TLDR;

O gráfico mostra a participação de tokens entre modelos de "closed weights" (como OpenAI/Anthropic) e "open weights" ao longo do tempo, evidenciando uma migração de uso para modelos open-source. O crescimento dos modelos open-source é explicado por versões chinesas de alta qualidade que são gratuitas para baixar, customizáveis, mais baratas de rodar e, portanto, ampliam o volume total de tokens. Apesar do maior uso dos modelos open-source, OpenAI e Anthropic ainda capturam a maior parte da receita porque seus modelos de ponta são muito mais caros por token e são preferidos em tarefas de alto valor.

Resumo

Nos últimos meses houve uma virada no uso de modelos de IA: gráficos da Vercel mostram que o share de tokens de modelos de pesos fechados (como ChatGPT e Claude) caiu enquanto modelos de pesos abertos, muitos desenvolvidos na China, ganharam participação; esses modelos abertos são gratuitos para baixar, adaptar e executar, mais baratos e escaláveis, estimulando mais uso e demanda de infraestrutura (beneficiando fabricantes de chips como a Nvidia). Apesar do aumento de volume dos modelos abertos, a maior parte da receita continua concentrada nos modelos fechados de ponta: DeepSeek superou Anthropic em participação de tokens, mas Anthropic ainda captura a maior fatia do gasto total (por exemplo, 64,6% versus 2,8%), porque clientes pagam prêmio por alguns pontos percentuais de desempenho extra em tarefas críticas — tarefas de altíssimo valor (p.ex. trading de alta frequência) justificam preços muito maiores. Gavin Baker chama isso de “tokconomics”: tokens de fronteira representam uma parcela pequena do uso porém a maior parte do valor econômico. Exemplos de preços ilustram a diferença: Claude Fable 5 pode custar US$50 por milhão de tokens de saída, enquanto modelos como DeepSeek V4 Flash custam centavos, suficientes para a maioria das aplicações práticas e mudam a dinâmica competitiva.