Citi: Relatório semanal de IA do Citi: Gemini retoma a liderança entre modelos, e oferta de memória comprometida eleva custos de computação

Gemini volta ao topo: por que o impacto comercial é limitado?

O Gemini 4 Carbon, recém-lançado pelo Google, marcou 59 pontos no Índice de Inteligência da Artificial Analysis, ocupando o primeiro lugar; a última vez que o Google liderou foi em fevereiro, com o Gemini 3.1 Pro. A vantagem do modelo de código fechado líder sobre o principal modelo aberto aumentou para 27 pontos, a maior desde junho.
A avaliação ocorreu após a atualização do índice em 27 de outubro, e o novo índice depende principalmente de conjuntos de dados privados. O Carbon está disponível atualmente apenas para profissionais de defesa cibernética, por isso o Citi avalia que seu impacto comercial direto pode ser limitado.
Segundo as medições de tarefas da Artificial Analysis, o Carbon usa 2.4 vezes a quantidade de tokens de saída do GPT-6 Astra, mas o custo por tarefa calculado pelos preços divulgados é apenas 24% maior, em parte porque os tokens de saída do Carbon são mais baratos.

Os preços da memória sobem enquanto os pedidos pendentes continuam aumentando. O Citi prevê que o preço do produto HBM4 de 12 camadas da Micron aumente mais que o dobro na comparação anual; a SK hynix vendeu mais da metade de sua capacidade para 2027–2028, a Micron já comprometeu mais de 75% de suas entregas no ano fiscal de 2027, e a Samsung planeja destinar 60%–70% de sua capacidade a acordos de longo prazo.
O Citi aponta que cerca de 80% do custo dos modelos líderes nas tarefas da Artificial Analysis vem do contexto armazenado em cache. Com a mudança do projeto de computação para racks completos e pools de memória compartilhados, a memória se torna mais difícil de substituir: provedores menores de nuvem de IA sem contratos de longo prazo podem precisar comprar memória a preços à vista, compensando a receita gerada pelo aumento dos aluguéis de GPU.
A divergência nos aluguéis já é visível: desde novembro de 2025, o aluguel do B300, que tem mais memória, subiu 69%, enquanto o do H100 aumentou 33% no mesmo período.

O Minerva da Nvidia usa IA para prever falhas de componentes e resolver problemas antes que elas desacelerem os trabalhos, liberando mais capacidade de computação das GPUs existentes. Quanto mais longas as tarefas, mais valiosa é essa capacidade: em abril deste ano, o modelo líder executou com taxa de sucesso de 50% tarefas que exigem 17 horas de uma pessoa, ante uma duração correspondente de 2 horas um ano antes.
O Citi avalia que, enquanto as GPUs continuarem escassas, é improvável que os ganhos de eficiência afetem a demanda por infraestrutura no curto prazo. A fabricante de equipamentos de teste Teradyne afirma que sua demanda relacionada à IA já abrange áreas como memória, interconexões e sistemas integrados, impulsionando a receita relacionada em 70% na comparação anual.

O Genie 4 do Google DeepMind torna mais realista o treinamento de robôs por simulação, mas o Citi considera que apenas dados do mundo real podem comprovar a eficácia das políticas operacionais aprendidas no treinamento, de modo que os primeiros a adotá-las podem acumular uma vantagem em dados.
A adoção de software na indústria manufatureira ainda fica atrás da do setor financeiro: entre as empresas que usam o Ramp, em setembro, 61% dos fabricantes pagavam assinaturas de software de IA, ante 74% das empresas financeiras. A SAP começou a enviar tarefas a robôs a partir de sistemas de pedidos, estoque e manutenção, criando uma porta de entrada por software para participar da adoção de robôs.
A conferência sobre aprendizado de robôs, de 9 de novembro a 12, pode mostrar se a tecnologia de simulação está reduzindo o tempo entre projetos-piloto e a implantação de frotas de robôs; se isso ocorrer, o Citi acredita que a contribuição da IA física para a demanda por hardware e inferência poderá acelerar.