OpenAI e Anthropic calculam receita de formas diferentes, e as avaliações das empresas perdem precisão
A Bloomberg informa que OpenAI e Anthropic calculam de maneira diferente a receita em que os investidores se baseiam para avaliar as empresas. Ambas são privadas, não publicam balanços no padrão GAAP e divulgam os números por conta própria, de forma seletiva. Por causa da metodologia distinta, os indicadores não podem ser comparados diretamente. A divergência rapidamente vira diferença de avaliação, porque a base é multiplicada por um múltiplo alto. • A métrica é calculada de formas diferentes, e a comparação direta não é correta • As causas podem estar na receita bruta ou líquida, no período de extrapolação e na composição dos produtos • Investidores precisam de definições únicas antes das próximas rodadas
Processado por IA de Bloomberg Tech; editado por Hamidun News
As duas maiores desenvolvedoras independentes de modelos de fronteira, OpenAI e Anthropic, calculam de maneira diferente o mesmo indicador de receita, um dos mais acompanhados do setor. É nele que os investidores se apoiam para decidir qual das empresas vale mais e quantas vezes mais. A informação é da Bloomberg. Ambas continuam privadas e não publicam balanços auditados para o mercado. Os números chegam ao público por meio de declarações das próprias empresas e de vazamentos, e não existe um padrão único de cálculo.
A reportagem da Bloomberg, na versão a que tivemos acesso, é curta. Ela não traz valores concretos nem detalhes das metodologias, por isso o texto abaixo trata da mecânica do problema, e não de números exatos.
Por que a mesma palavra esconde números diferentes
Receita no mundo dos laboratórios de IA não é uma grandeza tão simples quanto parece. O que mais a altera são algumas decisões sobre o que contabilizar e como. As divergências costumam surgir nestes pontos:
- Receita bruta ou líquida. Parte das vendas de modelos passa por parceiros de nuvem. É possível contar todo o valor pago pelo cliente ou apenas a fatia que sobra com a desenvolvedora depois do acerto com a nuvem.
- Período de extrapolação. A estimativa anual sai de multiplicar um mês por 12, uma semana por 52 ou até um pico curto projetado para um ano inteiro. Com crescimento rápido, a diferença entre esses métodos fica evidente.
- Composição dos produtos. O indicador pode incluir API, assinaturas de consumidores, planos corporativos e acordos de licenciamento, ou pode incluir só parte deles.
- Descontos e créditos. Créditos gratuitos, pilotos e condições especiais aparecem de formas distintas no número final.
- Contratos com compromissos. Volumes pré-pagos e acordos plurianuais podem ser contabilizados no momento do pagamento ou conforme o cronograma de reconhecimento.
Cada uma dessas escolhas, isoladamente, é defensável. Somadas, resultam em dois números com o mesmo rótulo que não podem ser postos lado a lado.
Como a diferença de metodologia vira diferença de avaliação
Para empresas de crescimento rápido, a avaliação quase sempre sai de um múltiplo aplicado à receita. O erro na base é ampliado junto com o múltiplo. Um exemplo hipotético: se um dos participantes superestima a base em 10% em relação ao outro, com um múltiplo de 30 vezes a diferença na avaliação será ainda maior do que parece à primeira vista e, em dólares absolutos, muito grande. Num mercado em que rodadas de dezenas de bilhões são fechadas, essa imprecisão afeta dinheiro de verdade.
Há também o outro lado. As duas empresas captam capital o tempo todo, fecham acordos de nuvem e discutem prazos para abrir capital. Qualquer indicador de crescimento vira argumento nas negociações. Quando as metodologias diferem, cada parte fica tentada a escolher, para a comparação, a que parece mais favorável.
Vale considerar ainda que as duas empresas dependem de gigantes de nuvem. Uma parte significativa da distribuição passa por eles, e é justamente aí que a questão da receita bruta versus líquida se torna mais aguda.
Como ler esses números
Enquanto não houver um padrão, uma disciplina simples ajuda. Antes de qualquer comparação, convém descobrir qual receita foi citada: bruta ou líquida, realizada no calendário ou extrapolada, com ou sem assinaturas de consumidores. As declarações das empresas sobre "receita anual" são melhor entendidas como referência, e não como um fato extraído de um balanço.
Para investidores e clientes corporativos, é mais útil observar sinais duráveis: a evolução dos contratos corporativos, a parcela de receita recorrente e a dependência de um único parceiro de nuvem. Esses dados são mais difíceis de ajustar a uma métrica conveniente.
Quando uma das empresas abrir capital, ela terá de divulgar a receita segundo as regras do regulador, e então a comparação será justa. Até lá, qualquer tabela "OpenAI contra Anthropic" deve ser lida com ressalva: à esquerda e à direita, podem estar grandezas diferentes.
- 25 de out. de 2026Devin passa a aceitar login com ChatGPT: Fusion com Astra custa 39% menos
- 25 de out. de 2026Meta lança seu primeiro modelo de fronteira: Muse Wonder e Muse Wonder Full
- 25 de out. de 2026Três pesquisadores de segurança demitidos da OpenAI negam acusações de vazamento
- 25 de out. de 2026OpenAI publica 700+ manuscritos de IA sobre problemas em aberto, e matemáticos ficam em choque
Perguntas frequentes sobre a notícia
Por que a mesma palavra esconde números diferentes?
Receita no mundo dos laboratórios de IA não é uma grandeza tão simples quanto parece. O que mais a altera são algumas decisões sobre o que contabilizar e como. As divergências costumam surgir nestes pontos: Receita bruta ou líquida. Parte das vendas de modelos passa por parceiros de nuvem. É possível contar todo o valor pago pelo cliente ou apenas a fatia que sobra com a desenvolvedora depois do acerto com a nuvem. Período de extrapolação. A estimativa anual sai de multiplicar um mês por 12, uma semana por 52 ou até um pico curto projetado para um ano inteiro. Com crescimen
Como a diferença de metodologia vira diferença de avaliação?
Para empresas de crescimento rápido, a avaliação quase sempre sai de um múltiplo aplicado à receita. O erro na base é ampliado junto com o múltiplo. Um exemplo hipotético: se um dos participantes superestima a base em 10% em relação ao outro, com um múltiplo de 30 vezes a diferença na avaliação será ainda maior do que parece à primeira vista e, em dólares absolutos, muito grande. Num mercado em que rodadas de dezenas de bilhões são fechadas, essa imprecisão afeta dinheiro de verdade. Há também o outro lado. As duas empresas captam capital o tempo todo, fecham acordos de nuv
Como ler esses números?
Enquanto não houver um padrão, uma disciplina simples ajuda. Antes de qualquer comparação, convém descobrir qual receita foi citada: bruta ou líquida, realizada no calendário ou extrapolada, com ou sem assinaturas de consumidores. As declarações das empresas sobre "receita anual" são melhor entendidas como referência, e não como um fato extraído de um balanço. Para investidores e clientes corporativos, é mais útil observar sinais duráveis: a evolução dos contratos corporativos, a parcela de receita recorrente e a dependência de um único parceiro de nuvem. Esses dados são ma
Access Frontier LLMs & Multimodal AI in One Workspace
Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.