Início 23/11Turma 3 ao vivo de Vibe Coding & Agentes de IA: 3 semanas, 9 aulas ao vivoTurma 3 (23/11) →

IA dos EUA cresceu 1,91 vez, mas os gastos subiram 6,19 vezes: retorno por dólar caiu 69%

O relatório da METR comparou o que a IA americana conquistou após outubro de 2025 e quanto custou essa evolução. As capacidades dos modelos cresceram 1,91 vez, enquanto os gastos com P&D subiram 6,19 vezes, como em uma fábrica que quase dobrou a produção com um orçamento seis vezes maior. O ganho por dólar caiu cerca de 69%, e o ganho por funcionário técnico por ano caiu 38%. Por enquanto, planejar produtos com a expectativa de saltos de qualidade baratos nos modelos é arriscado.

Processado por IA de TG: @bezsmuzi (Русский ИТ бизнес); editado por Hamidun News
IA dos EUA cresceu 1,91 vez, mas os gastos subiram 6,19 vezes: retorno por dólar caiu 69%
Fonte: TG: @bezsmuzi (Русский ИТ бизнес). Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalTG: @bezsmuzi (Русский ИТ бизнес) ↗
Editor-chefe
Capacidades de IA×1,91; gastos com P&D: ×6,19; equipe: ×3,10
Dado-chave #2Retorno por dólar caiu 69%; por funcionário por ano, 38%
Dado-chave #3Os economistas Garicano e Imas não veem evidências de autoaceleração da IA

Costuma-se pensar que a IA está prestes a começar a se aperfeiçoar sozinha: escreve código para o próximo modelo, conduz experimentos, e o progresso avança como uma avalanche. Um relatório recente da organização de pesquisa METR mostra um quadro mais pé no chão. Desde outubro de 2025, a IA americana de fato melhorou, mas cada avanço custa visivelmente mais caro.

O que a METR calculou e como interpretar esses números

A ideia é simples: comparar o que os laboratórios obtiveram com o que gastaram para isso. P&D são as pesquisas científicas e os trabalhos de desenvolvimento experimental, ou seja, tudo o que as empresas investem na criação de novos modelos: computação, dados, salários.

Depois de outubro de 2025:

  • as capacidades medidas da IA cresceram 1,91 vez;
  • os gastos com P&D cresceram 6,19 vezes;
  • o número de profissionais técnicos cresceu 3,10 vezes.

Ao dividir o resultado pelos custos, obtém-se: o ganho de capacidade por dólar investido caiu cerca de 69%, e o ganho por funcionário técnico por ano caiu 38%. É fácil verificar: 1,91 / 6,19 ≈ 0,31, ou seja, o retorno é cerca de um terço do anterior. E 1,91 / 3,10 ≈ 0,62, ou seja, uma queda de cerca de 38%.

Um exemplo prático. Imagine uma fábrica que quase dobrou a produção, mas, para isso, precisou aumentar o orçamento em seis vezes e contratar três vezes mais pessoas. Há mais produtos, mas cada real investido rende menos do que antes. Mais ou menos esse é o quadro que o relatório desenha para os laboratórios americanos.

Por que isso importa para as discussões sobre IA que se autoacelera

Em teoria, deveria acontecer o contrário. Se os modelos ajudam os pesquisadores, o progresso por unidade de custo deveria crescer: a IA acelera a pesquisa, a pesquisa torna a IA melhor, e a nova IA acelera ainda mais. É exatamente essa lógica que sustenta as previsões de "crescimento explosivo".

Os economistas Luis Garicano e Alex Imas ainda não veem, nos dados disponíveis, provas convincentes de que a IA gera por si mesma os recursos para a pesquisa. E essa é justamente a condição para um crescimento explosivo. Por enquanto, o progresso precisa ser pago com dinheiro, computação e pessoas, e cada vez mais caro.

Uma ressalva importante: os números da METR não dizem que o progresso parou. As capacidades quase dobraram. O ponto é que cada melhoria consome recursos desproporcionalmente maiores.

O que fazer, para desenvolvedores, product managers e fundadores

Primeiro. Não contem, no planejamento, com modelos que vão ficar infinitamente mais baratos e melhorar em saltos. Se o custo de cada melhoria cresce mais rápido que a própria melhoria, os laboratórios vão recuperar esses gastos por meio de preços, limites e foco nos segmentos mais rentáveis. Incluam no orçamento a possibilidade de aumento no preço das APIs.

Segundo. Construam uma arquitetura que não dependa de um único modelo. Se a próxima versão melhorar menos do que o prometido, vence quem sabe extrair o máximo das versões atuais: bons prompts, avaliação de qualidade com os próprios dados, gestão cuidadosa do contexto e as ferramentas certas.

Terceiro. Leiam previsões chamativas com cautela. A frase "a IA vai acelerar a si mesma" continua sendo uma hipótese, não um fato medido.

Limitações

O post original é um resumo breve do relatório. Ele não traz detalhes sobre como a METR mede "capacidades", quais modelos e laboratórios entraram no cálculo, nem como os gastos com P&D foram contabilizados. Essas decisões determinam o percentual final, e um único relatório, referente a um único período, não comprova uma tendência de longo prazo. A conclusão diz respeito à relação entre resultado e investimento, e não à velocidade absoluta com que novos modelos aparecem.

Por isso, é sensato tratar o relatório como um sinal de alerta e aguardar confirmação nos próximos períodos. Se ela vier, a discussão sobre IA precisará sair do campo das fantasias sobre crescimento em avalanche e migrar para o da economia: quem está disposto a pagar, e quanto, por cada próximo passo.

História

Perguntas frequentes sobre a notícia

O que a METR calculou e como interpretar esses números?

A ideia é simples: comparar o que os laboratórios obtiveram com o que gastaram para isso. P&D são as pesquisas científicas e os trabalhos de desenvolvimento experimental, ou seja, tudo o que as empresas investem na criação de novos modelos: computação, dados, salários. Depois de outubro de 2025: as capacidades medidas da IA cresceram 1,91 vez; os gastos com P&D cresceram 6,19 vezes; o número de profissionais técnicos cresceu 3,10 vezes.

Por que isso importa para as discussões sobre IA que se autoacelera?

Em teoria, deveria acontecer o contrário. Se os modelos ajudam os pesquisadores, o progresso por unidade de custo deveria crescer: a IA acelera a pesquisa, a pesquisa torna a IA melhor, e a nova IA acelera ainda mais. É exatamente essa lógica que sustenta as previsões de "crescimento explosivo". Os economistas Luis Garicano e Alex Imas ainda não veem, nos dados disponíveis, provas convincentes de que a IA gera por si mesma os recursos para a pesquisa. E essa é justamente a condição para um crescimento explosivo.

O que fazer, para desenvolvedores, product managers e fundadores?

Primeiro. Não contem, no planejamento, com modelos que vão ficar infinitamente mais baratos e melhorar em saltos. Se o custo de cada melhoria cresce mais rápido que a própria melhoria, os laboratórios vão recuperar esses gastos por meio de preços, limites e foco nos segmentos mais rentáveis. Incluam no orçamento a possibilidade de aumento no preço das APIs. Segundo. Construam uma arquitetura que não dependa de um único modelo.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…