Mais utilização de IA, preços mais altos e uma espera maior até ao início
O consumo diário de tokens de inteligência artificial na China atingiu cerca de 500 biliões em junho de 2026, quase quatro vezes o nível registado em dezembro de 2025, segundo a Academia Chinesa das Tecnologias da Informação e das Comunicações (CAICT). Os preços subiram a par da procura: o preço médio nacional, ajustado a uma base comum de comparação, aumentou de 6,8 yuan no segundo semestre de 2025 para 13,46 yuan em 2026, uma subida de cerca de 98%.
Índice
- Mais utilização de IA, preços mais altos e uma espera maior até ao início
- O que a China está a consumir a esta escala
- O que a monitorização analisou
- Os preços recuperam após dois anos de cortes
- As respostas chegam mais depressa depois de a geração começar
- Porque demora mais tempo a chegar a primeira resposta
- Os modelos conseguem processar muito mais informação de cada vez
- O mesmo modelo tem desempenhos diferentes consoante a plataforma
- O que estas mudanças significam para os clientes
- Principais pontos
O Relatório de Monitorização do Desempenho dos Serviços de Tokens de Modelos de Grande Dimensão da CAICT (2026), divulgado a 23 de outubro, regista também uma mudança que os utilizadores poderão notar diretamente. Em agosto, os modelos nacionais geraram texto cerca de duas vezes mais depressa do que a média de 2025, mas demoraram mais tempo a produzir o primeiro token. Depois de a resposta começar, chegava mais depressa; até começar, a espera era maior.
As conclusões reúnem um mercado em recuperação após dois anos de concorrência nos preços, um consumo em rápido crescimento e serviços capazes de processar quantidades muito maiores de informação. Mostram também por que motivo escolher um serviço de IA exige mais do que verificar o nome do modelo: diferentes plataformas que utilizavam o mesmo modelo apresentaram resultados substancialmente diferentes.
O que a China está a consumir a esta escala
Um token é uma pequena unidade de informação que um modelo de IA processa ou gera. Em texto, pode ser uma palavra, parte de uma palavra ou um sinal de pontuação. Os tokens permitem medir de forma comum o volume de trabalho tratado por um modelo, embora a relação entre tokens e palavras varie consoante as línguas e os sistemas.
O valor de cerca de 500 biliões de tokens por dia indicado pela CAICT descreve, por isso, o volume de atividade dos modelos. O aumento para quase quatro vezes o nível de dezembro de 2025 corresponde a um crescimento de aproximadamente 300%, fazendo com que o total de junho fosse quase quatro vezes superior ao registado anteriormente.
Há agora mais fornecedores a vender acesso através de plataformas de modelo como serviço, muitas vezes designadas pela sigla MaaS. Os clientes enviam pedidos através de uma interface de programação de aplicações (API) de nuvem pública, uma ligação que permite a um programa pedir a outro que execute uma tarefa. As empresas podem utilizar esta via para integrar IA nos seus produtos sem terem de operar elas próprias o modelo subjacente.
O que a monitorização analisou
O Instituto de Investigação em Inteligência Artificial da CAICT publicou o relatório em conjunto com o laboratório-chave do Ministério da Indústria e das Tecnologias da Informação para a avaliação de modelos de grande dimensão e de hardware e software, e com a Aliança da Indústria de Inteligência Artificial. A monitorização abrange o período de janeiro a agosto de 2026.
A avaliação analisa as taxas de sucesso dos pedidos, a velocidade de geração, o tempo de espera até ao início da resposta, a estabilidade, os preços e as janelas de contexto. Compara as plataformas oficiais dos modelos com serviços de terceiros que disponibilizam DeepSeek, Qwen, GLM e Kimi, quatro famílias de modelos de código aberto.
A CAICT afirma que os utilizadores não dispõem muitas vezes de uma forma simples de avaliar o desempenho dos serviços de tokens e têm dificuldade em escolher um fornecedor. As medições respondem a esse problema prático ao distinguir vários aspetos do serviço que um único valor de preço ou velocidade não permitiria perceber.
As principais datas mostram como as mudanças se desenrolaram:
- Dezembro de 2025: ponto de comparação para o aumento subsequente, para quase quatro vezes, do consumo diário nacional de tokens.
- Janeiro a agosto de 2026: período abrangido pela monitorização do relatório.
- Maio de 2026: a monitorização passou a incluir novas versões das quatro famílias de modelos de código aberto.
- Junho de 2026: o consumo diário nacional de tokens atingiu cerca de 500 biliões.
- Agosto de 2026: a velocidade média de geração nacional foi de 78,23 tokens por segundo.
- 23 de outubro de 2026: divulgação do relatório.
Os preços recuperam após dois anos de cortes
Os serviços nacionais de modelos entraram em 2026 depois de dois anos de concorrência nos preços. A subida de 6,8 yuan para 13,46 yuan representa mais 6,66 yuan na medida de preços normalizada da CAICT, quase duplicando a média anterior.
A normalização consiste em converter diferentes estruturas de preços para uma base comum, de modo a poderem ser comparadas. Não é especificada a quantidade faturada a que correspondem os valores em yuan citados, pelo que os clientes não conseguem converter diretamente a média do relatório no custo de um pedido específico.
Os modelos típicos lançados fora da China em 2026 registaram uma média de cerca de 117,8 yuan na mesma medida normalizada. Esse valor é aproximadamente 8,8 vezes superior à média nacional de 13,46 yuan. A comparação descreve os grupos monitorizados, mas os clientes continuam sujeitos aos preços específicos de cada modelo e plataforma.
As respostas chegam mais depressa depois de a geração começar
Em agosto, os modelos nacionais produziram uma média de 78,23 tokens por segundo, em comparação com uma média de 38,25 em 2025. O aumento foi de cerca de 105%, o que significa que a velocidade de geração mais do que duplicou ligeiramente.
Esta medida, conhecida como débito ou tokens por segundo (TPS), indica a rapidez com que um serviço gera uma resposta. Um valor mais elevado pode reduzir o tempo necessário para fornecer uma resposta longa depois de a geração começar.
Em agosto, os modelos típicos de fora da China registaram uma média de 112,82 tokens por segundo, cerca de 44% acima do valor nacional. A velocidade de geração também tinha aumentado acentuadamente, passando de 51,35 tokens por segundo em dezembro de 2025, uma subida de aproximadamente 120%.
Os períodos de comparação são diferentes: o valor nacional é comparado com a média de todo o ano de 2025, enquanto o valor estrangeiro é comparado com dezembro. Ambas as séries mostram uma grande melhoria na velocidade de geração, embora os modelos estrangeiros monitorizados tenham mantido uma média superior em agosto.
Porque demora mais tempo a chegar a primeira resposta
Em agosto, os modelos nacionais demoraram, em média, 1,26 segundos a produzir o primeiro token, contra 0,78 segundos em 2025. O aumento de 0,48 segundos corresponde a cerca de 62%.
Este período de espera chama-se tempo até ao primeiro token, ou TTFT. Para quem utiliza um chatbot, é a pausa entre o envio de um pedido e o início da resposta. O débito mede a velocidade após essa pausa, pelo que um serviço pode melhorar numa medida e, ao mesmo tempo, ficar mais lento na outra.
Em agosto, os modelos estrangeiros típicos demoraram, em média, 2,08 segundos a começar a responder, contra 1,04 segundos em abril. Assim, em agosto, os modelos nacionais começaram a gerar respostas, em média, 0,82 segundos mais cedo, apesar de a geração subsequente ser mais lenta.
A CAICT atribui o aumento dos atrasos iniciais a várias mudanças simultâneas: modelos maiores, contextos mais longos e mais pedidos. Os modelos maiores exigem mais capacidade de processamento; os contextos mais longos dão-lhes mais informação para processar; e um tráfego mais intenso aumenta a pressão sobre o serviço.
Os modelos conseguem processar muito mais informação de cada vez
Entre os modelos monitorizados, 47,8% suportavam janelas de contexto de 1 milhão de tokens. Uma proporção muito maior, 95,7%, conseguia processar pelo menos 200 000 tokens, um aumento superior a 76 pontos percentuais face ao final de 2025.
Uma janela de contexto é a quantidade de informação com que um modelo pode trabalhar durante um pedido. Pode incluir instruções, conversas anteriores e documentos enviados para análise. Uma janela maior permite aos utilizadores fornecer mais informação de uma só vez, em vez de a dividirem por pedidos separados.
Os valores mostram a rapidez com que os contextos mais longos se generalizaram entre os modelos monitorizados. Quase metade oferecia uma capacidade de 1 milhão de tokens, enquanto apenas 4,3% ficavam abaixo dos 200 000. O aumento superior a 76 pontos percentuais significa que, no final de 2025, a proporção de modelos que suportavam pelo menos 200 000 tokens era inferior a 19,7%.
Para uma empresa que processe documentos extensos, esta maior capacidade altera a quantidade de informação que cabe numa única tarefa. Ajuda também a explicar por que motivo o relatório analisa a capacidade em conjunto com o tempo de espera: um modelo pode estar a processar muito mais informação antes de surgir a primeira resposta visível.
O mesmo modelo tem desempenhos diferentes consoante a plataforma
Os serviços DeepSeek, Qwen, GLM e Kimi apresentaram diferenças no débito, no tempo de resposta inicial e nas taxas de sucesso dos pedidos, consoante o fornecedor. Para o mesmo modelo, a diferença na velocidade de geração entre plataformas aproximou-se de um fator de dois.
Alguns serviços de terceiros tiveram um desempenho superior ao das plataformas oficiais. A CAICT atribui esta variação a diferenças na aceleração da inferência, nas estratégias de otimização e no controlo dos custos. A inferência é o processo computacional através do qual um modelo treinado produz uma resposta; os fornecedores podem organizar e otimizar esse trabalho de formas diferentes.
As mudanças de versão também foram importantes. Em agosto, o DeepSeek-V4-Pro alcançou o dobro do débito do DeepSeek-V3.2. Após as atualizações de maio, os modelos monitorizados registaram, em geral, um aumento inicial do tempo de espera, seguido de uma redução à medida que os fornecedores introduziram otimizações. Os atrasos regressaram gradualmente a valores próximos dos anteriores às atualizações.
Assim, os clientes que escolhem um serviço têm duas decisões relacionadas: que modelo utilizar e que plataforma o deverá executar. As conclusões do relatório tornam o desempenho ao nível do fornecedor um elemento concreto dessa escolha.
O que estas mudanças significam para os clientes
Uma empresa que compre acesso a IA enfrenta agora preços médios nacionais mais elevados, a par de uma geração mais rápida e de janelas de contexto muito maiores. A comparação mais útil depende do trabalho: numa conversa interativa, é essencial começar a responder rapidamente, enquanto, para gerar uma resposta extensa, a velocidade de geração sustentada assume maior importância.
Um serviço de análise documental pode precisar de uma janela de contexto ampla, enquanto uma aplicação que trate pedidos repetidos de clientes também depende de chamadas bem-sucedidas e de um desempenho estável. A CAICT inclui todas estas medidas porque cada uma afeta uma parte diferente da experiência do utilizador.
O quadro geral traçado pelo relatório é o de um mercado em expansão, tanto em volume como em capacidades, mas mais caro segundo a medida de preços normalizada. Em agosto, os serviços nacionais mantiveram uma vantagem substancial de preço face aos modelos estrangeiros monitorizados e começaram a responder, em média, mais cedo. Os modelos estrangeiros geraram tokens mais depressa depois de a resposta começar. Em ambos os grupos, o aumento do tempo de espera até ao primeiro token evidencia a pressão associada a modelos maiores e a uma utilização mais intensa.
Principais pontos
- Em junho de 2026, a China consumiu cerca de 500 biliões de tokens de IA por dia, quase quatro vezes o nível de dezembro de 2025.
- Os preços nacionais normalizados subiram cerca de 98%, de 6,8 yuan para 13,46 yuan.
- Em agosto, a velocidade média de geração nacional foi de 78,23 tokens por segundo, mais do dobro da média de 2025.
- O tempo de espera nacional até ao primeiro token aumentou de 0,78 para 1,26 segundos.
- Cerca de 95,7% dos modelos monitorizados suportavam janelas de contexto de pelo menos 200 000 tokens.
- A velocidade de geração do mesmo modelo variava quase por um fator de dois entre plataformas, e alguns fornecedores terceiros superavam os serviços oficiais.
