Preço da API OpenAI em 2026: calcular tokens e orçamento

Carrega dinheiro numa conta de API e quase de imediato surge a pergunta: quanto tempo vai durar? Tem algo como «Tenho dez mil, a entrada custa isto, a saída custa mais, também há uma espécie de desconto da cache» na cabeça — e não percebe bem como transformar tudo isso num único número. Vou explicar por partes, com números.

A ideia principal, desde já: uma fatura de API calcula-se com uma única fórmula — número de tokens multiplicado pelo preço por token. Os tokens de entrada e de saída são contabilizados separadamente porque têm preços diferentes. A seguir, vou mostrar como usar esta fórmula para calcular quanto tempo durará o seu orçamento e como incluir a cache no cálculo.

Pode encontrar informações sobre a utilização do Ailoot na documentação.

Como se calcula o preço de um pedido à API OpenAI?#

Quando chama um modelo através de uma API, paga pela quantidade de texto que passou pelo modelo. Essa quantidade é medida em tokens. Um token é um pequeno segmento de texto; voltarei a este assunto na secção seguinte, mas, por agora, pense nele como a unidade em que tudo é medido.

Uma chamada tem duas partes. A primeira é aquilo que enviou ao modelo: a pergunta em si, excertos de código ou um documento anexados, mensagens anteriores da conversa e a instrução de sistema no início. Isto é a entrada. A segunda é aquilo que o modelo escreveu em resposta. Isto é a saída. A DeepSeek diz claramente na descrição dos preços: a fatura baseia-se no número total de tokens de entrada e de saída.

A entrada e a saída têm preços diferentes, por isso são contabilizadas separadamente. A fórmula de um pedido é simples:

cost = (input tokens × input price) + (output tokens × output price)

Os preços são normalmente apresentados por milhão de tokens — é mais prático, porque um único token custa uma fração de uma unidade monetária. Todos os cálculos daqui em diante assentam nesta fórmula, e o seu orçamento cobre exatamente tantos pedidos quantos os que couberem nos fundos disponíveis a esse preço.

Um token não é uma palavra: como pode estimar quantos vai utilizar?#

A primeira coisa que baralha toda a gente: um token não é o mesmo que uma palavra. O modelo divide o texto em segmentos segundo as suas próprias regras, e um segmento pode ser uma palavra curta inteira, parte de uma palavra mais longa, um espaço com uma letra ou um sinal de pontuação. Por isso, não consegue calcular mentalmente com exatidão «quantos tokens vai ter o meu pedido» — só pode fazer uma estimativa.

Eis uma orientação aproximada. Em texto inglês, um token corresponde a cerca de quatro caracteres; é uma estimativa inicial indicada pela própria Anthropic e pela OpenAI. Os modelos dividem o texto em português em segmentos mais pequenos: os caracteres com acentos são separados em partes mais curtas, pelo que o mesmo texto em termos de significado utiliza mais tokens. O número exato depende do modelo, mas conte com uma vez e meia a duas vezes mais tokens do que em inglês.

Eis como isso se traduz em tokens. Se enviar uma página de texto ao modelo e receber um parágrafo em resposta, já terá milhares de tokens de entrada e centenas de tokens de saída. E, se anexar um ficheiro grande a um pedido ou mantiver um longo histórico de conversa, a entrada pode crescer até dezenas de milhares de tokens, sendo essa a maior parte da fatura. A resposta da API mostrará o valor exato: nos campos de metadados, indica quantos tokens foram efetivamente utilizados na entrada e na saída. Mas, para estimar antecipadamente o orçamento, basta uma estimativa aproximada baseada no número de caracteres.

Porque é que a saída custa mais do que a entrada e como afeta isso a sua fatura?#

Eis uma tabela com os preços oficiais por milhão de tokens no início de setembro de 2026 — pode ver-se que, em todos os modelos, a saída custa várias vezes mais do que a entrada.

A diferença de preços entre fornecedores é enorme: um milhão de tokens de entrada no Claude Opus 5 custa tanto como cerca de 7,58 milhões no DeepSeek Pro às tarifas de entrada da tabela ($5 ÷ $0.66 ≈ 7.58). Mas, dentro de cada faixa de preços, há uma regra que se mantém: a saída custa três a seis vezes mais do que a entrada. A razão é simples: é mais fácil para o modelo ler o seu pedido do que escrever uma resposta, e o trabalho mais exigente custa mais.

Daqui resulta uma conclusão que afeta diretamente a sua fatura. Uma resposta longa é mais cara do que uma pergunta longa. Se pedir ao modelo para «explicar com o máximo de detalhe possível», está a aumentar a parte mais cara da fatura. O mesmo significado expresso numa resposta curta custa várias vezes menos. É uma das razões pelas quais o vibe coding é barato para uma pessoa, mas esgota o orçamento de outra num só dia — mesmo com o mesmo modelo.

Como pode calcular quanto tempo durará o seu orçamento?#

Vamos transformar tudo isto num cálculo passo a passo. Introduza os seus próprios preços, o volume habitual de tokens e o orçamento.

1. Estime um pedido típico. Suponha que uma chamada utiliza 20 000 tokens de entrada (a pergunta, mais um excerto de código e algum histórico) e 2 000 tokens de saída (a resposta do modelo).
2. Calcule o custo da entrada: divida o número de tokens de entrada por um milhão e multiplique pelo preço da entrada por milhão de tokens.
3. Calcule o custo da saída: divida o número de tokens de saída por um milhão e multiplique pelo preço da saída por milhão de tokens.
4. Some os custos da entrada e da saída.
5. Divida o seu orçamento pelo custo por pedido obtido.

Com as tarifas do Opus 5 na tabela deste artigo: 20,000 ÷ 1,000,000 × $5 = $0.10 de entrada e 2,000 ÷ 1,000,000 × $25 = $0.05 de saída. Total: $0.15 por pedido sem cache. Um orçamento de $10 cobre 66 pedidos inteiros ($9.90), assumindo as mesmas contagens de tokens e nenhuma outra cobrança.

Um pedido real quase nunca é «médio»: anexe um ficheiro grande ou prolongue uma conversa, e a entrada cresce de 20 000 para 200 000 tokens. Por isso, faça as contas com base na sua forma habitual de trabalhar; um pedido idealizado dará um resultado errado. Também é melhor arredondar para cima.

O Devin, o Claude Code e qualquer outro agente de IA utilizam a mesma API e gastam tokens segundo a mesma fórmula. A única diferença é que um agente utiliza mais porque faz muitas chamadas em segundo plano. Expliquei separadamente porque é que isso faz o vibe coding custar mais do que se espera no artigo sobre o custo oculto do vibe coding.

O que é o desconto da cache e quando se aplica?#

Agora, a cache — o «desconto de até 80 por cento» que parece complicar os cálculos. O mecanismo é simples. Parte da entrada mantém-se igual de um pedido para o outro: a instrução de sistema no início, um contexto extenso ou um documento anexado com que trabalha ao longo de várias chamadas. A cache permite ao modelo evitar reler essa parte do início cada vez e recuperá-la da memória a um preço muito mais baixo.

O desconto depende do fornecedor. No Claude, reler a partir da cache custa dez vezes menos do que a entrada normal: no Opus 5, a entrada normal custa 5 $ por milhão, enquanto uma leitura da cache custa 0,50 $. O desconto da DeepSeek é ainda maior: a entrada em cache do modelo flash custa 0,007 $, contra 0,22 $ pela entrada normal, ou seja, mais de trinta vezes menos. Portanto, «até 80 por cento de desconto» é uma estimativa modesta; o desconto real pode ser superior.

Tenha em conta duas condições, para que o cálculo da cache não fique errado.

• O desconto aplica-se apenas à entrada repetida. O modelo gera a saída do zero de cada vez, sem qualquer desconto da cache. Se a maior parte da sua fatura vier de respostas longas, a cache permitirá poupar muito pouco.
• A primeira gravação na cache custa um pouco mais do que a entrada normal. Para armazenamento de curta duração, o Claude cobra 1,25 vezes o preço normal da entrada pela gravação na cache. As poupanças começam no segundo pedido, que lê a parte já guardada na cache. A cache não ajuda num pedido único e acaba até por custar um pouco mais.

Como recalcular o seu orçamento tendo em conta a cache?#

Voltemos ao exemplo do volume de pedidos e acrescentemos a cache. A ideia é dividir a entrada em duas partes: a que se repete e tem direito ao desconto, e a que é nova em cada pedido.

Considere o mesmo pedido com 20 000 tokens de entrada e 2 000 de saída. Dos tokens de entrada, 15 000 são contexto inalterado e 5 000 são novos. Use os preços do Opus 5 acima: $5 por milhão de entrada nova, $0.50 por milhão de leitura da cache, $6.25 por milhão de escrita de curta duração na cache (1.25 × $5) e $25 por milhão de saída.

O pedido repetido é 45% mais barato do que o pedido de $0.15 sem cache, embora a parcela de entrada em cache seja 90% mais barata. A primeira escrita custa mais. Duas chamadas (uma escrita e um acerto) custam $0.25125 em vez de $0.30. Com $10, uma escrita seguida de 119 acertos verificados dá 120 chamadas por $9.98625. Isto pressupõe cache válida, as mesmas contagens em todas as chamadas e nenhuma outra cobrança; use a utilização real de leitura e escrita da cache, sem assumir que toda a repetição acerta.

Daqui resulta a regra: a cache compensa quando utiliza um contexto extenso em muitos pedidos e é inútil para perguntas curtas e dispersas.

Onde se gastam tokens sem dar por isso?#

As faturas acabam muitas vezes por ser superiores ao previsto, quase sempre por causa de três coisas que não se veem à primeira vista.

A primeira, e maior, é o histórico da conversa. O modelo não se lembra das mensagens anteriores por si só; a conversa inteira é-lhe enviada novamente como parte da entrada em cada chamada. Isto significa que a décima mensagem de uma conversa longa inclui as nove mensagens anteriores e respetivas respostas. Um pedido custa pouco no início de uma conversa, mas, no fim, uma pergunta com o mesmo significado custa várias vezes mais porque a entrada aumentou. Um truque simples: quando mudar de assunto, comece uma nova conversa. Não precisa de prolongar a mesma indefinidamente.

A segunda é o modo de raciocínio. Os modelos mais recentes têm um modo em que primeiro desenvolvem internamente o raciocínio e só depois respondem. Esse raciocínio também é contabilizado como tokens de saída, e a saída é a parte mais cara. A resposta parece curta, mas tem muitos tokens por trás, pelo que a fatura acaba por surpreender.

A terceira são os anexos grandes. Anexe um documento extenso ou um conjunto de ficheiros a um pedido e estes são enviados na íntegra como entrada em cada chamada, enquanto permanecerem no contexto. Se trabalhar com o mesmo documento durante algum tempo, vale a pena mantê-lo em cache para não continuar a pagar o preço total. A gestão do que permanece no contexto é uma competência à parte, chamada context engineering, e afeta diretamente a sua fatura.

Como pode acompanhar os gastos sem fazer contas à mão?#

Só precisa de fazer uma estimativa manual uma vez, para perceber de forma geral quanto tempo durará o seu dinheiro. Depois disso, já não precisa de calcular à mão; a API faz as contas por si.

Cada resposta do modelo inclui campos de metadados que mostram o número exato de tokens do pedido: quantos foram utilizados na entrada, quantos na saída, quantos tokens de entrada foram lidos a partir da cache e quantos foram aí gravados pela primeira vez. São dados exatos sobre uma chamada específica, que mostram para onde está realmente a ir o seu orçamento. Se utilizar uma ferramenta como o Claude Code, normalmente esta apresenta a utilização depois de cada tarefa.

O painel do fornecedor também tem uma página de utilização, com os gastos por dia e o saldo atual. Consulte-a de vez em quando, sobretudo nas primeiras semanas, até perceber o seu padrão habitual de gastos. Dois hábitos também ajudam a poupar: defina um limite mensal de gastos, se o seu fornecedor o permitir, e não ative os carregamentos automáticos do saldo até perceber quanto costuma gastar. Caso contrário, um agente descontrolado durante a noite pode cobrar-lhe mais do que esperava.

Conheça o Ailoot.