Bank of America transforma a corrida da Inteligência Artificial em indicadores
A corrida pela liderança da Inteligência Artificial está deixando de ser acompanhada apenas por lançamentos, benchmarks isolados e anúncios das grandes empresas de tecnologia. O Bank of America lançou o Frontier AI Tracker, uma ferramenta criada para monitorar diferentes indicadores da cadeia de valor da IA e oferecer uma visão mais ampla sobre a evolução desse mercado.
O rastreador acompanha fatores como inteligência dos principais modelos, participação de uso, consumo de tokens, preços, gastos com modelos de linguagem, aluguel de GPUs e custos de memória. A iniciativa é relevante porque mostra como a Inteligência Artificial está rapidamente se transformando em uma infraestrutura econômica que pode ser analisada por métricas de desempenho, adoção e custo.
Nos primeiros dados divulgados, a Anthropic aparece em posição de destaque. De acordo com informações da Artificial Analysis utilizadas pelo rastreador, o Claude Opus 5 ocupa a primeira posição no Índice de Inteligência, seguido pelo Claude Fable 5. O GPT-5.6 Sol, da OpenAI, aparece na terceira posição. Outros concorrentes também aparecem no levantamento, demonstrando como a disputa pelos modelos mais avançados está se tornando cada vez mais fragmentada.
Claude lidera inteligência, mas liderança em IA depende da métrica analisada
Um dos pontos mais interessantes do Frontier AI Tracker é justamente mostrar que não existe apenas uma corrida pela criação do modelo considerado mais inteligente. Dependendo do indicador analisado, diferentes empresas assumem posições de liderança.
Dados da Vercel apresentados no levantamento mostram que o DeepSeek alcançou 30% de participação de uso, enquanto a Anthropic aparece com 25%. A OpenAI registrou participação de 16%. Quando o indicador passa de utilização para gastos, entretanto, a situação muda significativamente: a Anthropic concentra 65% dos gastos observados, enquanto a OpenAI representa 11%.
Essa diferença ajuda a compreender uma transformação importante no mercado. O modelo mais utilizado não necessariamente será o modelo que concentra maior investimento, assim como o modelo mais inteligente em determinado benchmark não será obrigatoriamente o vencedor comercial.
Na prática, a competição começa a envolver uma combinação de inteligência, preço, velocidade, disponibilidade, capacidade de integração e eficiência operacional.
Modelos chineses avançam no consumo de tokens
Outro indicador acompanhado pelo Bank of America mostra a crescente presença dos modelos chineses no ecossistema global de Inteligência Artificial. Dados do OpenRouter apontados pelo levantamento mostram modelos abertos chineses entre os líderes em utilização.
O MiMo-V2.5, da Xiaomi, registrou 32,8 trilhões de tokens no mês até o momento do levantamento, enquanto o DeepSeek V4 Flash chegou a 26,4 trilhões. Entre os modelos fechados analisados, o GPT-5.6 Luna liderou com 8,6 trilhões de tokens, seguido pelo Claude Opus 4.8, com 4,8 trilhões.
Os números ajudam a mostrar que a disputa global da Inteligência Artificial está se tornando mais complexa. OpenAI, Anthropic, Google e Meta já não disputam esse mercado isoladamente. Empresas chinesas estão conquistando espaço principalmente por meio de modelos abertos e estratégias agressivas de eficiência e custo.
Para as empresas que utilizam IA, essa competição tende a ser positiva, pois aumenta o número de alternativas disponíveis e pressiona fornecedores a entregar modelos mais eficientes por preços menores.
Preço da Inteligência Artificial começa a cair
Talvez um dos indicadores mais importantes para empresas esteja justamente no custo de utilização da tecnologia. Em 13 de agosto, o Índice de Preço de Tokens de IA acompanhado pelo rastreador caiu 9% em relação ao mês anterior, chegando a US$ 2,21. O Índice de Gastos com Tokens de LLM também apresentou redução de 27%, chegando a US$ 1,15.
Reduções realizadas pela OpenAI contribuíram para esse movimento, incluindo cortes de 80% no preço do GPT-5.6 Luna e de 20% no GPT-5.6 Terra.
A tendência possui uma consequência estratégica importante: conforme o custo computacional diminui, utilizar Inteligência Artificial em escala se torna economicamente viável para um número maior de organizações. Isso pode acelerar a implementação de agentes de IA, automações, análise de dados, atendimento inteligente e sistemas integrados às operações comerciais.
Em outras palavras, a barreira econômica para implementar IA está diminuindo enquanto a capacidade dos modelos continua avançando.
GPUs e memória mostram o tamanho da infraestrutura por trás da IA
O Frontier AI Tracker também acompanha o mercado de infraestrutura necessário para sustentar essa transformação. Segundo dados da Silicon Data apresentados no levantamento, o preço de aluguel das GPUs B200 caiu 2% em relação ao mês anterior, chegando a US$ 5,63 em agosto. O aluguel das H100 avançou 2%, para US$ 2,77, enquanto as A100 permaneceram estáveis em US$ 1,65.
Ao mesmo tempo, os preços das memórias DRAM avançaram 8% no mês, enquanto os preços de NAND permaneceram estáveis.
Esses indicadores mostram que a corrida pela Inteligência Artificial não acontece apenas dentro dos modelos. Existe uma cadeia gigantesca envolvendo chips, memória, data centers, energia, infraestrutura de nuvem e processamento de dados.
Quanto maior a adoção empresarial da IA, maior também será a demanda por essa infraestrutura.
A verdadeira disputa da IA será pela eficiência
A criação de um rastreador desse tipo pelo Bank of America representa algo maior do que simplesmente descobrir qual modelo ocupa a primeira posição em determinado ranking. Ela mostra que o mercado está amadurecendo.
A pergunta deixa de ser apenas “qual é a melhor Inteligência Artificial?” e passa a ser “qual modelo entrega o melhor resultado para determinada operação?”.
Essa mudança será fundamental para empresas que estão estruturando estratégias AI First. Em vez de escolher ferramentas apenas pela popularidade, organizações precisarão analisar custo, desempenho, segurança, integração, velocidade e retorno sobre investimento.
Um modelo extremamente poderoso pode ser desnecessário para determinadas tarefas. Em outras situações, pagar mais por maior capacidade de raciocínio pode gerar ganhos significativos de produtividade. O desafio passa a ser construir uma arquitetura capaz de utilizar a tecnologia adequada para cada processo.
Empresas precisam parar de discutir IA e começar a medir resultados
O movimento do Bank of America reforça uma visão que tende a ganhar força dentro das empresas: Inteligência Artificial precisa ser tratada como infraestrutura de negócio e não apenas como ferramenta experimental.
Quando organizações começam a implementar IA em atendimento, vendas, CRM, gestão da informação e processos operacionais, métricas passam a ser fundamentais. Não basta saber quantas ferramentas estão sendo utilizadas. É necessário entender quanto tempo foi economizado, quanto a produtividade aumentou, quantos processos foram automatizados, quanto o atendimento acelerou e qual impacto financeiro foi gerado.
É justamente nessa transição que a estratégia AI First ganha relevância. O objetivo não é colocar Inteligência Artificial em todos os processos indiscriminadamente, mas identificar onde a tecnologia consegue produzir vantagem competitiva mensurável.
A corrida entre Claude, OpenAI, DeepSeek, Gemini e outros modelos continuará acelerando. Novos líderes provavelmente surgirão, preços continuarão mudando e capacidades consideradas extraordinárias hoje poderão se tornar commodities rapidamente.
Para as empresas, entretanto, a discussão mais importante não será descobrir quem venceu o ranking da semana. Será construir uma operação preparada para aproveitar rapidamente qualquer avanço tecnológico que gere mais produtividade, eficiência e resultado.
A próxima vantagem competitiva pode não estar em possuir uma determinada Inteligência Artificial, mas em saber integrar diferentes modelos aos processos certos antes dos concorrentes.
