Open-weight models assumem 56% do volume de tokens no AI Gateway da Vercel pela primeira vez

Em agosto de 2026, modelos open-weight processaram 56% de todos os tokens roteados pelo AI Gateway da Vercel, assumindo pela primeira vez a maioria do volume, segundo o Production Index de setembro. Em dezembro de 2025, representavam menos de um em cada dez tokens; oito meses depois, já moviam mais volume do que todos os modelos closed-weight combinados.

A virada do custo por token

A adoção de modelos abertos ajudou a derrubar o preço médio por token. O custo caiu 23,2% em agosto, a terceira queda mensal consecutiva e a mais acentuada desde abril. Entre equipes que rodaram mais de dez milhões de tokens nos dois meses, a mediana pagou 7,6% menos por token, mais que o dobro da queda de 2,9% de julho.

Com isso, times obtêm mais inferência do mesmo orçamento e reservam modelos frontier para tarefas que justificam o prêmio.

Anthropic retém gasto trocando Fable por Opus

Em agosto, o share de gasto do Fable 5 no gateway caiu para 4,9%, enquanto o do Opus 5 subiu para 22,5%. O Fable 5 havia saltado para 13,2% após a suspensão do controle de exportação dos EUA em 1º de julho; o Opus 5 entrou em operação no fim daquele mês.

Nove em cada dez equipes que rodavam Fable cortaram uso, e mais workloads migraram para o Opus 5 do que para qualquer outro modelo. O Opus custa cerca de metade do preço por token do Fable, e a capacidade extra do Fable não justificou o dobro do custo para a maioria.

Apesar da queda do Fable, a Anthropic manteve 64 centavos de cada dólar gasto no gateway em agosto e pelo menos 61 centavos em todos os meses desde dezembro. Seus modelos ocuparam as duas primeiras posições de gasto todos os meses do período.

Astra supera Fable 5.1 no lançamento

O GPT-6 Astra entrou no AI Gateway em 3 de setembro, dois dias depois do Fable 5.1, com o mesmo preço e 2,5 vezes o custo do GPT-5.6 Sol. Em até 48 horas, passou a responder por um em cada três dólares gastos em modelos OpenAI, com share entre 28% e 39% desde então.

Nos primeiros doze dias de cada modelo, o Astra capturou 7,7% de todo o gasto do gateway, contra 3,7% do Fable 5.1, e foi usado por duas vezes mais equipes. Entre 4 e 16 de setembro, Astra e Sol processaram 27% dos tokens da OpenAI, mas concentraram 71% do gasto; Luna e Nano processaram mais que o dobro de tokens por cerca de um nono do custo.

Gemini 3 Flash perde share e Google cai para 5% do volume

O Gemini 3 Flash perdeu 95% do share de tokens no gateway desde maio. Mais de três quartos do volume perdido foram para modelos de outros laboratórios, incluindo OpenAI, Anthropic e DeepSeek.

Cerca de metade desse volume foi para modelos mais baratos, liderados pelo GPT-5.6 Luna, que custa menos da metade do preço por token. A outra metade foi para modelos mais caros, liderados por Claude Opus 5 e Sonnet 5, respectivamente cerca de nove e três vezes o preço do Gemini 3 Flash. No período, o share de volume do Google caiu de 30% para 5%; desses 25 pontos perdidos, 22 vieram do Gemini 3 Flash.

A lealdade ao laboratório segue o perfil do modelo, não a marca. Quando o modelo novo preserva o que o anterior entregava, o laboratório retém clientes; quando não, o volume migra.

Limitações dos números e quando usá-los

Os dados do relatório do AI Gateway refletem o tráfego de aplicações de produção roteado pela Vercel, não o mercado total de IA. A composição de clientes e workloads pode diferir em outros ambientes.

As atualizações de setembro incluem janelas curtas: doze dias para Astra e Fable 5.1 e 24 horas para o Jev, que alcançou 13% dos times pagantes no primeiro dia. Adoção acelerada não garante manutenção de share. Ainda assim, os números servem para calibrar arquitetura: modelos open-weight para volume barato e frontier apenas onde o diferencial paga o prêmio. Não servem para decretar vencedor definitivo a partir de adoção de doze dias.