Preços dos tokens de IA na China quase dobram, enquanto uso diário chega a 500 trilhões

Mais uso de IA, preços mais altos e maior espera para começar

O consumo diário de tokens de inteligência artificial na China chegou a cerca de 500 trilhões em junho de 2026, quase quatro vezes o nível registrado em dezembro de 2025, segundo a Academia Chinesa de Tecnologia da Informação e Comunicação (CAICT). Os preços subiram junto com a demanda: o preço doméstico médio, ajustado a uma base comum de comparação, aumentou de 6,8 yuans no segundo semestre de 2025 para 13,46 yuans em 2026, uma alta de cerca de 98%.

O Relatório de Monitoramento do Desempenho de Serviços de Tokens de Grandes Modelos (2026), divulgado pela CAICT em 23 de outubro, também registra uma mudança que os usuários podem notar diretamente. Em agosto, os modelos domésticos geraram texto cerca de duas vezes mais rápido do que a média de 2025, mas demoraram mais para produzir o primeiro token. Depois que a resposta começava, ela chegava mais rápido; antes de começar, a espera era maior.

As conclusões reúnem um mercado que se recupera de dois anos de concorrência por preços, consumo em rápido crescimento e serviços capazes de processar volumes muito maiores de informação. Também mostram por que escolher um serviço de IA exige mais do que conferir o nome do modelo: diferentes plataformas que executavam o mesmo modelo apresentaram resultados bastante distintos.

O que a China consome em tamanha escala

Um token é uma pequena unidade de informação processada ou gerada por um modelo de IA. Em um texto, pode ser uma palavra, parte de uma palavra ou um sinal de pontuação. Os tokens oferecem uma forma comum de medir o volume de trabalho de um modelo, embora a relação entre tokens e palavras varie conforme o idioma e o sistema.

Assim, o número da CAICT, de cerca de 500 trilhões de tokens por dia, descreve o volume de atividade dos modelos. O aumento de quase quatro vezes desde dezembro de 2025 equivale a um crescimento de aproximadamente 300%, fazendo com que o total de junho fosse quase quatro vezes o nível anterior.

Mais provedores agora vendem acesso por meio de plataformas de modelo como serviço, muitas vezes abreviadas como MaaS. Os clientes enviam solicitações por uma interface de programação de aplicações (API) de nuvem pública, uma conexão que permite que um software peça a outro para executar uma tarefa. As empresas podem usar esse recurso para incorporar IA a seus produtos sem operar o modelo subjacente por conta própria.

O que o monitoramento avaliou

O Instituto de Pesquisa em Inteligência Artificial da CAICT publicou o relatório em conjunto com o laboratório-chave de avaliação de hardware e software de grandes modelos do Ministério da Indústria e Tecnologia da Informação e com a Aliança da Indústria de Inteligência Artificial. O monitoramento abrange o período de janeiro a agosto de 2026.

A avaliação examina taxas de sucesso das solicitações, velocidade de geração, tempo de espera antes do início da resposta, estabilidade, preços e janelas de contexto. Compara plataformas oficiais de modelos com serviços de terceiros que oferecem DeepSeek, Qwen, GLM e Kimi, quatro famílias de modelos de código aberto.

Segundo a CAICT, os usuários muitas vezes não têm uma maneira fácil de avaliar o desempenho dos serviços de tokens e enfrentam dificuldades para escolher um provedor. As medições abordam esse problema prático ao separar vários aspectos do serviço que ficariam ocultos em um único indicador de preço ou velocidade.

As principais datas mostram como as mudanças ocorreram:

• Dezembro de 2025: referência para o aumento posterior de quase quatro vezes no consumo diário de tokens domésticos.
• Janeiro a agosto de 2026: período de monitoramento do relatório.
• Maio de 2026: o monitoramento incorporou novas versões das quatro famílias de modelos de código aberto.
• Junho de 2026: o consumo diário doméstico de tokens chegou a cerca de 500 trilhões.
• Agosto de 2026: a velocidade média de geração doméstica foi de 78,23 tokens por segundo.
• 23 de outubro de 2026: o relatório foi divulgado.

Preços sobem após dois anos de cortes

Os serviços de modelos domésticos entraram em 2026 após dois anos de concorrência por preços. O aumento de 6,8 yuans para 13,46 yuans representa um acréscimo de 6,66 yuans na medida de preços normalizada da CAICT, quase o dobro da média anterior.

Normalização significa converter diferentes estruturas de preços para uma base comum, de modo que possam ser comparadas. A quantidade faturada por trás dos valores em yuans citados não foi especificada, o que impede os clientes de converter diretamente a média do relatório no custo de uma solicitação específica.

Os modelos típicos lançados fora da China em 2026 tiveram uma média de cerca de 117,8 yuans na mesma medida normalizada. Isso equivale a aproximadamente 8,8 vezes a média doméstica de 13,46 yuans. A comparação descreve os grupos monitorados, mas os clientes ainda encontram preços específicos para cada modelo e plataforma.

As respostas chegam mais rápido depois que a geração começa

Em agosto, os modelos domésticos produziram, em média, 78,23 tokens por segundo, ante uma média de 38,25 em 2025. O aumento foi de cerca de 105%, ou seja, a velocidade de geração mais do que dobrou, ainda que por pouco.

Essa medida, conhecida como vazão ou tokens por segundo (TPS), indica a rapidez com que um serviço gera uma resposta. Um valor mais alto pode reduzir o tempo necessário para entregar uma resposta longa depois que a geração começa.

Em agosto, os modelos típicos de fora da China tiveram uma média de 112,82 tokens por segundo, cerca de 44% acima do número doméstico. A velocidade de geração deles também havia aumentado acentuadamente: passou de 51,35 tokens por segundo em dezembro de 2025, uma alta de aproximadamente 120%.

Os períodos de comparação são diferentes: o número doméstico é comparado à média de todo o ano de 2025, enquanto o número estrangeiro é comparado a dezembro. As duas séries mostram uma grande melhora na velocidade de geração, e os modelos estrangeiros monitorados mantiveram a média mais alta em agosto.

Por que a primeira resposta demora mais

Em agosto, os modelos domésticos levaram em média 1,26 segundo para produzir o primeiro token, ante 0,78 segundo em 2025. O aumento de 0,48 segundo equivale a cerca de 62%.

Esse período de espera é chamado de tempo até o primeiro token (TTFT). Para quem usa um chatbot, é a pausa entre o envio de uma solicitação e o início da resposta. A vazão mede a velocidade depois dessa pausa, por isso um serviço pode melhorar em uma medida e ficar mais lento na outra.

Os modelos estrangeiros típicos levaram em média 2,08 segundos para começar a responder em agosto, ante 1,04 segundo em abril. Portanto, em agosto, os modelos domésticos começaram a gerar respostas, em média, 0,82 segundo antes, embora a geração subsequente fosse mais lenta.

A CAICT atribui o aumento dos atrasos iniciais a várias mudanças simultâneas: modelos maiores, contextos mais longos e mais solicitações. Modelos maiores exigem mais capacidade computacional; contextos mais longos fornecem mais informações para processar; e o tráfego mais intenso exige mais do serviço.

Os modelos conseguem processar muito mais informação de uma só vez

Entre os modelos monitorados, 47,8% aceitavam janelas de contexto de 1 milhão de tokens. Uma parcela muito maior, de 95,7%, conseguia processar pelo menos 200 mil tokens, um aumento de mais de 76 pontos percentuais em relação ao fim de 2025.

Uma janela de contexto é a quantidade de informação com que um modelo pode trabalhar durante uma solicitação. Ela pode incluir instruções, conversas anteriores e documentos enviados para análise. Uma janela maior dá aos usuários mais espaço para fornecer informações de uma só vez, em vez de dividi-las em várias solicitações.

Os números mostram a rapidez com que contextos mais longos se disseminaram entre os modelos monitorados. Quase metade oferecia capacidade de 1 milhão de tokens, enquanto apenas 4,3% permaneciam abaixo de 200 mil. O aumento de mais de 76 pontos percentuais significa que, no fim de 2025, a parcela com suporte a pelo menos 200 mil tokens era inferior a 19,7%.

Para uma empresa que processa documentos extensos, essa capacidade ampliada muda o que cabe em uma única tarefa. Também ajuda a explicar por que o relatório examina a capacidade junto com o tempo de espera: um modelo pode estar processando muito mais informação antes que apareça a primeira resposta visível.

O mesmo modelo tem desempenho diferente em cada plataforma

Os serviços de DeepSeek, Qwen, GLM e Kimi apresentaram diferenças de vazão, tempo de resposta inicial e taxas de sucesso das solicitações conforme o provedor. Para o mesmo modelo, a diferença de velocidade de geração entre plataformas chegou perto de um fator de dois.

Alguns serviços de terceiros tiveram desempenho melhor do que as plataformas oficiais. A CAICT atribui a variação a diferenças na aceleração da inferência, nas estratégias de otimização e no controle de custos. Inferência é o processo computacional pelo qual um modelo treinado produz uma resposta; os provedores podem organizar e otimizar esse trabalho de maneiras diferentes.

As mudanças de versão também fizeram diferença. Em agosto, o DeepSeek-V4-Pro alcançou o dobro da vazão do DeepSeek-V3.2. Após as atualizações de maio, os modelos monitorados em geral tiveram um aumento inicial do tempo de espera, seguido por uma queda à medida que os provedores implementaram otimizações. Os atrasos voltaram gradualmente a níveis próximos dos registrados antes das atualizações.

Portanto, os clientes que escolhem um serviço precisam tomar duas decisões relacionadas: qual modelo usar e qual plataforma deve executá-lo. As conclusões do relatório mostram que o desempenho do provedor é um aspecto concreto dessa escolha.

O que as mudanças significam para os clientes

Uma empresa que compra acesso a IA agora encontra preços domésticos médios mais altos, além de geração mais rápida e janelas de contexto muito maiores. A comparação mais útil depende do trabalho: em uma conversa interativa, começar rapidamente é essencial, enquanto, na geração de uma resposta longa, a velocidade sustentada de geração tem mais peso.

Um serviço de análise de documentos pode precisar de uma janela de contexto grande, enquanto um aplicativo que processa solicitações recorrentes de clientes também depende de chamadas bem-sucedidas e desempenho estável. A CAICT inclui todas essas medidas porque cada uma afeta uma parte diferente da experiência do usuário.

O panorama geral do relatório é o de um mercado que cresce em volume e capacidade, mas fica mais caro segundo sua medida de preço normalizada. Os serviços domésticos mantiveram uma vantagem significativa de preço em relação aos modelos estrangeiros monitorados e começaram a responder mais rápido, em média, em agosto. Os modelos estrangeiros geraram tokens mais rapidamente depois que a resposta começou. Nos dois grupos, a espera crescente pelo primeiro token revela a pressão associada a modelos maiores e ao uso mais intenso.

Principais pontos

• A China consumiu cerca de 500 trilhões de tokens de IA por dia em junho de 2026, quase quatro vezes o nível de dezembro de 2025.
• Os preços domésticos normalizados subiram cerca de 98%, de 6,8 yuans para 13,46 yuans.
• A velocidade média de geração doméstica foi de 78,23 tokens por segundo em agosto, mais que o dobro da média de 2025.
• O tempo de espera doméstico pelo primeiro token aumentou de 0,78 segundo para 1,26 segundo.
• Cerca de 95,7% dos modelos monitorados aceitavam janelas de contexto de pelo menos 200 mil tokens.
• A velocidade de geração do mesmo modelo variou quase por um fator de dois entre plataformas, e alguns provedores de terceiros superaram os serviços oficiais.