O scorecard da indústria de IA está mudando. Depois de dois anos perseguindo modelos maiores e melhores benchmarks, empresas agora estão otimizando para roteamento, custo, controle e eficiência de computação. O CEO da Perplexity, Aravind Srinivas, disse ao CNBC esta semana: 'O modelo sozinho não é mais o produto. É o arnês, o sistema de orquestração que coloca o modelo dentro de um arnês muito capaz e emparelha o modelo com muitas ferramentas.' Perplexity anunciou um sistema para seu produto computer-use construído em torno do GLM 5.2, um modelo de peso aberto da Z.ai da China, projetado para rotear modelos mais baratos para tarefas rotineiras e escalar apenas quando necessário.
Modelos de peso aberto estão se tornando mais capazes e muito mais baratos de executar do que modelos de fronteira proprietários. O sócio geral de Benchmark, Peter Fenton, disse esta semana: 'Uma visão talvez contrária que está se tornando consenso é nossa crença de que mais de 90% dos tokens criados virão de modelos de peso aberto nos próximos 18 a 24 meses, possivelmente até o final do ano.' Ollama, que ajuda desenvolvedores a baixar e executar modelos abertos, afirma adoção por 85% das Fortune 500, incluindo indústrias reguladas como aviação, seguro e saúde. O aumento de modelos abertos coloca pressão direta nas margens de inferência de OpenAI, Anthropic e outros labs de fronteira.
O gasto corporativo de IA está se apertando conforme orçamentos amadurecem e pressão de ROI aumenta. As empresas estão cada vez mais se movendo de experimentação para produção, onde custo por token se torna uma preocupação de primeira classe. A mudança também alimenta um desafio estratégico para os EUA: a maioria dos modelos de peso aberto competitivos agora vem de labs chineses como Z.ai e DeepSeek. Srinivas argumenta que os EUA deveriam apoiar modelos abertos para tornar a IA mais acessível e disponível, mas preocupações de política e segurança nacional complicam essa posição.
Para arquitetos: a mudança de 'melhor modelo' para 'melhor modelo para a tarefa' está remodelando decisões de infraestrutura. Stacks heterogêneos—misturando modelos pequenos afinados com chamadas ocasionais a modelos de fronteira—estão se tornando padrão. Isso cria demanda por otimização de inferência, roteamento de modelos e capacidades de execução local, potencialmente mudando capex de data centers de hyperscaler para implantações de borda e on-premise. Modelos abertos também levantam questões de defensibilidade para labs apostando em poder de precificação: como Fenton nota, 'quando você pode executar aquilo sem o markup que eles estão fornecendo, margens de inferência…vão sofrer pressão.'