Modelo aberto e barato: quando vale rodar IA fora dos grandes provedores

DeepSeek, Llama, Qwen e a família dos modelos abertos mudaram o piso de preço da IA: tarefa que custava dólares por milhar de execuções nos grandes provedores passou a custar centavos rodando em modelo aberto. Pra quem processa volume alto de tarefas repetitivas, a economia é real e grande. A pegadinha é que preço por token é só uma linha da conta, e a economia burra (modelo fraco em tarefa crítica) custa mais caro que a assinatura que ela evitou.

O que mudou no preço da IA com os modelos abertos?

O piso desabou: modelos abertos competentes passaram a rodar por uma fração do custo dos modelos de ponta, em alguns casos na casa de dezenas de vezes mais barato por token, segundo as tabelas públicas dos provedores. O movimento ganhou manchete com o DeepSeek no início de 2025 e virou tendência estrutural: hoje existe uma prateleira inteira de modelos “bons o suficiente” pra tarefas específicas, a preço de commodity.

Isso muda o desenho econômico de qualquer operação com volume. Três efeitos práticos:

• Tarefas que não justificavam automação (margem apertada, volume gigante) passaram a fechar a conta.
• O custo variável de rodar IA em produção caiu a ponto de a infraestrutura mensal, e não o token, virar o item relevante da fatura.
• Fornecedores ganharam liberdade de arquitetura: rotear cada tarefa pro modelo mais barato que dá conta dela.

A gente já mostrou por que preços de agente variam tanto; a escolha de modelo é uma das variáveis escondidas nessa conta.

Que tipo de tarefa cabe bem num modelo aberto barato?

Tarefa repetitiva, de formato previsível, alto volume e baixo custo de erro: classificar, extrair, resumir, formatar, traduzir, rotular. É o trabalho de esteira da IA, onde o modelo não precisa brilhar, precisa ser consistente e barato.

Exemplos concretos do que costuma funcionar bem em modelo aberto:

• Classificação: separar e-mail ou mensagem por assunto, urgência ou departamento.
• Extração: puxar nome, valor e prazo de documentos com formato conhecido.
• Resumo padronizado: condensar transcrição de reunião ou atendimento num template fixo.
• Pré-triagem: primeiro filtro de lead ou ticket antes do processamento mais fino.

O padrão comum: entrada previsível, saída verificável, e um humano ou sistema que pega o erro barato antes de ele virar problema. Se a tarefa tem essas três características e acontece milhares de vezes por mês, o modelo aberto tende a ser a escolha racional.

Quando o modelo aberto vira economia burra?

Quando a tarefa envolve julgamento, conversa com cliente ou custo de erro alto: aí o modelo fraco erra mais, o erro custa caro, e a economia de centavos por execução vira prejuízo de reais por incidente. A conta que importa não é o preço do acerto, é o preço do erro multiplicado pela taxa de erro.

Onde a economia costuma sair cara:

1. Atendimento e venda direto com cliente: a diferença de qualidade de conversa entre um modelo de ponta e um aberto mediano aparece exatamente nos casos difíceis, que são os que definem a experiência.
2. Decisão com consequência: aprovar crédito, priorizar urgência médica ou jurídica, calcular proposta.
3. Conteúdo que representa a marca: texto público com a cara da empresa.

Sendo bem sincero: já vimos proposta de agente comercial rodando inteiro em modelo fraco pra caber num preço agressivo, e o resultado é o padrão que descrevemos na comparação entre os modelos de ponta: conversa que trava fora do roteiro, cliente que percebe que fala com robô ruim, e a fama de “IA não funciona” pra uma escolha que era só de arquitetura errada.

Como fica a conta completa, além do preço por token?

Token barato não elimina infraestrutura, manutenção e integração: pra operação de PME, a fatura mensal relevante continua sendo a de infraestrutura, que no mercado costuma ficar na faixa de R$550 a R$650 pra um agente em produção, independente do modelo por trás. O modelo é uma linha da arquitetura, não a arquitetura inteira.

O que entra na conta completa:

• Infraestrutura e integrações: WhatsApp API, CRM, hospedagem, monitoramento, que não mudam com o modelo escolhido.
• Manutenção e calibração: modelo mais fraco em geral exige mais engenharia de prompt, mais guarda-corpo e mais correção, o que é custo de gente.
• Custo do erro: taxa de erro maior vezes o valor do que está em jogo em cada erro.
• Auto-hospedagem (se for o caso): rodar modelo aberto em servidor próprio só compensa com volume muito alto ou exigência forte de privacidade; pra PME, o acesso via API de provedores que servem modelos abertos costuma ser o caminho realista.

A regra de bolso, como referência e não como lei: a economia de modelo só é real quando o volume é alto o suficiente pra diferença de centavos virar milhares de reais por ano, sem aumentar o custo de erro na mesma proporção.

Qual é a arquitetura madura: um modelo pra tudo ou mistura?

Mistura roteada por tarefa: modelo aberto barato pro trabalho de esteira, modelo de ponta pros momentos de julgamento e conversa, com o roteamento decidido na arquitetura do agente. É assim que os fornecedores sérios montam operação eficiente, e é uma pergunta que vale fazer em qualquer proposta comercial.

Na prática, um mesmo fluxo de atendimento pode usar três modelos diferentes: um barato classifica a intenção da mensagem, um intermediário cuida da conversa comum, e o de ponta entra quando a conversa fica complexa ou o valor em jogo sobe. O cliente não vê a costura; a fatura vê.

Não acho que dono de empresa precise escolher modelo pessoalmente, essa decisão é do fornecedor ou do time técnico. Mas quem contrata ganha muito em perguntar “que modelo roda cada parte, e por quê”: a resposta revela se a arquitetura foi pensada pra qualidade com custo eficiente ou só pra caber numa proposta barata.

FAQ

Modelo aberto é pior que ChatGPT e Claude?

Nas tarefas de ponta (raciocínio longo, conversa sofisticada, casos ambíguos), os modelos proprietários de fronteira ainda lideram os benchmarks públicos. Mas “pior no geral” não significa “pior pra sua tarefa”: em classificação, extração e resumo padronizado, os abertos grandes entregam qualidade equivalente por uma fração do preço. A pergunta certa nunca é qual modelo é melhor no ranking, é qual é o mais barato que resolve a sua tarefa com a taxa de erro que você tolera.

Rodar modelo aberto significa instalar servidor na minha empresa?

Não necessariamente, e pra PME quase nunca. A maioria acessa modelos abertos por API de provedores de nuvem que os hospedam, pagando por uso como em qualquer modelo proprietário, só que mais barato. Auto-hospedar (servidor próprio ou nuvem privada) faz sentido em dois cenários: volume tão alto que a conta de API supera o custo do servidor, ou exigência regulatória forte de manter dado dentro de casa. Fora isso, é complexidade sem retorno.

Dado sensível fica mais seguro em modelo aberto?

Depende de onde ele roda, não de o modelo ser aberto. Modelo aberto auto-hospedado mantém o dado na sua infraestrutura, o que ajuda em cenários regulados. Modelo aberto via API de terceiro tem o mesmo perfil de risco de qualquer provedor: vale o contrato de tratamento de dados, a política de retenção e a LGPD. Aberto se refere à licença do modelo, não a uma garantia automática de privacidade.

Meu fornecedor não fala qual modelo usa. Isso é problema?

É um sinal amarelo que vale investigar. Fornecedor sério explica a arquitetura em termos de negócio: que tipo de modelo cuida de quê, e por quê. A recusa completa em falar pode esconder uma operação inteira em modelo fraco pra maximizar margem, que é o cenário de economia burra pago por você. Você não precisa dos detalhes técnicos, precisa da lógica: pergunte onde entra modelo de ponta e onde entra modelo barato, e se a resposta fizer sentido econômico, ótimo.

Os preços dos modelos não vão continuar caindo? Vale esperar?

A tendência de queda é real e deve continuar, mas esperar não tem prêmio: quem implanta agora captura a economia atual e continua capturando as quedas futuras, porque o custo de token é variável, não investimento afundado. O que se paga uma vez é o setup e o mapeamento de processo, e esses não ficam mais baratos esperando. Adiar por preço de token é economizar na parte da conta que já é pequena.

Como sei se minha operação tem volume pra isso importar?

Faça a conta de execuções por mês: se suas tarefas de IA acontecem centenas de vezes, a diferença de modelo é irrelevante na fatura e você deve escolher só por qualidade. Se acontecem dezenas ou centenas de milhares de vezes (classificar toda mensagem que entra, resumir todo atendimento), a diferença entre modelo caro e barato vira dinheiro relevante no ano, e a arquitetura mista passa a valer a conversa com o fornecedor.