Tech Wars Escalate: Google Delays Gemini 3.5, Anthropic Goes Self‑Sufficient, Open‑Source Models Challenge Dominance

O atraso marca um revés significativo para o Google, que posicionou o Gemini como seu principal produto de IA para rivalizar com o OpenAI. Testes internos revelaram que o Gemini 3.5 Pro não conseguia gerar consistentemente o código Python correto para estruturas de dados complexas além de 50 linhas – uma falha crítica no mercado atual, onde os assistentes de codificação são a aplicação de maior valor. Os engenheiros têm estado a trabalhar num módulo de “auto-reflexão” que permitiria ao modelo detectar os seus próprios erros, mas continua instável. O atraso causou um efeito cascata: as equipes de vendas do Google Cloud perderam vários contratos importantes para AWS e Azure na semana passada. O CEO Sundar Pichai convocou uma reunião geral de emergência para a próxima segunda-feira.

Lançado apenas 48 horas após a notícia do Google, o GPT‑5.6 Sol não é uma nova geração completa, mas um ajuste fino especializado do GPT‑5 com capacidades de agente aprimoradas. Ele reduz o uso de tokens em 54% em tarefas de codificação usando uma nova 'tokenização com reconhecimento de código' que compacta nomes de variáveis ​​e assinaturas de funções. O modelo também suporta um novo modo de “chamada de ferramenta” que pode gerar e executar automaticamente testes de unidade, verificar resultados e tentar novamente – um passo em direção a agentes de codificação autônomos. Os primeiros usuários relatam que Sol supera os benchmarks internos vazados do Gemini 3.5 no HumanEval (92,3% vs 89,1%). A queda de preço é um movimento estratégico: US$ 12 por milhão de tokens reduzem o preço projetado do Gemini pelo Google (supostamente em US$ 20) e desafia o Claude 5 de última geração da Anthropic.

Ao lançar o Llama 4 como código aberto, a Meta tornou efetivamente os modelos básicos comoditizados. A diferença de desempenho entre os modelos abertos e fechados diminuiu para menos de 1% em benchmarks padrão, mas a diferença de custo é enorme: o Llama 4 auto-hospedado custa US$ 0,50 por milhão de tokens para computação, em comparação com US$ 15 para o GPT‑5. Isso é uma reminiscência das batalhas Linux vs Unix da década de 1990. A Meta também lançou um kit de ferramentas de ajuste fino e um guia de destilação de modelo, permitindo que empresas menores criem variantes específicas de domínio. Em resposta, tanto a OpenAI como a Google estão a ponderar cortes de preços e poderão eventualmente abrir modelos mais antigos para manterem a relevância.

A Anthropic gasta atualmente mais de US$ 2 bilhões anualmente em GPUs Nvidia H100 e B200 para inferência e treinamento. O projeto de chip personalizado com a Samsung visa projetar um ASIC de 2 nm que possa executar inferência de transformador a 1 exaflop (10¹⁸ operações por segundo) enquanto consome apenas 300W – 40% mais eficiente do que a geração atual da Nvidia. O chip será produzido na fundição da Samsung e integrado a pilhas de software de código aberto (PyTorch, JAX). Se for bem-sucedida, a Anthropic poderá reduzir os custos de inferência em 70% e ganhar um fosso competitivo. No entanto, o projeto está em fase inicial e pode não produzir silício funcional até 2027; entretanto, a Anthropic assinou um grande acordo com a AWS para instâncias personalizadas 'Trainium' para preencher a lacuna.

Moonshot AI (também conhecida como '月之暗面') é uma startup sediada em Pequim que silenciosamente se tornou líder em modelos de longo contexto. O Kimi K3 é um modelo denso de 2,8 trilhões de parâmetros (usando uma mistura de especialistas) com uma janela de contexto de 100 milhões de tokens – excedendo em muito qualquer modelo ocidental. Ele pode consumir bibliotecas inteiras de literatura chinesa ou bases de código corporativas completas. Em testes independentes (SuperCLUE, equivalente chinês ao MMLU), Kimi K3 obteve 89,9% em tarefas de raciocínio chinês, um pouco acima dos 88,2% do GPT-5. O modelo é de código aberto para uso não comercial, mas o licenciamento comercial está disponível para empresas chinesas. O governo chinês já aprovou o Kimi K3 para implantação em aplicações de IA do setor público, marcando uma vitória estratégica. Isto alimenta ainda mais a corrida tecnológica EUA-China, com o Departamento de Comércio dos EUA a considerar novas restrições à exportação no fabrico de chips avançados para contrariar a ascensão da China.

Todos estes desenvolvimentos estão a intensificar a concorrência entre os fornecedores de nuvens. AWS, Azure e GCP agora não são apenas fornecedores de infraestrutura, mas também fornecedores de modelos de IA por meio de seus respectivos serviços (Bedrock, AI Studio, Vertex). Cada nuvem está agrupando modelos de IA com créditos de computação, armazenamento e rede – criando ecossistemas que prendem clientes. O Azure garantiu acesso antecipado exclusivo aos novos modelos da OpenAI; AWS está fazendo parceria com Antrópico e Meta; O GCP está dobrando seu próprio Gemini e Vertex AI. A batalha pela fidelidade dos desenvolvedores é acirrada: estão sendo oferecidos créditos gratuitos, descontos por volume e até parcerias de codesenvolvimento. Provedores de nuvem menores, como OVH e DigitalOcean, estão vendo um aumento na demanda por instâncias Llama 4 auto-hospedadas, pois oferecem preços competitivos sem os serviços de IA agrupados dos três grandes.

Para a maioria das empresas, a melhor opção agora é o Llama 4 de código aberto auto-hospedado em uma nuvem com custos otimizados – fornecendo qualidade próxima da GPT-5 com economia de custos de 95%. Para aplicações de missão crítica que exigem confiabilidade e suporte máximos, o GPT‑5.6 Sol da OpenAI continua sendo a escolha premium. Para tarefas em chinês ou de contexto ultralongo, o Kimi K3 é imbatível. Para grandes empresas com necessidades específicas de segurança, Claude da Anthropic (via AWS) oferece garantias de conformidade e privacidade de dados. A escolha é agora mais complexa do que nunca, mas também mais empoderadora: nenhum fornecedor detém o monopólio. As guerras tecnológicas democratizaram a IA.