A disputa pela liderança mundial em inteligência artificial está produzindo uma situação aparentemente contraditória no Vale do Silício. A Meta, que investe dezenas de bilhões de dólares para desenvolver seus próprios modelos e reduzir a dependência de concorrentes, chegou a projetar internamente gastos de até US$ 10 bilhões por ano com tecnologias da Anthropic, criadora do Claude.
A informação foi publicada originalmente pelo The New York Times e repercutida pela Times Brasil/CNBC. O número, porém, precisa ser interpretado corretamente: não se trata de um contrato confirmado de US$ 10 bilhões, mas de uma projeção interna que chegou a ser discutida pela Meta neste ano.
A relação chama atenção porque ocorre enquanto Mark Zuckerberg aumenta suas críticas ao modelo de desenvolvimento defendido por alguns dos principais laboratórios de inteligência artificial.
Sem citar diretamente a Anthropic ou seu CEO, Dario Amodei, Zuckerberg argumentou recentemente que grandes laboratórios estariam tentando concentrar poder sobre a tecnologia e apresentando uma visão excessivamente pessimista sobre o futuro da IA.
Nos bastidores, entretanto, sua própria empresa se tornou uma das grandes consumidoras das ferramentas da rival.
Claude Code conquistou os engenheiros da Meta
Uma das principais razões para a aproximação é o Claude Code, ferramenta da Anthropic voltada principalmente para desenvolvimento de software.
Engenheiros da Meta começaram a utilizar intensamente o sistema no início de 2026.
O crescimento foi tão acelerado que, em abril, funcionários chegaram a participar de rankings internos para verificar quem consumia mais “tokens” dos modelos da Anthropic.
A prática ficou conhecida internamente como “tokenmaxxing”.
Tokens são pequenas unidades utilizadas pelos modelos para processar e gerar texto e código. Quanto maior o volume processado, maior normalmente é o custo de utilização dos serviços.
Com milhares de engenheiros utilizando ferramentas generativas diariamente, esse consumo pode alcançar valores gigantescos.
Foi justamente nesse período que executivos da Meta discutiram uma projeção segundo a qual os gastos anuais com modelos da Anthropic poderiam chegar a US$ 10 bilhões.
US$ 10 bilhões não significam gasto confirmado
Essa distinção é importante.
A Meta não anunciou que efetivamente gastará US$ 10 bilhões com a Anthropic em 2026.
O valor representava uma projeção interna realizada quando o consumo das ferramentas estava crescendo rapidamente.
Posteriormente, a empresa começou a reduzir parte desses gastos.
Mesmo assim, fontes ouvidas pelo New York Times afirmaram que a Meta ainda estaria desembolsando centenas de milhões de dólares por mês com tecnologias da Anthropic.
Isso coloca a companhia entre os clientes mais importantes da startup.
A dimensão financeira é ainda mais impressionante quando comparada ao próprio negócio da Anthropic.
Segundo as informações publicadas, a startup estimava em julho que sua receita anual poderia superar US$ 65 bilhões. Uma eventual despesa de US$ 10 bilhões por parte de apenas um cliente representaria uma parcela considerável desse faturamento.
Meta começou a controlar a “farra dos tokens”
O crescimento dos custos fez a empresa mudar de estratégia.
Os rankings internos de consumo foram removidos e, em junho, funcionários foram informados de que os gastos com aplicações de IA estavam caminhando para bilhões de dólares no ano.
A companhia passou então a trabalhar em mecanismos para administrar melhor o consumo.
A situação ilustra um problema que começa a aparecer em grandes organizações.
Durante a primeira fase de adoção da IA generativa, empresas incentivaram funcionários a utilizar modelos o máximo possível para aumentar produtividade.
Agora surge uma segunda etapa: controlar o custo dessa utilização.
Uma consulta individual pode custar pouco.
Mas milhões ou bilhões de consultas realizadas por milhares de funcionários, especialmente envolvendo grandes volumes de código e contexto, podem transformar ferramentas de IA em uma das maiores despesas de software de uma organização.
Meta tenta substituir Claude por tecnologia própria
A resposta da empresa não está limitada a controlar o consumo.
A Meta também trabalha para melhorar suas próprias ferramentas de programação.
Uma delas é o MetaCode, sistema interno que está sendo desenvolvido para reduzir a dependência de soluções externas como Claude.
Engenheiros da divisão Applied AI Engineering foram encarregados de melhorar a qualidade da ferramenta, incluindo geração de desafios de programação utilizados no treinamento do sistema.
A lógica econômica é evidente.
Se milhares de desenvolvedores precisam diariamente de assistência de IA, possuir uma ferramenta interna competitiva pode representar economia de bilhões de dólares.
Concorrência agora acontece dentro das próprias empresas
O caso também demonstra uma transformação interessante no mercado.
A competição entre modelos não acontece apenas entre consumidores escolhendo ChatGPT, Claude, Gemini ou outros serviços.
Ela acontece dentro das próprias empresas que desenvolvem IA.
A Meta possui modelos próprios, mas seus engenheiros podem preferir Claude Code para determinadas tarefas.
Isso significa que possuir um modelo de inteligência artificial não garante automaticamente que seus próprios funcionários irão considerá-lo a melhor ferramenta disponível.
É uma dinâmica semelhante ao que já acontece com softwares tradicionais.
Uma empresa pode desenvolver determinadas tecnologias internamente e ainda assim comprar soluções de concorrentes quando elas oferecem vantagens técnicas.
Hatch também foi testado usando tecnologia da Anthropic
A dependência não ficou limitada aos programadores.
A Meta também utilizou modelos da Anthropic durante testes do Hatch, codinome de um novo agente pessoal de inteligência artificial em desenvolvimento pela companhia.
O produto foi descrito por Zuckerberg como um sistema capaz de trabalhar continuamente em nome do usuário, ajudando em objetivos pessoais, saúde, relacionamentos e finanças.
Durante o desenvolvimento, modelos da Anthropic foram utilizados para alimentar e testar o agente.
A versão destinada ao lançamento público, entretanto, deverá funcionar com tecnologia própria da Meta.
Essa mudança mostra claramente a estratégia da empresa: utilizar os melhores modelos disponíveis para acelerar o desenvolvimento, mas tentar internalizar a tecnologia antes de colocar os produtos em escala.
Projeto Watermelon tenta alcançar modelos de fronteira
Outro elemento importante dessa estratégia é um novo modelo de IA conhecido internamente pelo codinome Watermelon.
O objetivo é desenvolver um sistema capaz de competir diretamente com os modelos mais avançados da Anthropic.
O projeto, porém, teria enfrentado atrasos.
Segundo as informações publicadas, uma etapa de pré-treinamento chegou a ser interrompida em julho e posteriormente retomada, empurrando o lançamento para pelo menos outubro.
Essa situação ajuda a explicar por que empresas com enormes recursos financeiros continuam dependendo de modelos externos.
Desenvolver uma IA de fronteira exige quantidades gigantescas de chips, energia, dados e pesquisadores.
Mesmo companhias como Meta, Google e Microsoft podem encontrar dificuldades para manter seus modelos permanentemente na liderança.
Zuckerberg critica modelo de poder dos grandes laboratórios
Ao mesmo tempo, Zuckerberg vem construindo uma narrativa diferente para o futuro da inteligência artificial.
O executivo defende uma abordagem na qual indivíduos tenham maior controle sobre a tecnologia, contrapondo essa visão à concentração de poder em poucos laboratórios.
Em um texto publicado em agosto, ele afirmou que determinados laboratórios de IA descrevem um futuro dominado por riscos e defendem estruturas centralizadas para controlar sistemas avançados.
Embora não tenha citado diretamente Anthropic ou Dario Amodei, as declarações foram amplamente interpretadas como direcionadas à empresa e à visão de segurança defendida por seus executivos.
É justamente aí que aparece a ironia.
Enquanto critica a influência desses laboratórios, a Meta utiliza intensamente um deles para construir seus próprios produtos.
Rivalidade e dependência caminham juntas
Essa aparente contradição não é exclusiva da Meta.
A indústria de inteligência artificial está se tornando uma rede de concorrentes que simultaneamente dependem uns dos outros.
Empresas competem em modelos, mas compartilham infraestrutura.
Fabricantes de chips fornecem tecnologia para empresas que desenvolvem chips próprios.
Provedores de nuvem investem em laboratórios que também contratam serviços de concorrentes.
Empresas de IA compram capacidade computacional de companhias que, ao mesmo tempo, desenvolvem modelos rivais.
A própria Anthropic mantém grandes relações comerciais e de infraestrutura com diferentes gigantes da tecnologia.
Em julho, por exemplo, a AMD anunciou acordo para vender dezenas de bilhões de dólares em servidores de IA para a Anthropic e investir até US$ 5 bilhões na empresa.
Anthropic chegou a propor negócio bilionário com a própria Meta
A relação entre as duas empresas pode ser ainda mais complexa.
Em junho, a Anthropic teria apresentado uma proposta para comprar até US$ 10 bilhões em capacidade computacional dos data centers da Meta ao longo de dois anos.
Esse possível acordo é diferente da projeção de gastos da Meta com os modelos Claude.
São duas negociações em direções opostas.
De um lado, Meta pagando para utilizar modelos da Anthropic.
Do outro, Anthropic potencialmente pagando para utilizar infraestrutura computacional da Meta.
Nenhum acordo dessa natureza foi anunciado oficialmente até agora.
É um retrato quase perfeito da atual indústria de IA: empresas podem ser simultaneamente clientes, fornecedores, parceiros e concorrentes.
Anthropic prepara possível entrada na bolsa
Existe ainda um componente financeiro importante por trás dessa relação.
A Anthropic se prepara para uma possível abertura de capital, e expectativas de mercado apontam para uma avaliação potencialmente gigantesca.
Segundo as informações divulgadas, executivos da Meta estão cientes de que os gastos da companhia podem ter impacto relevante sobre as receitas da Anthropic antes de uma eventual oferta pública inicial.
Nat Friedman, responsável por produtos de IA da Meta, teria discutido internamente que migrar funcionários para ferramentas próprias ou produtos da OpenAI poderia reduzir a receita da Anthropic antes da abertura de capital.
Isso transforma uma decisão aparentemente técnica — qual assistente de programação utilizar — em uma questão estratégica.
Claude Code virou um negócio extremamente importante
O episódio também mostra a força que ferramentas de programação baseadas em IA conquistaram em pouco tempo.
Durante os primeiros anos da inteligência artificial generativa, grande parte da atenção estava concentrada em chatbots.
Agora, programação se tornou um dos mercados mais importantes da indústria.
A razão é econômica.
Desenvolvedores possuem salários elevados e trabalham em produtos capazes de gerar bilhões de dólares.
Se uma ferramenta consegue aumentar significativamente a produtividade de um engenheiro, empresas estão dispostas a pagar muito mais do que pagariam por um chatbot convencional.
Claude Code tornou-se um dos principais exemplos desse fenômeno.
IA começa a virar uma nova conta de infraestrutura
O gasto potencial da Meta também revela uma transformação estrutural.
Durante décadas, grandes empresas de tecnologia tiveram despesas enormes com servidores, armazenamento, redes e bancos de dados.
Agora surge outra categoria:
consumo de inteligência artificial.
Tokens começam a funcionar quase como uma nova unidade de infraestrutura digital.
Quanto mais funcionários utilizam agentes para escrever código, analisar documentos, pesquisar informações e automatizar processos, maior o consumo.
Em uma empresa com dezenas de milhares de engenheiros, a conta pode crescer rapidamente.
É por isso que organizações estão começando a criar limites, orçamentos e sistemas internos para acompanhar o consumo de modelos.
A corrida deixou de ser apenas por quem possui o melhor modelo
Durante muito tempo, a discussão sobre IA foi resumida a benchmarks.
Qual modelo responde melhor?
Qual programa melhor?
Qual possui maior janela de contexto?
Qual raciocina melhor?
O caso Meta-Anthropic mostra que existe outra dimensão igualmente importante: custo operacional em escala.
Um modelo pode ser excelente tecnicamente, mas extremamente caro quando utilizado bilhões de vezes.
Empresas precisam equilibrar qualidade, velocidade e custo.
Isso abre espaço para estratégias híbridas.
Modelos mais poderosos podem ser utilizados apenas nas tarefas complexas.
Sistemas menores e mais baratos podem cuidar das operações simples.
E modelos internos podem substituir fornecedores externos onde o volume torna o custo proibitivo.
Dependência de concorrentes pode acelerar inovação
Existe também um lado positivo nessa relação.
Ao permitir que seus engenheiros utilizem ferramentas externas, a Meta consegue aproveitar avanços tecnológicos imediatamente, sem esperar que suas próprias equipes reproduzam todas as capacidades.
Isso acelera desenvolvimento.
Ao mesmo tempo, a utilização de Claude cria pressão interna para que MetaCode e os modelos próprios melhorem.
A competição acontece quase em tempo real.
Se a ferramenta interna não entrega produtividade semelhante, funcionários possuem evidências práticas da diferença.
Isso pode orientar investimentos e prioridades de desenvolvimento.
Meta ainda possui uma vantagem gigantesca: escala
Apesar da dependência momentânea de modelos externos, a Meta possui ativos que poucas empresas conseguem replicar.
Facebook, Instagram, WhatsApp e Messenger atendem bilhões de pessoas.
Isso significa que qualquer tecnologia de IA integrada aos produtos da companhia pode alcançar uma escala global quase imediatamente.
A empresa também está investindo pesadamente em data centers, chips e infraestrutura.
O desafio é transformar essa escala em vantagem tecnológica.
Se seus modelos próprios alcançarem desempenho comparável aos melhores sistemas externos, a companhia poderá reduzir significativamente os custos com terceiros.
Anthropic, por outro lado, prova valor comercial
Para a Anthropic, ter uma empresa como Meta utilizando seus modelos em grande escala funciona como uma validação importante.
A Meta possui equipes próprias de inteligência artificial e capacidade financeira para construir sistemas avançados.
Mesmo assim, seus engenheiros recorreram intensamente ao Claude.
Isso demonstra que a competição não depende apenas de quem possui mais infraestrutura.
Experiência do desenvolvedor, qualidade do modelo e ferramentas específicas podem criar vantagens importantes.
Claude Code é um exemplo disso.
O mercado de IA está criando “frenemies”
A expressão inglesa frenemies — mistura de “friends” e “enemies” — descreve bem o cenário.
Meta e Anthropic competem pela liderança tecnológica.
Zuckerberg critica publicamente ideias associadas à rival.
Anthropic desenvolve modelos que disputam usuários e empresas com tecnologias da Meta.
Mas, ao mesmo tempo, Meta compra seus serviços em enorme escala.
E Anthropic pode precisar da infraestrutura computacional de empresas que também competem com ela.
A fronteira entre concorrência e parceria está ficando cada vez menos clara.
O caso mostra quanto custa ficar atrás na corrida da IA
Talvez essa seja a principal conclusão.
Quando uma empresa acredita que uma tecnologia rival oferece vantagem significativa aos seus funcionários, simplesmente proibir seu uso pode significar perder produtividade.
Então ela paga.
Mesmo que o fornecedor seja um concorrente.
Mesmo que esteja investindo bilhões para substituí-lo.
E mesmo que seus executivos discordem publicamente da visão desse concorrente sobre o futuro da tecnologia.
A projeção de até US$ 10 bilhões anuais mostra a dimensão econômica dessa decisão. Mas também mostra por que a Meta está correndo para fortalecer suas próprias ferramentas.
A companhia não quer depender indefinidamente de Claude.
Ao mesmo tempo, não pode ignorar uma tecnologia que seus engenheiros consideram útil enquanto seus próprios sistemas ainda estão evoluindo.
É justamente essa contradição que define a atual corrida pela inteligência artificial: as maiores empresas do setor estão competindo ferozmente para construir a próxima geração de IA, mas muitas ainda precisam comprar tecnologia umas das outras para conseguir chegar lá.
