A Samsung estabeleceu um grupo de trabalho focado em reestruturar sua produção de memória DRAM no complexo de Hwaseong, conhecido como H1. O objetivo é incrementar a capacidade de fabricação em aproximadamente 15% até o final deste ano. Este complexo na Coreia do Sul estava inativo após a empresa descontinuar linhas antigas de memória LPDDR4.
O espaço liberado será utilizado para implementar uma nova fase final de produção dos wafers de memória, conforme noticiado pelo jornal sul-coreano SE Daily. Com essa aceleração no envio de produtos, a companhia busca atender à crescente demanda de clientes do setor de eletrônicos, como a Apple, e impedir o avanço de negociações de empresas ocidentais com novas alternativas chinesas, especialmente a CXMT.
Anteriormente, a produção de DRAM da Samsung estava distribuída entre diversas unidades: o processamento inicial ocorria no Complexo 1 de Hwaseong, enquanto a etapa final era realizada entre o Complexo 2 de Hwaseong e o campus de Cheonan. Esse modelo gerava uma maior dependência de logística interna entre cidades e polos industriais, o que elevava o tempo total de fabricação. A reestruturação visa concentrar todas as etapas no campus de Hwaseong, uma iniciativa liderada por Jun Young-hyun, chefe da divisão de semicondutores da Samsung.
Este esforço de expansão acontece em um cenário de intensa pressão no mercado global de memórias, onde o trio Samsung, SK Hynix e Micron domina. Devido à prioridade dada pela indústria de chips à infraestrutura de inteligência artificial, as memórias DRAM convencionais passaram a ser negociadas a valores mais elevados no mercado de eletrônicos básicos.
Um relatório da consultoria Counterpoint Research indicou que os preços desses componentes subiram de 80% a 90% no começo de 2026, comparado ao final do ano anterior. Para o consumidor final, isso resultou em aumentos em dispositivos como notebooks, smartphones e videogames. Fabricantes como Dell, Lenovo e Samsung já haviam comunicado o repasse desses custos para seus produtos em 2026, previsão que se estenderá até 2028. Além disso, a remessa de smartphones atingiu seu pior patamar desde 2013, e a Qualcomm, produtora dos chips Snapdragon, antecipa outro ajuste de preços que afetará ainda mais o varejo.
A escassez de oferta forçou grandes empresas, como a Apple, a considerar a aquisição de memórias de fabricantes chineses, incluindo a CXMT. Relatos da imprensa estadunidense apontam que a gigante de Cupertino procurou autoridades dos EUA para obter permissão para utilizar esses componentes em aparelhos fora do mercado doméstico. Contudo, players ocidentais, como a Micron dos Estados Unidos, manifestaram oposição a essas movimentações relativas aos produtos da CXMT.
A CXMT, especializada na fabricação de memórias DRAM, realizou sua Oferta Pública Inicial (IPO) na bolsa de Xangai na semana anterior, registrando uma valorização rápida de cerca de 470% em suas ações. De acordo com dados da Counterpoint Research, citados pela AP News, a empresa já integra os planos da China para expandir no setor de memória, projetando capturar cerca de 8% do mercado em 2025, com potencial para alcançar 11% até 2028.
No dia em que Jensen Huang, CEO da NVIDIA, apoiou os modelos abertos de inteligência artificial em sua primeira postagem no X junto com 25 assinantes da indústria, a divisão Ant Group Bailing apresentou o modelo Ling-3.0-flash. Este modelo é um modelo de execução com um total de 124 bilhões de parâmetros, mas ativa apenas 5,1 bilhões de parâmetros, demonstrando uma densidade de inteligência superior à de seu modelo principal de trilhão de parâmetros.
O Ling-3.0-flash obteve altos resultados em 34 áreas de avaliação, ficando em primeiro lugar em 15 casos e segundo em 19. A pontuação média foi de 67,6, equiparando-o ao DeepSeek V4 Flash. Além disso, o modelo superou seu próprio modelo de trilhão de parâmetros, o Ring-2.6-1T, em quase 8 pontos. O modelo atinge uma densidade de inteligência de 0,5 e um coeficiente de eficiência de 13,2, os mais altos entre modelos comparáveis, provando que o design direcionado de um modelo de execução pode superar a escalabilidade geral ao lidar com tarefas específicas.
O modelo foi desenvolvido como uma aposta estratégica na paradigma de modelos de execução, diferente dos modelos de raciocínio. O Ling-3.0-flash foca em velocidade e eficiência para tarefas de agentes em tempo real, codificação e chamada de funções. Por exemplo, no teste SWE-Bench Pro para correção de erros em repositórios de código, ele obteve 56,6% em primeiro lugar. No ArtifactsBench, projetado para criar componentes interativos completos em uma única passagem, ele alcançou 77,0%, superando o segundo lugar em mais de 10 pontos. No MiniAppBench, que exige a geração completa de um aplicativo a partir de uma única instrução, ele atingiu 25,3% contra uma média de 17% em 16 modelos.
A precisão de chamada de função do BFCL-v4 atingiu 73,0%, igualando-se ao Claude-Sonnet-4.6 em primeiro lugar. Na avaliação de agente end-to-end GDPVal v2-AA, o modelo obteve 1107 pontos, o mais alto entre os modelos testados. O modelo suporta nativamente janelas de contexto de 256K, onde o MRCR_256K registrou 81,1%. O seguimento multi-turn de instruções Multi-IF atingiu 87,7% em segundo lugar. No teste LIFEBench sobre memória de longo prazo de instruções, ele ficou em primeiro lugar com um resultado de 77,3%. A capacidade de busca de agente WideSearch atingiu 73,6% em terceiro lugar, e no modo de colaboração multiagente, BrowseComp alcançou 82,0%, quase empatando com o Claude-Sonnet-4.6 (82,1%).
O conjunto completo de avaliações orientadas a agentes posiciona o Ling-3.0-flash como otimizado para a paradigma de execução autônoma de tarefas, onde os modelos utilizam ferramentas, navegam por interfaces e executam objetivos multifásicos, em vez de gerar longas cadeias de raciocínio. A Ant Bailing tornou o modelo aberto, e os pesos estarão disponíveis após o término do período de teste gratuito da API em agosto. O lançamento do modelo simultaneamente com uma carta apoiada pela NVIDIA sinaliza que as empresas chinesas de IA continuam a adotar código aberto, apesar das discussões no Vale do Silício sobre seus riscos. O Ling-3.0-flash enfatiza a eficiência como característica distintiva: em vez de competir pelo número total de parâmetros, o modelo demonstra que, para cargas de trabalho de execução de agentes, um modelo de execução compacto bem projetado com treinamento direcionado pode superar modelos oito vezes maiores. Isso está alinhado com as tendências da indústria em direção a modelos específicos para tarefas, já que a economia de implantação de inferência se torna a principal limitação. O ranking semanal no OpenRouter subiu de 9º para 6º lugar em cinco dias, enquanto o volume de tráfego em julho foi apenas 0,5% menor do que o do DeepSeek V4 Pro, confirmando a demanda de mercado por modelos de execução eficientes.
O Tencent WorkBuddy atingiu 20,97 milhões de visitas mensais em junho de 2026, superando os totais combinados do ByteDance Trae (12,79 milhões) e Alibaba QoderWork (7,88 milhões). Este sucesso foi alcançado apenas quatro meses após o lançamento em março de 2026, impulsionado pelo uso do ecossistema OpenClaw e pela integração com o WeChat corporativo.
Em junho de 2026, de acordo com o ranking da Analysys, o Tencent WorkBuddy demonstrou 20,97 milhões de visitas mensais, ultrapassando o ByteDance Trae em 12,79 milhões e o Alibaba QoderWork em 7,88 milhões em conjunto. O produto foi lançado em março de 2026, registrando 8,85 milhões de visitas no primeiro mês e um crescimento impressionante de 831% em comparação com o mês anterior, o que provocou uma expansão de capacidade de 10 vezes já na primeira semana. Esse rápido avanço ocorreu enquanto a atenção da indústria estava focada em competições de modelos, como Kimi K3, GLM-5.2 e DeepSeek V4, permitindo que a Tencent ocupasse a categoria de agentes de escritório de IA de mesa sem uma resposta competitiva direta.
A base do sucesso do WorkBuddy é o ecossistema OpenClaw — um framework de código aberto que, antes da integração da Tencent, possuía 280.000 estrelas no GitHub e mais de 5.700 plugins. Em 9 de março, a Tencent lançou simultaneamente três produtos: QClaw para usuários individuais, Lighthouse para desenvolvedores e WorkBuddy para empresas. O WorkBuddy é totalmente compatível com o conjunto de habilidades OpenClaw, inclui mais de 20 pacotes de habilidades pré-instalados, suporta decomposição paralela de tarefas usando múltiplos agentes e oferece flexibilidade de modelos, permitindo o uso intercambiável de Hunyuan, DeepSeek, GLM, Kimi e MiniMax. A cadeia de integração corporativa abrange entradas via WeChat e WeCom, computação no Tencent Cloud e permissões de dispositivo local via PC Manager, formando um ciclo fechado que é difícil para os concorrentes replicar devido à amplitude do ecossistema.
A infraestrutura básica do modelo Hunyuan foi reconstruída no início de 2026. O pré-lançamento HY3 ocupou as primeiras posições no ranking semanal do OpenRouter por três semanas consecutivas em abril, antes de ser ultrapassado pelo DeepSeek V4 Flash. O lançamento oficial em 6 de julho reduziu o nível de alucinações em 44% e aumentou a taxa de resolução de tarefas do WorkBuddy de 72% para 90%. Com precificação de 1 yuan por entrada e 4 yuans por saída por milhão de tokens, o produto permanece competitivo. A Tencent relatou uma taxa de retenção de usuários ativos acima de 60% e de usuários pagantes acima de 80%, embora esses números combinem as métricas CodeBuddy e WorkBuddy. O CFO James Mitchell recusou-se a estabelecer uma meta de ARR, observando que as mudanças na demanda estão ocorrendo muito rapidamente para previsões significativas de 12 meses.
A luta competitiva está transformando o mercado de agentes de escritório de IA de competições de desempenho de modelos para competições de ecossistema e distribuição. A vantagem do WorkBuddy não reside na superioridade da qualidade do modelo, mas sim nos relacionamentos existentes com empresas no WeCom, na cobertura de consumidores do WeChat e no ecossistema de plugins OpenClaw, que reduz o tempo de adaptação do usuário de dias para minutos. Em resposta, a Alibaba consolidou seus produtos em Qianwen Office sob a liderança do novo CEO DingTalk Chen Yusen, e a ByteDance reestruturou o Doubao como sua marca de agente de escritório. No entanto, ambas as empresas enfrentam um problema estrutural: o WorkBuddy está integrado ao ecossistema corporativo WeChat, que já é usado para comunicação de negócios na China. A questão restante é se efeitos de rede de colaboração em grupo podem se formar em torno do WorkBuddy, comparáveis aos efeitos de rede do WeChat de consumo, o que potencialmente lhe dará uma posição sustentável que será difícil para os concorrentes violar.
Apesar do custo por token aparentemente mais baixo, os grandes modelos de linguagem (LLMs) chineses domésticos mostram-se muito caros para usuários pesados em cenários de desenvolvimento, quando o volume diário de consumo atinge dezenas de bilhões de tokens.
Usuários chineses que realizam codificação intensiva com IA gastam 300 yuans por semana no Codex, enquanto o uso de modelos locais, como o GLM-5.2, custa-lhes 7800 yuans diariamente. O custo real não é determinado pela precificação por token, mas sim pelo fato de que os modelos estrangeiros oferecem assinaturas em pacotes que limitam os gastos dos usuários mais ativos.
Ao consumir dezenas de bilhões de tokens diariamente, o uso da API do GLM-5.2 custa cerca de 7800 yuans por dia, o que equivale a 1084 dólares americanos. Uma carga semelhante através da assinatura GPT Codex Pro custa aproximadamente 300 yuans por semana. Este paradoxo surge porque os modelos estrangeiros incluem o consumo de tokens em assinaturas mensais fixas, limitando efetivamente os custos para os usuários mais exigentes, enquanto os modelos chineses cobram estritamente por cada token sem ofertas de tarifas fixas.
Em termos de preço por token, o GLM-5.2 demonstra uma taxa mais baixa (1,4/4,4 dólares americanos por milhão de tokens de entrada/saída) em comparação com o GPT-5.6 Sol (5/30 dólares americanos). No entanto, com um consumo diário de bilhões de tokens, a vantagem da tarifa em pacote muda completamente o quadro comparativo. Por exemplo, o Codex Plus custa 20 dólares americanos por mês, e o Pro começa em 100 dólares americanos por mês com uma cota 5 ou 20 vezes maior, mais o pagamento excedente via API. O Claude Code oferece Pro por 20 dólares americanos por mês e planos Max de 100 a 200 dólares americanos por mês.
A situação com o Alibaba Qoder CN também apresenta problemas: os planos individuais custam 59–169 yuans por mês por 2000–6000 créditos, que os usuários pesados consomem em poucos dias. Relata-se que cerca de 20–30 clientes corporativos interromperam a renovação após a reestruturação de preços. A versão corporativa do Qoder custa 199 yuans por assento por mês e é consumida em 3 dias com uso moderado ou em 1 dia com uso intenso.
O acesso à assinatura do GLM-5.2 tornou-se extremamente difícil. O limite diário, lançado às 10h, é esgotado em poucos minutos, e o volume disponível desde janeiro de 2026 foi reduzido em 20% do original devido a restrições de capacidade computacional. Em horários de pico, é aplicada uma cobrança tripla de tokens, o que um desenvolvedor comparou a jogar roleta. De forma semelhante, o Kimi Code oferece tarifas de 49 a 699 yuans por mês com atualização semanal, mas também não possui um plano em pacote que torne as assinaturas estrangeiras vantajosas para usuários pesados.
Os fornecedores de modelos chineses explicam essa barreira pelos altos custos de computação durante a inferência. Diferentemente dos serviços de nuvem para inferência otimizados para processamento em lote com cache, os provedores chineses enfrentam custos de manutenção mais altos por token devido a janelas de contexto de cache menores e ineficiência insuficiente de agrupamento entre usuários em escala. Além disso, a realidade econômica é que os planos em pacote exigem alocação excessiva de capacidade computacional, algo que as empresas chinesas não podem arcar nas condições atuais de recursos computacionais limitados.
Esta estratégia de preços leva à segmentação do mercado: usuários leves se beneficiam do preço por token mais baixo na China, mas o segmento de desenvolvedores mais valioso é efetivamente subsidiado em favor dos modelos estrangeiros graças à vantagem do pacote de assinatura. Os modelos chineses ocupam 63,5% do volume mundial de inferência por meio de usuários leves e aplicativos sensíveis ao preço, enquanto os fluxos de codificação de IA de alta intensidade são direcionados para as assinaturas GPT e Claude. Para capturar a fatia de desenvolvedores, é necessário um plano de codificação com tarifa fixa correspondente ao custo semanal do Codex, mas isso exigirá poder computacional que atualmente está limitado para as empresas de IA.
