guides
Preço de tokens de input e output: o que muda a fatura
Veja como a proporção entre input e output altera o custo, por que médias escondem risco e quais controles importam.
Tokens de input são as instruções e o contexto enviados ao modelo. Tokens de output formam a resposta gerada. Os provedores costumam publicar preços separados, então duas aplicações com o mesmo total de tokens podem receber faturas diferentes quando a proporção muda.
Por que um preço médio por token pode enganar
Imagine um modelo hipotético com preço de US$ 2 por milhão de tokens de input e US$ 10 por milhão de tokens de output. Em 10 milhões de tokens totais, o custo muda com a parcela da resposta:
| Parcela de output | Tokens de input | Tokens de output | Total |
|---|---|---|---|
| 10% | 9M × US$ 2 = US$ 18 | 1M × US$ 10 = US$ 10 | US$ 28 |
| 30% | 7M × US$ 2 = US$ 14 | 3M × US$ 10 = US$ 30 | US$ 44 |
| 50% | 5M × US$ 2 = US$ 10 | 5M × US$ 10 = US$ 50 | US$ 60 |
O modelo e o volume não mudaram; apenas a proporção mudou. Por isso o CostUse mantém input, output e uma referência mista de 70/30 em colunas separadas.
O que aumenta o volume de input
- Instruções de sistema longas enviadas em toda requisição
- Histórico da conversa reenviado ao modelo
- Documentos recuperados, resultados de busca e respostas de ferramentas
- Esquemas, exemplos e regras de formatação extensos
- Contexto repetido que não atende às regras de cache
Reduzir input não significa apenas encurtar o prompt. Veja o que a aplicação reenvia automaticamente. Uma mensagem curta do usuário ainda pode formar uma requisição grande quando carrega histórico e contexto recuperado.
O que aumenta o volume de output
- Limites máximos de resposta muito altos
- Pedidos de explicações longas ou várias alternativas
- Campos estruturados verbosos e texto repetido
- Ciclos de ferramentas que acrescentam outra resposta
- Novas tentativas que geram tudo novamente
Defina o limite de resposta por fluxo. Uma classificação, uma resposta de suporte e um relatório longo não devem compartilhar o mesmo teto. O limite correto é o menor que ainda atende à exigência do produto.
Onde entram cache e processamento em lote
Alguns provedores publicam preço menor para input em cache ou processamento em lote. A economia depende de condições. Confira quais tokens são elegíveis, validade do cache, volume mínimo e prazo de processamento. Use o preço padrão como referência conservadora até comprovar a elegibilidade.
Consulte a documentação atual: preços da OpenAI, preços do Claude e preços do Gemini.
Como comparar modelos de forma justa
- Meça input e output em uma amostra de tarefas reais.
- Use a mesma amostra e exigência de qualidade em todos os modelos.
- Calcule a proporção esperada e um cenário pesado em output.
- Inclua novas tentativas, cache e serviços que não cobram por token.
- Abra a tabela completa de preços e aplique as mesmas premissas à lista curta.
Conclusão
O total de tokens não explica sozinho uma fatura de LLM. Registre em qual lado da requisição eles surgiram. Com input e output medidos separadamente, os controles ficam objetivos: encurtar contexto repetido, limitar respostas por tarefa, reduzir novas tentativas e aplicar descontos apenas quando as condições correspondem à produção.