Dois dos maiores clientes corporativos da Anthropic estão reduzindo simultaneamente o uso interno do Claude.
Segundo uma reportagem do The Information, a Microsoft havia projetado anteriormente que gastaria pelo menos US$ 1 bilhão neste ano em seu próprio uso interno da tecnologia da Anthropic. Desde então, reduziu essa projeção em mais de um terço, após pedir aos funcionários que usassem menos o Claude e dependessem mais das ferramentas da própria Microsoft.
Na Meta, o número de funcionários que usam o Claude Code teria caído de cerca de 60.000 no início de 2026 para aproximadamente 30.000.

A parte surpreendente é que menos usuários não significa necessariamente gastos baixos. O The Information informou que a Meta ainda gastou mais de US$ 105 milhões com o Claude Code durante um período recente de 28 dias.
Portanto, a história não é que o Claude tenha se tornado ruim de repente.
É quase o contrário.
O Claude Code tornou-se útil o suficiente para que grandes organizações de engenharia o executassem constantemente. Quando agentes autônomos de programação começaram a ler repositórios, executar testes, editar arquivos, tentar novamente após falhas e operar por horas seguidas, o consumo de tokens passou a ser uma linha relevante do orçamento.
Isso está levando a programação corporativa com IA para uma nova fase: a capacidade continua importante, mas também importam o custo por tarefa, o controle de dados, a estratégia de fornecedores e se o cliente consegue criar uma alternativa própria.
A fatura explode: quanto melhor o agente, mais ele pode custar
A experiência da Microsoft é um exemplo claro do que acontece quando uma ferramenta de programação agêntica escala dentro de uma grande organização de engenharia.
O artigo de origem afirma que a Microsoft começou a conceder acesso ao Claude Code a milhares de engenheiros da sua organização Experiences and Devices no fim de 2025. A adoção se espalhou rapidamente sem exigir muita promoção interna.
Reportagens anteriores sobre o programa descreveram um uso intenso do Claude Code que, em alguns casos, atingia centenas ou até milhares de dólares por engenheiro por mês. Os valores exatos por usuário variam entre as reportagens e não devem ser tratados como uma média universal para toda a Microsoft, mas a pressão de custos geral está bem documentada.
Em meados de 2026, a Microsoft já estava transferindo muitos engenheiros do Claude Code para o GitHub Copilot e modelos desenvolvidos pela própria Microsoft.
O CEO da Microsoft AI, Mustafa Suleyman, expressou a posição da empresa de forma incomumente explícita em uma entrevista à Bloomberg, afirmando que a Anthropic era “extremamente cara” e que a Microsoft queria reduzir — e, eventualmente, eliminar — o custo que paga à Anthropic.

As reportagens mais recentes vão além.
O The Information afirma que a Microsoft estava a caminho de gastar pelo menos US$ 1 bilhão por ano no uso interno da Anthropic, mas agora reduziu essa projeção em mais de um terço.
O The Decoder, ao resumir a mesma reportagem, afirma que a divisão de nuvem também reduziu um orçamento mensal de Claude por funcionário de cerca de US$ 100.000 para US$ 10.000. Esse número é mais bem entendido como uma permissão interna de gastos ou teto orçamentário, e não como prova de que cada funcionário consumia de fato US$ 100.000 em Claude todos os meses.

A Meta tem o mesmo problema em outra escala
O número de usuários do Claude Code na Meta teria caído de aproximadamente 60.000 para cerca de 30.000.
Parte da redução ocorreu após cortes de pessoal, mas o The Information afirma que um fator maior é a própria pilha de programação com IA da Meta.
A Meta agora tem diversas alternativas internas ou testadas internamente:
- MetaCode tem mais de 30.000 usuários internos.
- Muse Code, que a Meta começou a testar com clientes externos em agosto, tem mais de 6.000 usuários entre os funcionários.
- A família de modelos Muse Spark da própria Meta está sendo usada cada vez mais nos fluxos de programação internos.
Mesmo depois de a base de usuários do Claude Code ter sido reduzida aproximadamente pela metade, a Meta teria gasto mais de US$ 105 milhões no Claude Code em um período recente de 28 dias.
Isso torna a economia difícil de ignorar.
O número de 60 trilhões de tokens precisa de contexto
O artigo original afirma que o painel interno “Claudeonomics” da Meta mostrou 60 trilhões de tokens em 30 dias, e dá a entender que tudo isso representava código e dados internos passando pelo Claude.
Essa conclusão é ampla demais.
Reportagens anteriores do The Information afirmam que o placar Claudeonomics, criado por funcionários, acompanhava o uso de tokens de IA em toda a empresa, que superou 60 trilhões de tokens em um período recente de 30 dias. As informações disponíveis não estabelecem que todos esses tokens vieram do Claude Code.
O painel ainda ilustra a escala de uso de IA dentro da Meta, mas não deve ser lido como uma fatura exclusiva do Claude de 60 trilhões de tokens.
Por que a programação agêntica altera a curva de custos
O uso comum de chat é relativamente limitado.
Um usuário faz uma pergunta, o modelo responde e a interação pode terminar.
Agentes de programação se comportam de forma diferente:
ler repositório
→ inspecionar dependências
→ pesquisar arquivos
→ editar código
→ executar testes
→ inspecionar falhas
→ editar novamente
→ executar ferramentas
→ continuar por horas
Cada ciclo pode reutilizar repetidamente grandes quantidades de contexto do repositório.
É por isso que o software agêntico pode se tornar caro justamente quando se torna útil.
Quanto mais autônomo for o agente, mais tempo ele permanece ativo. Quanto maior for a base de código, mais contexto ele lê. Quanto mais etapas executar, mais cobrança de tokens se acumula.
Isso cria um problema corporativo simples:
Uma ferramenta pode gerar ganhos reais de produtividade e ainda assim se tornar financeiramente difícil de implantar sem roteamento, cache, orçamentos e controles de uso.
Como um parceiro se torna um concorrente
O custo é apenas uma parte da história.
A questão mais profunda é que a Anthropic concorre cada vez mais com empresas que antes a viam principalmente como fornecedora de modelos.
A Microsoft vende o GitHub Copilot, desenvolve seus próprios modelos e está criando software de produtividade cada vez mais agêntico. O Claude Code e o Claude Cowork da Anthropic agora se sobrepõem a partes dos mercados de ferramentas para desenvolvedores e software de escritório que a Microsoft quer controlar.
A Meta está em uma posição semelhante.
Ela está desenvolvendo o MetaCode, o Muse Code e seus próprios modelos Muse. Quando a Meta possui uma pilha de programação interna confiável, pagar a um concorrente para realizar o mesmo trabalho se torna mais difícil de justificar.
Isso transforma a relação de:
cliente → fornecedor de modelo
em algo mais próximo de:
cliente + parceiro estratégico + potencial concorrente
A concentração de clientes importa mais antes do IPO da Anthropic
O momento é especialmente sensível porque a Anthropic está se preparando para uma abertura de capital.
A Reuters, citando o prospecto de IPO da Anthropic, informou que dois clientes não identificados responderam por aproximadamente 24% da receita da Anthropic em 2025.
O prospecto não identifica esses dois clientes.
O artigo original afirma que o mercado suspeita amplamente que sejam Microsoft e Meta. Isso continua sendo especulação e não deve ser tratado como confirmação.
O que está confirmado é o risco mais amplo: o prospecto da Anthropic alerta explicitamente que a receita está concentrada em um pequeno número de grandes clientes e que a redução de gastos por contas importantes poderia prejudicar seus negócios.
Isso torna uma redução simultânea por dois grandes clientes de tecnologia mais importante do que um ajuste normal de orçamento de fornecedor.
A Anthropic ainda tem grandes compromissos de infraestrutura
Há outra tensão incomum na relação com a Microsoft.
Enquanto a Microsoft reduz os gastos internos com o Claude, a própria Anthropic possui grandes obrigações de infraestrutura de longo prazo com a Microsoft.
A Reuters informou, com base no prospecto da Anthropic, que a empresa tem cerca de US$ 31,4 bilhões em compromissos de infraestrutura não canceláveis com a Microsoft que se estendem até a próxima década, exceto sob condições específicas de descumprimento.
Isso significa que as duas empresas podem ser simultaneamente:
- Cliente e fornecedora
- Investidora e parceira de infraestrutura
- Colaboradoras em IA
- Concorrentes
Esse tipo de interdependência é cada vez mais normal na IA de fronteira.
Outras empresas também estão apertando os controles
O artigo de origem argumenta que Microsoft e Meta não são casos isolados.
Crie um site de apresentacao e gere leads em minutos
Descreva sua ideia uma vez e o We0 AI pode gerar um site de apresentacao, paginas e CMS, alem de ajudar a atrair clientes e trafego apos o lancamento.
Uma geração completa de projetos para registro gratuito
Melhor para experimentar um fluxo de geração completo e ver rapidamente um primeiro rascunho do projeto.
Esse padrão mais amplo é apoiado por reportagens adicionais.
Em julho, a Reuters informou que a Alibaba proibiu funcionários de usar o Claude Code e orientou a migração para a plataforma Qoder da empresa, citando preocupações de segurança.
Em setembro, a Reuters informou que Palantir, Nvidia e Booz Allen Hamilton haviam restringido ou consideravam restringir o uso de modelos externos avançados devido a preocupações com dados proprietários e políticas de retenção.
As restrições exatas variam conforme a empresa:
- A Nvidia teria limitado os modelos da Anthropic a trabalhos menos sensíveis e usado seus próprios modelos Nemotron para tarefas internas proprietárias.
- A Booz Allen teria restringido os modelos comerciais da Anthropic para trabalhos proprietários de cibersegurança.
- A Palantir buscou garantias mais fortes de retenção zero de dados antes de uma integração mais profunda.
O padrão comum não é simplesmente “o Claude é caro demais”.
Para grandes empresas, código, dados de segurança, documentos internos e fluxos de trabalho proprietários são ativos centrais. Quanto mais próximo um agente de IA chega desses ativos, mais os clientes se preocupam com custo, retenção, controle e dependência competitiva.
A resposta da Anthropic: menor custo efetivo e controles corporativos de dados mais fortes
A Anthropic não está ignorando essas objeções.
Em setembro, lançou o Claude Fable 5.1, mantendo os preços-base da API inalterados, mas reduzindo em 75% o preço de leitura de cache, de US$ 1,00 para US$ 0,25 por milhão de tokens.
A Anthropic afirma que isso reduz o custo total em:
- Cerca de 25% para cargas de trabalho típicas
- Até cerca de 45% para cargas de trabalho altamente agênticas
O motivo é direto.
Agentes de longa duração releem repetidamente um contexto já processado. Se esse contexto reutilizado se torna muito mais barato, a fatura total da tarefa pode cair mesmo quando os preços nominais de entrada e saída não mudam.
Preços do Fable 5.1
| Tipo de token | Preço do Fable 5.1 por 1 milhão de tokens |
|---|---|
| Entrada | US$ 10,00 |
| Leitura de cache | US$ 0,25 |
| Saída | US$ 50,00 |
As economias de 25% e 45% são estimativas por carga de trabalho, e não descontos garantidos em todas as solicitações.
Uma solicitação curta que não se beneficie do cache ainda pode custar essencialmente o mesmo que antes.
Salvaguardas Enterprise Frontier
A Anthropic também anunciou as Enterprise Frontier Safeguards (EFS) para abordar preocupações com retenção de dados.
As EFS foram projetadas para que clientes corporativos elegíveis possam manter os dados em uma infraestrutura de nuvem que controlam, em vez de nos próprios sistemas da Anthropic, sem deixar de permitir salvaguardas automatizadas para detecção de uso indevido.
A Anthropic afirma que as EFS estão sendo implementadas em fases e que clientes elegíveis podem receber tratamento de retenção zero de dados até que o sistema esteja amplamente disponível.
Isso aborda diretamente uma das preocupações levantadas por empresas que lidam com informações proprietárias ou regulamentadas.
No entanto, isso não resolve todos os problemas estratégicos.
Uma empresa que já possui um modelo interno forte ou uma pilha de programação consolidada ainda pode preferir seu próprio sistema, mesmo que os preços externos e a privacidade melhorem.
A programação com IA entra na fase de contabilidade de custos
Nos últimos dois anos, grande parte da corrida de IA se concentrou em capacidade:
- Qual modelo escreve código melhor?
- Qual agente consegue trabalhar por mais tempo?
- Qual sistema consegue usar mais ferramentas?
- Qual modelo obtém a maior pontuação em benchmarks?
Agora, as equipes financeiras fazem uma pergunta diferente:
Quanto custou, de fato, cada tarefa concluída?
Essa é uma mudança importante.
A experiência da Microsoft ilustra o ciclo completo:
- O Claude Code se torna popular porque os engenheiros o consideram útil.
- O uso se expande rapidamente.
- Sessões agênticas consomem grandes quantidades de tokens.
- Os gastos se tornam visíveis na escala da organização.
- A gestão introduz orçamentos e promove alternativas mais baratas ou internas.
A preferência da equipe de engenharia ainda importa, mas ela não decide mais todo o processo de aquisição.
O mercado está se dividindo em níveis de modelos
Um provável padrão corporativo está surgindo:
| Carga de trabalho | Estratégia de modelo provável |
|---|---|
| Programação rotineira, documentação, correções simples | Modelo mais barato, rápido e rigorosamente controlado |
| Agentes internos de alto volume | Modelo de baixo custo com cache agressivo e limites de gastos |
| Trabalho proprietário ou altamente sensível | Implantação interna, privada ou fortemente isolada |
| Raciocínio difícil e arquitetura complexa | Modelo de fronteira reservado para as tarefas mais difíceis |
Isso é menos chamativo do que rankings de benchmarks, mas provavelmente é mais importante para a adoção corporativa.
O modelo mais forte não vence automaticamente a maior implantação.
O sistema vencedor também precisa ser acessível, previsível, governável e seguro o suficiente para se conectar aos dados centrais da empresa.
Custo por token não é suficiente
As empresas precisam cada vez mais medir o custo por tarefa concluída, e não apenas o preço da API por milhão de tokens.
Uma métrica interna útil pode incluir:
custo total da tarefa =
tokens do modelo
+ gravações e leituras de cache
+ chamadas de ferramentas
+ novas tentativas
+ tempo de revisão humana
+ sobrecarga de infraestrutura
Um modelo com preço alto por token ainda pode ser econômico se concluir a tarefa em menos etapas.
Um modelo barato pode se tornar caro se entrar em loops, repetir tentativas ou exigir mais correção humana.
É por isso que a próxima fase da programação com IA se parecerá cada vez mais com FinOps: roteamento, orçamentos, observabilidade, cache, painéis de uso e medição de ROI se tornam parte da pilha de engenharia.
Perguntas frequentes
Por que a Microsoft reduziu seus gastos com Claude?
O The Information informa que a Microsoft reduziu em mais de um terço sua projeção de gastos internos com a Anthropic após pedir aos funcionários que usassem menos o Claude e dependessem mais do GitHub Copilot e dos modelos da própria Microsoft. O custo é um fator importante, mas a Microsoft também concorre diretamente em ferramentas para desenvolvedores e IA corporativa.
Quantos funcionários da Meta ainda usam o Claude Code?
As reportagens mais recentes indicam aproximadamente 30.000, abaixo dos cerca de 60.000 no início de 2026. Parte da queda ocorreu após demissões, enquanto um fator maior foi a expansão da Meta com MetaCode, Muse Code e seus próprios modelos Muse.
A Meta realmente gastou mais de US$ 100 milhões com Claude Code em um mês?
O The Information informa que a Meta gastou mais de US$ 105 milhões com Claude Code durante um período recente de 28 dias. Esse valor representa gastos internos reportados, e não uma divulgação financeira oficial da Meta.
A Meta usou 60 trilhões de tokens do Claude em 30 dias?
Não exatamente. O painel Claudeonomics, criado por funcionários, teria mostrado mais de 60 trilhões de tokens de IA de toda a empresa em 30 dias. As reportagens disponíveis não estabelecem que todo esse tráfego de tokens era do Claude Code.
Por que o Claude Code pode ficar caro tão rapidamente?
Sessões de programação agêntica leem repetidamente grandes repositórios, chamam ferramentas, executam testes, inspecionam resultados e tentam novamente alterações. Isso gera um uso de tokens muito maior do que uma conversa curta ou uma conclusão única de código.
O que a Anthropic está fazendo para reduzir os custos corporativos?
O Claude Fable 5.1 reduz em 75% o preço de leitura de cache. A Anthropic estima que isso reduza o custo total em cerca de 25% para cargas de trabalho típicas e em até aproximadamente 45% para cargas altamente agênticas que reutilizam grandes quantidades de contexto em cache.
O que são as Enterprise Frontier Safeguards?
As Enterprise Frontier Safeguards são os novos controles da Anthropic para clientes empresariais elegíveis que desejam mais privacidade, mantendo ao mesmo tempo o monitoramento de uso indevido. O design mantém os dados em infraestrutura de nuvem controlada pelo cliente, em vez dos sistemas da Anthropic, com implementação em fases a partir de 2026.
Isso significa que as empresas estão abandonando modelos de IA de fronteira?
Não. A tendência é de uso seletivo, e não de abandono completo. Muitas empresas estão reservando modelos de fronteira caros para tarefas de alto valor, enquanto direcionam cargas rotineiras, sensíveis ou de alto volume para sistemas mais baratos ou controlados internamente.
Ferramentas relacionadas
- Claude Code: Ferramenta de programação agêntica da Anthropic para fluxos de trabalho de desenvolvimento de software com repositórios, terminal e longa duração.
- GitHub Copilot: Principal produto de IA para desenvolvedores da Microsoft e uma das alternativas internas promovidas na Microsoft.
- Qoder: Plataforma de programação com IA da Alibaba, que os funcionários teriam sido instruídos a usar após a proibição interna do Claude Code.
- NVIDIA Nemotron: Família de modelos da NVIDIA usada para cargas de trabalho de IA corporativas e internas controladas.
- Claude Platform: Plataforma oficial de API da Anthropic para uso, modelos, preços, cache e integração corporativa.
Links relacionados
- Artigo original do BAAI Hub: Artigo-fonte em chinês usado como base estrutural para esta adaptação em inglês.
- The Information: Microsoft reduz em um terço os gastos internos com Claude: Reportagem original sobre Microsoft e Meta reduzindo o uso interno do Claude.
- The Decoder: Meta e Microsoft recuam no uso do Claude: Reportagem secundária com os números de orçamento interno e contagem de usuários citados no artigo-fonte.
- Anthropic: Claude Fable 5.1 e Mythos 5.1: Explicação oficial da redução de 75% no preço de leitura de cache e das economias estimadas por carga de trabalho.
- Anthropic: Enterprise Frontier Safeguards: Descrição oficial da arquitetura de retenção de dados controlada pelo cliente da Anthropic.
- Reuters: Alibaba proíbe funcionários de usar Claude Code: Reportagem sobre a proibição interna do Claude Code pela Alibaba e a migração para o Qoder.
- Reuters: Prospecto de IPO da Anthropic e dependência de Big Tech: Reportagem sobre concentração de clientes, relações de nuvem e compromissos de infraestrutura divulgados no prospecto da Anthropic.
- Reuters: Palantir, Nvidia e Booz Allen restringem o uso de modelos: Reportagem da Reuters sobre preocupações corporativas com retenção de dados e informações proprietárias.
Resumo
Microsoft e Meta não estão reduzindo o uso do Claude porque a ferramenta deixou de ser útil de repente. Seus recuos revelam o problema oposto: a programação agêntica pode se tornar extremamente cara muito rapidamente quando milhares de funcionários executam sessões longas e autônomas em grandes bases de código.
A questão estratégica é mais ampla do que preço. Microsoft e Meta estão desenvolvendo seus próprios produtos concorrentes de IA, enquanto outras empresas estão restringindo o acesso a modelos externos quando dados proprietários estão envolvidos. A Anthropic responde com leituras de cache mais baratas e controles corporativos de dados mais fortes, mas o mercado claramente avança para um roteamento de modelos mais seletivo.
A próxima fase da programação corporativa com IA será julgada por mais do que pontuações de benchmark. As empresas se preocupam cada vez mais com custo por tarefa, governança de dados, dependência de fornecedores e se o modelo pode ser conectado com segurança aos sistemas internos centrais.
O agente de programação mais capaz não se torna automaticamente a ferramenta corporativa padrão — o vencedor também precisa ser acessível, controlável e estrategicamente aceitável.



