A 30 de julho de 2026, a OpenAI cortou o preço da API do GPT-5.6 Luna em 80%, de um dólar para vinte cêntimos por milhão de tokens de entrada. O Terra desceu 20%. Os títulos foram os previsíveis: a IA está a ficar mais barata, a barreira de entrada está a cair.
Semanas depois, várias empresas que usam esses modelos em produção viram a fatura subir.
Não é uma contradição nem um erro de faturação. É que o preço por token e o custo da sua operação são coisas diferentes, e só uma delas aparece no seu orçamento.
A unidade que o fornecedor fatura não é a que o seu negócio consome
O seu fornecedor cobra por token. O seu negócio não consome tokens: consome tarefas resolvidas. Uma consulta de apoio atendida. Um documento classificado. Uma fatura extraída.
Enquanto uma tarefa equivaleu a uma solicitação ao modelo, ambas as unidades moviam-se juntas e a distinção era académica. Se o token descia 30%, a fatura descia 30%.
Isso deixou de ser verdade quando as aplicações passaram de fazer uma solicitação a orquestrar várias. Um agente que consulta uma ferramenta, avalia o resultado, decide o passo seguinte e volta a chamar o modelo não faz uma solicitação por tarefa: faz oito, ou quinze. E em cada uma reenvia o contexto inteiro.
Um exemplo com números
Tomemos um assistente de apoio que resolve consultas de clientes. Prompt de sistema de 1.200 tokens, consulta do utilizador de 800, resposta de 400.
Versão de uma só solicitação:
| Tokens | Custo | |
|---|---|---|
| Entrada | 2.000 | 0,0040 $ |
| Saída | 400 | 0,0048 $ |
| Total por tarefa | 0,0088 $ |
A mesma tarefa, resolvida por um agente em oito passos. Cada passo reenvia o prompt de sistema, a consulta original e tudo o que foi acumulado até então. Assumindo que cada passo acrescenta cerca de 600 tokens de histórico:
| Passo | Tokens de entrada |
|---|---|
| 1 | 2.000 |
| 2 | 2.600 |
| 3 | 3.200 |
| 4 | 3.800 |
| 5 | 4.400 |
| 6 | 5.000 |
| 7 | 5.600 |
| 8 | 6.200 |
| Total | 32.800 |
Com 250 tokens de saída por passo, são 2.000 de saída. Aos preços do Terra (2 $ de entrada e 12 $ de saída por milhão), o custo por tarefa sobe para 0,0896 $.
Dez vezes mais para resolver exatamente o mesmo.
Agora aplique o corte de 80%. Se a sua tarefa de uma solicitação passa a custar um quinto, parabéns. Mas se nesse mesmo trimestre migrou para uma arquitetura de agente, multiplicou por dez o consumo por tarefa. O preço desceu 80% e a sua fatura duplicou.
Os três multiplicadores que não aparecem na tabela de preços
O contexto reenviado. É o mais caro e o mais invisível. Numa conversa de vinte turnos, a primeira mensagem foi faturada vinte vezes. Não porque a sua aplicação esteja mal escrita, mas porque é assim que funcionam as APIs de chat: não têm memória, e o histórico viaja em cada pedido.
As definições de ferramentas. Um agente com doze ferramentas disponíveis envia os esquemas completos em cada solicitação, use uma ou nenhuma. São tokens de entrada faturáveis em cada um dos oito passos.
As tentativas e os caminhos mortos. Um agente que explora uma via, percebe que não leva a lado nenhum e tenta outra pagou as duas. Nos relatórios de utilização do fornecedor isso não se distingue: aparece como consumo, sem etiqueta a dizer se serviu para alguma coisa.
Como se mede o custo por tarefa
A má notícia é que o painel do seu fornecedor não lho vai dar. Dá-lhe tokens por modelo e por dia. Chegar ao custo por tarefa exige algo que eles não têm: saber onde começa e onde acaba uma tarefa no seu negócio.
O que pode fazer sem instrumentar nada complicado:
Correlacione com uma unidade de negócio. Divida o gasto mensal do modelo pelo número de consultas resolvidas, documentos processados ou o que for a sua unidade. É uma média grosseira e serve na mesma: se esse número sobe mês após mês enquanto o preço do token desce, já tem a resposta.
Segmente por tipo de tarefa. Quase sempre uma minoria de tipos de tarefa concentra a maioria do gasto. Sem essa segmentação estará a otimizar o modelo errado.
Conte as solicitações por tarefa. É o indicador mais preditivo que conhecemos. Se passa de três para nove, o seu custo vai subir mesmo que não mude de modelo nem de fornecedor.
O que fazer com isto
Antes de negociar preços ou mudar de fornecedor, veja se o seu problema é de tarifa ou de arquitetura. Costuma ser o segundo, e ataca-se de outra forma.
A cache de prompts é o primeiro passo, porque é o mais barato de aplicar: o prompt de sistema que reenvia oito vezes pode ser faturado com um desconto substancial se o fornecedor a oferecer e o seu código a aproveitar. No exemplo acima, esses 1.200 tokens repetidos são quase um terço de toda a entrada.
Cortar o histórico em vez de o arrastar inteiro. Muito poucas tarefas precisam dos vinte turnos completos.
E encaminhar por complexidade: reservar o modelo caro para as tarefas que realmente precisam dele. É onde há mais poupança e onde é preciso mais cuidado, porque é também onde é mais fácil degradar a qualidade sem dar por isso. Por isso convém medir a qualidade antes de mexer em nada, não depois.
Um aviso honesto
Os números deste artigo são um exemplo construído para ilustrar o mecanismo, não uma medição do seu caso. O multiplicador real depende de quantas solicitações a sua aplicação faz por tarefa, de quanto contexto arrasta e de que proporção de tarefas passa pelo caminho caro. Pode ser três vezes ou pode ser trinta.
E os preços mudam depressa: os deste artigo são de agosto de 2026 e convém confrontá-los com a página oficial de cada fornecedor antes de os usar para orçamentar.
O que não muda é o mecanismo. Enquanto medir em tokens, continuará sem perceber porque é que a sua fatura faz o que faz.
O cluster completo de custo de IA
Este guia é o centro; cada peça desenvolve uma parte do problema.
Entender o custo
- O que é um token e como é cobrado
- Preços de GPT, Claude e Gemini comparados
- Calculadora de custo de tokens
- Porque é que o contexto longo dispara a fatura
Reduzi-lo
- Como reduzir a fatura da OpenAI: 7 alavancas
- Que modelo usar em cada tarefa
- Prompt caching: pagar uma vez pelo contexto repetido
- Batch API: metade do preço se a tarefa puder esperar
Decidir a arquitetura
- RAG, fine-tuning ou contexto longo: qual sai mais barato
- Modelo próprio vs API: quando compensa o self-hosting
Controlá-lo ao longo do tempo
Na e-ficient medimos o custo por tarefa de empresas que já têm IA em produção. A auditoria inicial não tem custo e devolve um diagnóstico em 72 horas.