Quanto custam os tokens: como calcular despesas com API OpenAI, Claude e Gemini

A fatura da API costuma surpreender mais do que o preço na tela: o modelo cobra por cada token de entrada e de saída, não por «uma requisição». Abaixo - como funciona o billing da OpenAI, Claude e Gemini, como estimar o orçamento mensal e onde as empresas costumam pagar a mais.

• Token - unidade de cobrança: cerca de 3-4 caracteres ou parte de uma palavra
• Input vence em volume; output é mais caro por 1M - contexto longo bate mais na fatura do que uma resposta curta
• Fórmula - (input_tokens / 1M) × preço_input + (output_tokens / 1M) × preço_output
• Referências julho 2026 - GPT-5.6 Luna/Terra/Sol, Claude Sonnet 5 / Opus 4.8 / Fable 5, Gemini 3.5 Flash / 3.1 Pro
• Custos ocultos - system prompt, histórico do chat, chunks de RAG, retries, tool calls
• Economia - modelo menor na rotina, caching/batch, contexto enxuto, escalar ao flagship só em casos difíceis

O que é um token e por que não é uma «palavra»

Um token é um fragmento de texto após a tokenização do modelo. Nem sempre é uma palavra inteira: «programação» pode virar 2-3 tokens, e espaços e pontuação também contam. Para estimar volume:

O corte exato depende do tokenizador do provedor - para billing use usage na resposta da API, não um chute. Sobre o limite de uma requisição: janela de contexto.

Como o preço da API é calculado

Os três vendors compartilham o esquema:

1. Contam-se input tokens (system + user + histórico + anexos/chunks).
2. Contam-se output tokens (resposta; às vezes reasoning/thinking à parte).
3. A tarifa é por 1 milhão de tokens (1M), separada para input e output.
4. Custo por chamada:

cost = (input_tokens / 1_000_000) × price_input
     + (output_tokens / 1_000_000) × price_output

Nuances importantes:

• Output quase sempre é mais caro por 1M - muitas vezes 4-6× - respostas longas e «raciocínios» incham a fatura.
• Contexto longo custa mais acima de um limiar em alguns modelos (OpenAI GPT-5.6 acima de 272K; Gemini 3.1 Pro acima de 200K).
• Batch API e prompt caching reduzem o preço com contexto system/RAG repetido - se a arquitetura permitir.
• Seats de ChatGPT / Claude / Gemini Workspace são outra linha de custo - não confunda com API por token. Comparação de plataformas: ChatGPT vs Claude vs Gemini.

Tarifas julho 2026: referências para cálculo

Preços mudam - confira a lista oficial antes da produção. Abaixo - referências de trabalho do resumo de modelos de julho 2026 (USD por 1M de tokens, standard).

OpenAI (GPT-5.6)

Acima de 272K de input, GPT-5.6 aplica tarifa long-context (referência: input ×2, output ×1.5).

Anthropic (Claude)

A partir de 01.09.2026, Claude Sonnet 5: $3.00 / $15.00 por 1M.

Google (Gemini)

Gemini 3.1 Pro acima de 200K tokens - tarifa maior (referência: $4.00 / $18.00 por 1M).

Exemplos de cálculo

Exemplo 1. Resposta de suporte: diálogo curto

Por ticket:

• input: 1 200 tokens (instrução + pergunta + 2 turnos de histórico);
• output: 400 tokens;
• volume: 50 000 tickets / mês.

No suporte L1 o flagship quase nunca se paga: importa mais a qualidade do retrieval e poder dizer «não sei» do que o máximo benchmark.

Exemplo 2. Sumário de contrato com muito contexto

Por documento:

• input: 80 000 tokens (PDF + system);
• output: 2 000 tokens;
• volume: 2 000 documentos / mês.

Aqui a principal linha é o input. Fica mais barato não «responder mais curto», e sim não carregar o PDF inteiro se bastam trechos relevantes via RAG.

Exemplo 3. Agente com tools: o multiplicador oculto

Um «pedido do usuário» no agente costuma ser 5-20 chamadas ao modelo (plano → tool → observação → plano de novo). Se cada passo leva o system completo + histórico:

custo_agente ≈ custo_de_uma_chamada × número_de_passos

10 passos com 8K input / 500 output em Terra já não é «um chat por centavos», e sim dólares reais por caso difícil. Orce traces do agente, não mensagens de UI.

Onde se paga a mais

1. Um flagship para tudo. Sol / Fable 5 para classificar e-mails e FAQ - vazamento clássico de orçamento.
2. System prompt gordo + histórico completo em cada chamada. Contexto repetido sem caching multiplica o input.
3. RAG sem limite de chunks. Dez pedaços «por precaução» custam mais que dois relevantes - e a qualidade cai.
4. Retries e fallback sem conta. Timeout → retry → segundo modelo = fatura em dobro por um clique.
5. Output longo «por precaução». max_tokens alto + prompt vago = o modelo escreve um romance.
6. Confundir seat com API. A assinatura Team não cancela a fatura de tokens do produto, bots e automações.
7. Ignorar tarifas long-context. Cruzar 200K/272K - a tarifa sobe enquanto o dashboard ainda mostra preço «médio».

Como calcular o orçamento mensal

Modelo prático para finanças e CTO:

1. Divida o tráfego em cenários (chat de suporte, sumarização, agente, embeddings à parte).
2. Para cada cenário pegue a mediana de input/output nos logs (não o demo ideal).
3. Multiplique pelo volume mensal de requisições / passos do agente.
4. Some uma margem de 20-40% para retries, picos e experimentos.
5. Planeje a troca de modelo: piloto no mais barato + escalada para o superior por regras.

Tabela mínima de planejamento:

Sem essa tabela, escolher o «modelo mais inteligente» é loteria, não finanças.

Como reduzir despesas sem perder qualidade

• Roteamento de modelos. Classificação e rascunhos - Luna / Flash / Sonnet; código duro e cadeias agentic longas - Sol / Fable 5.
• Engenharia de contexto. Corte histórico, system curto, sem duplicar as mesmas instruções. Ver engenharia de contexto.
• RAG em vez de «colocar tudo no prompt». Menos input - fatura menor e menos risco de alucinações por ruído.
• Prompt caching e batch. Instruções repetidas e jobs noturnos costumam ser mais baratos que realtime.
• Teto rígido de output. Structured output (JSON) em vez de ensaios; limite explícito de comprimento.
• Escalar, não usar flagship por padrão. Primeiro o modelo barato; o caro com baixa confiança ou tipo de tarefa difícil.
• Observabilidade. Registre usage por feature/tenant: senão não há o que otimizar.

Conclusão

O custo dos tokens não é «o preço do modelo na tabela», e sim volume de input × tarifa + volume de output × tarifa × número de chamadas. Em 2026 o stack sensato costuma ser: modelo barato e rápido para o fluxo, mid-tier para documentos de trabalho, flagship só pontualmente. Calcule por cenários com logs reais, inclua cadeias agentic e retries - assim a API deixa de ser surpresa no fim do mês.

Perguntas frequentes

Em que o preço de input difere do de output?

Output quase sempre é mais caro por 1M, às vezes 4-6×. Mas a fatura final costuma inchar pelo input: documentos longos, histórico e chunks RAG. Olhe as duas partes de usage, não só «quanto o modelo escreveu».

Quantos tokens há numa mensagem média do usuário?

Uma pergunta curta em português costuma ter 30-120 tokens. Com system prompt, políticas e 10 turnos de histórico, um «chat» vira facilmente 1 000-5 000+ de input antes da resposta. Para o orçamento meça a requisição completa, não só a frase do cliente.

O que vale mais com alto tráfego: Gemini Flash, GPT Luna ou Claude Sonnet?

Para classificação em massa, FAQ e respostas curtas, costumam vencer Gemini 3.5 Flash e GPT-5.6 Luna. Claude Sonnet 5 entra quando importam estilo, instruções e cuidado do texto a preço ainda moderado. Confirme com A/B no seu dataset, não só com a tabela de preços.

É preciso sempre pegar o modelo mais caro «por precaução»?

Não. O modelo caro se paga em tarefas difíceis: código longo, cadeias agentic, exigências rígidas de raciocínio. Num fluxo de pedidos parecidos o overpay se perde - melhor roteamento e escalada por regras.

Como estimar a fatura mensal se ainda não há logs?

Pegue 20-50 prompts reais, rode pela API, capture usage, tire a média de input/output, multiplique pelo volume previsto e some 30% para retries e crescimento. Após 1-2 semanas troque a estimativa por medianas de produção - o erro costuma cair várias vezes.