Spawn, empresa de 10 pessoas, gasta 30 vezes sua folha de pagamento em tokens de IA

A Spawn diz ter dez pessoas e uma frota de agentes de IA permanentes, cada um dono de uma área: engine, finanças, triagem de bugs, deploys. Cada agente tem nome, memória do que fez, permissões reais nos sistemas e aciona enxames de agentes auxiliares (milhares por dia, segundo o relato). Foram 77 mil mudanças substanciais em 30 dias, cerca de 108 por hora, com US$ 3,1 milhões gastos em tokens no último mês.

O fundador conta que a operação só funcionou com o modelo Fable, da Anthropic. Antes disso, em dois anos de aposta, os modelos testados erravam demais. Entre as decisões de processo: eliminaram pull requests, aceitam mudanças imperfeitas com reconciliação a cada hora, rodam a suíte completa de testes a cada 15 minutos e tratam uma hora sem deploy como incidente SEV-0. Só 1.055 de 123.548 mudanças foram revertidas, cerca de 0,9%. Ações irreversíveis, como pagamentos, passam por barreiras fixas. São números e avaliações do próprio fundador, sem verificação independente.

A cobertura anterior mostra o tema ganhando escala. Em 1 de abril de 2026, o CEVIU noticiou "Conheça a Startup que Automatizou Seus Próprios Desenvolvedores com IA e OpenClaw": a JustPaid, com sete agentes de IA programando 24 horas por dia. Em 27 de outubro de 2026, em "Startups trocam contratações por tokens e compram engenharia por consumo de IA", dois fundadores gastavam cerca de US$ 28 mil por ano. A Spawn aparece na ponta oposta: US$ 3,1 milhões em um mês, com agentes permanentes no lugar de ferramentas de tarefa curta.

Em 3 de julho de 2026, o CEVIU publicou "Mito da IA barata: por que faturas de startups estão disparando mesmo com tokens em queda", que apontava o volume de consumo como motor dos custos. O caso da Spawn é um exemplo extremo dessa lógica.

Para quem funda uma startup, a leitura útil não é copiar o gasto, e sim o raciocínio: a Spawn trocou a pergunta "quantas pessoas contratar" por "quanto trabalho um modelo sustenta sem supervisão". Isso muda o orçamento, em que token vira a maior linha de custo, e exige investir em observabilidade e rollback rápido. Vale ler com cautela: o fundador admite depender de um único fornecedor de modelo e os resultados são autodeclarados.