Anthropic virou o jogo e passou a OpenAI em receita anualizada: US$ 30 bilhões de ARR contra algo em torno de US$ 24–25 bilhões, com bem menos barulho e quatro vezes menos gasto projetado em treinamento.
Adicione ao Google NotíciasNeste artigo
Na prática, Anthropic agora lidera a corrida de faturamento em modelos de IA: a empresa afirma ter passado de cerca de US$ 1 bilhão de ARR em janeiro de 2025 para mais de US$ 30 bilhões em abril de 2026, enquanto estimativas colocam a OpenAI em US$ 24–25 bilhões, mesmo com 900 milhões de usuários semanais de ChatGPT.
Como Anthropic cresceu 30x e atropelou a OpenAI em receita?
O número impressiona, mas vem com histórico detalhado: segundo dados de análises de mercado como a The AI Corner, Anthropic saiu de algo próximo a US$ 87 milhões de receita anualizada em janeiro de 2024 para cerca de US$ 1 bilhão no fim de 2024, US$ 9 bilhões no fim de 2025 e US$ 30 bilhões em abril de 2026. É um salto de 30x em 15 meses, uma trajetória que em software costuma levar décadas.
O trecho mais agressivo da curva aparece no começo de 2026: US$ 14 bilhões em fevereiro, US$ 19 bilhões em março e então US$ 30 bilhões em abril — US$ 11 bilhões de ARR adicionados em torno de um mês. Essa aceleração não veio de linhas de receita novas, e sim da expansão de contratos existentes, upsell de capacidades de Claude e maior volume de uso em APIs já ativas.
A ultrapassagem em cima da OpenAI acontece justamente nesse ponto. A própria OpenAI divulgou US$ 2 bilhões em receita mensal, o que anualiza em torno de US$ 24 bilhões, enquanto diversas leituras de mercado cravam a Anthropic em US$ 30 bilhões de ARR. Em outros setores de tecnologia empresarial, Salesforce levou quase 20 anos para chegar nesse patamar; Anthropic alcança o mesmo nível em menos de três anos, partindo praticamente do zero em 2024 e com base de clientes ainda concentrada em grandes empresas.
Tem um detalhe contábil relevante nesse comparativo: parte dessa receita aparece via contratos em nuvem (Google Cloud, AWS, Azure), e cada companhia reconhece esses números de um jeito distinto, dependendo de quanto passa pela plataforma do parceiro e de como contabiliza créditos de compute. Mesmo assim, todos os recortes apontam para o mesmo desenho de gráfico: a linha da Anthropic cruza a da OpenAI no começo de 2026, com uma inclinação que foge da curva tradicional de software e se aproxima mais de consumo massivo de infraestrutura do que de venda de licença.
Por que o foco em enterprise virou arma contra a base gigante da OpenAI?
O truque da Anthropic não foi copiar o caminho da OpenAI. Em vez de um app viral voltado ao consumidor final, a empresa montou o negócio em cima de contratos enterprise e uso via API como porta principal. Cerca de 80% da receita vem de empresas, contra algo em torno de 40–50% na OpenAI, que ainda depende bastante de usuários individuais e assinaturas mensais do ChatGPT e de seus planos corporativos mais leves.
Os números de ticket mostram esse desvio de rota em detalhes. Na rodada Série G anunciada em fevereiro, a Anthropic já tinha mais de 500 clientes corporativos gastando acima de US$ 1 milhão por ano. Pouco tempo depois, esse grupo passou de 1.000 companhias nesse patamar — a base de grandes contratos dobrou em menos de dois meses.
Em paralelo, oito das dez maiores empresas do Fortune 10 aparecem como clientes de Claude, de acordo com dados citados pela SaaStr, o que sinaliza penetração pesada em contas globais com orçamento quase ilimitado para automação.
Esses contratos não são pilotos tímidos de laboratório. Eles substituem gastos concretos de linha de orçamento: workflows de SEO inteiros, times de pesquisa, consultorias tradicionais, ferramentas de código licenciadas por assento. Claude Cowork entra no lugar de agência que cobrava US$ 10 mil por mês. Claude em Excel assume auditoria de modelos financeiros em minutos que antes consumiam horas de analistas. Claude para investimentos encurta o trabalho de times inteiros de análise e backoffice em bancos e fundos. É daí que sai um ARR acima de US$ 1 milhão por cliente, com cláusulas de expansão automática por volume de uso — e é justamente essa camada de contrato pesado que falta na base majoritariamente consumer da OpenAI.
Quanto pesa gastar 4x menos em treinamento do que a OpenAI?
Se a receita é o manche, o motor é o custo de treino. Documentos financeiros citados pelo Wall Street Journal indicam que a OpenAI projeta gastar algo na faixa de US$ 121–125 bilhões por ano em compute por volta de 2028–2030, com perdas anuais na casa de US$ 85 bilhões e breakeven empurrado para 2029 ou depois. A Anthropic, no mesmo horizonte, projeta cerca de US$ 30 bilhões em custos de treinamento — quatro vezes menos — e fala em chegar a fluxo de caixa positivo entre 2027 e 2029, dependendo do ritmo de investimento em novas gerações de modelo.
Na prática, a empresa que acabou de passar a rival em receita faz isso queimando bem menos capital por dólar gerado. Hoje, tirando da conta os gastos de treinamento, as duas operam quase no azul; quando recoloca o custo de treinar modelos gigantes na planilha, os caminhos se afastam rapidamente. A OpenAI aposta que tamanho absoluto e supremacia técnica no fim da década justificam a conta bilionária com GPUs e data centers. A Anthropic joga o jogo da eficiência: mais receita enterprise por dólar de GPU, com foco em contratos de longo prazo que pagam a infraestrutura com antecedência.
Esse gap de capital também explica movimentos de infraestrutura que começaram a vazar para o mercado. No mesmo dia em que o número de US$ 30 bilhões de ARR veio a público, Anthropic assinou novo acordo com Google e Broadcom para vários gigawatts de TPUs de próxima geração a partir de 2027. É reciclar vantagem de receita em capacidade de treino, usando fluxo de caixa crescente como alavanca para reservar hardware antes que a OpenAI e outros competidores, e tentar manter a curva de custo por unidade de inteligência caindo mais rápido que a da OpenAI.
Claude, Claude Code e o efeito de estar em AWS, Google Cloud e Azure
O portfólio que empurra esses números é direto e com poucas linhas de produto visíveis. Claude Cowork e Claude Code viraram peças centrais no dia a dia de times técnicos e de negócio, com atualizações grandes a cada duas semanas em 2026 que ampliam contexto, melhoram ferramentas internas e ajustam o comportamento dos modelos para fluxos específicos de empresas.
Claude Code, lançado publicamente em 2025, já roda em ritmo de bilhões em ARR sozinho e aparece em uma fatia crescente dos commits públicos no GitHub, segundo dados citados por relatórios de mercado que acompanham metadados de ferramentas de IA em repositórios abertos. O modelo entra em pipelines de CI/CD, em revisões automáticas de pull request e em geração de testes, deslocando ferramentas clássicas de análise estática e partes do trabalho manual de desenvolvedores.
O truque de distribuição é talvez ainda mais agressivo que o portfólio reduzido: Claude é o único modelo de fronteira disponível simultaneamente nos três maiores clouds globais — AWS Bedrock, Google Cloud Vertex AI e Microsoft Azure Foundry. OpenAI continua preso ao Azure, Gemini vive em casa no Google Cloud; Claude, nesse desenho, aparece como opção default para qualquer time que quer algo agnóstico de fornecedor e precisa rodar o mesmo modelo onde o cliente estiver, sem renegociar contrato de nuvem.
Esse alcance explica outra métrica que circula em apresentações e conferências: um índice de mercado citado em discussões públicas coloca a Anthropic com 34,4% de adoção corporativa em maio de 2026, acima da OpenAI, depois de quadruplicar presença em um ano enquanto a rival cresceu menos de 1% no mesmo período. Mais empresas novas que compram IA pela primeira vez entram direto na Anthropic via marketplaces das nuvens e acordos globais, e esses contratos, com integração profunda em sistemas legados e dados sensíveis, não trocam de modelo a cada trimestre.
O dado que incomoda investidores não é só os US$ 30 bilhões de ARR. Anthropic recusou propostas que avaliam a empresa em até US$ 800 bilhões, enquanto segue rodando com múltiplo menor que o da rival e mantendo uma estrutura de custos mais leve. As duas caminham para IPO com números gigantes, e os prospectos vão listar linha por linha quanto de cada dólar levantado está sendo queimado em clusters de GPU e TPU para sustentar essa disputa em IA generativa.
