Custo de tokens em IA: como calcular e otimizar gastos com LLMs

Resumo executivo: o custo de uma chamada a um LLM é (tokens de entrada × preço) + (tokens de saída × preço). Tokens de saída custam 4 a 5× mais que os de entrada. A diferença entre o modelo mais barato e o mais caro pode ser de mais de 100×. Quem estoura orçamento quase nunca usou o modelo errado — usou o modelo certo para tudo, sem distinção por tarefa.

1. O que é um token?

Token é a unidade básica que um modelo de linguagem lê e gera. Não é exatamente uma palavra nem uma letra — está em algum lugar no meio. Como regra prática para o português:

~750 palavras ≈ 1.000 tokens. Este parágrafo, por exemplo, tem cerca de 60 tokens.

É a unidade de medida que aparece em toda fatura de IA. Tudo que o modelo lê e tudo que ele escreve é contado em tokens — e cobrado por milhão de tokens.

2. Tokens de entrada e de saída

Toda interação com um modelo tem dois lados:

• Entrada (input): o que você manda — prompt, contexto, documentos anexados, histórico da conversa. Tudo que o modelo precisa ler para responder.
• Saída (output): o que o modelo devolve — a resposta gerada, o código escrito, o resumo produzido.

Você paga pelos dois. O detalhe que a maioria ignora: tokens de saída custam de 4 a 5× mais que os de entrada.

Em um agente que lê muito e responde pouco (classificação, extração, roteamento), a conta é controlável. Em um agente que gera textos longos em loop (redação, código, relatórios), ela explode.

3. A fórmula do custo

É sempre a mesma:

Custo = (tokens de entrada  × preço/1M de entrada)
      + (tokens de saída    × preço/1M de saída)

Dois números do provedor, duas contagens da sua aplicação. Toda ferramenta de FinOps de IA séria começa medindo exatamente isso — por chamada, por feature, por usuário.

4. Comparativo de preços entre modelos

A diferença entre modelos é brutal. Preços de referência por milhão de tokens (USD):

Valores ilustrativos com base em tabelas públicas dos provedores em 2026. Consulte a documentação oficial antes de decisões de arquitetura.

Um agente que processa 500 mil tokens/dia no Claude Fable 5 custa cerca de US$ 750/dia. No Gemini Flash-Lite, US$ 7/dia. Mesma carga. Diferença de 100×.

5. A decisão estratégica: modelo por tarefa

A pergunta certa não é “qual modelo usar?” — é “qual modelo usar para cada tarefa?”.

• Tarefas simples e de alto volume (classificação, extração, resumo, roteamento) → modelos baratos.
• Tarefas de alto valor e baixa frequência (análise complexa, código crítico, raciocínio multi-passo) → modelos caros.

A maioria das empresas que estourou o orçamento não usou o modelo errado. Usou o modelo certo para tudo, sem distinção.

Antes de escalar qualquer pipeline de IA, responda objetivamente: qual proporção das suas tarefas realmente precisa do modelo mais poderoso? Em produtos maduros, a resposta costuma ficar entre 5% e 15%.

6. Perguntas frequentes