Mais da metade da receita da OpenAI já vem de empresas: por que a Anthropic ainda lidera o mercado de APIs empresariais com 55%? 3 indicadores explicam tudo

Nota do autor: pela primeira vez, mais da metade da receita da OpenAI vem de empresas, mas a Anthropic continua liderando os gastos empresariais com APIs. Essas conclusões não se contradizem: o ponto é que elas não medem a mesma coisa.

Em 4 de novembro de 2026, Greg Brockman, presidente da OpenAI, afirmou na conferência de tecnologia do WSJ que mais da metade da receita atual da OpenAI vem de negócios com empresas. Apenas um dia depois, o relatório 2026 State of Enterprise AI, da Menlo Ventures, estimou que a Anthropic responde por 55% dos gastos com APIs de LLMs em ambientes empresariais de produção, contra 31% da OpenAI.

Ao ver as duas notícias juntas, muita gente se pergunta: “afinal, quem está ganhando?”. Não há contradição entre os dados: os materiais originais da Reuters, TechCrunch, WSJ e Menlo são compatíveis entre si. A diferença está no que cada levantamento mede. Neste artigo, vamos usar três indicadores para entender a disputa entre OpenAI e Anthropic no mercado empresarial.

O que você vai aprender: ao final do artigo, você saberá distinguir participação na receita, participação nos gastos com APIs e taxa de adoção de produtos. Também entenderá por que empresas contratam modelos de vários fornecedores e como usar essas informações para planejar sua estratégia de acesso a modelos.

Mais da metade da receita da OpenAI vem de empresas: o essencial

Vamos começar pelo que Brockman revelou. Segundo ele, a receita da OpenAI antes vinha aproximadamente 30% de empresas e 70% de consumidores. Hoje, o segmento empresarial é a maior fonte de receita. Vale notar que ele afirmou que a receita do segmento de consumidores não caiu: ela continua crescendo, mas o negócio empresarial cresce mais rápido.

Brockman também reconheceu que a OpenAI enfrentou dificuldades no mercado empresarial durante o primeiro semestre de 2026. Embora já tivesse o Codex, a empresa tinha pouca presença no mercado de Agentic Coding. A virada veio no terceiro trimestre: ele apontou os lançamentos do GPT-5.6 Sol e do ChatGPT Work, além da expansão do negócio empresarial, como fatores decisivos.

Duas armadilhas na interpretação dos números

Há dois pontos que podem ser facilmente interpretados de forma errada. Primeiro, os 70% se referem ao crescimento trimestral do ritmo de receita anualizada (ARR), não a um aumento de 70% na receita operacional trimestral segundo os princípios contábeis GAAP. O ARR geralmente projeta para um ano inteiro a receita de um determinado período; não é a receita anual já realizada.

Segundo, a Reuters noticiou em momentos diferentes que a receita anualizada da OpenAI estava “perto de US$ 70 bilhões” e “perto de US$ 50 bilhões”. Isso não significa que a receita tenha encolhido. A diferença vem do tratamento contábil da receita gerada por parceiros de nuvem: em algumas vendas por canais de nuvem, a OpenAI contabiliza apenas a parcela que lhe cabe, enquanto a Anthropic pode contabilizar como receita o valor total pago pelo cliente. O número anterior de US$ 70 bilhões usava uma contabilização pelo valor bruto para permitir uma comparação direta com a Anthropic.

Por que a Anthropic lidera o mercado de APIs empresariais: três métricas que não devem ser confundidas

O ponto central é que “mais da metade da receita da OpenAI vem de empresas” e “a Anthropic lidera o mercado de APIs empresariais” respondem a perguntas diferentes. Somando a isso a taxa de adoção de plataformas empresariais da Morning Consult, temos três tipos de métricas em circulação.

Uma comparação ajuda: mais da metade da receita da OpenAI vir de empresas significa que “a fatia empresarial do bolo da própria OpenAI cresceu”; os 55% da Anthropic nos gastos com APIs significam que “a Anthropic ficou com a maior fatia do bolo de APIs empresariais”. A primeira métrica inclui várias fontes de receita empresarial, como ChatGPT Business, Enterprise, API e Codex; a segunda considera apenas as invocações de modelos via API em ambientes de produção.

Também vale esclarecer que a OpenAI não divulgou a contribuição individual de Business, Enterprise, API, Codex e Work para sua receita. Portanto, “receita empresarial” não pode ser tratada nem como receita de assinaturas do ChatGPT Enterprise, nem diretamente como receita de API.

Participação nos gastos empresariais com APIs: Anthropic sobe de 40% para 55%

Veja abaixo a estimativa da Menlo Ventures para os gastos empresariais com APIs de LLMs em ambientes de produção em 2026. São valores estimados e, após o arredondamento, a soma não necessariamente chega a 100%.

A linha dos modelos de código aberto merece atenção. Sua participação no uso de tokens chegou a 19%, mas eles representam apenas cerca de 4% dos gastos. Ou seja, “usar mais” não significa “gastar mais”. Isso também mostra que não dá para avaliar a competitividade comercial de um modelo apenas pelo preço ou pelo volume de invocações.

🎯 Dica técnica: os dados de participação mostram as escolhas do mercado como um todo, mas não substituem testes no seu próprio negócio. Use a APIYI apiyi.com para invocar modelos das famílias Claude e GPT com a mesma chave API e compare os resultados e custos em tarefas reais antes de tomar uma decisão.

OpenAI e Anthropic na disputa empresarial: a adoção de plataformas conta outra história

Se olharmos para quais plataformas de IA foram aprovadas ou estão em uso nas empresas, o ranking muda completamente. A Morning Consult entrevistou 3.003 tomadores de decisão de empresas americanas entre 21 e 24 de julho de 2026 e publicou os resultados em 3 de agosto.

Nas grandes empresas, a taxa de adoção do Claude é de apenas 20%, bem abaixo de Copilot, Gemini e ChatGPT Enterprise. Isso parece contradizer a participação de 55% da Anthropic nos gastos com APIs, mas a diferença está, mais uma vez, no que cada indicador mede.

A taxa de adoção registra se a plataforma “foi aprovada ou está em uso”. Nessa tabela, uma empresa que criou contas do Copilot para todos os funcionários tem o mesmo peso que outra que gasta boa parte do orçamento mensal com a API do Claude. Copilot e Gemini contam com os canais de distribuição já estabelecidos do Microsoft 365 e do Google Workspace, o que facilita sua ampla adoção. Já os gastos com APIs mostram em quais modelos as equipes de desenvolvimento estão investindo dinheiro em ambientes de produção, especialmente em tarefas de agentes e programação. Por isso, a taxa de adoção da Morning Consult não deve ser interpretada como participação de mercado das APIs de modelos.

A lógica real do mercado corporativo de APIs: múltiplos fornecedores convivem

Tratar OpenAI e Anthropic como uma escolha entre uma ou outra não corresponde à realidade do mercado corporativo. Dados da Morning Consult mostram que apenas 27% das grandes empresas usam uma única plataforma principal de IA. No último ano, 44% adicionaram pelo menos uma plataforma, enquanto só 5% reduziram o número de plataformas.

Os planos para os próximos 12 meses também mostram que as empresas querem combinar diferentes estratégias:

• Continuar a expansão: 56% provavelmente vão aumentar o número de plataformas aprovadas, e 45% devem ampliar o uso de modelos de código aberto ou hospedados internamente.
• Consolidar ao mesmo tempo: 47% provavelmente vão consolidar e reduzir o número de plataformas, e 36% devem substituir sua plataforma principal atual.
• Desenvolver capacidades internas: 66% planejam desenvolver recursos internos de IA com base em modelos de fundação.

Isso significa que as empresas continuam adotando novos modelos, mas também querem unificar a governança, as compras e o faturamento. Para as equipes de desenvolvimento, a abordagem mais prática é manter uma arquitetura que permita substituir modelos, em vez de prender o negócio a um único fornecedor.

Por que as empresas estão dispostas a pagar pela qualidade dos modelos

A liderança da Anthropic nos gastos com API reflete as prioridades de compra das empresas. Entre os fatores mais valorizados pelas grandes empresas, a precisão e a qualidade das respostas ocupam o primeiro lugar, seguidas de segurança, privacidade e conformidade legal. Já o custo total de propriedade (TCO) aparece apenas em oitavo entre 12 fatores.

Esses dados explicam um ponto importante: na disputa por APIs corporativas, o menor preço unitário não é necessariamente o vencedor. Quando um modelo é usado em tarefas longas de agentes e em código de produção, o custo de retrabalho causado por um erro costuma ser muito maior que a diferença no preço dos tokens. A Menlo também aponta que o crescimento da participação da Anthropic está intimamente ligado ao desempenho da série Opus em tarefas de longa duração e programação.

Fonte dos dados do gráfico: pesquisa sobre IA corporativa da Morning Consult de 2026. Para verificar as diferenças de qualidade entre modelos no seu negócio, você pode fazer testes comparativos com vários modelos pela APIYI, em apiyi.com.

OpenAI se recupera no segundo semestre: o cenário das APIs empresariais está mudando

A liderança da Anthropic não significa que o jogo já esteja decidido. Em 5 de novembro, o WSJ citou dados de gastos empresariais do OpenRouter: no início do ano, entre as empresas que usavam modelos das duas companhias, a Anthropic respondia por cerca de três quartos dos gastos; em setembro de 2026, as duas já estavam praticamente empatadas.

Vale destacar que o OpenRouter é uma plataforma de agregação de modelos. Seus dados não representam todo o setor, e sua base de usuários é mais concentrada em desenvolvedores e startups. Por isso, esses números servem melhor para observar tendências do que como medida de participação em todo o mercado.

Os principais motores da recuperação da OpenAI são as linhas de produtos Codex e Agent:

• Crescimento acelerado de usuários do Codex: o número de usuários ativos semanais passou de mais de 2 milhões em 31 de março para mais de 5 milhões em 2 de junho. Atenção: esse é um dado de junho, não o número mais recente de novembro.
• Dos programadores aos profissionais do conhecimento: segundo a Axios, esses profissionais representam cerca de 20% dos usuários do Codex, com uma taxa de crescimento mais de três vezes maior que a do grupo de desenvolvedores.
• Lançamento do ChatGPT Work: apresentado em 9 de julho, foi criado para executar tarefas longas com várias etapas e em diferentes aplicativos.
• Rede de implementação empresarial: em abril, a OpenAI anunciou o Codex Labs, em parceria com integradoras de sistemas como Accenture, Capgemini, Infosys, PwC e TCS. Em junho, lançou a OpenAI Partner Network, com investimento de US$ 150 milhões.

A Menlo estima que Claude Code e Codex representem juntos cerca de 70% do mercado de aplicativos de programação com IA, avaliado em US$ 34 bilhões — aproximadamente US$ 24 bilhões. Os agentes de programação já se tornaram o principal campo de disputa entre as duas empresas pelos orçamentos corporativos.

Agentes estão mudando o perfil de consumo das APIs empresariais

Segundo dados do OpenRouter citados pela Menlo, os agentes já respondem por cerca de 80% do consumo total de tokens na plataforma. Desde que ultrapassou o tráfego gerado por pessoas, em fevereiro de 2026, o consumo dos agentes cresceu cerca de 37 vezes. No mesmo período, o tráfego humano cresceu apenas cerca de 5 vezes. O consumo de tokens está deixando de estar ligado ao número de usuários e passando a depender do volume de tarefas, do número de tarefas paralelas e do tempo de execução.

Esse é um dos motivos pelos quais os gastos empresariais com IA estão superando as expectativas. A Menlo estima que esses gastos chegaram, em média, a 4,7 vezes o valor do ano anterior, enquanto as empresas previam apenas 1,9 vez. Para as equipes de desenvolvimento, monitorar o uso e controlar o orçamento está se tornando tão importante quanto escolher o modelo.

Como usar uma estratégia multimodelo com APIs empresariais para acompanhar as mudanças na concorrência

Como é comum que empresas usem vários fornecedores ao mesmo tempo, a opção mais prática para desenvolvedores é permitir que o mesmo código alterne entre modelos da OpenAI e da Anthropic a qualquer momento. Veja um exemplo simples que usa uma interface compatível com a OpenAI para invocar modelos de diferentes fornecedores:

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Interface unificada da APIYI: uma chave para acessar modelos de vários fornecedores
)

# Consulte os nomes disponíveis na lista de modelos da plataforma
for model in ["gpt-6.1-sol", "claude-opus"]:
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": "用三句话总结企业 API 选型要点"}]
    )
    print(model, "=>", resp.choices[0].message.content)

import time
import openai
from typing import List, Dict

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Ponto de acesso unificado para facilitar a comparação
)

def compare_models(prompt: str, models: List[str]) -> List[Dict]:
    """Invoca vários modelos para a mesma tarefa e registra o tempo e o uso de tokens"""
    results = []
    for model in models:
        start = time.time()
        try:
            resp = client.chat.completions.create(
                model=model,
                messages=[
                    {"role": "system", "content": "你是严谨的企业技术顾问"},
                    {"role": "user", "content": prompt}
                ],
                max_tokens=800
            )
            results.append({
                "model": model,
                "latency_s": round(time.time() - start, 2),
                "prompt_tokens": resp.usage.prompt_tokens,
                "completion_tokens": resp.usage.completion_tokens,
                "answer": resp.choices[0].message.content
            })
        except Exception as e:
            results.append({"model": model, "error": str(e)})
    return results

if __name__ == "__main__":
    task = "审查以下函数的潜在并发问题，并给出修改建议：..."
    # Consulte os nomes disponíveis na lista de modelos da plataforma
    for r in compare_models(task, ["gpt-6.1-sol", "gpt-6.1-terra", "claude-opus"]):
        print(r)

🚀 Comece rapidamente: cadastre-se na APIYI, em apiyi.com, para receber créditos gratuitos de teste e experimente suas próprias tarefas de programação, documentação ou agentes em diferentes modelos. A plataforma oferece uma interface compatível com a OpenAI e cobrança por uso. Para trocar de modelo, basta alterar o parâmetro model.

Perguntas frequentes (FAQ)

Principais pontos da disputa por APIs empresariais entre OpenAI e Anthropic

• Não confunda os três indicadores: composição da receita, participação nos gastos com API e taxa de adoção das plataformas têm bases de cálculo diferentes.
• Mais da metade da receita da OpenAI vem de empresas: o segmento empresarial cresce mais rápido, mas a receita de consumidores também continua aumentando.
• Anthropic lidera os gastos com API: a Menlo estima uma participação de 55%, impulsionada pela capacidade do Opus em tarefas longas e programação.
• OpenAI se recuperou no segundo semestre: com o impulso do Codex e de novos modelos, as duas empresas já estavam praticamente empatadas em setembro, segundo os dados do OpenRouter.
• Empresas costumam usar vários fornecedores: apenas 27% das grandes empresas adotam uma única plataforma principal, e qualidade e segurança têm prioridade sobre preço.
• Como começar: compare modelos de vários fornecedores com uma única chave na APIYI, em apiyi.com, e escolha com base em testes reais, não apenas na participação de mercado.

Resumo

O fato de mais da metade da receita da OpenAI vir de empresas e a liderança da Anthropic no mercado de APIs empresariais são duas faces da mesma disputa:

1. A mudança na OpenAI: a receita, antes composta em cerca de 70% por consumidores, passou a vir majoritariamente de empresas. O negócio empresarial dobrou no terceiro trimestre, impulsionado principalmente pelo Codex e pelo ChatGPT Work.
2. A vantagem da Anthropic: a empresa ainda responde pela maior parte dos gastos com API em ambientes empresariais de produção, graças à qualidade dos modelos em tarefas longas e cenários de programação.
3. Os próximos passos: o uso de vários fornecedores pelas empresas tende a se tornar a norma. A disputa deve se concentrar em capacidades de agentes, segurança, conformidade e ecossistema de entrega, em vez de apenas em preço.

Para desenvolvedores e responsáveis por compras empresariais, em vez de apostar em um único fornecedor, vale manter uma arquitetura que permita trocar de fornecedor e avaliar continuamente os modelos com suas próprias tarefas reais. A APIYI, em apiyi.com, permite montar rapidamente um ambiente de comparação entre modelos, com uma interface unificada e créditos gratuitos para novos usuários. Assim, fica mais fácil transformar os dados de mercado em critérios para sua própria escolha.

📚 Referências

1. Reuters: receita empresarial da OpenAI supera metade do total e declarações sobre IPO: cobertura das falas de Brockman na conferência de tecnologia do WSJ
2. Link: reuters.com/legal/transactional/openai-ready-ipo-2027-now-counts-majority-sales-enterprises-brockman-says-2026-11-05/

3. Descrição: reportagem de primeira mão sobre a participação da receita empresarial, o crescimento no terceiro trimestre e a parceria com o JPMorgan

4. Reuters: receita anualizada da OpenAI se aproxima de US$ 50 bilhões em setembro: explicação sobre o ajuste nos critérios de receita

5. Link: reuters.com/business/openais-annualized-revenue-20-billion-less-than-previously-signaled-ft-reports-2026-10-08/

6. Descrição: fonte essencial para entender a diferença entre US$ 50 bilhões e US$ 70 bilhões

7. Menlo Ventures: 2026 The State of Enterprise AI: estimativas de participação nos gastos empresariais com APIs

8. Link: menlovc.com/perspective/2026-the-state-of-enterprise-ai/

9. Descrição: fonte dos dados de participação da Anthropic, com 55%, e da OpenAI, com 31%, além das tendências de tokens de agentes

10. Morning Consult: State of Enterprise AI: pesquisa sobre a adoção de plataformas de IA por empresas americanas

11. Link: morningconsult.com/articles/state-of-enterprise-ai

12. Descrição: dados sobre adoção de plataformas, estratégias com múltiplos fornecedores e fatores de compra

13. WSJ: primeiro semestre difícil da OpenAI e decolagem do negócio de programação: cita dados do OpenRouter sobre gastos empresariais

14. Link: wsj.com/tech/openai-had-rough-first-half-of-year-before-coding-takeoff-brockman-says-6c97d9e5
15. Descrição: referência sobre a evolução dos gastos com OpenAI e Anthropic entre empresas que usam ambas

Autor: Equipe técnica da APIYI
Troca de ideias: Entre em contato conosco pela página inicial da APIYI em apiyi.com. Para mais tutoriais de integração, acesse a central de documentação em docs.apiyi.com.