Em menos de 48 horas, três modelos de IA de ponta foram para o mercado. O Grok 4.5, da SpaceXAI, saiu em 8 de julho de 2026. No dia 9, foi a vez do GPT-5.6, da OpenAI, e do Muse Spark 1.1, da Meta. A Exame, que reportou a sequência em 10 de julho, resumiu o motivo real da corrida: a briga deixou de ser só por benchmark e virou briga por preço.
Para quem toca uma empresa e não acompanha o setor, o resumo é este: a matéria-prima da IA ficou barata. E isso muda a conta que você faz antes de decidir se automatiza ou não o atendimento, o marketing, a cobrança.
O que ficou mais barato, exatamente
Modelos de IA cobram por token, que é mais ou menos um pedaço de palavra. Você paga pelo que entra (a pergunta, o histórico da conversa) e pelo que sai (a resposta).
Segundo a tabela publicada pela Exame em 10 de julho, os lançamentos da semana ficaram numa faixa de US$ 1 a US$ 5 por milhão de tokens de entrada, dependendo da versão escolhida. Vale um aviso de honestidade: comparativos publicados dias depois trazem números um pouco diferentes, porque cada provedor cobra valores distintos conforme o modo de uso e o volume contratado. A direção, essa sim, é consenso.
E a direção é uma queda forte. Análises de mercado divulgadas em 2026, entre elas as do InfoMoney, mostram o custo de inferência saindo de cerca de US$ 60 por milhão de tokens no início de 2023 para menos de US$ 1,50 no começo de 2025. Uma redução de mais de 40 vezes em dois anos. Há estimativas ainda mais agressivas circulando, falando em centavos por milhão, mas essas aparecem em fonte única e nós preferimos não tratar como fato fechado.
Traduzindo para o português do dia a dia: um atendimento de IA que há três anos seria caro demais para uma loja de bairro hoje custa alguns centavos por conversa. No atendente que operamos em produção, a conta fecha em torno de R$ 0,39 por conversa.
Se ficou barato, por que quase ninguém está ganhando dinheiro com isso?
Aqui a história fica interessante, e é onde a maioria dos textos de IA para de contar.
O Panorama 2026, pesquisa da Amcham Brasil em parceria com a Humanizadas, ouviu 629 executivos de médias e grandes empresas e foi divulgado no fim de setembro de 2025. IA apareceu como prioridade número um para 2026. Só que 77% das empresas destinam até 2% do orçamento para a tecnologia, e apenas 9% passam de 5%.
O resultado prático desse descompasso: 61% dos líderes disseram não ter percebido impacto relevante, e só 3% conseguiram transformar IA em receita nova ou vantagem competitiva.
As barreiras que eles citaram não são técnicas. Falta de capacitação das equipes aparece em 64% das respostas, ausência de estratégia definida em 52% e baixa qualidade dos dados internos em 43%. Nenhuma delas se resolve trocando de modelo.
No recorte dos pequenos, o retrato é parecido. Uma pesquisa da InfinitePay com 457 microempreendedores e donos de micro e pequenas empresas mostrou que 65,7% não usam nenhuma ferramenta de IA, ao mesmo tempo em que 52,7% consideram a tecnologia essencial para competir em 2026. Entre quem já decidiu usar, a prioridade é vender mais: 44,5% apontam vendas e conversão, 35,9% experiência do cliente e 23% automação de tarefas repetitivas.
Ou seja: o dono da PME já entendeu que precisa. O que trava não é convicção, e agora também não é preço.
O que isso significa para o seu negócio
Três leituras práticas, sem enrolação.
1. O modelo virou commodity. Pare de escolher por marca. Quando a diferença de qualidade entre os grandes encolhe e o preço cai junto, faz pouco sentido perguntar "qual é o melhor modelo". A pergunta útil é qual modelo serve para qual tarefa sua. Classificar mensagem de WhatsApp e responder dúvida de horário pede um modelo barato e rápido. Redigir uma proposta comercial ou analisar um contrato pede um modelo mais caro, usado poucas vezes por dia. Misturar os dois no mesmo fluxo é o que faz a fatura assustar.
2. Seu custo real não está no token. Está no processo. Se o seu catálogo está desatualizado, se ninguém sabe responder qual é o prazo de entrega padrão, se o preço muda por combinação verbal, a IA vai apenas errar mais rápido e em escala. Barato é o modelo. Caro é arrumar a casa depois que o cliente reclamou.
3. Meça por tarefa, não por mês. A conta que funciona é simples: pegue uma tarefa repetitiva (responder dúvidas de horário e preço, por exemplo), conte quantas vezes ela acontece por mês, estime quantos minutos alguém gasta em cada uma e compare com o custo de rodar aquilo em IA. Se hoje três pessoas gastam duas horas por dia respondendo a mesma coisa, você já tem o número dos dois lados da conta.
Nossa opinião
A queda de preço é boa notícia, mas ela não resolve nada sozinha. Ela só remove a última desculpa confortável, que era dizer que IA é coisa de empresa grande com orçamento de milhões.
Removida a desculpa, sobra o trabalho: escolher um processo que dói de verdade, colocar no ar, medir custo e resultado, ajustar. É menos glamouroso do que anunciar que a empresa "adotou inteligência artificial", e é a única coisa que aparece no caixa.
Na Pyxia a gente trabalha assim porque já viu o outro caminho falhar. Projeto que começa pela tecnologia costuma virar demonstração bonita. Projeto que começa por um problema chato e mensurável costuma virar rotina. Com o preço nesse patamar, o custo de testar uma automação de verdade, em produção, com número no final do mês, ficou menor que o custo de continuar adiando.