Modelos de IA Chinesa Capturam 46% do Mercado de Tokens

Modelos chineses capturaram consistentemente mais de 30% da quota semanal de tokens no OpenRouter desde 8 de fevereiro, atingindo um pico de 46%, conforme relatado pela CNBC - de apenas 4,5% na primeira metade de 2025. Este aumento é atribuído ao tráfego de produção e não à curiosidade de pesquisa e é impulsionado por uma estrutura de custos que os laboratórios dos EUA têm dificuldade em igualar.

A mudança é possivel graças a uma pilha predominantemente baseada em Mixture of Experts (MoE). DeepSeek V4-Pro, com 1,6 trilhão de parâmetros, e Kimi K2.5, com um trilhão, ativam apenas uma pequena fração dos pesos totais por consulta - Kimi K2.5 usa 32 bilhões - reduzindo a computação de inferência em 90 a 97% em comparação com modelos densos de capacidade equivalente. Isso afeta diretamente os preços: a revista Fortune relata que o DeepSeek V4-Pro custa US$ 3,48 por milhão de tokens, em comparação com US$ 30 na OpenAI e US$ 25 na Anthropic, enquanto a variante flash custa US$ 0,28. O LLM-stats.com lista o Qwen3.7 Max a US$ 1,25 por milhão de tokens de entrada, o mais barato entre os dez primeiros. O GLM 5.2 da Z.ai, o modelo mais rapidamente adotado de 2026, aumentou o volume diário de tokens aproximadamente 27 vezes e sua base de clientes 80 vezes na sua primeira semana completa. Ele quase combinou o Anthropic Opus 4.8 em um benchmark agentico ao custo de um quinto e lidera as pesos abertos no GPQA Diamond com 91,2% de acordo com o LLM-stats.com.

Migrações de produção estão em andamento, com a Lindy movendo 100% de seu tráfego de Claude para DeepSeek, esperando economizar milhões em poucos meses. O CEO Flo Crivello descreve a curva de custos como uma quebra. A CNBC relata que os modelos chineses são 60 a 90% mais baratos do que as ofertas líderes da Anthropic e da OpenAI. Enquanto isso, os incumbentes dos EUA estão lutando; a OpenAI postou uma margem operacional ajustada negativa de 122% no Q1 de 2026, e a participação do ChatGPT no tráfego mundial de AI gerativo caiu de 77,6% em maio de 2025 para 53,7% em abril de 2026.

A lacuna de desempenho está se encurtando, mas permanece significativa. O membro da Brookings Kyle Chan estima que os modelos chineses estão seis a nove meses atrás da fronteira dos EUA; o próprio benchmarking do DeepSeek coloca o V4 três a seis meses atrás do GPT-5.4 e do Gemini 3.1 Pro. Em quadros de líderes de pesos abertos, os dados do RemoteOpenClaw mostram que o GLM-5 pontua 85 no BenchLM, em comparação com 93 a 94 para os principais modelos ocidentais fechados - um déficit de nove pontos menos crítico para middleware agentico do que para tarefas de raciocínio de alta estatura. O GLM 5.2 entrou nos cinco primeiros no LaunchLemonade, uma plataforma de agente AI para indústrias regulamentadas, indicando que a lacuna é gerenciável para fluxos de trabalho de cumprimento pesado.

Mudar modelos afeta a previsibilidade. A API do DeepSeek experimentou interrupções notáveis durante picos de demanda, e tanto a API Kimi quanto a API GLM têm históricos finos de tempo de atividade sustentado. A residência de dados é outra restrição: a menos que você hospede os pesos por conta própria ou use um agregador como o OpenRouter ou o Azure, as chamadas passam pela infraestrutura chinesa. A exposição regulatória é assimétrica; a OpenAI limitou a distribuição de um modelo em uma solicitação governamental em junho passado, enquanto os controles de exportação sobre o Mythos e o Fable da Anthropic foram revogados após um impasse na administração Trump. O chefe de ML da Hugging Face, Yacine Jernite, enquadra o mercado como uma escolha entre APIs proprietárias caras e voláteis dos EUA e alternativas chinesas que se tornam o único caminho viável para controle de custos e propriedade da pilha.

Os arquitetos devem considerar o roteamento do modelo como uma camada de abstração de commodity - implemente um gateway de inferência que permite a mudança de volume de tokens entre provedores sem reescrever a orquestração do agente, pois a diferença de custo de 60 a 90% agora justifica a sobrecarga de engenharia de permanecer não comprometido.