Capital, contratos e custo-por-token mudaram todos de uma vez — o stack de IA que as empresas compram tem cara materialmente diferente do que tinha na sexta.
Quatro dias. É o tempo que levou para OpenAI e Microsoft rasgarem o contrato de exclusividade que estruturava o mercado de IA desde 2019, para o Google escrever um cheque de até quarenta bilhões de dólares num concorrente direto, e para o preço de um token GPT dobrar exatamente no momento em que o primeiro estudo sistemático mostra que agentes de IA consomem mil vezes mais tokens do que code chat. Se você tem um diagrama de arquitetura de stack de IA no seu Confluence, ele já está desatualizado. Neste Wire: o fim da exclusividade Azure, o capital que reconfigurou a Anthropic, a fusão soberana que emergiu da Europa, o novo patamar de custo agentivo, e os vazios de governança que reguladores ainda não fecharam.
O que une todas essas histórias é uma lógica comum: as premissas sobre as quais equipes de arquitetura construíram seus planos para 2026 — de preço, de fornecedor, de responsabilidade legal — mudaram todas ao mesmo tempo.
Começa pelo contrato. OpenAI e Microsoft reescreveram o acordo que fundava a parceria desde 2019. Três mudanças estruturais: fim da exclusividade de distribuição da API na Azure, eliminação da cláusula AGI, e inversão do fluxo de receita.
A cláusula AGI era a mais problemática. Ela dava à Microsoft direitos amplos sobre a propriedade intelectual da OpenAI até que a empresa se autodeclarasse como tendo atingido inteligência geral artificial — uma definição indefinida, controlada por quem emite a declaração, com incentivos perversos embutidos na estrutura.
Saiu. No lugar, a Microsoft recebe uma licença não exclusiva dos modelos e produtos da OpenAI válida até 2032, sem nenhuma contingência tecnológica. O gatilho para a renegociação foi concreto: o plano da OpenAI de distribuir produtos pela AWS arriscava violar os termos de exclusividade Azure. Sam Altman e Satya Nadella negociaram pessoalmente por várias semanas.
O resultado: OpenAI pode agora distribuir modelos e produtos por qualquer provedor de nuvem. Azure mantém status de parceiro preferencial — produtos ainda lançam lá primeiro — mas o monopólio de distribuição acabou.
No lado financeiro: a Microsoft parou de pagar à OpenAI vinte por cento da receita que gerava revendendo modelos pela Azure — esse pagamento foi eliminado. A OpenAI ainda paga um revenue share à Microsoft, com teto total e vencimento em 2030, no mesmo percentual de antes. A monetização da Microsoft migra para o equity: ela lucra com o crescimento geral da OpenAI, não com margem de distribuição de API. Para o arquiteto: multi-cloud com modelos GPT deixou de ser uma questão contratual em aberto. Procurement teams que deferiam avaliações de AWS ou Google Cloud por risco de exclusividade Azure podem reabrir esses processos agora. [ref: openaimicrosoft-tear-up-exclus]
Capital. O Google vai investir até quarenta bilhões de dólares na Anthropic — dez bilhões imediatamente, a uma avaliação de trezentos e cinquenta bilhões de dólares, com até trinta bilhões adicionais condicionados a metas de performance. Isso torna a Alphabet a maior acionista individual da startup enquanto compete com ela diretamente no modelo, via Gemini.
A estrutura resultante não tem precedente direto no setor. O Google compete com a Anthropic na camada de modelo, fornece os TPUs que rodam a inferência do Claude, e agora detém a maior posição financeira individual na empresa. Rival de modelo, fornecedor de infraestrutura e maior financiador — simultaneamente.
O negócio inclui um compromisso adicional de cinco gigawatts de capacidade de computação na Google Cloud por cinco anos — sobre um acordo anterior com a Broadcom que um filing de valores mobiliários quantificou em três vírgula cinco gigawatts. A Amazon adicionou mais cinco bilhões de dólares à sua própria posição na Anthropic essa mesma semana, dentro de um acordo mais amplo pelo qual a Anthropic deve comprometer até cem bilhões de dólares por cerca de cinco gigawatts de capacidade de computação ao longo do tempo. A Anthropic também fechou um acordo separado de datacenter com a CoreWeave.
O contexto por trás da urgência: a Anthropic enfrentou reclamações generalizadas de usuários sobre limites de uso nas últimas semanas. A corrida por capacidade de compute é real, cara e acelerada. A empresa agora tem compromissos multi-gigawatt com dois dos três hyperscalers simultaneamente.
Para o arquiteto: quando um único hyperscaler pode te vender o chip, fornecer o modelo que compete com aquele rodando nele, e deter o maior equity stake na empresa concorrente — a exposição não é mais só custo de nuvem. É governança de fornecedor. "Estratégia multi-vendor de IA" sai da coluna de preferência e entra na coluna de política de procurement. [ref: google-commits-up-to-40b-in-an]
O terceiro movimento desta semana saiu de fora do Vale do Silício. Cohere, do Canadá, e Aleph Alpha, da Alemanha, anunciaram fusão para formar uma empresa de IA enterprise avaliada em vinte bilhões de dólares, segundo o Financial Times. O negócio é ancorado por um Series E de seiscentos milhões de dólares do Schwarz Group — maior varejista da Europa, operador de Lidl e Kaufland em trinta e dois países, e já investidor da Aleph Alpha.
A Aleph Alpha opera um assistente de IA governamental com oitenta mil usuários no setor público alemão. Seus modelos foram construídos do zero para residência de dados europeia e conformidade com o AI Act da UE — não retroativados. O tagline deles é "AI Made in Germany. For Europe" — e isso é posicionamento e fato regulatório ao mesmo tempo.
A lógica estratégica declarada é direta: dar a empresas e governos uma alternativa aos labs americanos que hoje dominam a IA comercial, com maior independência e controle sobre seus dados. O deal ainda não fechou — está sujeito a revisão regulatória, obstáculo não trivial para uma fusão transfronteiriça num setor sob escrutínio de concentração de mercado. O valor de vinte bilhões é reporting do FT sobre uma estrutura ainda em análise.
Mas o cheque de seiscentos milhões do Schwarz Group é um sinal operacional, não especulativo. Quando o maior varejista da Europa escreve um valor de nove dígitos para financiar um alternativo soberano de IA, isso não é hedge de portfólio. É uma aposta de cadeia de suprimentos.
Para equipes com restrições de residência de dados ou exposição ao AI Act da UE, a fusão cria um único interlocutor com infraestrutura full-stack em jurisdições norte-americanas e europeias, e um modelo de governança projetado para o AI Act desde a origem — não adaptado a ele depois. [ref: cohere-and-aleph-alpha-merge-i]
Agora a camada de custo. O GPT-5.5 chegou. Quando a API abrir, o preço será de cinco dólares por milhão de tokens de entrada e trinta dólares por milhão de tokens de saída — exatamente o dobro do GPT-5.4, que está a dois vírgula cinquenta e quinze dólares. Uma variante GPT-5.5 Pro vai a trinta dólares de entrada e cento e oitenta de saída. A OpenAI posiciona o GPT-5.4 como a opção capaz e eficiente em custo; o GPT-5.5 ocupa o tier de premium para workloads que justificam o preço.
Dois vezes no preço base seria absorvível se os padrões de consumo de agentes fossem lineares. Mas essa semana foi publicado o primeiro estudo sistemático de consumo de tokens em tarefas agentivas — e os números mudam o cálculo completamente.
O paper, de pesquisadores do MIT, Stanford, Universidade de Michigan e Salesforce AI Research, analisou trajetórias de oito LLMs frontier — incluindo GPT-5, Claude Sonnet 4.5 e Kimi-K2 — no benchmark SWE-bench Verified. A mecânica por trás dos custos:
São os tokens de entrada — não os de saída — que dirigem o custo total. Agentes reingerem continuamente janelas de contexto longas em loops de planejamento e recuperação de erros, com a geração de código em si representando uma fração mínima do gasto. O consumo é também altamente estocástico: na mesma tarefa, o total de tokens pode variar em até trinta vezes entre execuções. E essa variância não se correlaciona com resultado — a precisão atinge pico em níveis intermediários de custo e satura, ou cai, em custos mais altos. Rodar o agente de novo simplesmente com mais tokens não é uma solução confiável. [ref: how-ai-agents-burn-your-token-]
A variável de maior alavancagem que o estudo mapeia é a escolha do modelo. Kimi-K2 e Claude Sonnet 4.5 consumiram, em média, mais de um vírgula cinco milhão de tokens a mais do que o GPT-5 nas mesmas tarefas. Para times rodando centenas de sessões paralelas ou pipelines de CI, essa diferença se multiplica em custo de infraestrutura relevante — e o estudo oferece base empírica para decisões de seleção de modelo que vão além de accuracy.
O número central do paper: agentes de IA consomem aproximadamente mil vezes mais tokens do que code chat convencional.
E os modelos não conseguem prever seu próprio consumo antes da execução com confiança. A correlação máxima de previsão foi de zero vírgula trinta e nove, com subestimação sistemática. Estimativas de auto-orçamento dos agentes não podem ser usadas como insumo de scheduling sem uma camada de calibração empírica.
Junte os dois stories: GPT-5.5 a dois vezes o preço base, com agentes consumindo mil vezes mais tokens do que code chat. Orçamentos de agentes enterprise acabaram de ser reprecificados por ordens de magnitude. Meça trajetórias empiricamente, ou orce às cegas. [ref: gpt-55-arrives-at-double-gpt-5]
Dois movimentos de governança fecham a semana. O primeiro é uma abertura. Em 27 de abril, a OpenAI recebeu autorização FedRAMP 20x Moderate para ChatGPT Enterprise e sua plataforma de API — liberando o procurement federal de modelos frontier em agências civis americanas. O FedRAMP 20x é uma via simplificada que a GSA anunciou em março de 2025, substituindo pacotes de documentação manual por evidências de segurança cloud-native, Key Security Indicators e validação automatizada.
O GPT-5.5 já está disponível no ambiente FedRAMP. O Codex Cloud também será acessível via workspaces FedRAMP do ChatGPT Enterprise — para agências com programas ativos de modernização de software, um ambiente de coding agentivo autorizado no nível Moderate remove uma barreira de procurement. Para arquitetos que atendem contratantes federais: o pacote de autorização reutilizável está no Trust Portal da OpenAI. Cada agência retém autoridade para impor controles adicionais antes de produção. FedRAMP Moderate cobre informação não classificada controlada — não se estende a workloads High ou de segurança nacional. [ref: openai-achieves-fedramp-modera]
O segundo movimento de governança é um alerta. Um paper publicado em 24 de abril no arXiv por Gauri Sharma e Maryam Molamohammadi mapeia uma falha estrutural nas cadeias de fornecimento de IA para contratação. Sistemas modernos de hiring por IA operam em quatro camadas — fornecedores de dados, desenvolvedores de modelo, provedores de plataforma e organizações deployers — e essa arquitetura cria vazios de responsabilidade que nem o AI Act da UE, nem a NYC Local Law 144, nem o Colorado AI Act estão estruturados para fechar.
A mecânica do problema: um parser de currículos pode não produzir viés mensurável de forma isolada, mas contribuir para resultados discriminatórios quando integrado a algoritmos específicos de ranking e thresholds de filtragem. Cada ator na cadeia pode demonstrar conformidade individualmente. O sistema integrado pode produzir resultados enviesados de qualquer forma. E isso não é teórico — é a arquitetura padrão de qualquer stack de HR tech moderno.
Sob o AI Act da UE, ferramentas de contratação por IA estão no nível de risco mais alto — e são os deployers, não os fornecedores upstream, os principais responsáveis legais por avaliações de impacto em direitos fundamentais. Se o viés origina no modelo ou nos dados de treinamento do fornecedor, a organização que faz o deploy continua sendo o alvo regulatório, sem direito garantido de acesso técnico para diagnosticar a causa raiz. Para equipes jurídicas e de compliance negociando contratos de IA com fornecedores: direitos de auditoria em nível de sistema, divulgação de configuração e cláusulas de responsabilidade compartilhada não são adições opcionais. São o único mecanismo que fecha o vazio que a lei atual deixa aberto. [ref: eu-ai-act-accountability-gap-a]
Foi essa a Wire de segunda na ai|expert. Capital, contratos e custo por token se moveram juntos essa semana — e o stack de IA que as empresas compram parece materialmente diferente do de sexta passada. Na Edition de sexta, vamos fundo no fio de soberania: o pacto DeepMind–Coreia do Sul, e o que o roadmap de IA do Ubuntu da Canonical significa para on-prem. Até lá.