DeepSeek R1 redefine o custo da inteligência, e os estúdios chineses já estão investindo essa economia em jogos
A DeepSeek lançou o R1 em 20 de janeiro de 2025, e o choque não veio das pontuações nos benchmarks. Veio do preço. O R1 alcançou o nível dos modelos de raciocínio de ponta custando cerca de US$ 0,07 por milhão de tokens de entrada, aproximadamente 27 vezes menos que o modelo comparável da OpenAI, e a DeepSeek afirmou ter treinado o modelo por cerca de US$ 5,6 milhões, usando 2.000 GPUs durante 55 dias. A NVIDIA perdeu US$ 589 bilhões em valor de mercado em um único dia, enquanto o mercado reavaliava o valor do poder computacional.
O que importa para os jogos
A maior parte da cobertura se concentrou nos mercados e na geopolítica. Para quem desenvolve jogos, o que importa é o que aconteceu em seguida nos estúdios chineses. Poucas semanas depois, Ding Lei, CEO da NetEase, afirmou que modelos da classe do DeepSeek haviam aumentado em cerca de 30% a eficiência de P&D de jogos da empresa: a geração de scripts de missões, que antes levava duas semanas, passou a ser concluída em três dias, e os custos de mão de obra associados caíram cerca de 40%.
Leia isso de novo. Não se trata de um resultado de laboratório nem de uma demonstração. É o líder de uma das maiores publishers de jogos do mundo apresentando números concretos sobre quanto a produção ficou mais barata e rápida, quase imediatamente, porque o custo de um modelo competente despencou.
O que isso significa para quem cria
Durante dois anos, a discussão sobre IA em jogos girou em torno de capacidade: qual modelo escreve diálogos melhores, qual gera código mais limpo, qual produz arte utilizável. Essa corrida terminou praticamente empatada no topo. O R1 deslocou a fronteira para um eixo totalmente diferente, o mesmo que o mundo dos vídeos com IA passaria todo o ano de 2026 descobrindo: custo.
Quando a inteligência fica mais de 20 vezes mais barata, a economia de cada recurso de IA em um pipeline de jogos se inverte. Tarefas que eram caras demais para executar em cada asset, cada linha de missão e cada interação do jogador passam a ser realizadas por padrão. A pergunta deixa de ser “podemos nos dar ao luxo de colocar um modelo neste ciclo?” e passa a ser “por que não há um modelo em cada ciclo?”. Uma grande publisher transforma isso em um ganho de eficiência de 30% em uma organização com mil pessoas. Para quem cria por conta própria, isso representa a diferença entre uma ideia ser viável ou não.
Essa segunda versão resume toda a tese da Cinevva. Orquestramos modelos de ponta para que uma única pessoa possa criar um jogo que antes exigiria uma equipe. E, sempre que o custo subjacente da inteligência cai, o patamar mínimo do que uma pessoa consegue produzir sobe junto. A DeepSeek não apenas deixou alguns laboratórios dos EUA em situação constrangedora. Ela alterou o preço da matéria-prima sobre a qual a criação solo de jogos é construída, e quem está em melhor posição para aproveitar esse ganho inesperado não é quem tem os maiores orçamentos. É quem nunca teve orçamento algum.