Fazer modelos de base, criar plataformas de inferência e desenvolver produtos de aplicação são posicionamentos ecológicos diferentes, e também terão diferentes margens de lucro bruto por unidade de Token consumido.

Na imagem estão o DeepSeek, Together AI, Manus, Anthropic, Groq e Perplexity, com o consumo mensal de Tokens, avaliação, margem de lucro bruto e a relação avaliação/margem de lucro.

Uma análise muito interessante: usando um conjunto de dados bastante limitado (que não atinge o limiar de significância estatística), conclui-se que quanto maior a margem de lucro gerada por unidade de token, maior o múltiplo de avaliação. Modelos empacotados para produtos não podem simplesmente vender perguntas e respostas, mas devem, por meio do design do produto, gerar mais valor por unidade de token, vender por um preço mais alto e ser mais facilmente reconhecidos no mercado de capitais.