Hyperscalers cobram GPUs por quase o dobro do preço de nuvens GPU, aponta pesquisa da Fluence

The AI Compute Race o relatório precifica o poder computacional de GPUs fora do alcance dos maiores compradores: um compromisso de três anos reduz o preço mediano em 48%, enquanto 17 dos 22 modelos de GPU acompanhados tiveram aumento de preço no último ano

DALLAS, Texas – Novembro 13, 2026 — Fluence publicou The AI Compute Race, um relatório que precifica o poder computacional em nuvem de GPUs para todas as empresas que não são laboratórios de ponta ou hiperscalares. Foi produzido em parceria com os seguintes parceiros de pesquisa NEAR AI, io.net, Boundless, Phala, Gensyn, Fortytwo, Theta, Compute Labs e GAIB. Sua conclusão central: onde uma empresa compra uma hora de GPU define o preço. Entre os modelos H100, H200 e B200, os hiperscalares listam GPUs a 1,98 vezes a mediana da nuvem GPU, variando de 1,4 vezes no B200 a 2,8 vezes no H100. O mesmo H200 é listado entre US$ 4,08 e US$ 10,60 por hora.

O prazo de compromisso é quase tão importante quanto a escolha do provedor. Em comparação com a tarifa sob demanda de cada provedor, uma reserva de um ano reduz o preço mediano em 21% e um contrato de três anos em 48%. A capacidade spot está cotada a 53% da tarifa sob demanda, sendo adequada para cargas de trabalho que podem ser interrompidas.

Compradores que esperam a queda dos preços das GPUs podem precisar revisar seus orçamentos. Dezessete dos 22 modelos de GPU acompanhados por GetDeploying custam mais do que há um ano, e o aluguel mediano de H100s é de 13% a 30% maior, dependendo da janela de tempo considerada.

O relatório também explica por que os preços estão subindo rapidamente:

• A demanda migrou para modelos abertos. A participação dos modelos chineses nos tokens da OpenRouter entre empresas dos EUA, Europa e Sul Global subiu de 6–13% para 57–67% em menos de oito meses, segundo a CNBC. Os pesos abertos permitem que qualquer empresa com GPUs sirva um modelo quase de fronteira no hardware que controla.
• Os maiores compradores garantiram as novas ofertas. As quatro maiores hyperscalers projetam US$ 720–740 bilhões em gastos de capital em 2026, e os quatro maiores acordos divulgados por laboratórios de IA e Meta com neoclouds totalizam cerca de US$ 233 bilhões, sendo três deles valores “até” um montante e grande parte destinada a capacidade ainda não entregue.
• A hora-GPU está se tornando um ativo financeiro. CME, ICE e Nodal Exchange anunciaram futuros de GPU, cada um baseado em um índice de preços diferente, enquanto credores já estão emprestando contra GPUs: o empréstimo de grau de investimento da Lambda foi precificado a 6,78%, e o da Sharon AI, sem classificação revelada, a 9,95%.

“Os modelos de peso aberto estão logo atrás dos melhores modelos fechados, e as empresas estão migrando para eles. Qualquer empresa com GPUs agora pode servir um modelo próximo ao estado da arte em hardware que controla. As GPUs são a parte difícil”, disse Evgeny Ponomarev, cofundador da Fluence.

O relatório encerra com quatro formas de pagar menos pelo mesmo poder computacional: comparar o mesmo chip entre diferentes tipos de provedores, comprometer-se quando a carga de trabalho for estável, adequar a geração da GPU ao modelo e olhar além dos hiperscalares, já que grande parte da nova capacidade das neoclouds já foi contratada por laboratórios com anos de antecedência.

O relatório completo está disponível em fluence.ai/compute-race-2026.

Sobre a Fluence

A Fluence Cloud é uma provedora de nuvem GPU com capacidade proveniente de data centers independentes (fluence.ai). Fundada em 2017 por Dmitry Kurinskiy, Evgeny Ponomarev e Tom Trowbridge, a empresa captou US$ 14 milhões de investidores, incluindo 1KX, Multicoin, Distributed Global, Blockchange, Tiger Global e Protocol Labs.