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
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.
- 24 de jul. de 2026JudgeGPT ajudou juízes paquistaneses a reduzir o acúmulo de processos: +6,3% e retorno de US$ 38,50 por dólar
- 12 de out. de 2026QualCom aumentou receita em 5,4% para 891 milhões de rublos, mas perdeu 16% do lucro
- 28 de out. de 2026A Microsoft recebeu US$ 10 bi da OpenAI em um trimestre — quase 11% de toda a receita
- 21 de nov. de 2026Parcha lança o AgentRun: revisão de código cai de US$ 1 para 18 centos por verificação
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.
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.
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.