Essas taxas de tendência são previsões?

Não. São estimativas publicadas ao longo de janelas históricas definidas e não devem ser tratadas como taxas futuras garantidas.

O que os dados de modelos do TokenLab acrescentam?

Mostra a disponibilidade atual dos modelos, categorias e unidades de precificação. Estudos externos explicam o movimento mais amplo do mercado.

Por que fontes diferentes discordam?

Elas medem amostras diferentes: relatórios públicos, tráfego de plataforma, testes de benchmark, pesquisas e dados de modelos. Mantê-las separadas torna as comparações mais claras.

Relatórios de Modelos de IA

Relatório de Tendências da Indústria de Modelos de IA

Escala de modelos, custo de treinamento, tamanho do contexto, gastos corporativos e composição atual do mercado de modelos.

Crescimento da computação de treinamento

Epoch AI

4.5x/yr

taxa de crescimento

A computação usada para treinar modelos de IA notáveis aumentou rapidamente desde 2010.

Crescimento do custo de treinamento de fronteira

Epoch AI

3.5x/yr

taxa de crescimento

A Epoch estima que o custo de treinamento de modelos de linguagem de fronteira aumentou rapidamente desde 2020.

Crescimento da janela de contexto

Epoch AI

30x/yr

taxa de crescimento

As janelas de contexto se expandiram extremamente rápido desde 2023.

Crescimento dos gastos corporativos

Menlo Ventures

3.2x YoY

crescimento

Os gastos corporativos estimados com GenAI cresceram de US$ 11,5 bilhões em 2024 para US$ 37 bilhões em 2025.

Indicadores de tendência do setor

Sinais obtidos externamente sobre escala, tamanho do contexto, gastos corporativos, tamanho de estudos de uso e adoção organizacional.

4.5x/yr

Crescimento da computação de treinamento

3.5x/yr

Crescimento do custo de treinamento de fronteira

30x/yr

Crescimento da janela de contexto

$37B

Gastos corporativos com GenAI

3.2x YoY

Crescimento dos gastos corporativos

100T tokens

Estudo de uso da OpenRouter

88%

Adoção organizacional de IA

320x YoY

Crescimento de tokens de raciocínio

A escala ainda é o centro de gravidade, mas a economia da inferência está mudando mais rápido do que as listas de modelos brutos.

Epoch, Stanford e Artificial Analysis apontam para um mercado onde computação, janelas de contexto, preço, latência e qualidade devem ser lidos em conjunto. Nomes de modelos raramente explicam a adequação por si sós.

Fonte: Trends in Artificial Intelligence / 2026 AI Index Report / Models: Intelligence, Performance & Price

O uso real está fragmentado entre superfícies de consumo, corporativas, de desenvolvedores e agregadores.

OpenRouter, OpenAI Signals e Anthropic Economic Index revelam, cada um, uma fatia diferente da adoção. Leia a amostra e a janela de relatório antes de comparar os números.

Fonte: State of AI: 100T Token Study / Signals Consumer Data / Anthropic Economic Index

Os gastos estão migrando de experimentos para aplicações, mas as classificações de fornecedores não são estáveis o suficiente para serem congeladas.

Menlo e a16z mostram que a adoção e os gastos estão mudando rapidamente. Links de fontes datadas importam mais do que alegações de vencedores permanentes.

Fonte: State of Generative AI in the Enterprise / Top 100 Gen AI Consumer Apps

Benchmarks são mais úteis quando o gráfico explica o que foi medido.

Artificial Analysis e Arena expõem sinais de classificação, mas a combinação de tarefas, premissas de preços e design da amostra alteram a forma como essas classificações devem ser lidas.

Fonte: Models: Intelligence, Performance & Price / Arena Leaderboard