Qual é o agente de IA mais barato em 2026: o custo de uma tarefa resolvida

Em resumo: não faz sentido comparar agentes de IA pelo preço da subscrição ou pelo preço por token. Pelo mesmo dinheiro, um agente pode concluir cinco tarefas ou apenas uma — depende do que está por detrás. Há apenas uma medida honesta: quanto custa uma tarefa quando o agente a levou efetivamente a um estado funcional.

A seguir, vou mostrar a fórmula para calcular este custo e fazer as contas com os preços dos fornecedores no início de setembro de 2026. Uso valores de utilização ilustrativos e deixarei isso claro: os seus valores serão diferentes. Pode recalcular tudo o que se segue por si; não há promessas de poupança nem combinações mágicas.

Para obter informações sobre como trabalhar com o serviço, consulte a documentação da Ailoot.

Porque é que o preço mensal não lhe diz qual é o agente mais barato?#

A maioria das pessoas olha para o preço da subscrição ao escolher. Um agente custa 20 dólares por mês, outro 200, e parece que o primeiro oferece uma relação qualidade-preço dez vezes melhor. Na realidade, esta comparação não lhe diz nada: uma subscrição mede o acesso, não o trabalho realizado.

Imagine dois táxis com uma tarifa mensal fixa. Um leva-o ao destino à primeira, enquanto o outro se engana no caminho em metade das viagens, pelo que o chama novamente. As subscrições podem ser iguais, mas, na prática, chegará ao destino por metade do custo com o primeiro. O mesmo acontece com os agentes: paga a mesma subscrição, mas o número de tarefas que conclui depende do que está por detrás.

É melhor separar a subscrição da conversa sobre o custo de uma tarefa. A sua vantagem é ter um valor previsível. Analiso separadamente a escolha do modelo de preços — subscrição, pagamento à medida que utiliza ou desenvolvimento à medida — em o que está incluído no preço de um agente de IA. Este artigo responde a uma pergunta diferente: seja qual for o modelo de pagamento, qual é o agente que produz resultados a um custo menor?

Porque é que o preço por token também é enganador?#

A segunda forma mais popular de comparar é olhar para o preço por token. Um token é uma parte de texto, aproximadamente parte de uma palavra; mede tanto o que envia para o modelo como aquilo que este escreve em resposta. Os fornecedores publicam preços por milhão de tokens, e os preços variam bastante entre modelos. Parece lógico: escolha o modelo com o preço mais baixo e pagará menos.

A armadilha é que o preço por token é o preço da matéria-prima, como o preço da gasolina por litro. O que lhe interessa é o custo da viagem inteira; um litro, por si só, não lhe diz grande coisa. Um agente resolve uma tarefa em muitos passos: percorre ficheiros, executa comandos, lê erros, reescreve código e volta a enviar o contexto ao modelo em cada passo. Uma conversa com um agente pode facilmente transformar-se em dezenas de pedidos, cada um dos quais utiliza tokens.

Isto leva a dois efeitos que invalidam uma comparação direta de preços. Um modelo barato é muitas vezes menos capaz, pelo que dá mais passos desnecessários e tenta resolver a tarefa várias vezes, experimentando abordagens diferentes — e utiliza mais tokens. Também falha mais vezes em levar a tarefa a um estado funcional, caso em que os tokens gastos são desperdiçados. Explico detalhadamente como a fatura aumenta em como calcular a utilização de tokens da API e, separadamente, em porque é que o vibe coding custa mais do que parece.

Quanto custa uma tarefa resolvida?#

Chegamos agora à métrica de que trata este artigo. Tem de calcular o custo de um resultado concluído; nem o preço do plano nem o preço por token servem para isso. A fórmula é simples:

1. Pegue no preço de uma execução do agente para uma tarefa — o custo de todos os tokens que utiliza numa tentativa.
2. Estime a proporção de tarefas que o agente efetivamente leva a um estado funcional.
3. Divida o primeiro valor pelo segundo para obter o custo de uma tarefa resolvida.

Eis por que razão se divide. Se um agente concluir sete de dez tarefas, três das dez execuções são desperdiçadas, mas pagou as dez. Isso significa que o custo dessas dez execuções é distribuído por sete resultados funcionais, fazendo com que cada um custe mais do que uma única execução. Quanto mais baixa for a taxa de sucesso, maior será o custo por tarefa funcional.

A «proporção de tarefas concluídas» pode ser medida. É medida com benchmarks como o SWE-bench: é dada ao agente uma série de erros reais de projetos reais, e este apresenta correções que o sistema verifica com testes automatizados. A percentagem na tabela corresponde à proporção de tarefas resolvidas. Mas uma percentagem de laboratório não é igual à sua: a sua proporção no seu próprio projeto será diferente, por isso encare o benchmark como uma referência, não como uma promessa. Explico separadamente como ler estas tabelas no artigo sobre a classificação dos agentes de IA para programação.

Quais são os três fatores que compõem o custo de uma tarefa?#

Vamos decompor o custo para perceber onde se escondem os gastos adicionais.

Primeiro: o preço por token. O preço base do modelo: quanto custam um milhão de tokens de entrada e um milhão de tokens de saída. Pode haver uma diferença de dezenas de vezes entre um modelo de grande capacidade e um modelo leve.

Segundo: o volume de tokens por tarefa. A quantidade de texto que o agente processa através do modelo numa tentativa. Depende da dimensão da tarefa, do número de ficheiros que o agente volta a ler e do número de passos que dá. Um modelo inteligente utiliza muitas vezes menos, porque chega a uma solução com menos passos, e isso reflete-se imediatamente na fatura.

Terceiro: a proporção de tarefas concluídas. A percentagem de tentativas que terminam com um resultado funcional. Este fator divide o custo total: mantendo fixo o custo de uma execução, uma taxa de sucesso de 40 por cento custa o dobro por tarefa funcional de uma taxa de 80 por cento. Esta comparação não demonstra qual fator pesa mais quando os preços e a utilização também variam.

Toda a confusão em torno das comparações resulta de as pessoas olharem apenas para o primeiro número — o preço por token. Mas são os três números que determinam o custo final. Um preço baixo com um volume elevado e uma taxa de sucesso baixa pode facilmente acabar por custar mais do que um preço alto com um volume baixo e uma taxa de sucesso elevada.

Combinar estes três números numa configuração funcional é uma tarefa à parte; o preço do modelo e o método devem ser avaliados em conjunto, sem presumir que um pesa sempre menos. A abordagem completa assenta em três pilares: um clone de IA, um Segundo Cérebro e engenharia de contexto. Um contexto limpo reduz o volume de tokens e aumenta a taxa de sucesso — o segundo e o terceiro números da fórmula.

Quanto custa uma execução com diferentes modelos?#

Para concretizar a fórmula, vou calcular o custo de uma execução com base em preços efetivamente publicados. Uso como exemplo uma tarefa não trivial em que o agente utiliza cerca de 300 000 tokens de entrada por tentativa (relendo o projeto e os erros ao longo de muitos passos) e cerca de 40 000 tokens de saída. Mais uma vez, trata-se de um exemplo para o cálculo, não de uma medição; a sua utilização será diferente.

Eis os preços por milhão de tokens de acordo com os preços oficiais dos fornecedores no início de setembro de 2026:

Pode verificar a fórmula com um exemplo real da documentação da Anthropic. Para um pedido ao Opus 5 com 50,000 tokens de entrada e 15,000 tokens de saída, é apresentado o seguinte cálculo:

Por outras palavras, somam-se a entrada e a saída utilizando os respetivos preços — exatamente como na fórmula. Só falta dividir o custo da execução pela proporção de tarefas concluídas, e é aí que um preço baixo começa a ter um comportamento inesperado.

Porque é que um modelo barato pode tornar uma tarefa mais cara do que um modelo potente?#

Eis o motivo pelo qual valeu a pena fazer o cálculo com honestidade. Vou comparar dois modelos pelo custo do resultado; o custo da execução deixa de ser o mais importante.

Sonnet 5: uma execução custa cerca de um dólar e, para a nossa tarefa de exemplo, vamos supor que conclui 70 por cento das tentativas. O custo de uma tarefa funcional é um dólar dividido por 0,7, ou seja, cerca de 1,40 dólares.

Haiku 4.5: a execução do exemplo custa cerca de 50 cêntimos e o preço por token indicado é metade. Para esta ilustração, suponha que usa cerca de 1,6 vezes mais tokens e conclui 40 por cento das tentativas. Sob estas hipóteses, uma tarefa funcional custa cerca de 2 dólares. A utilização adicional e a taxa de sucesso são dados assumidos no exemplo, não observações causadas pelo preço inferior do modelo.

Dentro deste exemplo hipotético, o modelo com metade do preço por token tem o custo calculado por tarefa resolvida mais alto porque a utilização e a taxa de insucesso assumidas anulam a vantagem do preço. Isto mostra o comportamento da fórmula; não mede qual modelo terá melhor relação custo-benefício no seu projeto.

Uma ressalva: usei taxas de sucesso de 70 e 40 por cento e volumes de tokens ilustrativos para mostrar como funciona a mecânica. Os seus números serão diferentes e é perfeitamente possível que um modelo leve dê conta da sua carga de trabalho e continue a ser o mais barato. Um modelo mais caro não oferece necessariamente uma melhor relação qualidade-preço; compare o custo por resultado com base nos seus próprios três números.

Como calcular o custo por tarefa: três perfis?#

Para aplicar isto ao seu próprio trabalho, estime qual é o perfil mais próximo. A fórmula mantém-se; só mudam os três números.

Perfil um: tarefas simples e repetitivas. Reescrever texto, organizar dados, fazer uma pequena correção de código. Teste se um modelo leve, como o Haiku ou o DeepSeek V4-Flash, cumpre os seus critérios de aceitação com pouca utilização e poucas repetições. Compare o custo medido por resultado funcional com outro candidato antes de chamar a qualquer um o mais barato ou de considerar o Opus um pagamento excessivo.

Perfil dois: trabalho complexo com código desconhecido. Compreender o projeto de outra pessoa, corrigir um erro que não é óbvio, criar uma nova funcionalidade. Meça as tentativas completas nestas tarefas. Um modelo com preço por token superior pode custar menos por resultado utilizável se a melhoria da taxa de sucesso ou a redução da utilização compensar esse preço. Essa vantagem deve ser demonstrada pelos seus resultados, não presumida a partir da categoria do modelo.

Perfil três: carga de trabalho mista. Compare uma configuração com um só modelo com o encaminhamento de tarefas de rotina e difíceis para candidatos diferentes. Conte a utilização, as falhas e as correções em toda a carga de trabalho. O encaminhamento pode melhorar o custo por resultado, mas este artigo não o mediu como a solução mais barata. Muitos agentes permitem mudar de modelo durante o trabalho.

Calcule cada perfil separadamente com a mesma fórmula e verá onde custa menos.

Qual é o erro mais comum que as pessoas cometem ao escolher?#

Vejo este erro constantemente: alguém encontra o modelo com o preço por token mais baixo e usa-o alegremente para tudo, desde reescrever texto até criar uma funcionalidade complexa. Nas tarefas rotineiras, poupa mesmo dinheiro. Mas, nas tarefas difíceis, o mesmo modelo tem dificuldades: reduz a taxa de sucesso, experimenta abordagens diferentes, aumenta o volume — e, em termos de custo por resultado, fica atrás de um modelo que é «mais caro» na lista de preços.

Também se comete o erro oposto: escolher o modelo mais capaz e pagar para que trate de tarefas que um modelo leve conseguiria fazer por um terço do custo. É o mesmo pagamento excessivo, mas do outro lado.

Uma nota sobre a minha própria abordagem. Trabalho com Claude Code e uma subscrição; não utilizo a API normal no trabalho diário porque prefiro um valor previsível a um contador sempre a correr. Após um ano e meio de trabalho diário com IA, considero útil medir em conjunto o preço do modelo, a utilização em todas as tentativas e os resultados aceites, em vez de atribuir quase todo o custo à forma de trabalhar. Um contexto limpo e uma tarefa clara melhoram a taxa de sucesso e reduzem o volume — ou seja, alteram precisamente os fatores que determinam o custo. Com um contexto confuso, até um modelo caro gasta dinheiro; com um contexto organizado, um modelo barato consegue tratar da tarefa.

Então, qual é o agente mais barato?#

Não há um único agente «mais barato», e agora já percebe porquê: a acessibilidade mede-se pelo custo por resultado, e esse custo varia consoante a carga de trabalho. O preço do plano e o preço por token são enganadores neste caso. Calcule o custo da execução, introduza a sua própria proporção de tarefas concluídas, divida e compare esses valores — depois feche a página de preços.

Um último ponto. O custo por tarefa resolvida depende dos preços do modelo, dos tokens usados em todas as tentativas e da proporção de tarefas efetivamente concluídas. O contexto e a forma de trabalhar podem alterar a utilização de tokens e a taxa de sucesso; mudar de modelo também pode alterá-las. As taxas de sucesso ilustrativas acima não medem qual destes fatores pesa mais. Compare os modelos nas mesmas tarefas representativas, contabilize repetições e correções humanas e escolha pelo custo medido por resultado utilizável.

O método de vibe coding inclui um clone de IA, um Segundo Cérebro e engenharia de contexto; avalie-o em conjunto com o modelo e os respetivos preços, sem os tratar à partida como secundários. Um contexto limpo e um trabalho estruturado afetam o volume de tokens e a taxa de sucesso, que em conjunto determinam o custo de uma tarefa.

Conheça a Ailoot.