TLDR;

Google limita o acesso porque a demanda por capacidade de computação para inferência de IA supera sua infraestrutura disponível, deixando a empresa "compute constrained". A Meta usava os modelos Gemini para tarefas internas como detectar golpes, remover conteúdo nocivo, apoiar atendimento ao cliente, auxiliar em programação e em ferramentas de publicidade. Em resposta, a Meta está pedindo uso mais eficiente de tokens, transferindo parte das cargas para seus próprios modelos (como Muse Spark) e reduzindo dependência enquanto o Google busca ampliar capacidade, inclusive alugando computação de terceiros.

Resumo

Com o boom da inteligência artificial, a demanda por capacidade computacional superou a oferta, criando um problema para as big techs. Segundo relatório, o Google limitou quanto a Meta podia usar dos modelos Gemini porque não tinha computação suficiente para atender a toda a demanda; isso atrasou projetos da Meta, que depende dos modelos Gemini para detectar fraudes, remover conteúdo nocivo, apoiar atendimento ao cliente, ajudar em programação e publicidade. A explicação é a infraestrutura: cada interação com um modelo exige enorme poder de processamento (inference) e, apesar dos investimentos em chips, data centers e energia, não há infraestrutura pronta rápido o suficiente. Sundar Pichai afirmou que o Google está "compute constrained", perdendo receita por falta de capacidade. Em resposta, a Meta pede aos funcionários uso mais eficiente dos modelos, reduzindo tokens, e tem migrado parte das cargas para modelos próprios como Muse Spark, que vem se tornando competitivo em relação ao Gemini. O Google tenta ampliar rapidamente sua infraestrutura, inclusive alugando capacidade adicional da SpaceX. O caso evidencia o desafio central da indústria: sem mais chips e centros de dados online, até as maiores empresas terão de racionar poder de computação para IA, provavelmente pelos próximos meses e anos.