Modelos chineses processaram cerca de 61,2 trilhões de tokens no OpenRouter entre 7 e 13 de setembro, quase três vezes os 21,8 trilhões atribuídos a modelos americanos no mesmo levantamento. Foi a vigésima semana consecutiva em que o volume agregado chinês ficou acima do americano na plataforma. A diferença chama atenção porque a liderança em uso não acompanha necessariamente a liderança em capacidade: modelos dos Estados Unidos continuam entre os mais fortes em avaliações de inteligência, enquanto opções chinesas ganharam espaço principalmente onde preço e eficiência pesam tanto quanto desempenho absoluto.
A distância abre uma questão mais importante do que a posição em um ranking: se um modelo não precisa ser o melhor para executar grande parte dos workloads de produção, quanto vale uma vantagem de benchmark diante de diferenças de várias vezes no custo por tarefa?
OpenRouter mostra uma disputa diferente da dos benchmarks
O levantamento da Yicai mostra que o OpenRouter processou 127 trilhões de tokens na semana de 7 a 13 de setembro. Modelos chineses responderam por 61,2 trilhões, ante 21,8 trilhões dos americanos considerados na comparação. Sete modelos chineses apareceram entre os dez de maior volume, contra apenas dois um ano antes.
Isso não significa que um modelo chinês tenha individualmente superado todos os concorrentes. O GPT-5.6 Luna, da OpenAI, foi o modelo isolado de maior volume naquele período, com 18,2 trilhões de tokens. O avanço chinês aparece principalmente na soma de Tencent, Z.AI, DeepSeek, Xiaomi e outros fornecedores, que passaram a ocupar várias posições simultaneamente entre os modelos mais utilizados.
Também é importante medir corretamente o que está sendo comparado. O ranking do OpenRouter contabiliza tokens de entrada e saída processados por sua API, e não quantidade de chamadas. Solicitações mantidas privadas são excluídas, e o próprio OpenRouter ressalta que o dado não representa número de usuários, requisições ou gasto. Tampouco inclui todo o tráfego feito diretamente nas APIs de OpenAI, Anthropic e Google ou em outras clouds e infraestruturas privadas.
O dado, portanto, não demonstra que modelos chineses são mais usados globalmente. Ele mostra algo mais específico: no mercado multicloud e multmodelo visível pelo OpenRouter, uma parcela crescente dos workloads está sendo direcionada para fornecedores chineses.
Quando o modelo já é bom o suficiente, o preço muda a decisão
A explicação econômica aparece quando desempenho e custo são analisados juntos.
A Artificial Analysis encontrou, em agosto, um contraste extremo no DeepSeek V4-Flash. O modelo custava em média cerca de US$ 0,03 por tarefa nos testes da empresa, contra US$ 1,86 para o GPT-5.6 Sol e US$ 3,15 para o Claude Fable 5. Naquele momento, o modelo da DeepSeek ficava atrás das opções mais fortes de OpenAI e Anthropic em inteligência, mas seu custo por tarefa era mais de cem vezes inferior ao do Claude usado na comparação.
A diferença não desaparece quando modelos com desempenho mais próximo são comparados. Na versão 4.3 do Intelligence Index da Artificial Analysis, o GLM-5.3 Flash alcançou a mesma pontuação de 42 do GPT-5.6 Terra em determinada configuração, mas apresentou custo médio de US$ 0,25 por tarefa, ante US$ 1,40 do modelo da OpenAI — cerca de 18% do custo.
Esse tipo de relação altera a matemática para aplicações que fazem milhares ou milhões de inferências. Uma diferença pequena de qualidade pode ser economicamente aceitável quando o workload envolve classificação, transformação de dados, extração, automações, etapas intermediárias de agentes ou tarefas de código que não exigem o modelo mais capaz disponível em todas as chamadas.
Nesse cenário, a pergunta deixa de ser apenas “qual modelo obtém a maior pontuação?” e passa a incluir quanto custa concluir a tarefa com qualidade suficiente.
Cache e agentes ampliam a importância da eficiência
O DeepSeek V4.1 Flash mostra como essa competição está migrando para componentes menos visíveis da inferência.
O modelo foi lançado em 10 de setembro com uma arquitetura de 552 bilhões de parâmetros, mas ativa apenas 8 bilhões deles durante a entrada e 16 bilhões na saída. A DeepSeek afirma também ter reduzido significativamente os requisitos de memória de seu KV cache, mecanismo utilizado para reutilizar contexto já processado.
No OpenRouter, provedores do V4.1 Flash oferecem cache reads por valores que chegam a cerca de US$ 0,006 por milhão de tokens. A Yicai relata que aproximadamente 90% do volume do modelo observado após o lançamento vinha justamente de leituras de cache.
Isso importa especialmente para agentes e workflows longos, nos quais grandes blocos de contexto podem ser reaproveitados repetidamente. Quanto maior o número de etapas executadas por uma aplicação, maior a possibilidade de que diferenças aparentemente pequenas no custo de uma única inferência se multipliquem na operação completa.
A competição, portanto, começa a sair do preço nominal por token e avançar para métricas como custo por tarefa, eficiência de cache, quantidade de computação necessária e preço total de execução de um workflow.
Liderança de capacidade continua relevante
A mudança não elimina a vantagem dos modelos de fronteira.
Nas avaliações mais recentes da Artificial Analysis, modelos de Anthropic e OpenAI continuam entre os sistemas de maior pontuação, embora concorrentes chineses já ocupem posições próximas e alguns resultados mudem rapidamente a cada nova versão. O próprio OpenRouter separa explicitamente seu ranking de utilização dos benchmarks de capacidade porque uma métrica não substitui a outra.
Há tarefas em que alguns pontos adicionais de desempenho podem valer muito mais que a economia obtida com um modelo mais barato: pesquisas complexas, coding agents avançados, problemas científicos, decisões com alto custo de erro e workflows nos quais uma falha inicial se propaga pelas etapas seguintes.
Por isso, o movimento observado no OpenRouter não indica que empresas abandonarão os modelos mais capazes. Ele abre espaço para uma arquitetura diferente: reservar modelos de fronteira para etapas que realmente exigem sua capacidade e direcionar tarefas mais simples ou repetitivas para modelos de menor custo.
Essa lógica favorece ambientes de roteamento, nos quais aplicações podem trocar de modelo conforme preço, latência e dificuldade da tarefa.
A pressão passa da inteligência absoluta para a economia de produção
A estratégia chinesa já começa a aparecer também nos resultados financeiros das empresas.
A Reuters Breakingviews observou que laboratórios chineses vêm competindo agressivamente em eficiência, preço e modelos open-weight. A Z.AI afirmou ter reduzido seu custo unitário de inferência em 80% desde o início do ano, enquanto a margem bruta de sua divisão de APIs chegou a 25% no primeiro semestre. Ao mesmo tempo, DeepSeek, Z.AI, Tencent e Alibaba somaram 45% do mercado observado pelo OpenRouter na semana encerrada em 14 de setembro.
O modelo econômico ainda tem limitações. Preços baixos comprimem margens, e laboratórios chineses continuam gastando pesadamente em pesquisa e infraestrutura. A mesma análise da Reuters mostra que Z.AI e MiniMax ainda investem em P&D valores elevados em relação às suas receitas. Ganhar volume, portanto, não garante por si só um negócio mais lucrativo.
Mas o crescimento do uso cria uma pressão competitiva diferente para OpenAI, Anthropic e Google. Elas não precisam apenas defender a liderança nos benchmarks; precisam demonstrar que o ganho adicional de capacidade justifica seu custo em workloads nos quais alternativas mais baratas já atingem o nível necessário.
O próximo sinal será o custo por tarefa, não apenas o próximo benchmark
O OpenRouter continua sendo apenas uma janela do mercado, e uma janela particularmente favorável à comparação entre vários provedores. A confirmação de uma mudança estrutural dependerá de sinais além dessa plataforma.
Entre os mais relevantes estarão a adoção de modelos chineses em workflows empresariais, a evolução de preços das APIs americanas, o crescimento de sistemas que roteiam automaticamente tarefas entre modelos e, principalmente, a capacidade das empresas chinesas de transformar grande volume de inferência em margens sustentáveis.
Os benchmarks continuarão importantes para medir a fronteira técnica. Mas os dados recentes mostram que liderar a fronteira e capturar o maior volume de trabalho já não são necessariamente a mesma competição.
