Nas empresas, a fidelidade aos modelos de IA dura apenas algumas semanas

Nas empresas, a fidelidade aos modelos de IA dura apenas algumas semanas
4 min de leitura

Um modelo de IA pode ganhar a preferência das empresas em poucas semanas, enquanto outro perde quase toda a sua quota. É o que mostra o Databricks AI Index, um painel público atualizado semanalmente. Baseia-se no tráfego da Unity Gateway, a passarela pela qual os clientes da Databricks acedem aos modelos de IA, e num benchmark interno de agentes de código. Estes números descrevem os usos dos clientes da Databricks, e não o mercado no seu todo.

Um novo modelo pode impor-se em poucas semanas

Desde maio de 2026, um novo modelo de referência surge aproximadamente a cada semana, de acordo com a contagem da Databricks. A meio do ano, a maioria dos clientes apoiava-se sobretudo num punhado de modelos da Anthropic. A OpenAI ganhou depois terreno com o GPT-6 Sol e o Astra, antes de o lançamento do Claude Opus 5.5, no final de setembro, devolver a vantagem à Anthropic.

Em seis semanas, o Claude Opus 5.5 passou de 7,2% para 38% dos tokens consumidos nos modelos proprietários, tornando-se no modelo principal da passarela. No mesmo período, o Claude Fable 5.1, apesar de liderar o benchmark de código da editora, caiu de 5,5% para 0,6%. «A qualidade dos modelos continua a influenciar fortemente as quotas de mercado dos fornecedores», observa a Databricks. O token, unidade de texto processada por um modelo e na qual se baseia a sua faturação, serve aqui como medida de uso.

A Databricks afirma aplicar a mesma lógica internamente, avaliando cada novo modelo nos dias seguintes ao seu lançamento. A empresa acabou por desistir de passar do Opus 4.8 para o Opus 5, por falta de um ganho suficiente para os seus usos face ao custo adicional. Por outro lado, tornou o Opus 5.5 no modelo padrão do Claude Code, após medir um custo por sessão 29% inferior ao do seu antecessor.

As empresas terão, no entanto, multiplicado os fornecedores? Segundo a Databricks, cerca de 64% dos seus clientes recorriam apenas a um único fornecedor de modelos em julho, contra 28% a 2 de novembro. O indicador é cumulativo: conta todos os fornecedores utilizados por uma empresa desde 20 de julho. O ponto de julho refere-se portanto a uma semana de uso, o de novembro a mais de três meses. Mede a quota de empresas que experimentaram vários fornecedores, sem dizer se os utilizam em paralelo.

O modelo mais adotado não é o mais económico

O benchmark do índice submete modelos de nove laboratórios a tarefas extraídas do trabalho dos próprios desenvolvedores da Databricks, medindo depois a sua taxa de sucesso e o custo médio por tarefa. A níveis próximos, as diferenças de custo são significativas. O GPT-6 Luna e o Claude Opus 5.5 conseguem ambos 89% das tarefas, mas o Luna custa em média 0,05 dólares por tarefa, contra 1,62 dólares para o Opus 5.5, ou seja, cerca de 32 vezes menos.

O Gemini 3.8 Flash apresenta um preço por token baixo, mas precisa em média de 140 trocas por tarefa, para uma fatura de 11,97 dólares, uma das mais elevadas do benchmark. O Claude Fable 5.1 lidera com 96% de sucesso, por 7,47 dólares por tarefa. O Muse Wonder, da Meta, atinge 95% por 1,53 dólares, ou seja, segundo o índice, cerca de cinco vezes mais barato.

Os modelos não precisam do mesmo volume de trabalho para concluir. «Preços por token mais baixos não garantem custos mais reduzidos» quando um modelo tem de fazer mais para levar uma tarefa a bom porto, resume a editora. A Databricks, que vende uma ferramenta de encaminhamento automático entre modelos, aconselha a reservar os mais caros para tarefas complexas.

Os modelos open weight ganham terreno

O índice regista também a ascensão dos modelos open weight, cujos pesos são publicados e que qualquer um pode alojar. Nos modelos servidos diretamente pela Databricks, a sua quota de tokens passou de 7,3% em julho para 31% no início de novembro. Este perímetro exclui o tráfego encaminhado para a Anthropic ou OpenAI. O progresso concentrou-se entre julho e o final de setembro, e a quota estabilizou desde então.

Os fornecedores open weight detalhados pelo índice, Zhipu, DeepSeek e Moonshot AI, são todos chineses. Três modelos open weight figuram no top 10 do benchmark de código, incluindo o DeepSeek V4.1 Flash e o GLM 5.3, empatados no terceiro lugar com 93% de sucesso. Do lado europeu, a Mistral AI publicou a 29 de outubro os pesos do Mistral Large 4 no Hugging Face, mas este modelo não figura entre as famílias registadas pelo índice.

O índice é publicado pela Databricks, sem instituto terceiro. Agrega o uso anonimizado de mais de 10.000 empresas clientes, desde startups digitais a grupos da Fortune 500. Os dados de uso cobrem o período de 20 de julho a 2 de novembro de 2026, e o benchmark de código está atualizado até 10 de novembro.

S’abonner
Notification pour
guest

0 Commentaires
Le plus ancien
Le plus récent Le plus populaire
0
Nous aimerions avoir votre avis, veuillez laisser un commentaire.x