 a AWS cortou até 45% o preço de instâncias de GPU NVIDIA. Em janeiro de 2026, menos de um ano depois, subiu 15% o preço das instâncias com H200. O mesmo fornecedor, na mesma linha de produto, nos dois sentidos em sete meses. Vale lembrar que em 2023 a AWS também já tinha subido 23% o preço médio das instâncias on-demand em um ano, enquanto a Azure baixava 9,1%.
Por baixo do aluguel existe o prédio, e o prédio de IA custa outra coisa.
Construir para IA custa 3,3 vezes mais por megawatt
Custo de construção por megawatt instalado. O datacenter tradicional sai por US$ 11,3 milhões por MW e o de IA totalmente equipado por US$ 37,3 milhões. A maior parte da diferença está no resfriamento.
Fonte: benchmarks de construção de 2026 compilados pela Axis Intelligence. O valor tradicional de US$ 11,3 milhões cobre estrutura e infraestrutura básica; o de IA cobre também elétrica preparada para GPU, resfriamento líquido e fit-out. Resfriamento a ar custa cerca de US$ 1,8 milhão por MW contra US$ 4,5 a 5,2 milhões do resfriamento líquido, e o gráfico usa o ponto médio dessa faixa.
Uma pergunta natural aqui é se não dá para compensar isso com eficiência do próprio prédio. A resposta é que essa alavanca já foi usada quase toda.
A eficiência do prédio já foi extraída
PUE é a energia total do datacenter dividida pela energia que chega no servidor. O valor 1,0 é o piso físico, porque significa zero desperdício. A média da indústria saiu de 2,5 em 2007 para 1,56 e parou. O melhor hyperscaler está em 1,09, o que deixa no máximo 9% de ganho possível, para sempre.
Fontes: pesquisa anual do Uptime Institute para a média mundial, que está entre 1,55 e 1,59 desde 2020; relatório do Google para o PUE de frota de 1,09. A lei alemã de eficiência energética passa a exigir PUE de no máximo 1,2 em novos datacenters a partir de 2026. PUE mede overhead de instalação e não mede eficiência do chip, que é a curva de Koomey citada acima.
O capital que está entrando
Investimento em ativo fixo das quatro maiores, em bilhões de dólares. A soma do guidance por empresa vai de US$ 378 bilhões em 2025 para cerca de US$ 650 bilhões em 2026, e quase tudo é infraestrutura de IA.
Fontes: guidance por empresa a partir dos resultados de fevereiro de 2026, com a revisão da Amazon de 30 de julho de 2026. Google, Meta e Microsoft publicaram faixas (175 a 185, 125 a 145 e 110 a 120 bilhões respectivamente) e o gráfico usa o ponto médio. As manchetes agregadas variam de US$ 630 a US$ 725 bilhões entre analistas, acima da soma do guidance porque incluem outras empresas e leasing. A divergência está preservada de propósito.
A confirmação veio de quem paga a conta
Em 30 de julho de 2026 a Amazon revisou o capex de 2026 de US$ 200 para US$ 220 bilhões, e deu o motivo: alta do preço de memória. Ou seja, a alta de memória descrita neste estudo não é uma inferência de fora, é a razão declarada por uma das quatro empresas para subir o investimento em vinte bilhões de dólares num único trimestre.
A mesma divulgação registra que, mesmo nesse valor a empresa diz que não terá capacidade para atender toda a demanda de 2026, e que isso vale para 2027 também. Escassez de capacidade com custo de insumo subindo não é a combinação que produz queda de preço.
- +75,5% preço de energia no atacado na maior rede elétrica americana, do 1º trimestre de 2025 ao de 2026
- +90% contrato de DRAM de servidor em um único trimestre, no 1º trimestre de 2026
- 945 TWh eletricidade de datacenter em 2030, o dobro de hoje e perto de 3% do consumo mundial
- US$ 30 a 45 mi por megawatt de datacenter de IA com o fit-out de GPU incluído
O piso que subiu
Quatro componentes da estrutura de custo mudaram de sinal entre 2025 e 2026. Nenhum deles depende de algoritmo, e nenhum deles responde a otimização de software.
-
Energia
O monitor independente de mercado da PJM atribui 63% da alta a carga de datacenter, o equivalente a US$ 9,3 bilhões que os consumidores vão absorver no próximo ano. O preço de capacidade saiu de US$ 28,92 para US$ 329,17 por MW-dia, uma alta de 1.038%. O próprio monitor registrou que o efeito no consumidor não é reversível.
-
Memória
Os três fabricantes que respondem por mais de 95% da produção mundial de DRAM estão migrando capacidade para memória de alta banda, que é o gargalo do acelerador. O prêmio da HBM3e sobre DDR5 de servidor era de 4 a 5 vezes e deve encostar em 1,5 vez no fim de 2026, o que significa que o preço da memória comum subiu até o nível da memória caríssima. Inferência é uma carga limitada por banda de memória, então isso entra direto no custo do token.
-
Capital do acelerador
Numa instalação de 1 GW, o custo total de propriedade anualizado fica em torno de US$ 8,5 milhões por MW por ano, e servidor absorve 60 centavos de cada dólar. Amortização de GPU domina a conta, e o prazo de amortização é objeto de disputa contábil aberta no mercado. Se o ativo dura menos do que a planilha assume, o custo por token está subestimado hoje.
-
Eficiência já extraída
As duas alavancas de eficiência que não dependem de algoritmo estão perto do fim. O overhead do prédio saiu de 2,5 para 1,09 no melhor caso, contra um piso físico de 1,0. A eficiência energética do próprio chip dobrava a cada 1,57 ano até 2000 e hoje dobra a cada 2,29 anos, o que dá 1,355x por ano em vez de 1,556x.
-
Ocupação
O mesmo hardware entrega o milhão de tokens de saída por US$ 20,32 atendendo uma requisição por vez e por US$ 0,46 com a GPU saturada. Essa é a maior alavanca de custo do serviço, e ela depende de ter tráfego suficiente para manter a GPU cheia. Quem tem escala opera perto do limite inferior, quem não tem opera perto do superior, e por isso escala de tráfego virou barreira de entrada.
Resposta à terceira pergunta
O datacenter entra na equação como piso, e o piso subiu. Preço de token pode continuar caindo por eficiência algorítmica, que é a maior parcela da queda, mas ele agora cai contra um custo de servir que está aumentando em energia, memória e capital. Isso não interrompe a queda no curto prazo, porque a margem ainda tem espaço para absorver. Muda a natureza dela no longo prazo: passa a depender de progresso em software, não de um barateamento estrutural da infraestrutura.
E a fatura
Falta a medida que interessa a quem paga. O preço unitário caiu e o consumo explodiu, com o consumo crescendo mais rápido.
Tokens processados por mês pelo Google
Escala logarítmica. De 9,7 trilhões por mês em abril de 2024 para 3,2 quatrilhões em maio de 2026, um fator de 330 em 25 meses. No mesmo período, o preço de uma capacidade fixa caiu algo em torno de 100 vezes.
Fonte: declarações de Sundar Pichai, com o valor de 3,2 quatrilhões apresentado no keynote do Google I/O de 20 de maio de 2026. O número cobre toda a superfície de IA da empresa, incluindo Gemini, resumos da busca, YouTube, Workspace e APIs de nuvem, com 8,5 milhões de desenvolvedores e 375 clientes de nuvem consumindo mais de 1 trilhão de tokens por ano cada. Não é comparável a receita nem a custo, e serve como medida de volume.
Se o preço cai 100 vezes e o volume sobe 330 vezes, o gasto agregado sobe. Esse é o padrão que a economia chama de paradoxo de Jevons, e ele está bem documentado aqui: a a16z registra no próprio texto sobre a queda de preço que o gasto total com IA aumentou justamente por causa dela, porque casos de uso que não fechavam a conta passaram a fechar. A projeção do Goldman Sachs leva o volume para 120 quatrilhões de tokens por mês em 2030, com mais de 80% vindo de carga agêntica.
Resposta longa
O custo do token vai diminuir, por unidade de capacidade, e vai continuar diminuindo enquanto houver progresso algorítmico, porque algoritmo responde por dois terços da queda. Projetar essa curva a partir do custo de computação é errado: hardware entrega 1,43 vez por ano e nuvem tradicional entrega menos de 1,1.
O custo de fazer o que você quer fazer não vai diminuir, porque a fronteira se desloca para tarefas que consomem mais tokens, e o consumo por tarefa cresce mais rápido do que o preço unitário cai. Na prática isso significa que o resultado de hoje sai mais barato daqui a um ano, e o melhor resultado disponível daqui a um ano vai custar mais do que o melhor resultado de hoje.
A infraestrutura mudou de papel nessa equação em 2026. Entre 2023 e 2025 ela ajudava, com excesso de GPU derrubando o aluguel em até 75%. Agora ela pressiona no sentido contrário, com energia, memória e capital todos subindo. Construir para IA custa 3,3 vezes mais por megawatt do que construir um datacenter comum, o overhead do prédio já foi extraído até deixar 9% de folga, e a eficiência energética do chip desacelerou de 1,57 para 2,29 anos por duplicação.
Juntando com o teto da margem, a projeção honesta é esta: das três pernas que sustentavam a queda, hardware entrega 1,43x por ano e desacelerando, concorrência tem um estoque total de 1,54x a 1,65x para gastar uma única vez, e algoritmo entrega 3x por ano. Se a taxa de 5x a 10x por ano continuar, vai ser porque a eficiência algorítmica sozinha sustentou, e ela não tem lei física por trás.
Leitura externa
Nenhuma das fontes abaixo forneceu número para este estudo. São os lugares onde o assunto continua, escolhidos porque cada um olha a mesma coisa por um ângulo que falta aqui.
-
AI Cloud TCO Model, Tokenomics Model e InferenceMAX
A análise mais detalhada que existe em público sobre custo total de propriedade de nuvem de IA e custo por token. O enquadramento deles é diferente do deste estudo e vale conhecer: em vez de dólares por token, medem vazão por potência, em tokens por segundo por megawatt provisionado, porque energia é a restrição final. O InferenceMAX é o benchmark aberto de economia de inferência deles.
-
The Price of Progress: Price Performance and the Future of AI
É a fonte central deste estudo e vale ler inteiro. As duas curvas opostas, a decomposição em algoritmo, hardware e concorrência, e a ressalva dos autores sobre benchmark distorcer o retrato de capacidade prática por dólar.
-
What Gets Measured, AI Will Automate
O outro lado da curva de custo. Quando medir fica barato, atividades que não valiam a pena automatizar passam a valer, e é isso que explica o volume subir mais rápido do que o preço cai. Serve como leitura de gestão para o paradoxo de Jevons que aparece no fim deste estudo.
-
Data Center Richness
Acompanhamento semanal de projetos de datacenter, capex e geração dedicada, escrito por quem cobre o setor há duas décadas. É a melhor fonte para ver a fila de construção que está por trás dos números de energia deste estudo.
-
Data Insights sobre preço de inferência e hardware
Séries mantidas e atualizadas, com metodologia aberta. Duas das figuras deste estudo saem daqui, e o resto do acervo continua útil depois que estes números envelhecerem.
-
Unpacking the deceptively simple science of tokenomics
Explicação jornalística de por que o preço por token esconde a economia real da inferência, com atenção a batch, latência e ocupação. Boa porta de entrada para quem achou o espalhamento de 44x deste estudo pouco intuitivo.
Referências
- Gundlach, H., Lynch, J., Mertens, M. e Thompson, N. (2026). The Price of Progress: Price Performance and the Future of AI. arXiv:2511.23455, versão de 23 de março de 2026, MIT FutureTech. arxiv.org/abs/2511.23455 Fonte das duas curvas centrais deste estudo: queda de 5x a 10x por ano no preço de uma capacidade fixa, alta de 3x a 18x por ano no custo de rodar a fronteira, e a decomposição em algoritmo, hardware e concorrência.
- Epoch AI (2025). LLM inference prices have fallen rapidly but unequally across tasks. Epoch AI, Data Insights. epoch.ai/data-insights/llm-inference-price-trends Seis benchmarks em três anos, queda de 9x a 900x por ano dependendo do marco. A própria Epoch avisa que as quedas mais rápidas são recentes e podem não se manter.
- Epoch AI (2024). Performance per dollar improves around 30% each year. Epoch AI, Data Insights. epoch.ai/data-insights/price-performance-hardware P100 a H100, preço de servidor completo, corrigido pela inflação. Ganho de 17x em FLOP/s por dólar em quatro gerações.
- Andreessen Horowitz (2024). Welcome to LLMflation: LLM inference cost is going down fast. a16z. a16z.com/llmflation-llm-inference-cost/ Origem da série de capacidade fixa: US$ 60 por milhão de tokens em novembro de 2021, US$ 0,06 em novembro de 2024.
- Anthropic (2026). Pricing e Models Overview. platform.claude.com. platform.claude.com/docs/en/pricing Tabela de preço vigente por modelo. Claude 3 Opus a US$ 15 e US$ 75 foi anunciado em 4 de março de 2024.
- Silicon Data (2025). H100 Rental Price Over Time (2023 a 2025). silicondata.com. www.silicondata.com/blog/h100-rental-price-over-time Índice diário de aluguel por tipo de provedor. Pico de US$ 9,39 por hora no meio de 2024 no nível hyperscaler, fundo de US$ 1,92 no fim de 2025 no marketplace.
- DataCenterDynamics (2026). AWS quietly increases prices for H200 EC2 instances by 15%. datacenterdynamics.com. www.datacenterdynamics.com/en/news/aws-quietly-increase... Alta de 15% em janeiro de 2026, menos de um ano depois de um corte de até 45% em instâncias de GPU.
- Monitoring Analytics e PJM (2026). Preço de energia no atacado na maior rede elétrica americana. via The Register e E&E News. www.theregister.com/on-prem/2026/05/15/datacenters_slur... US$ 77,78 por MWh no primeiro trimestre de 2025 e US$ 136,53 no mesmo trimestre de 2026. O monitor de mercado atribui 63% da alta a carga de datacenter.
- TrendForce (2026). Memory Wall Bottleneck: AI Compute Sparks Memory Supercycle. trendforce.com. www.trendforce.com/insights/memory-wall Contrato de DRAM convencional revisado para alta de 90% a 95% no primeiro trimestre de 2026, com DRAM de servidor em torno de 90%.
- Agência Internacional de Energia (2025). Energy and AI: Energy demand from AI. IEA. www.iea.org/reports/energy-and-ai/energy-demand-from-ai 945 TWh em 2030, perto de 3% da eletricidade mundial. Servidores acelerados crescendo 30% por ano no cenário base.
- Google (2026). Keynote do Google I/O, 20 de maio de 2026. Declaração de Sundar Pichai. cryptobriefing.com/google-3-2-quadrillion-tokens-monthly/ 3,2 quatrilhões de tokens por mês, sete vezes o ano anterior. Série anterior: 9,7 trilhões em abril de 2024, 480 trilhões em maio de 2025, perto de 1,3 quatrilhão em outubro de 2025.
- Tom's Hardware e valueaddvc (2026). Capex das quatro maiores em 2026. tomshardware.com. www.tomshardware.com/tech-industry/big-tech/big-techs-a... Guidance por empresa: Amazon US$ 200 bi, Google US$ 175 a 185 bi, Meta US$ 115 a 135 bi, Microsoft US$ 110 a 120 bi. A manchete agregada varia de US$ 630 bi a US$ 725 bi entre analistas.
- Introl (2026). Inference Unit Economics: The True Cost Per Million Tokens. introl.com. introl.com/blog/inference-unit-economics-true-cost-per-... Custo por milhão de tokens de saída de US$ 20,32 em batch 1 e US$ 0,46 com a GPU saturada. Servidores absorvem 60 centavos de cada dólar do custo total de propriedade.
- Koomey, J. et al. (2011). Implications of Historical Trends in the Electrical Efficiency of Computing. IEEE Annals of the History of Computing, com revisão posterior em 2024. en.wikipedia.org/wiki/Koomey%27s_law Computação por joule dobrava a cada 1,57 ano até 2000 e passou a dobrar a cada 2,6 anos depois, por causa do fim do escalonamento de Dennard. Revisões recentes medem 2,29 anos. É o limite físico por trás de qualquer projeção de custo de inferência.
- Uptime Institute (2024). Large data centers are mostly more efficient, analysis confirms. Uptime Institute Journal, pesquisa anual global. journal.uptimeinstitute.com/large-data-centers-are-most... PUE médio mundial de 1,56 em 2024, contra mais de 2,5 em 2007, e estagnado entre 1,55 e 1,59 desde 2020. O Google reporta 1,09 de frota. O piso teórico é 1,0.
- Wasabi (2026). Cloud Storage Economics: List Price Stagnation and Fee Inflation. wasabi.com. wasabi.com/blog/cost-optimization/cloud-storage-fee-inf... Preço de tabela de armazenamento caiu mais de 80% nos três grandes provedores até 2017 e não teve corte desde então. Taxa de saída de dados caiu apenas 20% a 40% em toda a história.
- Amazon, Alphabet e Microsoft (2026). Resultados do 2º trimestre de 2026. divulgações trimestrais, via CNBC e Investing.com. www.cnbc.com/2026/07/30/aws-earnings-q2-2026.html AWS com US$ 48,2 bi de lucro operacional sobre US$ 137,0 bi de receita em doze meses (35%) e 39,4% no trimestre; Google Cloud com 35,6%; Microsoft Intelligent Cloud com 43%. É o estoque de margem que a concorrência pode comprimir, e ele é finito.
- Axis Intelligence (2026). Data Center Construction Cost Statistics 2026 e AI Data Center Cost per MW. axis-intelligence.com. axis-intelligence.com/ai-data-center-cost-per-mw/ Datacenter padrão a US$ 11,3 milhões por MW e de IA totalmente equipado a US$ 37,3 milhões, multiplicador de 3,3x. Resfriamento a ar a US$ 1,8 milhão por MW contra US$ 4,5 a 5,2 milhões do líquido.
- Goldman Sachs (2026). AI Agents Forecast to Boost Tech Cash Flow as Usage Soars. goldmansachs.com. www.goldmansachs.com/insights/articles/ai-agents-foreca... Projeção de 120 quatrilhões de tokens por mês em 2030, com mais de 80% vindo de carga agêntica.
Todos os números desta página foram conferidos na fonte em 6 de agosto de 2026. Onde a fonte publica faixa em vez de valor único, a faixa está preservada como faixa. Onde fontes divergem, como no agregado de capex, a divergência está registrada no rodapé do gráfico. As duas projeções que aparecem (o cone de duas curvas e o volume de 2030) estão marcadas como projeção e não são resultado de modelo próprio.