Ler a fatura de IA pelo que ela mede de verdade

Aprovar a fatura de inteligência artificial sem entender token e janela de contexto custa caro. Dois modelos com o mesmo preço por token podem gerar contas bem diferentes no fim do mês.

Token é o pedaço de texto que o modelo lê e escreve, com tamanho que varia por idioma, conteúdo e modelo escolhido.

A janela de contexto é o total de texto que o modelo considera de uma vez, e nada fora dela existe para ele. Tudo disputa esse espaço: a instrução do sistema, o histórico da conversa, os documentos anexados e a reserva da resposta.

Janela maior não corrige contexto ruim. Material demais dilui a atenção do modelo no meio do texto, e o efeito prático é resposta que ignora justamente o trecho que decidia a questão.

Trocar de modelo muda a conta por dois caminhos, e a tabela de preço mostra só um. O outro é o tokenizador: nos modelos Claude 4.7 e posteriores, o mesmo texto pode gerar cerca de 30% mais tokens, com variação por conteúdo e tarefa.

Por isso preço por token mais baixo não garante fatura menor. A nota do modelo novo em benchmark público também não resolve: ela mede tarefas resolvidas por chamada, não quantos tokens a sua carga vai gerar nem quanto do seu contexto se repete entre chamadas.

Dois ajustes cortam o gasto sem trocar de modelo. A leitura de cache cobra menos pelo trecho de contexto repetido entre chamadas: no Claude Fable 5.1 ela sai por 2,5% do preço de entrada. No Opus 5.5, custa US$ 0,20 por milhão de tokens, contra US$ 4 da entrada normal. Vale enquanto o prefixo do pedido continuar idêntico.

O nível de esforço regula quanto o modelo pensa antes de responder. Compare esforço, qualidade e custo por tarefa aceita antes de mudar a configuração, porque a gravação de cache também tem custo.

Peça o orçamento de IA em três linhas, em vez de um valor fechado por mês. A primeira é o volume de tokens por mês, separado por modelo e por funcionalidade.

A segunda é o preço de entrada e de saída do modelo escolhido, com a data da consulta, porque a tabela dos provedores muda em cadência mensal. A terceira é a fatia do contexto que se repete e pode entrar em cache: contexto repetido sem cache é a economia mais barata que a empresa deixa na mesa.

Antes de aprovar a migração para um modelo mais novo, peça o extrato de tokens de entrada e de saída do último mês, por modelo, e some o efeito do tokenizador ao preço anunciado.