a tese
Um gráfico da Vercel mostra que os modelos de pesos abertos (em boa parte chineses) já passaram os fechados em volume de tokens, mas OpenAI e Anthropic continuam capturando quase toda a receita. Berman conclui que o aberto vence em volume, o fronteira fechado vence em dinheiro, e que a dependência americana de modelos chineses é o risco geopolítico da história.
aprofundar
talvez
o gráfico da Vercel e a divisão volume contra receita são dados úteis para entender por que o Bruno paga caro pelo Claude Code em tarefa exigente, mas metade do vídeo é hype de canal de IA, publicidade e alarme geopolítico sem evidência nova.
O que foi dito
- Berman abre com Sam Altman e Dario Amodei como “personagens principais” da economia americana e apresenta o gráfico da Vercel (plataforma de hospedagem), que entre junho e agosto mostra a fatia de modelos de pesos fechados caindo e a de pesos abertos subindo no tráfego da plataforma.
- Os números centrais: DeepSeek ultrapassou a Anthropic em participação de tokens (25,2% contra 24,5%), mas ficou com apenas 2,8% do gasto em dólares contra 64,6% da Anthropic, ou seja, a Anthropic fatura 23 vezes mais por uma fatia de uso menor.
- Ampliando o recorte, os modelos de topo somam cerca de 50% dos tokens e quase 90% da receita, o que sustenta a previsão do investidor Gavin Baker de que tokens de fronteira valem 60 a 90% do valor econômico com apenas 10 a 25% do volume, e que a Nvidia ganha nos dois cenários porque token aberto custa o mesmo em computação.
- Ele mostra a diferença de preço bruta (Claude Fable 5 a US$ 50 por milhão de tokens de saída contra DeepSeek V4 Flash a 18 centavos), argumenta que só se paga o prêmio quando a resposta certa vale bilhões (negociação de alta frequência), e registra Anthropic com mais de US$ 65 bilhões de receita anualizada e OpenAI com cerca de US$ 40 bilhões, mais do que todos os provedores de modelos abertos somados.
- Segue um bloco patrocinado pela Higgsfield e seu novo servidor MCP, com instruções de como adicioná-lo como conector no Claude (configurações, conectores, conector personalizado, URL do MCP).
- Cita empresas grandes construindo sobre modelos abertos chineses por custo e privacidade: Thomson Reuters e Airbnb com Qwen, Harvey (jurídico) com Kimi K3, Cursor com Kimi K2.5, Perplexity com DeepSeek, e mostra o Kimi K3 ajustado pela Harvey pontuando no topo de benchmarks jurídicos (Legal Agent Bench 19,7 contra 20 do Muse Spark, primeiro lugar em contratos, 74 em direito societário).
- Traz o alerta de Bindu Reddy sobre medir custo por tarefa concluída e não por token, com o exemplo do Kimi K3, metade do preço por token do GPT 5.6 Soul, mas custo final quase igual (84 contra 96 centavos) por gastar muito mais tokens.
- Apresenta a divisão em três camadas de Christian Catalini (MIT): genéricos baratos de pesos abertos com muito volume e pouco gasto, especialistas de ponta ajustados com contexto proprietário concentrando o gasto, e a fronteira absoluta fechada com pouco volume e a maior receita.
- No índice da Artificial Analysis ele posiciona Claude Opus 5 Max no topo e GPT 5.6 em terceiro, com Kimi K3 Max e GLM 5.3 em 60, Qwen 3.8 em 58 e Muse Spark (Meta) em 57, e defende pesos abertos por propriedade dos dados, risco de plataforma (acusa o Fable de reter dados do usuário), poder de barganha entre dezenas de neoclouds e customização, citando os mais de 151 mil derivados do Qwen.
- Fecha com a citação do CTO da Thomson Reuters comparando o uso de modelo fechado a alugar casa sem construir patrimônio, registra os cortes agressivos de preço da OpenAI (GPT 5.6 Luna 80% mais barato, GPT 5.6 Soul com quedas de 20% e 33%) e adverte que se as empresas americanas se apoiarem em modelos chineses codesenhados com chips chineses, os EUA ficam dependentes de hardware da China.