Alibaba e DeepSeek impulsionam a corrida de modelos de IA da China para reduzir custos

A Alibaba apresentou o Qwen3.8-Max, seu modelo de IA mais poderoso até o momento, enquanto o novo V4-Flash da DeepSeek ganha atenção por oferecer um preço de inferência inferior ao de vários concorrentes.

Com 2,4 triliões de parâmetros, o Qwen3.8-Max emprega uma arquitetura de mistura de especialistas (mixture-of-experts) que ativa apenas um subconjunto de parâmetros por solicitação. A Alibaba relata que aproximadamente 95 bilhões de parâmetros estão ativos a qualquer momento, reduzindo significativamente os custos e a latência em comparação com modelos que ativam todos os parâmetros.

A DeepSeek utiliza uma arquitetura esparsa semelhante, mas em escala menor. De acordo com a Artificial Analysis, o V4-Flash contém 284 bilhões de parâmetros totais, com 13 bilhões ativos durante a inferência, enquanto o Kimi K3 da Moonshot AI possui 2,8 triliões de parâmetros totais e aproximadamente 104 bilhões ativos.

O Qwen3.8-Max processa texto, imagens e vídeo, suportando uma janela de contexto de até um milhão de tokens. A Alibaba também observou que o modelo concluiu com sucesso um projeto de engenharia de software que durou 16 dias.

Em termos de tamanho, o Qwen3.8-Max rivaliza com o Kimi K3, lançado pela Moonshot AI em julho. As duas empresas também competem em termos de preços: o Qwen3.8-Max cobra US$ 2 por milhão de tokens de entrada e US$ 6 por milhão de tokens de saída, enquanto o Kimi K3 custa US$ 3 e US$ 15, respectivamente.

O tamanho do modelo por si só não determina os custos de inferência. Fatores como arquitetura, número de parâmetros ativos, consumo de tokens e o número de chamadas necessárias para concluir uma tarefa influenciam o custo final de execução de um modelo.

Após seu lançamento, o Qwen3.8-Max subiu para a primeira posição entre os modelos de texto chineses na plataforma crowdsourced Arena.AI, embora ainda fique atrás de vários modelos da Anthropic nas classificações gerais. Ele também garantiu o segundo lugar no ranking de imagens e análise visual da Arena.AI, atrás de uma variante do Claude Fable 5 da Anthropic.

DeepSeek reduz os preços de inferência

A DeepSeek adotou uma estratégia diferente com o V4-Flash. Em vez de igualar a escala massiva dos mais recentes modelos da Alibaba e da Moonshot AI, ela precificou o modelo abaixo de vários sistemas de IA amplamente utilizados.

De acordo com a Artificial Analysis, o V4-Flash custa US$ 0,14 por milhão de tokens de entrada e US$ 0,28 por milhão de tokens de saída. A empresa de pesquisa lista o modelo com uma janela de contexto de um milhão de tokens e 284 bilhões de parâmetros totais, dos quais 13 bilhões são ativos durante a inferência.

A Artificial Analysis lista o preço de cache-hit para a versão Max Effort do V4-Flash em US$ 0,003 por milhão de tokens, o que é 98% inferior à sua taxa de entrada padrão. Entrada em cache refere-se a contexto processado anteriormente que pode ser reutilizado em solicitações subsequentes.

As taxas de tokens mais baixas da DeepSeek também se refletiram nos testes de benchmark da Artificial Analysis. A Reuters relatou que a empresa de pesquisa estimou o custo médio do V4-Flash em três centavos por teste, em comparação com 86 centavos para o Kimi K3, US$ 1,86 para o GPT-5.6 Sol da OpenAI e US$ 3,15 para o Claude Fable 5 da Anthropic.

Esta comparação leva em conta a quantidade de entrada e saída que cada modelo utiliza para concluir o benchmark. Uma taxa por token mais baixa não significa necessariamente um custo de tarefa menor se um modelo gerar mais saída ou exigir interações adicionais.

A Artificial Analysis atribuiu à versão de raciocínio Max Effort do DeepSeek V4-Flash uma pontuação de 40 em seu Índice de Inteligência. A empresa de pesquisa também registrou uma taxa de saída de aproximadamente 118 tokens por segundo durante os testes.

Os preços dos tokens contam apenas parte da história dos custos

O Kimi K3 da Moonshot AI oferece outro exemplo de como os preços de API anunciados podem diferir do custo de concluir cargas de trabalho mais longas. A Artificial Analysis lista o modelo em US$ 3 por milhão de tokens de entrada e US$ 15 por milhão de tokens de saída, com entrada em cache precificada em US$ 0,30 por milhão de tokens.

No benchmark AA-Briefcase da Artificial Analysis para trabalho de conhecimento agêntico, o Kimi K3 teve uma média de US$ 10,57 por tarefa. Ele gerou cerca de 120.000 tokens de saída e utilizou uma média de 83 rodadas por tarefa.

A Artificial Analysis afirmou que o custo refletiu a precificação de tokens do Kimi K3, o volume de saída e o número de interações do modelo. Chamadas repetidas ao modelo e saídas maiores podem, portanto, aumentar o custo total de conclusão de uma carga de trabalho além do que a taxa de API principal sugere.

O Kimi K3 registrou a segunda maior pontuação geral na avaliação AA-Briefcase no momento dos testes, atrás do Claude Fable 5. Ele também obteve 57 pontos no Índice de Inteligência mais amplo da Artificial Analysis.

A comparação com a DeepSeek destaca por que as medições de custo por tarefa adicionam contexto útil à precificação padrão de API. Modelos com arquiteturas e padrões de uso diferentes podem consumir quantidades substancialmente diferentes de computação e tokens ao trabalhar com o mesmo tipo de tarefa.

Pesos abertos adicionam outra opção de implantação

O custo também está sendo moldado pela forma como os desenvolvedores chineses distribuem seus modelos. A Alibaba, a DeepSeek e a Moonshot AI continuaram a apoiar lançamentos de pesos abertos junto com o acesso via API hospedada, oferecendo aos desenvolvedores mais opções para implantar esses modelos.

A Artificial Analysis lista o DeepSeek V4-Flash como um modelo de pesos abertos sob uma licença MIT, com pesos disponíveis através do Hugging Face. O Kimi K3 também está disponível como um modelo de pesos abertos sob a própria licença da Moonshot AI.

Pesos abertos permitem que os desenvolvedores executem modelos em sua própria infraestrutura ou por meio de provedores de terceiros, em vez de depender exclusivamente de um serviço de inferência hospedado pelo desenvolvedor. Os custos de implantação ainda dependem do hardware e da infraestrutura utilizados, mas o acesso ao modelo não está vinculado a uma única API hospedada.

Esta abordagem difere dos principais modelos oferecidos pela OpenAI, Anthropic e Google, que geralmente mantêm os pesos de seus modelos fechados.

Lian Jye Su, analista-chefe da Omdia, observou que a seleção de modelos para muitas cargas de trabalho empresariais não depende apenas de ter acesso ao sistema de melhor desempenho.

“Muitos fluxos de trabalho empresariais não precisam do melhor modelo da indústria”, disse Su. “Eles precisam de modelos que sejam bons o suficiente, acessíveis, transparentes e disponíveis, e os modelos de pesos abertos ajudam a atender a essa demanda.”

Veja também: A Alibaba está projetando chips de IA em torno de agentes, e isso muda o que a corrida realmente trata

Gostaria de saber mais sobre IA e big data com líderes da indústria? Confira a AI & Big Data Expo, que está acontecendo em Amsterdã, Califórnia e Londres. O evento abrangente faz parte da TechEx e está localizado junto com outros principais eventos de tecnologia, incluindo a Cyber Security & Cloud Expo. Clique aqui para mais informações.

O AI News é powered by TechForge Media. Explore outros próximos eventos e webinars de tecnologia empresarial aqui.