Com quatro anos de operação e uma avaliação de US$ 17,5 bilhões, a Fireworks AI sustenta que boa parte das empresas já pode dispensar os modelos de inteligência artificial mais caros do mercado. A tese foi defendida publicamente por Chenyu Zhao, cofundador da companhia, no palco do Slush, em Helsinque, na quinta-feira passada — o mesmo dia em que a Anthropic estreou na bolsa no maior IPO já registrado.

Sediada na região da baía de São Francisco, a Fireworks hospeda e ajusta modelos de IA para outras empresas. A especialidade são os modelos de pesos abertos: aqueles cujo arquivo pode ser baixado, calibrado com os dados do próprio cliente e executado sem depender da infraestrutura de quem o desenvolveu. Uber, Shopify e Notion já apareceram na lista de clientes. O argumento comercial é objetivo: um modelo afinado com informações próprias responde mais rápido, sai mais barato por chamada e é mais difícil de ser copiado por um concorrente.

A conta que reabre o orçamento de tecnologia

A decisão raramente é ideológica; ela aparece no orçamento. Zhao localiza a virada entre 10 mil e 100 mil usuários e um gasto mensal de US$ 10 mil a US$ 100 mil apenas com tokens — as unidades de texto que o modelo recebe e devolve, e que formam a base da cobrança. Antes de encontrar o encaixe entre produto e mercado, lembrou, recorrer ao modelo de fronteira mais famoso é a alternativa de menor risco. Passado esse porte, a natureza da conta muda.

Na visão do cofundador, o setor vai conviver com dois tipos de modelo em paralelo. O de fronteira fica reservado ao planejamento de alto nível; aritmética simples não justifica o mesmo preço. Esse raciocínio tem levado empresas a adotar roteamento — a distribuição automática de cada pedido para o modelo mais barato capaz de entregar a resposta — e a medir custo por tarefa, e não apenas custo por token.

Existe ainda a preocupação com o que se entrega junto com o pedido. Em julho, o CEO da Microsoft, Satya Nadella, alertou que quem usa modelos proprietários paga duas vezes: em dinheiro e em conhecimento, já que os comandos enviados ao sistema revelam parte da lógica do negócio. Zhao afirmou acreditar que o aviso produziu efeito concreto sobre a procura por alternativas.

A defasagem técnica encolheu

Zhao conhece o terreno por dentro: foram dez anos no Google, incluindo a gestão de uma equipe de 50 engenheiros no Google Cloud Vertex AI, antes de fundar a Fireworks ao lado de Lin Qiao e Dima Dzhulgakov. Há alguns anos, ele calculava a distância dos modelos abertos em 12 a 18 meses. Depois do DeepSeek e da leva de modelos abertos que veio na sequência, a estimativa caiu para no máximo seis meses, provavelmente perto de três.

Dois incidentes e a confiança em revisão

O primeiro arranhão na reputação veio no segundo semestre, quando a empresa divulgou dois episódios de segurança. Em um deles, invasores alcançaram chaves de API e tokens armazenados como segredos de um número limitado de contas. No outro, atacantes entraram pela via do provedor de nuvem, chegaram a um sistema de desenvolvimento e levaram dados de clientes, entre eles registros de cobrança e alguns conjuntos de dados.

Os efeitos apareceram na ponta. A Notion informou que transcrições de conversas de menos de 1% dos seus espaços de trabalho ficaram expostas e desfez a integração. Já a Uber relatou o roubo de nomes, endereços, datas de nascimento e números de carteira de motorista de aproximadamente 150 mil motoristas, obtidos por meio de um fornecedor que corresponderia à Fireworks.

O caso da Notion, segundo Zhao, tem origem na arquitetura contratada, a cliente usava predição em lote, modalidade em que o conjunto de dados fica armazenado em repouso e que, por definição, não se enquadra na promessa de retenção zero. A companhia está migrando esses serviços para um fluxo online, no qual a informação é mantida só pelo tempo necessário. Ele acrescentou que a motivação predominante nos ataques foi o LLM jacking — a caça a chaves e segredos de provedores para revender tokens em mercados ilícitos — e que não há indício de comprometimento do tráfego de inferência (o processamento de cada resposta entregue ao usuário). O cofundador evitou nomear todos os clientes atingidos, limitando-se a dizer que se trata de um subconjunto pequeno da base e citando Notion e Cursor como casos já tornados públicos.

Capital de sobra em toda a categoria

A Fireworks tem Sequoia e Benchmark entre os investidores e recebeu a marca de US$ 17,5 bilhões no verão do hemisfério norte. Segundo relatos de mercado, a empresa estaria em conversas iniciais para uma nova rodada; Zhao não comentou. O apetite não é exclusividade dela, concorrentes como Together AI e Baseten anunciaram captações vultosas nos últimos meses. Na quarta-feira anterior ao evento, a Palo Alto Networks comunicou a compra da Applied Compute — criada há apenas um ano por ex-pesquisadores da OpenAI e com atuação semelhante — por US$ 4,5 bilhões, integralmente em ações.

A Nvidia acompanha a Fireworks como investidora desde 2024. Na semana anterior ao Slush, Jensen Huang deixou a fabricante de chips. Zhao classificou a saída como um golpe para o setor e manifestou solidariedade à família do executivo, mas avaliou que a empresa segue como apoiadora do código aberto e deve continuar investindo no Nemotron, sua família de modelos abertos.

Sobre a estreia da Anthropic, o cofundador disse, em registro público, que provavelmente ligaria para o corretor naquela mesma noite para comprar algumas ações, tratando a posição como aposta de longo prazo, em dez anos, argumentou, o uso de IA estará em outra escala, e sustentar esse patamar exige volume de capital compatível com a abertura de capital das grandes casas de pesquisa.

O recado para quem investe

A primeira leitura é de camada de custo. Enquanto as atenções se voltam para quem constrói a inteligência de fronteira — caso da própria Anthropic e do seu IPO recorde —, a Fireworks se posiciona na etapa seguinte, fazer o mesmo trabalho por menos. Se a tese de Zhao se confirmar, parte do orçamento corporativo de IA migra da assinatura de modelos prontos para a operação de modelos próprios, e quem cobra por token perde poder de preço. O custo por tarefa passou a valer mais que o custo por token na mesa de negociação.

O custo por tarefa passou a valer mais que o custo por token na mesa de negociação.

A segunda leitura é de risco de fornecedor. Os dois episódios mostram que contratar processamento de terceiros virou questão de cadeia de suprimentos, com cláusulas de retenção de dados, segregação de ambientes e histórico de incidentes pesando tanto quanto preço. Para quem analisa ações, a pergunta prática é quais companhias da carteira dependem desse tipo de prestador e com que transparência elas comunicam falhas do gênero.

Para a bolsa brasileira, o sinal chega de forma indireta, sem ticker envolvido, o mercado privado de infraestrutura de IA virou referência de preço. A marca de US$ 17,5 bilhões da Fireworks e os US$ 4,5 bilhões em ações desembolsados pela Palo Alto Networks por uma empresa de um ano de vida são os parâmetros disponíveis para calibrar o apetite por ativos de tecnologia. Nos números apresentados até aqui, não há evidência de que esse apetite esteja arrefecendo.

IndicadorValor
Avaliação atribuída à Fireworks AIUS$ 17,5 bilhões
Gasto mensal com tokens que dispara a revisãoUS$ 10 mil a US$ 100 mil
Base de usuários no gatilho de revisão10 mil a 100 mil
Defasagem estimada dos modelos abertosaté 6 meses (provável: ~3)
Compra da Applied Compute pela Palo Alto NetworksUS$ 4,5 bilhões, em ações
Espaços de trabalho da Notion expostosmenos de 1%
Motoristas da Uber afetadoscerca de 150 mil
Investidora da Fireworks desde 2024Nvidia