Tokens e custo de API: como estimar quanto sua empresa vai gastar com IA

APIs de IA cobram por token, a unidade em que o modelo quebra o texto. A conta básica é: tokens de entrada vezes o preço de entrada, mais tokens de saída vezes o preço de saída, multiplicado pelo número de chamadas no mês. Os preços são publicados em dólar por milhão de tokens, e a saída costuma custar algumas vezes mais que a entrada.

Para estimar o gasto da sua empresa, você precisa de quatro números: quantas chamadas por mês, quantos tokens entram e saem em cada uma, qual modelo e quais descontos se aplicam (cache de prompt e processamento em lote). Este guia explica cada peça e mostra uma simulação com preços consultados nas páginas oficiais da OpenAI, da Anthropic e do Google em 17/10/2026.

Resumo rápido

• Custo por chamada = (tokens de entrada × preço de entrada) + (tokens de saída × preço de saída). Preços em USD por milhão de tokens.
• Tokens não são palavras. As regras práticas das documentações são aproximadas; meça seus textos em português com o contador oficial do fornecedor.
• Tokens de raciocínio são cobrados como saída na OpenAI e no Google, mesmo sem aparecer na resposta.
• Cache de prompt barateia a parte repetida do prompt; a API em lote (batch) dá 50% de desconto nos três fornecedores.
• Preços mudam: o Google já publicou reajustes com data para Gemini 4 Argon e Gemini 3.8 Flash.

O que é um token

Antes de processar um texto, o modelo o divide em pedaços chamados tokens, usando um tokenizador. Um token pode ser uma palavra curta inteira, parte de uma palavra, um sinal de pontuação ou um espaço. Palavras longas ou pouco comuns, como “parcelamento” ou “hospedagem”, tendem a virar mais de um token.

A documentação do Google diz que, nos modelos Gemini, um token equivale a cerca de 4 caracteres e que 100 tokens correspondem a cerca de 60 a 80 palavras em inglês. Essas proporções valem para inglês. Em português a relação pode ser diferente, e cada fornecedor usa um tokenizador próprio, então o mesmo texto gera contagens diferentes em cada modelo.

Um exemplo concreto dessa diferença: a Anthropic informa que o Claude 4.7 e os modelos posteriores usam um tokenizador novo, que produz aproximadamente 30% mais tokens para o mesmo texto do que os modelos anteriores, com variação conforme o conteúdo. Compare modelos medindo os seus textos, não só o preço por milhão.

Imagem, áudio e vídeo também viram tokens

Na API do Gemini, imagens de até 384 pixels nas duas dimensões contam como 258 tokens; imagens maiores são divididas em blocos de 768 por 768 pixels, com 258 tokens cada. Áudio conta 32 tokens por segundo.

Como contar com precisão

Os fornecedores oferecem contadores. A Anthropic tem um endpoint de contagem de tokens gratuito (sujeito a limite de requisições), que devolve uma estimativa dos tokens de entrada. A API do Gemini tem o método count_tokens. E toda resposta das APIs traz um campo de uso com os tokens efetivamente cobrados, que é a fonte mais confiável para calibrar sua planilha depois dos primeiros testes.

O que entra na conta além do texto

• Prompt de sistema e histórico: as instruções fixas e as mensagens anteriores da conversa são reenviadas a cada chamada e cobradas como entrada toda vez.
• Tokens de raciocínio: a OpenAI informa que os tokens de raciocínio não ficam visíveis pela API, mas ocupam espaço na janela de contexto e são cobrados como tokens de saída. Na página de preços do Google, o preço de saída aparece como “incluindo tokens de raciocínio”. Entenda o mecanismo em como funcionam os modelos de raciocínio.
• Ferramentas: definições de ferramentas também viram tokens de entrada. Algumas ferramentas têm cobrança extra: a Anthropic cobra US$ 10 por 1.000 buscas na web, além dos tokens; o Google oferece 5.000 buscas gratuitas por mês no Grounding with Google Search (compartilhadas entre os modelos Gemini 3 e mais novos) e depois cobra US$ 14 por 1.000.
• Contexto longo: alguns modelos cobram mais acima de um tamanho de prompt. O Claude Haiku 5.5, por exemplo, tem preço maior para prompts acima de 100 mil tokens, e a OpenAI publica tabelas separadas de contexto curto e longo.

Preços oficiais em 17/10/2026

A tabela reúne três modelos de cada fornecedor, do mais caro ao mais barato, no nível padrão de processamento e contexto curto. Valores em USD por milhão de tokens, conforme as páginas oficiais consultadas em 17/10/2026. Confira sempre a página antes de decidir, porque os valores mudam.

Observações que mudam a conta: na Anthropic, gravar no cache custa mais que a entrada normal (1,25 vez o preço base no cache de 5 minutos e 2 vezes no de 1 hora). A OpenAI também lista preço de gravação em cache para alguns modelos, como US$ 2,50 no gpt-6.1-sol. No Google, os níveis gratuitos existem para vários modelos, mas a página informa que o conteúdo do nível gratuito é usado para melhorar os produtos; o Gemini 4 Argon não tem nível gratuito. Para escolher o modelo pela tarefa, e não só pelo preço, veja como escolher entre Claude, GPT e Gemini.

A fórmula para estimar o gasto mensal

1. Mapeie o fluxo. Quantas chamadas à API cada atendimento, documento ou tarefa gera? Um chatbot costuma fazer uma chamada por mensagem do cliente; um agente pode fazer várias por tarefa.
2. Meça os tokens de uma chamada típica. Separe a parte fixa (prompt de sistema, catálogo, regras) da parte variável (histórico, pergunta) e estime a saída média. Use o contador oficial com textos reais em português.
3. Multiplique pelo volume. Chamadas por dia × dias de operação.
4. Aplique os preços. (milhões de tokens de entrada × preço de entrada) + (milhões de tokens de saída × preço de saída).
5. Aplique descontos que realmente valem. Cache só vale para a parte repetida e acima do tamanho mínimo; batch só vale para o que pode esperar.
6. Adicione margem para conversas longas, novas tentativas e raciocínio.

Cache de prompt: pagar menos pela parte que se repete

Quando todas as chamadas começam com o mesmo bloco (instruções, catálogo, manual), o cache de prompt permite que o fornecedor reaproveite esse prefixo e cobre menos por ele. As regras diferem bastante:

• OpenAI: o cache é ativado por padrão nos modelos compatíveis. O mínimo para cachear é de 1.024 tokens no GPT-5.6 e posteriores, e o prefixo fica disponível por 30 minutos após a última gravação ou uso. A documentação fala em desconto de até 95% na entrada em cache e recomenda colocar instruções estáveis e material de referência no início do prompt.
• Anthropic: o cache é ativado com o campo cache_control, de forma automática (um campo no topo da requisição) ou com pontos de cache explícitos. A duração padrão é de 5 minutos, renovada a cada uso. A leitura custa 0,1 vez o preço de entrada na maioria dos modelos e 0,05 vez no Claude Opus 5.5 e no Claude Sonnet 5.5. O mínimo cacheável é de 512 tokens nos modelos mais novos, como Opus 5.5, Sonnet 5.5 e Haiku 5.5.
• Google: o cache implícito vem ativado por padrão no Gemini 2.5 e nos modelos mais novos, e a economia é repassada automaticamente quando há acerto. O mínimo é de 4.096 tokens no Gemini 4 Argon e no Gemini 3.8 Flash, e de 2.048 no Gemini 2.5 Flash e 2.5 Pro. O cache explícito, em modelos compatíveis, tem custo de armazenamento por hora.

Na prática: um prompt fixo de 3 mil tokens se beneficia do cache na OpenAI e na Anthropic, mas fica abaixo do mínimo do Gemini 3.8 Flash. Detalhes assim mudam qual fornecedor sai mais barato no seu caso.

Batch: 50% de desconto para o que pode esperar

Os três fornecedores oferecem processamento assíncrono em lote. A OpenAI informa desconto de 50% em relação às APIs síncronas, com janela de conclusão de 24 horas. A Anthropic informa 50% de desconto em entrada e saída na Batch API. O Google informa que o Batch processa a 50% do custo padrão, com meta de 24 horas e conclusão geralmente mais rápida.

Batch serve para tarefas sem cliente esperando: classificar avaliações, resumir chamados do dia, gerar descrições de produtos. Na Anthropic, os descontos de cache e de lote se acumulam.

Exemplo: atendimento de um e-commerce em Recife

Uma loja virtual de artigos para casa em Recife quer um assistente para responder dúvidas de frete, trocas e produtos no site. Os números abaixo são hipóteses de planejamento, não medições:

• 300 conversas por dia, 30 dias, 4 chamadas por conversa: 36 mil chamadas por mês.
• Cada chamada: 3 mil tokens fixos (regras e catálogo resumido), mil tokens variáveis (histórico e pergunta) e 300 tokens de saída.
• Total mensal: 144 milhões de tokens de entrada e 10,8 milhões de saída.

Com cache no Claude Sonnet 5.5, os 108 milhões de tokens fixos passam a custar US$ 0,10 por milhão nas leituras: 36 × 2,00 + 108 × 0,10 + 108 = US$ 190,80, mais as gravações de cache sempre que ele expirar. No Gemini 3.8 Flash, o prompt de 4 mil tokens fica abaixo do mínimo de 4.096 e o cache implícito não ajuda nesse desenho.

Conversão apenas ilustrativa, com câmbio hipotético de R$ 5,50 por dólar: US$ 396,00 equivalem a R$ 2.178,00 e US$ 19,80 a R$ 108,90. O câmbio real, impostos e tarifas de pagamento internacional mudam esse valor; confirme com seu financeiro ou contador.

A diferença de 20 vezes entre o modelo intermediário e o mais leve mostra por que vale testar a qualidade dos modelos menores antes de decidir. Para volumes altos e dados sensíveis, também vale comparar com modelos rodando localmente com Ollama.

Erros comuns

• Calcular por palavra. Use o contador do fornecedor com textos reais em português.
• Esquecer o histórico. Em chat, cada mensagem reenvia a conversa anterior, e a entrada cresce a cada turno.
• Ignorar o raciocínio. Modelos que pensam antes de responder geram tokens de saída que você paga e não vê.
• Contar com cache que não acontece. Prompt abaixo do mínimo, prefixo que muda a cada chamada ou intervalo maior que a duração do cache anulam a economia.
• Usar preço promocional como permanente. O Google publicou reajustes com data para Gemini 4 Argon e Gemini 3.8 Flash. Planeje com o preço futuro.
• Não colocar limite de gasto. Configure alertas e limites no painel do fornecedor e limite o tamanho máximo de saída.

Perguntas frequentes

Por que a saída custa mais que a entrada?

Nas tabelas dos três fornecedores, o preço por milhão de tokens de saída é várias vezes o de entrada. Por isso, respostas longas e modelos que raciocinam muito pesam mais na conta do que prompts grandes.

Texto em português gasta mais tokens que em inglês?

As regras práticas publicadas pelos fornecedores são para inglês, e cada tokenizador trata o português de um jeito. Não use a proporção do inglês: conte seus próprios textos com a ferramenta oficial do modelo que você vai usar.

O nível gratuito do Gemini serve para produção?

A página de preços do Google informa que o conteúdo enviado no nível gratuito é usado para melhorar os produtos, o que não acontece no pago. Para dados de clientes, isso pesa; veja também nosso guia de segurança e LGPD.

Como acompanhar o gasto real?

Registre o campo de uso de cada resposta (tokens de entrada, saída, cache e raciocínio) com o identificador da funcionalidade que gerou a chamada. Assim você sabe qual fluxo custa mais e onde cache ou modelo menor fazem diferença. Para novidades de preços e modelos do Google, acompanhe nossa página de integrações do Gemini.

Fontes e leitura recomendada

• OpenAI: preços da API (consultado em 17/10/2026)
• OpenAI: prompt caching
• OpenAI: Batch API
• OpenAI: modelos de raciocínio e cobrança de tokens de raciocínio
• Anthropic: preços (consultado em 17/10/2026)
• Anthropic: prompt caching
• Anthropic: contagem de tokens
• Google: preços da API Gemini (consultado em 17/10/2026)
• Google: entendendo e contando tokens
• Google: cache de contexto
• Google: Batch API