Preço por token
O preço por token (token pricing) é a forma como a maioria das APIs de modelos de IA cobra: um preço fixo por milhão de tokens de entrada que você envia e um preço separado, geralmente mais alto, por milhão de tokens de saída que o modelo gera, com descontos para entrada em cache e jobs em lote.
Também chamado: price per million tokens, input vs output tokens
Por Divya Sharma · Verificado em 16 de nov. de 2026 · Como analisamos
Os provedores cobram em tokens, não em requisições ou palavras. A página de preços da Anthropic, por exemplo, lista os preços por MTok, ou seja, por milhão de tokens, com colunas separadas para entrada base, escritas no cache, acertos no cache e saída. A entrada cobre tudo o que você envia: o system prompt, o histórico da conversa, os documentos recuperados e as definições de ferramentas. Os tokens de saída são o que o modelo escreve de volta, incluindo tokens de raciocínio ocultos nos modelos de raciocínio.
Como calcular um custo
O custo por requisição é os tokens de entrada vezes o preço de entrada mais os tokens de saída vezes o preço de saída, cada um dividido por um milhão. Chats longos ficam mais caros a cada turno porque o histórico inteiro é enviado toda vez. A saída costuma custar várias vezes mais que a entrada, então um modelo prolixo pode sair mais caro que um que parece mais caro na tabela.
O que muda a conta
O prompt caching cobra menos por um prefixo repetido. Uma batch API dá desconto para jobs que podem esperar. Alguns provedores cobram mais por prompts muito longos ou por regiões específicas. O tokenizer também importa: a Anthropic observa que um tokenizer mais novo produz aproximadamente 30% mais tokens para o mesmo texto, então os preços por token não são diretamente comparáveis entre famílias de modelos.
Como comparar modelos
Preço por token só significa algo ao lado de qualidade e velocidade. Um modelo barato que precisa de três tentativas não é barato. Nossa pesquisa de preços de modelos de IA acompanha os preços de tabela entre provedores, e os rankings mostram a qualidade junto com o custo.
Termos relacionados
- Token (LLM)
- Um token (LLM) é a unidade básica de texto que um modelo de linguagem lê e escreve, muitas vezes uma palavra, parte de uma palavra, um sinal de pontuação ou um byte. Preços, velocidade e limites de contexto são todos contados em tokens.
- Tokens de saída
- Tokens de saída (output tokens) são os tokens que um modelo de linguagem gera na resposta. Eles são contados e cobrados separadamente dos tokens de entrada, e uma configuração max_tokens limita quantos uma resposta pode conter.
- Prompt caching
- Prompt caching (cache de prompt) é um recurso de API que guarda a forma processada de um prefixo de prompt repetido, como um system prompt longo ou um documento, para que requisições posteriores que começam com o mesmo prefixo fiquem mais baratas e rápidas.
- Batch API
- Uma batch API (API de processamento em lote) permite enviar um grande conjunto de requisições de modelo em um único job e coletar os resultados depois, em vez de esperar por cada chamada. Os provedores rodam o job quando há capacidade e geralmente cobram menos por ele.
- Tokenizer
- Um tokenizer (tokenizador) é o componente que divide o texto em tokens e os transforma em IDs numéricos que um modelo de linguagem pode processar, e depois transforma os IDs de saída do modelo de volta em texto.
- Rate limit (API)
- Um rate limit (limite de taxa) restringe quanto uma conta pode usar uma API em uma janela de tempo, normalmente em requisições por minuto (RPM) e tokens por minuto (TPM). Requisições acima do limite são rejeitadas, geralmente com um erro HTTP 429.