Um novo estudo produziu um título assustador: os agentes de IA podem usar até 136,5 vezes mais eletricidade que um chatbot padrão para uma única consulta. O número tornou-se viral. Segundo a investigação do KAIST, citada pelo Korea Times, Forbes, Gizmodo e Digital Trends, e real - mas também muito mal interpretado. Eis o que significa mesmo. Para o básico, veja o nosso guia o que é um agente de IA.
O que o estudo encontrou
Uma equipa do KAIST (Korea Advanced Institute of Science and Technology) publicou por volta de 5 de julho de 2026 um artigo sobre o custo do raciocínio dinâmico, o estilo de ciclo-e-chamada dos agentes de código de IA modernos. Mediu a potência das respostas tipo chatbot face ao trabalho tipo agente.
O resultado de pico: um agente que navega na web, escreve código e encadeia planos multi-etapa pode consumir até 136,5 vezes mais energia por pergunta que uma simples resposta de IA generativa.
O número é um pico, não uma média
É aqui que o título viral engana. 136,5x é o pior caso, não o caso típico. Descreve agentes pesados, multi-etapa, que chamam muitas ferramentas - não cada agente em cada tarefa. Um agente simples com um trabalho curto esta muito longe desse número.
A cobertura da Forbes fez a mesma observação: o número viral é um pico, e tratá-lo como média exagera o custo diário. A leitura honesta é que os agentes podem ser muito mais caros, não que o sejam sempre.
O verdadeiro problema: as GPU inativas
O dado mais útil e porque os agentes custam tanto. Um agente não responde de uma só vez. Planeia, chama uma ferramenta, espera, lê o resultado e depois volta a chamar o modelo - muitas vezes muitos ciclos por tarefa.
Enquanto o agente espera por uma ferramenta externa ou uma página web lenta, a cara GPU está ligada mas não calcula. O estudo mediu que as GPU podem ficar inativas até 54,5% do tempo. Paga potência total por hardware que, em grande parte da tarefa, apenas espera. Esse tempo morto - não o tamanho do modelo - e o imposto energético oculto.
O que significa para si
Duas conclusões práticas:
- Adapte a ferramenta a tarefa. Uma única chamada ao modelo bem formulada é muito mais barata que um agente que repete ciclos. Para uma pergunta simples, não lance um agente multi-etapa.
- Valorize os ciclos. Quando a navegação, o código e as verificações de um agente lhe poupam mesmo trabalho, a energia extra pode compensar. O objetivo é a eficiência, não evitar.
A conclusão honesta
Duas ressalvas para não perder o rumo. Primeiro, 136,5x é um pico de um único estudo, muito divulgado mas ainda a medição de um só grupo de investigação - útil, não dogma. Segundo, a questão não é que os agentes sejam maus; e que o seu custo energético cresce com o quanto repetem ciclos e esperam.
A leitura honesta: os agentes de IA são um verdadeiro salto de capacidade e um verdadeiro salto de consumo, sobretudo devido ao hardware inativo durante o raciocínio multi-etapa. Use-os onde o trabalho multi-etapa compensa, e recorra a uma simples chamada ao modelo quando não. Para escolher modelos eficientes desde o início, a nossa visão geral melhores LLM de código 2026 ajuda.
