Preço sem controle, capex sob tensão, modelo aberto como escudo

No lançamento do Muse Glimmer, sob licença Apache 2.0, o que mudou foi o comportamento da Meta, não a leitura do mercado. Ela sinalizava abertura desde 2024 e entregava licenças próprias cheias de condições; a Apache 2.0 encerra essa distância. O que segue de pé é a nossa distinção: pesos abertos não são código aberto. A licença libera o uso do modelo, não os dados de treino nem o código. Quem adota ganha soberania sobre a infraestrutura e menor dependência do fornecedor, não transparência.

O corte de preço do Gemini 3.7 Flash vem com duas condições que não estavam no destaque do anúncio. Simon Willison foi um dos poucos a registrar que o preço é introdutório e dobra em 1º de janeiro de 2027, e estranhou a lógica: quem planeja hoje usar este modelo daqui a cinco meses, se o anterior durou três semanas? A segunda condição é a remoção do nível mais econômico de raciocínio, justamente o que viabilizava tarefas simples e repetitivas de grande volume. A tabela publicada é um piso com data de validade, e o custo real subiu em parte dos casos.

E a Apple fecha o argumento do dilema. Depois de dois anos tratando o modelo como insumo que poderia comprar de terceiros, a decisão de desenvolver um modelo próprio para a China sugere uma conclusão estratégica: onde a regulação é o gargalo, quem não controla o modelo também perde controle sobre o canal.

Os 53% que não conseguem levar o contexto do negócio para dentro dos sistemas e os 77% que dizem ser esse contexto o que determina a qualidade, lidos juntos, descrevem uma empresa que sabe onde está o problema e não consegue atacá-lo. A mesma pesquisa da Alteryx sugere por quê: 37% dizem que a estratégia de IA está concentrada em TI e 38% que a entrega também está, enquanto às áreas de negócio cabe apenas definir requisitos, com 30%. O conhecimento de que a IA precisa está numa parte da empresa e o sistema é construído em outra. Não é problema de tecnologia, é de desenho organizacional. Cabe a ressalva: a pesquisa é patrocinada por um fornecedor cujo produto se propõe a resolver exatamente o problema que ela mede, então vale como direção, não como medida.

Ethan Mollick, voz que acompanhamos neste dilema, não publicou na semana, mas o contraste com o que ele vem repetindo ajuda a situar a pesquisa. O conselho dele é sobre o indivíduo: escolha um modelo, pague a assinatura e entregue a um agente uma tarefa real do seu trabalho real. A pesquisa descreve o que acontece quando a organização inteira tenta o mesmo movimento: o que era aprendizado pessoal vira problema de governança, porque agora é preciso escrever, versionar e auditar aquilo que cada um carregava na cabeça.

Do lado de quem vende, os dois outros fatos da semana, os modelos de cibersegurança da OpenAI no Bedrock e o Gemini posicionado para fluxos agênticos, apontam na mesma direção. Passamos de "modelo que você consulta" para "sistema que age dentro do seu ambiente", e isso tira a discussão do departamento de TI e leva ao conselho, porque o que passa a estar em jogo é quem responde pelo que a máquina fez.

O que é novo no anúncio da Uber não é a tecnologia, é o desenho do negócio. A Pony.ai entrega a direção autônoma, a Uber entrega a demanda e a cobrança, e um operador local é dono da frota e cuida de manutenção, limpeza e carga. Três empresas, três funções, três blocos de capital. Isso importa porque frota consome caixa e não escala junto com software, e separar quem põe o capital de quem põe a tecnologia é o que destrava o crescimento.

A negociação da Anthropic pela Decart, o segundo fato da semana aqui, aponta para o insumo que trava a categoria. Autonomia física esbarra menos em algoritmo e mais em dados de mundo real, caros e lentos de coletar, e ambiente simulado é a forma de contornar isso. Um laboratório de fronteira comprando um gerador de mundos diz onde a restrição está sendo atacada.

A comparação com os humanoides é o aprendizado da semana e explica por que os dois assuntos pertencem ao mesmo dilema. O robotáxi avançou, entre outros motivos, porque dividiu capital, tecnologia e operação entre três partes. Boa parte dos projetos de humanoide ainda concentra no mesmo fabricante a tecnologia, o hardware e o desenvolvimento do mercado, o que significa projetar o robô, fabricá-lo, treinar o software e encontrar o cliente ao mesmo tempo. Menos um problema de robótica do que de estrutura de capital, e é ela que determina o ritmo.

O achado da semana é de método. Circularam três medidas do mesmo fenômeno e elas não batem: 1,5 trilhão em compromissos de compra de seis empresas, na conta do FT; outro 1,5 trilhão em arrendamentos, na do Goldman Sachs; e 1,65 trilhão em obrigações fora de balanço de cinco empresas, sem a Nvidia, na apuração do Nikkei Asia sobre arquivos da SEC. Nenhum está errado, porque nenhum mede a mesma coisa: mudam o número de empresas, o tipo de instrumento e a data de corte. Compromisso de compra é contrato assinado para pagar depois; arrendamento não iniciado é aluguel de prédio que ainda não existe. Nenhum dos dois é dívida no sentido em que a maioria lê balanço, e por isso ficam nas notas de rodapé. O que os três números dizem juntos, apesar da divergência, é uma coisa só: o compromisso futuro está crescendo muito mais rápido que o caixa presente.

A Alphabet mostra esse descompasso em um único trimestre. Os compromissos de compra saltaram de 332,4 bilhões para 811 bilhões de dólares e, no mesmo período, a empresa registrou o primeiro fluxo de caixa livre trimestral negativo desde que é companhia aberta, enquanto o da Meta caiu 91%. Confirma a leitura que já tínhamos anotado: caixa forte nos últimos doze meses não mede robustez quando o compromisso já assinado para os próximos trimestres supera o caixa que a operação gera. A SpaceX repete o padrão em escala menor: a receita de IA já passou a das operações espaciais no segundo trimestre, mas o primeiro semestre fechou com 3,47 bilhões de caixa operacional contra 28,48 bilhões de investimento. E o custo de cobrir essa diferença subiu na mesma semana: o Tesouro americano vendeu papel de 30 anos a 5,216%, a taxa mais alta em cerca de 25 anos, enquanto a Broadcom caía 6% e Wall Street trocava a discussão sobre o tamanho do investimento pela discussão sobre como ele é financiado. Dinheiro mais caro encarece qualquer construção de longo prazo, e data centers estão hoje entre as infraestruturas mais intensivas em capital da economia.

Do outro lado, o mercado ainda está disposto a pagar pelo futuro, e a abertura de capital da Anthropic é a medida disso. A Anthropic caminha para o que seria a maior oferta inicial da história, com três ressalvas que a manchete não carrega: a projeção de 2 trilhões é dos investidores e não da empresa, as reuniões foram descritas como preliminares e sem discussão de números, e o próprio FT registra que o crescimento desacelerou em junho. Ben Thompson acrescentou no dia 11 um argumento sobre o financiamento: a Nvidia vem encontrando novas formas de ajudar seus próprios clientes a levantar o dinheiro com que compram chips da Nvidia.

O caso da SMIC diz menos sobre a SMIC e mais sobre o formato do gargalo. Quem opera indústria reconhece a dinâmica: fábrica cheia é o ponto em que o preço deixa de ser negociado pelo cliente e passa a ser definido pelo fornecedor. O detalhe é que a SMIC nem fabrica os chips avançados de IA. Está lotada porque a demanda transbordou para os componentes comuns, os de gerenciamento de energia e sensores que praticamente todo equipamento eletrônico usa. O gargalo saiu do topo da cadeia e desceu para o meio dela.

O aumento de preço da DeepSeek é o caso mais limpo da semana. A empresa ficou conhecida em 2025 por cobrar muito abaixo dos concorrentes americanos. A pressão por trás do reajuste não parece ser só comercial: o modelo barato atraiu volume muito acima do que o parque de máquinas da empresa comporta, e o preço passou a refletir a escassez de capacidade. O detalhe que reforça essa leitura é o preço variar conforme o horário, que é como se administra fila, não margem. Na mesma semana em que o Google cortou preço pela metade, a DeepSeek subiu o dela. A diferença não está na disposição de competir, está em quem tem fábrica de computação instalada para sustentar a briga.

Uma observação sobre o serviço até 14 vezes mais rápido que a OpenAI apresentou no dia 13. Ben Thompson argumentou em maio que a inferência agêntica mudaria a economia do setor e a velocidade perderia importância, já que sem humano esperando a resposta pode demorar. A oferta da semana aposta no oposto, porque há aplicações em que a espera inviabiliza o uso. Provavelmente as duas leituras estão certas e o mercado se divide em dois regimes de inferência, o paciente e o impaciente, com economias distintas. Tema para acompanhar, não conclusão fechada.

A pausa do Astra é um dos casos mais claros até hoje de um laboratório de fronteira freando atividades internas porque um modelo pode ter atingido o topo da própria régua de risco. Na escala da empresa, "Crítico" significa encontrar e explorar sozinho falhas de segurança em sistemas bem protegidos, sem ajuda humana. A avaliação é preliminar, segundo a própria OpenAI.

Na carta de Sanders, o método importa mais que o pedido: ele não propôs princípio novo, cobrou o cumprimento dos compromissos que as próprias empresas publicaram. É a primeira vez que compromisso voluntário de laboratório vira instrumento de cobrança política, e isso muda o cálculo de quem publica compromissos.

Há uma camada que a cobertura não explorou e que muda a natureza do episódio. Em 4 de junho, a própria Anthropic publicou "When AI Builds Itself", assinado por Marina Favaro e Jack Clark, defendendo que o mundo tivesse a opção de pausar temporariamente o desenvolvimento de modelos de fronteira. A condição é decisiva: a empresa argumentou que a pausa só faria sentido se fosse coordenada entre vários países e várias empresas, com regras verificáveis, e advertiu que desaceleração isolada deixaria todos menos seguros, porque entregaria vantagem a quem menos se importa com segurança. Sanders está pedindo a cada empresa separadamente exatamente o que a Anthropic disse, dois meses antes, que não funciona separadamente. Não é Congresso contra indústria: são dois diagnósticos que concordam sobre o risco e divergem sobre o instrumento.

A alegação da Z.ai fecha a semana pelo lado da corrida. A empresa afirma ter chegado perto do modelo mais avançado da Anthropic em cibersegurança, superando-o em um benchmark de identificação de vulnerabilidades e ficando bem atrás em construção de ataque. São números do próprio fornecedor sobre o modelo de um concorrente, sem verificação independente, e é assim que devem ser lidos. O que interessa não é o placar: é que capacidade cibernética de fronteira virou argumento comercial na mesma semana em que virou motivo de freio.

E vale a nota de proximidade: na mesma semana em que pausou um modelo por risco cibernético, a OpenAI levou capacidade cibernética de fronteira para mais perto do mercado. Não são posições contraditórias, uma trata de capacidade que ainda não se sabe medir e a outra de capacidade já avaliada e cercada, mas a distância entre as duas mostra o quanto é estreita a linha que o setor percorre.