A AWS aumentou em 15% o preço das instâncias com GPU H200 on-demand em janeiro de 2026. A primeira alta de preço de GPU em aproximadamente 20 anos, segundo a Cast AI.
No mesmo movimento, cortou em até 45% os preços de H100, H200 e A100 para clientes com compromisso. A mensagem do preço é única e clara: quem se compromete paga menos do que nunca; quem não se compromete paga mais do que nunca. O gap entre os dois mundos nunca foi maior.
O preço virou régua de maturidade
Por vinte anos, o preço de GPU só desceu: capacidade chegava, custo caía, e ninguém precisava de estratégia de compra. A alta de janeiro encerra essa era: a GPU de fronteira virou commodity disputada, e o preço on-demand agora é o instrumento que separa quem planeja de quem reage.
O desenho é clássico de utilidade madura: o preço cheio pune a improvisação; o desconto recompensa previsibilidade. E o desconto, neste momento, é historicamente grande.
Os instrumentos e seus números
Quatro alavancas, com descontos medidos:
- Reserved Instances: até 72% de desconto, para carga estável de longo prazo.
- Savings Plans: até 66%, com flexibilidade de instância.
- Spot: 60 a 91%, para o que tolera interrupção.
- Chips de inferência dedicados: Inferentia2 entrega até 4 vezes melhor preço-performance para modelos menores que 13B parâmetros.
O gargalo não é conhecer os instrumentos: é a cobertura. A maioria das empresas cobre apenas 55% do compute elegível com compromissos, e o resto roda na tarifa que acabou de subir 15%.
O desenho que evita o passivo
A peça que organiza tudo é separar inferência de treinamento. Inferência é estável: roda 24/7, demanda previsível, compromisso cabe. Treinamento é bursty: pico concentrado, tolera interrupção, spot cabe.
Contratar os dois com o mesmo instrumento paga imposto de desenho nos dois sentidos: inferência em on-demand desperdiça o desconto; treinamento em reserva subutilizada vira o compromisso com benefício líquido zero que já documentamos. A separação, segundo o CloudZero, reduz o custo total de IA em 35 a 50% sem trocar de fornecedor.
E a régua final continua sendo utilização: com a média corporativa em 5%, o custo efetivo da GPU é 20 vezes o nominal. Com a H100 a 12,29 dólares por hora e 5% de uso, cada hora-GPU efetiva custa 245,80 dólares. A alta da AWS não criou esse problema; tornou cada ponto de utilização perdido mais caro.
Conclusão
A alta de preço da AWS é o marco da maturidade do mercado de GPU: acabou a era em que esperar um trimestre resolvia, porque a tarifa caía sozinha.
De agora em diante, a compra de GPU de IA é gestão de compromisso: separar cargas, cobrir o piso medido, usar spot para o interrompível, reavaliar contra o uso a cada trimestre e comparar chips. Quem estrutura isso negocia com o fornecedor; quem não estrutura negocia com a fatura. Os dois pagam, em preços muito diferentes.