Calcular o custo de uma iniciativa de IA pela tabela de preços

O custo de uma iniciativa de IA se calcula por tarefa: tokens de entrada, de saída e de raciocínio, cada um ao seu preço, com cache, lote e degraus de contexto dentro da conta. A conta serve a quem aprova orçamento ou escolhe modelo. Hoje, refaça a da sua maior iniciativa com uma semana de uso medido.

A fatura do fim do mês costuma passar da estimativa aprovada mesmo quando o preço de tabela estava certo. A planilha original multiplicou volume por preço, somou tudo num número só e deixou de fora o raciocínio que ninguém lê, o tokenizador novo (o programa que corta o texto em pedaços cobrados) e o pedido que cruzou um degrau de preço. Cada uma dessas linhas está documentada na página pública do fornecedor, por isso a conta inteira pode ser auditada por quem não a montou.

Token é o pedaço de palavra pelo qual o fornecedor cobra, como o quilowatt-hora da conta de luz, e as tabelas trazem o preço em dólares por milhão de tokens. Toda chamada tem três tipos com preço próprio: entrada (o que você manda), saída (o que o modelo devolve) e raciocínio (o rascunho interno do modelo, cobrado como saída). A documentação do Gemini diz que o preço da resposta soma tokens de saída e de pensamento; no Grok 4.7 o raciocínio não desliga e entra como saída. Medir a saída pelo texto que o usuário lê subestima a fatura.

Dois descontos e dois aumentos mudam a conta. O cache de prompt (memória do começo repetido do pedido, como a tarifa de assinante) relê esse trecho por uma fração da entrada: 5% no Claude Opus 5.5 e no GPT-6.1 Sol, 10% no Gemini 3.8 Flash, 25% no Grok 4.7. O lote (batch, pedido sem pressa processado fora da hora) corta 50% na Anthropic, na OpenAI e no Google. Do lado dos aumentos ficam o degrau de preço por tamanho do prompt e o tokenizador do Claude, que desde o Opus 4.7 gera cerca de 30% mais tokens para o mesmo texto.

Desde 2024, a unidade de comparação mudou. Com raciocínio regulado por nível de esforço e agentes que fazem várias chamadas para resolver um pedido, o preço por milhão deixou de prever a fatura, porque dois modelos com a mesma tabela gastam quantidades diferentes de tokens na mesma tarefa. Orce o custo por tarefa resolvida, medido de ponta a ponta com dados reais, e use o preço por milhão como insumo da conta.

Na Anthropic e na OpenAI, o modelo de fronteira (o mais capaz e mais caro da casa) custa cem vezes o de custo baixo na coluna de entrada: US$ 10 contra US$ 0,10 por milhão. A escolha do modelo move a conta em ordem de grandeza, e o degrau de contexto decide em qual linha da tabela cada pedido cai. Os preços abaixo são de 13/10/2026; anote a data ao lado de cada número que entrar num orçamento assinado.

O degrau de preço lembra a franquia de bagagem: passou do limite, a mala inteira paga a tarifa maior. No Grok 4.7, um pedido de 210 mil tokens paga US$ 4 por milhão em todos os tokens e custa US$ 0,84 de entrada, contra cerca de US$ 0,40 de um pedido de 199 mil. O mesmo vale acima de 272 mil tokens na OpenAI, de 200 mil no Gemini 3.1 Pro e de 100 mil no Claude Haiku 5.5. Antes de escolher o modelo, olhe a distribuição do tamanho dos pedidos; se uma fatia relevante passa do limite, partir o documento ou usar um modelo sem degrau, como o Claude Opus 5.5 até 1 milhão, muda a conta.

Considere uma central de atendimento fictícia com dez mil atendimentos por mês. Cada atendimento é uma chamada com 8.000 tokens de entrada, dos quais 6.000 são instrução, políticas e ferramentas idênticas em toda chamada, e 800 tokens de saída, já com o raciocínio. A versão com cache presume que 95% das chamadas encontram o prefixo guardado, o que pede fluxo contínuo no horário comercial, porque o cache do Claude expira em 5 minutos e o da OpenAI em 30.

O cache corta a entrada em cerca de dois terços nos três modelos e deixa a saída intacta. No Opus 5.5 com cache, a saída passa a responder por 60% da conta, e o próximo ganho vem de respostas mais curtas, esforço menor ou modelo menor. Lote fica de fora aqui porque o cliente espera a resposta na hora.

Um agente consome um múltiplo do chat porque cada volta reenvia instrução, ferramentas e o histórico inteiro, que cresce com os resultados de ferramenta. Se o mesmo atendimento virar um agente que consulta pedido, estoque e política em cinco voltas, a entrada soma cerca de 55.000 tokens e a saída 3.000, contra 8.000 e 800 no chat. No Opus 5.5 sem cache, o atendimento sobe de US$ 0,048 para US$ 0,28, quase seis vezes mais. O prefixo reenviado a cada volta é o trecho que o cache barateia, e esse é o primeiro ajuste a fazer num agente.

Faça hoje

Exporte do painel do fornecedor uma semana de uso da sua iniciativa de IA de maior gasto, com entrada, cache e saída separados, e cole no prompt do guia com os preços de 13/10/2026. Em 30 minutos você terá o custo por tarefa e a projeção do mês. Deu certo quando a projeção fica a menos de 10% da última fatura; acima disso, procure a diferença no raciocínio e nos pedidos que cruzaram um degrau.