Escolher entre Claude e OpenAI pelo custo de cada tarefa aceita

Claude e OpenAI cobram o mesmo por token em três dos quatro degraus de preço de outubro de 2026, então a escolha sai do custo por tarefa aceita, medido com o prompt reescrito para cada casa. Serve para quem paga as duas contas ou vai migrar um fluxo de conteúdo, e o teste cabe em 20 tarefas reais.

O espelho é quase exato. O Claude Fable 5.1 e o GPT-6 Astra custam US$ 10 por milhão de tokens de entrada e US$ 50 de saída (token é o pedaço de palavra em que a IA mede e cobra o texto). O Claude Sonnet 5.5 e o GPT-6.1 Sol cobram US$ 2 e US$ 10; o Claude Haiku 5.5 e o GPT-6 Luna, US$ 0,10 e US$ 0,50. Só o Claude Opus 5.5, a US$ 4 e US$ 20, fica sem par na OpenAI.

Com a tabela empatada, a diferença mora no que ela esconde: quantos tokens o mesmo texto gera, quanto o raciocínio (o rascunho que o modelo escreve antes de responder) consome, quanto do prompt cai no cache (o desconto para o começo repetido do pedido) e quantas respostas a equipe refaz. Um prompt copiado de uma casa para a outra sem adaptação perde dinheiro em pelo menos dois desses pontos, porque cache e raciocínio seguem regras diferentes em cada lado.

Como medir o que a tabela de preço não mostra

Custo por tarefa aceita é o gasto de todas as tentativas, inclusive as recusadas, dividido pelo número de respostas que alguém aprovou sem refazer. É o custo da peça boa na fábrica, com o refugo dentro da conta. Ele decide a compra porque o preço por token mede o insumo e a empresa paga pelo produto entregue; na prática, você roda as mesmas tarefas nos dois modelos, soma a fatura e divide pelos aceites.

Em 2024, levar um prompt de um fornecedor para o outro era trocar o nome do modelo e ajustar a temperatura (temperature, o grau de improviso da resposta). Em 2026 as duas casas mudaram as regras do próprio prompt. A Anthropic removeu o pré-preenchimento (prefill, começar a fala do modelo por você), que devolve erro desde a geração 4.6, e passou o raciocínio para o nível de esforço (effort). A OpenAI pede para retirar temperature e top_p (outro regulador de variação) quando o raciocínio está ligado e exige a Responses API, sua interface de chamadas mais nova, para usar ferramentas no GPT-6 Astra e no GPT-6.1 Sol.

Os dois guias oficiais concordam que pedir “pense passo a passo” virou desperdício: o da Anthropic sugere apagar a linha no Opus 5.5 e regular pelo esforço, e o da OpenAI avisa que ela às vezes atrapalha. Divergem na forma. O Claude rende com tags XML (etiquetas como <briefing> que marcam começo e fim de um trecho), três a cinco exemplos e o documento longo no topo; o GPT-6 pede cabeçalhos em Markdown (títulos marcados com #), começo sem exemplos e o material variável no fim, o que preserva o cache do trecho fixo.

Regras que mudam o prompt e a chamada

Abaixo do preço, cada casa tem regras que quebram uma migração feita no escuro: onde fica a instrução fixa, qual parâmetro regula o raciocínio, que formato de saída é garantido e quanto prefixo (o trecho inicial idêntico entre chamadas) o cache exige. Doze delas pesam mais ao levar um prompt de um lado para o outro.

Fora dessas duas casas, a mesma escolha reaparece com outro sotaque. O Grok 4.7, da xAI, aceita o formato da OpenAI e não desliga o raciocínio. O DeepSeek oferece um endereço no formato da OpenAI e outro no da Anthropic, então o prompt adaptado a qualquer um dos lados roda nele. O Gemini 3.x pede a temperatura no padrão de 1,0, e um prompt herdado com temperatura baixa corre risco de repetição em laço.

O mesmo prompt adaptado às duas casas

A tradução de um prompt entre fornecedores mexe em cinco pontos e deixa a regra de negócio intacta. O guia de marca, os dados do briefing e o critério de qualidade continuam iguais; mudam o lugar de cada parte, a marcação das seções, a presença de exemplos, quem regula o raciocínio e o que o modelo faz quando falta um dado. O quadro mostra a troca no prompt de newsletter do guia prático.

Quando cada casa leva vantagem

Com preço igual por token, a vantagem vem da forma da tarefa. Prompt muito longo, prefixo fixo pequeno e volume alto puxam a conta para lados diferentes, e o teste de qualidade decide o resto. Os três casos a seguir são ilustrativos e mostram o raciocínio de compra em setores distintos.

Migrar um prompt de conteúdo para o GPT-6

O guia do GPT-6 publicado pela OpenAI orienta o modelo a seguir até resolver o pedido, sem fluxo de aprovação que ninguém pediu, e registra que o GPT-6 Astra obedece com mais rigor o que está em arquivos de instrução como o AGENTS.md (o arquivo de regras que agentes leem ao abrir um projeto). Para conteúdo, isso pede o critério de pronto e o estilo escritos no próprio prompt, porque o modelo vai preencher sozinho o que ficar em aberto.

Como ler o resultado do teste

O número que decide é o custo por tarefa aceita da mesma tarefa, com cada casa usando o prompt escrito para ela. Um teste que compara o prompt nativo de uma casa com o prompt copiado para a outra mede a cópia e leva à conclusão errada, como no caso a seguir.

Faça hoje

Pegue o prompt de conteúdo que mais roda na equipe, separe cinco briefings reais do último mês e reescreva o prompt para a outra casa com os seis primeiros passos do guia. Rode as duas versões duas vezes em cada briefing e anote custo e aprovação numa planilha. Em cerca de 40 minutos você tem o primeiro custo por peça aprovada de cada lado e sabe se vale estender o teste para as 20 tarefas.