Internet e Comércio Eletrônico: Anthropic e OpenAI continuam a liderar a competição em IA de fronteira, enquanto cortes de preços de Tokens e inflação da memória tornam-se variáveis-chave para os valuations de IA na internet

Visão geral

Este relatório lança pela primeira vez o Rastreador de Dados de IA de Fronteira do BofA, cobrindo rankings de capacidade de modelos, participações de uso e gastos de modelos, precificação de Tokens, preços de aluguel de GPUs e custos de memória para avaliar o cenário competitivo de IA, retornos sobre despesas de capital e o sentimento de valuation para grandes empresas de internet.

Visões principais

Anthropic e OpenAI atualmente ditam o ritmo nas capacidades de modelos de fronteira, enquanto próximos lançamentos de modelos da Meta e do Google podem ser catalisadores. Modelos abertos de menor custo ganharam recentemente alguma participação de uso, mostrando que desenvolvedores continuam a ponderar capacidade contra custo. Os preços de Tokens recuaram em agosto após se fortalecerem significativamente até julho, deixando as margens de inferência em nuvem expostas a uma concorrência de preços mais intensa; os preços de aluguel de GPUs permanecem sólidos, indicando demanda saudável por infraestrutura de IA e vidas úteis dos servidores. Enquanto isso, os preços de DRAM e NAND permanecem elevados, sem sinal de alívio das pressões de custo de memória.

Estrutura de análise

O relatório combina dados da Artificial Analysis, BenchLM, OpenRouter, Vercel, Silicon Data e mercados spot para avaliar capacidades dos modelos, uso de roteamento por desenvolvedores, gastos em plataformas, custos de inferência, oferta e demanda de GPUs e custos de memória. Os dados relevantes das plataformas refletem principalmente o tráfego roteado por meio de seus gateways ou roteadores e não representam o uso total do mercado.

Notas metodológicas

• Avaliação de capacidade de modelosÍndice de Inteligência da Artificial Analysis

  Inteligência de modelos de fronteira e custo por tarefa

  As capacidades dos modelos são avaliadas por meio de índices de inteligência, inteligência agentiva e inteligência de agentes de programação; o custo por tarefa por unidade de inteligência é usado para comparar o custo efetivo de inferência para atingir capacidades semelhantes, com valores menores indicando melhor eficiência de custo.

• Acompanhamento da adoção de modelosDados das plataformas OpenRouter e Vercel

  Participação de uso de Tokens e participação de gastos

  Os dados da OpenRouter e da Vercel podem refletir a preferência dos desenvolvedores, trade-offs de custo-benefício e tração comercial, mas excluem cargas de trabalho substanciais provenientes de chamadas diretas às APIs dos provedores de modelos, outras plataformas de nuvem, implantações privadas e data centers próprios das empresas.

• Economia da inferênciaÍndice de Preços de Tokens e Índice de Despesa de Tokens de LLM

  Custo combinado por milhão de Tokens

  O Índice de Preços de Tokens acompanha mudanças nos preços de tabela médios entre os principais provedores de modelos; o Índice de Despesa de Tokens de LLM mede os custos efetivos de inferência em um ecossistema mais amplo usando ponderações de uso.

• Oferta e demanda de infraestruturaÍndice de Aluguel de GPUs da Silicon Data

  Preços padronizados de aluguel de GPUs por hora

  Com base em dados de neoclouds, nuvens em hiperescala, provedores gerenciados, clusters intermediados e plataformas privadas de aluguel, este indicador reflete a oferta e demanda de GPUs para IA e a precificação do aluguel de computação.

Mapeamento e comparação de ativos

Mapeamento estruturado da tese para ativos nomeados (pontos fortes, pontos fracos, pares e riscos).

• META

  Progresso do laboratório de IA e monetização de IA na plataforma de publicidade na internet

  Pontos fortes

  MuseSpark 1.2 ocupa o sétimo lugar no Índice de Inteligência, indicando progresso nas capacidades dos modelos; o relatório mantém uma visão de Compra.

  Pontos fracos

  As capacidades dos modelos ainda ficam atrás dos principais produtos da Anthropic e da OpenAI, enquanto o investimento em IA pode pressionar as margens.

  Comparação

  Permanece em modo de recuperação frente à Anthropic e à OpenAI; em comparação com o Google Gemini 3.6 Flash, o MuseSpark 1.2 ocupa posição mais alta no Índice de Inteligência.

  Riscos

  Sensibilidade da publicidade digital às condições macroeconômicas, aumento das despesas de capital em IA, crescimento dos ativos fixos, concorrência de plataformas nativas de IA por usuários e orçamentos de publicidade, além de riscos regulatórios e de litígio.

• GOOGL / GOOG

  Beneficiário da IA por meio dos modelos Gemini, busca e operações de nuvem

  Pontos fortes

  Ativos robustos de IA, expansão das margens de nuvem e crescimento esperado de receita em dois dígitos sustentam o valuation; futuros lançamentos do Gemini podem servir como catalisadores.

  Pontos fracos

  O Gemini 3.6 Flash fica atrás dos modelos líderes nos rankings de inteligência relevantes, e a participação de Tokens na Vercel caiu em agosto.

  Comparação

  Tanto as capacidades dos modelos quanto a participação de uso nas plataformas enfrentam concorrência da Anthropic, OpenAI e modelos abertos de menor custo.

  Riscos

  Desvio de tráfego de busca para ferramentas de IA, monetização abaixo do esperado de LLMs incorporados à busca, pressão de conformidade com a DMA da UE e aumento das despesas de capital em IA, deprimindo o fluxo de caixa livre.

• AMZN

  Beneficiário da demanda por inferência na AWS e infraestrutura de IA

  Pontos fortes

  Preços resilientes de aluguel de GPUs sustentam a demanda por infraestrutura de IA, e a AWS possui uma base para monetização de serviços de nuvem.

  Pontos fracos

  A concorrência de preços de Tokens e custos mais altos de infraestrutura podem pressionar as margens de nuvem e o fluxo de caixa livre.

  Comparação

  Em relação a outros provedores de nuvem em hiperescala, o foco competitivo está nos ecossistemas de modelos, custos de inferência e cargas de trabalho dos clientes de nuvem.

  Riscos

  Concorrência entre provedores de nuvem e grandes varejistas, custos mais altos de infraestrutura da AWS, IA agentiva desviando tráfego direto e receita de publicidade de alta margem, e volatilidade de margens impulsionada pela incerteza macroeconômica.

Dados principais

• Rankings de capacidade de modelosClaude Opus 5 ocupa o primeiro lugar, com Claude Fable 5 e GPT-5.6 Sol também entre os líderesMeta MuseSpark 1.2 ocupa o sétimo lugar no Índice de Inteligência da Artificial Analysis; Gemini 3.6 Flash ocupa o décimo terceiro.
• Uso de Tokens de modelos abertosMiMo-V2.5 com 328 trilhões de Tokens; DeepSeek V4 Flash com 264 trilhões de TokensDados acumulados no mês de agosto da OpenRouter.
• Uso de Tokens de modelos fechadosGPT-5.6 Luna com 86 trilhões de Tokens; Claude Opus 4.8 com 48 trilhões de TokensDados acumulados no mês de agosto da OpenRouter.
• Participação de Tokens na VercelDeepSeek 29,7%, Anthropic 24,7%, OpenAI 16,3%, Google 5,1%Média acumulada no mês de agosto; DeepSeek e OpenAI ganharam participação em relação ao mês anterior, enquanto Google e Anthropic recuaram.
• Participação de gastos na VercelAnthropic 64,8%, OpenAI 11,2%, Google 7,8%, Moonshot.ai 6,4%Média acumulada no mês de agosto; Anthropic permaneceu estável em relação a julho.
• Índice de Preços de Tokens de IAUS$ 2,21/milhão de TokensQueda de aproximadamente 6% a 9% em relação ao mês anterior em 13 de agosto e alta de 87% em relação ao ano anterior; os cortes de preços da OpenAI e a substituição de versões mais antigas pelo Gemini 3.6 Flash são potenciais fatores.
• Índice de Despesa de Tokens de LLMUS$ 1,15/milhão de TokensQueda de 27% em relação ao mês anterior em agosto, versus US$ 1,57 em julho.
• Preços de aluguel de GPUsB200 US$ 5,63/hora, H100 US$ 2,77/hora, A100 US$ 1,65/horaEm agosto, a B200 caiu 2% em relação ao mês anterior, a H100 subiu 2% e a A100 permaneceu estável.
• Preços de memóriaDDR5 aproximadamente +8% em relação ao mês anterior; NAND estável em relação ao mês anteriorDDR5 estava aproximadamente +483% em relação ao ano anterior e NAND aproximadamente +432% em relação ao ano anterior; as pressões de custo permanecem elevadas.

Impacto e implicações

Para grandes ações de internet, capacidades de modelos aprimoradas podem fortalecer a competitividade dos produtos e a narrativa de IA, mas os cortes de preços de Tokens testarão a economia unitária dos serviços de nuvem e negócios de inferência. Preços firmes de aluguel de GPUs sustentam expectativas de demanda por infraestrutura de IA, mas também implicam que as pressões sobre despesas de capital e depreciação podem persistir; a alta dos preços de memória pode comprimir ainda mais as margens de hardware e infraestrutura de nuvem. A melhoria no ranking de modelos da Meta é um sinal positivo, mas seus investimentos em IA, a concorrência em publicidade e os riscos regulatórios ainda exigem avaliação paralela.

Riscos

• Os dados de uso das plataformas têm cobertura limitada e não podem ser extrapolados como participações de uso de modelos em todo o setor.
• Se os cortes de preços de Tokens persistirem, poderão corroer as margens de inferência em nuvem e de serviços de modelos.
• A alta dos preços de DRAM e NAND pode aumentar os custos de servidores e infraestrutura de nuvem.
• Altas despesas de capital em IA, expansão de ativos fixos e mudanças nas premissas de depreciação de servidores podem deprimir o fluxo de caixa livre.
• A iteração de modelos, a concorrência de modelos abertos e mudanças regulatórias podem remodelar rapidamente o cenário competitivo.

Pontos a observar

• Novos lançamentos de modelos por provedores em hiperescala, incluindo Meta Watermelon e Google Gemini 4.
• Ajustes de preços de Tokens pela OpenAI, Anthropic, Google e provedores de modelos abertos.
• Se a participação de Tokens de modelos abertos de menor custo continua aumentando na OpenRouter e na Vercel.
• Se os preços de aluguel de GPUs conseguem permanecer resilientes e as mudanças de preço entre B200, H100 e A100.
• Se os preços spot de DRAM e NAND começam a recuar e seu impacto sobre as despesas de capital e margens brutas dos provedores de nuvem.
• Orientações de resultados das grandes empresas de internet sobre investimento em infraestrutura de IA, demanda de inferência e progresso de monetização.