Modelos de pesos abertos ampliam participação e pressionam preços
Mudança na participação
Gavin Baker afirma que a participação de modelos de código aberto no consumo de tokens da Vercel subiu de 28% para 62% nos dois meses anteriores a 23 de agosto. Segundo ele, esse avanço ocorreu enquanto o uso combinado de OpenAI e Anthropic também acelerou em julho, o que indicaria que a demanda total por tokens e infraestrutura de IA cresceu ainda mais do que a expansão observada entre os modelos de fronteira.
Baker considera o resultado especialmente relevante porque sugere que os modelos abertos estão conquistando participação de mercado sem necessariamente reduzir a demanda por computação. Ele também suspeita que Grok esteja crescendo ainda mais rapidamente que os modelos de código aberto e diz que dados da Ramp apontariam para parte desse movimento, embora não apresente números detalhados nem trate essa suspeita como uma conclusão comprovada.
Pressão sobre as margens e a infraestrutura
A tese central é que a expansão do código aberto tende a pressionar as margens no nível dos modelos, mas pode ser positiva para a infraestrutura de IA. Um token produzido por um modelo aberto exige, segundo Baker, essencialmente tanto poder computacional quanto um token produzido por um modelo de fronteira. Portanto, o fato de o modelo ser aberto não torna a inferência gratuita: a execução continua consumindo computação.
Nessa leitura, a competição entre modelos pode deslocar valor econômico da camada de modelos para a infraestrutura necessária para treiná-los e executá-los. O autor não apresenta uma estimativa quantitativa desse efeito, mas o relaciona ao crescimento simultâneo do uso de modelos abertos e dos modelos fechados mencionados.
Possível configuração do mercado
Baker projeta, em sua opinião, que o estado final mais provável será um mercado no qual tokens de modelos fechados e de fronteira concentrem entre 60% e 90% do valor econômico, embora representem apenas 15% a 25% do total de tokens. A formulação é uma previsão, não uma descrição de um resultado já observado.
Assim, a tese não é que os modelos abertos substituirão completamente os modelos de fronteira. Eles poderiam capturar a maior parte do volume de uso, enquanto modelos fechados manteriam uma parcela desproporcional do valor econômico. A publicação sustenta que essa divisão, combinada à pressão sobre preços e margens na camada de modelos, pode ampliar - e não reduzir - a demanda por computação de IA.