O custo invisível do agente: 15x mais tokens por tarefa
A conta que todo gestor precisa fazer antes de automatizar qualquer fluxo com IA mudou. Não é mais sobre “quanto custa uma mensagem”. É sobre “quanto custa concluir uma tarefa”. E a diferença entre esses dois números é brutal.
Dados da OpenRouter mostram que um workload agêntico consome 15x mais tokens do que uma simples requisição de chat. Traduzindo: quando você pede ao ChatGPT um resumo, ele gasta X tokens. Quando você delega a um agente a missão de “pesquisar uma empresa para uma decisão de investimento”, ele consulta bases financeiras, busca notícias, aciona um sub-agente para comparar concorrentes, modela valuations e só então sintetiza uma recomendação. Cada etapa acumula tokens que viram entrada para a próxima etapa.
Para o empreendedor, isso significa um problema real de ROI. A promessa dos agentes é linda no papel — delegação, autonomia, produtividade —, mas a fatura chega em forma de consumo de API. Quem já tentou rodar uma pesquisa de mercado com agente sabe: o custo por entrega é alto demais para escala.
É exatamente essa conta que a NVIDIA acaba de atacar. E o número que ela traz não é incremental — é uma mudança de patamar.
O salto de eficiência: 30x mais trabalho, 35x token mais barato
A NVIDIA anunciou que sua nova plataforma Vera Rubin NVL72 entrega até 30x maior throughput por megawatt em workloads agênticos comparado ao GB300 NVL72, sua geração atual. E o custo por milhão de tokens cai até 35x.
Esses números foram medidos com o workload AgentX da SemiAnalysis, que usa trajetórias reais de codificação agêntica — com crescimento de contexto, chamadas de ferramentas e spawn de sub-agentes preservados. Não é benchmark sintético de laboratório. É a representação do que acontece quando um agente realmente trabalha.
Vou traduzir o que isso significa em linguagem de negócio.
Antes: você queria um agente que fizesse análise de concorrência para 50 clientes por mês. O custo de tokens inviabilizava o serviço — ou a margem ia para zero.
Depois: o mesmo agente, operando na nova infraestrutura, custa uma fração do que custava. A diferença entre 30x e 35x de redução é a diferença entre “não vale a pena” e “é o novo padrão do mercado”.
O detalhe que importa para quem não é engenheiro: throughput por megawatt é a métrica que define o custo de produção de cada token. Datacenters pagam energia. Energia vira tokens. Tokens viram tarefas concluídas. Se você produz 30x mais tarefas com a mesma energia, o custo por tarefa despenca na mesma proporção.
Para pequenas e médias empresas, o efeito prático é: automação agêntica sai da categoria “luxo para enterprise” e entra na categoria “ferramenta de sobrevivência competitiva”.
O que muda na sua conta de ROI (e no que você deve precificar)
Quando o custo por token despenca 35x, a lógica de precificação do seu serviço muda. Se você oferece consultoria, pesquisa de mercado ou produção de conteúdo, o valor que você cobra não deveria estar ancorado na execução — que fica barata —, mas na curadoria e no critério que você aplica sobre o resultado do agente.
Três consequências práticas para quem vende e produz:
-
Pesquisa de mercado que era inviável vira serviço recorrente. O custo de rodar um agente que monitora concorrentes, preços e movimentações do setor semanalmente — em vez de trimestralmente — cai a ponto de virar assinatura.
-
A barreira de entrada para automação cai para times pequenos. Você não precisa mais de time de engenharia para otimizar cada chamada de API. A infraestrutura faz o trabalho pesado. A decisão vira de produto, não de tecnologia.
-
O custo por entrega se torna previsível. Com tokens custando 35x menos, o risco de estourar orçamento de API num cliente que exigiu muitas iterações diminui drasticamente. Isso muda seu modelo de precificação — você pode cobrar fixo sem medo de margem negativa.
O artigo da NVIDIA também aponta que a plataforma agora permite rodar agentes continuamente, em escala, sem quebrar a conta de energia. O gargalo deixa de ser o custo do token e passa a ser sua capacidade de desenhar bons fluxos de trabalho.
A infraestrutura que viabiliza a corrida (os bastidores que importam)
Vale entender os mecanismos que a NVIDIA usa para chegar nesses números — não pelo detalhe técnico, mas porque eles determinam se a promessa é real ou marketing.
Disaggregated serving separa o processamento de contexto (prefill) da geração de resposta (decode). Em agentes, o contexto cresce a cada passo — o agente que pesquisa uma empresa vai acumulando dados. Separar essas duas fases permite escalar cada uma independentemente. É como separar a cozinha do salão num restaurante: cada área otimiza seu próprio fluxo.
KV-aware routing direciona novas requisições para GPUs que já têm o contexto relevante em cache. Isso elimina o retrabalho de reprocessar toda a história da conversa a cada novo passo. Em sessões longas de agente, isso é um dos maiores geradores de eficiência.
NVFP4 quantization comprime os pesos dos modelos para precisão de 4 bits, reduzindo a memória necessária e aumentando o throughput sem sacrificar qualidade de saída. É a diferença entre carregar uma mala cheia e uma mala compactada a vácuo — mesma roupa, metade do volume.
Estes são os mecanismos que sustentam a promessa de rodar agentes “no piloto automático” sem drenar o caixa. E a arquitetura NVL72 — com NVLink de sexta geração entregando 10x mais taxa de pacotes e 3x menor latência que alternativas Ethernet — é o que permite que essas técnicas funcionem em escala.
Um ponto que o artigo levanta e merece atenção: os resultados ainda estão pendentes de revisão da SemiAnalysis, e não refletem ainda o desempenho da CPU Vera para chamadas de ferramentas. Ou seja, o número de 30x é a régua inicial — a NVIDIA afirma que otimizações de software contínuas devem melhorar o desempenho tanto do Vera Rubin quanto do GB300. A direção é clara: a eficiência vai continuar subindo.
Por que isso importa para quem vende e cria conteúdo
O mercado de IA para negócios está cheio de ferramentas que prometem autonomia. A realidade é que o custo de infraestrutura sempre foi o limite invisível da adoção. Cada avanço da NVIDIA nessa frente remove uma barreira concreta — e o efeito aparece em forma de serviços que se tornam comercialmente viáveis.
Para o profissional de marketing que quer usar agentes para:
- Monitorar menções de marca e sentimentos em tempo real
- Gerar drafts de conteúdo a partir de pesquisa profunda de concorrentes
- Analisar dados de vendas e produzir relatórios de performance automaticamente
A pergunta deixa de ser “será que o custo de API inviabiliza?” e passa a ser “qual fluxo eu desenho primeiro?”
A infraestrutura que sustenta a IA está se tornando commodity — e isso é a melhor notícia possível para quem quer usar a tecnologia como ferramenta de trabalho, não como brinquedo. O cenário que se desenha: agentes que custam 35x menos por token viram o equivalente à chegada do cloud computing para empresas que só conheciam servidor próprio. A conta que não fechava ontem, fecha hoje.
A pergunta que fica para o seu negócio não é se agentes vão ficar baratos o suficiente. A pergunta é: quando o custo despencar para todos, qual será a sua vantagem competitiva? Porque a tecnologia nivela o ponto de partida — mas quem define o diferencial é o critério, o desenho do fluxo e a qualidade da curadoria aplicada sobre a produção automatizada.
O que observar daqui para frente
O anúncio da NVIDIA aponta para um futuro onde a execução automatizada é praticamente gratuita. O valor migra para quem sabe orquestrar — quem define quais dados o agente consulta, quais critérios ele aplica e como o resultado se transforma em ação de negócio.
Se a promessa se confirmar na prática — e todos os precedentes da NVIDIA indicam que sim —, o mercado de serviços de marketing e pesquisa vai passar por uma recomposição de preços. Serviços que cobravam caro por execução manuais precisarão se reposicionar para cobrar pelo resultado e pelo critério. Serviços que eram inviáveis por custo de execução entram no mercado.
Para o empreendedor, o momento é de desenhar os fluxos agênticos antes que a queda de custo seja percebida pelos concorrentes. Porque quando todo mundo tiver acesso a agentes que trabalham 30x mais pelo mesmo preço, a disputa não será sobre a ferramenta — será sobre quem usa a ferramenta com mais inteligência.
A infraestrutura está pronta. O custo está caindo. A única variável que continua sendo exclusivamente sua é o julgamento.
