Preços de LLM: Top 15+ provedores comparados

A precificação de LLM abrange quatro ordens de magnitude: os modelos mais baratos foram lançados abaixo de US$ 0.03 por milhão de tokens, enquanto os níveis de raciocínio de fronteira foram lançados por até US$ 262.50. O gráfico abaixo acompanha os preços de lançamento: cada ponto é o preço médio dos modelos de uma classe de tamanho lançados em um trimestre civil, combinando 3 partes de entrada para 1 parte de saída, em 8 classes de tamanho. Os preços são a tarifa de tabela padrão do fornecedor, sem descontos de cache ou lote, ou a tarifa hospedada no lançamento para modelos de pesos abertos sem preço primário; o eixo y é logarítmico.

• Modelos de chat principais ficam mais baratos. O GPT-4 foi lançado por US$ 37.50 em março de 2023; o Claude Opus 5 por US$ 10.00 em julho de 2026.
• Os planos Pro de raciocínio estabeleceram um novo teto. O o1-pro atingiu o pico de US$ 262.50 em março de 2025; os lançamentos Pro de 2026 da OpenAI se mantêm em US$ 67.50.
• O nível barato está subindo. O custo médio de lançamento dos modelos fechados pequenos foi de US$ 0.53 em 2024 e US$ 3.00 nos primeiros oito meses de 2026. Seis modelos foram lançados nessa classe este ano e apenas o Upstage com seu Solar Pro 4, a US$ 0.53, ficou abaixo de US$ 1.00.
• Os principais modelos de pesos abertos triplicaram de preço e ainda assim são mais baratos que os modelos fechados. O preço médio de lançamento subiu de US$ 0.48 em 2024 para US$ 1.63 em 2026, contra uma mediana de US$ 3.75 para lançamentos fechados de nível intermediário. O Kimi K3 da Moonshot, a US$ 6.00, é o lançamento de pesos abertos mais caro do gráfico.
• Os lançamentos fechados de nível intermediário custaram 38% menos do que em 2024. A mediana caiu de US$ 6.00 em 2024 para US$ 4.38 em 2025 e US$ 3.75 em 2026. Grok 4.5 e Grok 4.6 foram lançados a US$ 3.00, e o Muse Spark 1.1 da Meta a US$ 2.00.

Os preços são preços de lançamento combinados por milhão de tokens, ponderados em três partes de entrada para uma de saída, e excluem promoções de lançamento por tempo limitado.

Avaliação de preços da LLM API

Há duas formas de pagar por um LLM: planos de assinatura com precificação de LLM com tarifa fixa dos principais provedores, ou um modelo de API pago conforme o uso, cobrado por uso de tokens.

Clique nos nomes dos modelos para ver os resultados de benchmark, a latência no mundo real e os preços, para avaliar a eficiência e o custo-benefício de cada modelo.

Classificação: Os modelos são classificados pela posição média em todos os benchmarks.

Você pode conferir as taxas de alucinação e o desempenho de raciocínio dos principais LLMs em nossos benchmarks.

Comparação de planos de assinatura de LLM

Usuários não técnicos podem preferir usar a interface em vez da API. Em 2026, a maioria das assinaturas dos provedores inclui muito mais do que uma interface de chat. Agentes de codificação como Claude Code, Codex, Kimi Code e Mistral Vibe vêm nos planos de nível Pro. Para desenvolvedores e usuários intensivos, a assinatura certa de US$ 10 a US$ 200 frequentemente substitui o que seriam, separadamente, uma assinatura de IDE de codificação, um orçamento de API por token e uma ferramenta de vídeo ou pesquisa.

OpenAI

O plano Free inclui chats de texto diários ilimitados com o GPT-5.6 Luna, modo de voz padrão, uploads limitados e geração básica de imagens. Os anúncios contextuais alcançam cerca de 40 mercados até agosto de 2026, incluindo os EUA e a maior parte da Europa, e aparecem apenas nos planos Free e Go.

• ChatGPT Go (US$ 8/mês) é um plano de baixo custo que pode incluir anúncios. Os chats de texto são ilimitados, como no Free; a atualização oferece limites maiores de upload de arquivos, criação de imagens, voz e memória, tudo no GPT-5.6 Luna.
• ChatGPT Plus (US$ 20/mês) inclui limites de uso estendidos, acesso ao GPT-5.6 Sol, Terra e Luna, modo de voz avançado, agente Codex, geração de imagens e recursos de acesso antecipado.

O plano Pro tem dois níveis desde abril de 2026:

• ChatGPT Pro (US$ 100/mês) oferece a mesma linha de modelos que o nível de US$ 200 (incluindo o GPT-5.6 Sol) com aproximadamente 5x os limites de uso do Plus.
• ChatGPT Pro (US$ 200/mês) oferece os maiores limites de uso individual (cerca de 20x o Plus), máximo de Deep Research, voz avançada com vídeo e compartilhamento de tela, Codex com aumento máximo de uso e Sora.

Ambos os níveis Pro incluem acesso prioritário nos horários de pico. O preço do Codex nos planos Plus, Pro e Business passou de cobrança por mensagem para cobrança alinhada ao uso de tokens via API em abril de 2026.

O ChatGPT Work, o agente da OpenAI para projetos de várias etapas de longa duração (lançado em 9 de julho de 2026), está incluído nos planos pagos, e o aplicativo para desktop que reúne Chat, Work e Codex está disponível em todos os planos, incluindo o Free.

• Plano Business (US$ 20/usuário/mês anual ou US$ 25/usuário/mês mensal) é o plano da OpenAI para equipes pequenas e médias (antigo ChatGPT Team, renomeado em agosto de 2025). Ele adiciona limites maiores de mensagens, console de administração, SSO, dados de equipe excluídos do treinamento e pools de crédito compartilhados para recursos avançados. Aplicativos incluídos: Codex com créditos compartilhados do espaço de trabalho. As vagas exclusivas para Codex foram fechadas para novos espaços de trabalho em 24 de junho de 2026; a OpenAI anunciou vagas Premium a US$ 100/usuário/mês anuais (US$ 125 mensais) com uso 5x o Standard. O plano exige pelo menos 2 vagas.
• O plano Enterprise (preço personalizado) oferece acesso aos modelos em alta velocidade, janelas de contexto ampliadas, controles de dados de nível empresarial, verificação de domínio, análises e registros de auditoria. Aplicativos incluídos: Codex com pool de crédito compartilhado e vagas opcionais exclusivas para Codex.

Anthropic (Claude)

O plano Free inclui acesso web e mobile, análise básica, acesso ao Claude Sonnet 5 e Haiku, e upload de documentos. O uso diário é limitado, e os modelos Opus e Fable não estão disponíveis.

• Plano Pro (US$ 20/mês, ou US$ 17/mês cobrado anualmente) oferece acesso ao Opus 5, Sonnet 5 e Haiku, cerca de 5x mais uso do que o Free, organização de projetos e acesso prioritário nos horários de pico. O Fable 5 não faz parte dos limites de uso do Pro; ele é cobrado às taxas da API por meio de créditos de uso pagos conforme o consumo. Aplicativos incluídos: Claude Code (o agente de codificação da Anthropic no terminal e no IDE), Cowork, Claude Design e Claude para Microsoft 365, todos compartilhando o mesmo pool de uso do chat.
• Plano Max 5x (US$ 100/mês) oferece cerca de 5x mais uso do que o Pro, acesso prioritário aos recursos e modelos mais novos e acesso completo ao Claude Code no nível de uso Max mais alto.
• Plano Max 20x (US$ 200/mês) oferece cerca de 20x mais uso do que o Pro, máximo acesso prioritário e acesso completo ao Claude Code. Projetado para usuários avançados diários que executam cargas de trabalho do Claude Code. Ambos os níveis Max incluem o Fable 5, o modelo mais caro da Anthropic; seu uso pode ocupar até metade do limite de uso semanal do plano.

O plano Team oferece dois tipos de vaga e suporta de 2 a 150 membros:

• Vaga Standard: US$ 20/usuário/mês anual (US$ 25/usuário/mês mensal). Inclui recursos básicos, limites de uso padrão e acesso ao Claude Code.
• Vaga Premium: US$ 100/usuário/mês anual (US$ 125/usuário/mês mensal). Tudo do Standard, além de limites de uso maiores para usuários avançados que executam cargas de trabalho mais pesadas do Claude Code.

Aplicativos incluídos: Claude Code e Cowork estão incluídos em cada vaga do Team (Standard e Premium); a diferença está na franquia de uso, não no acesso. Ambos os tipos de vaga incluem cobrança central, ferramentas de colaboração e controles administrativos.

• Plano Enterprise (US$ 20/vaga/mês mais uso às taxas da API no nível self-serve; preço personalizado com vendas) oferece janelas de contexto expandidas, SSO, captura de domínio, acesso baseado em funções, SCIM, registros de auditoria e integrações de dados. Aplicativos incluídos: nos planos Enterprise novos e self-serve, Claude Code e Cowork estão incluídos em cada vaga; contratos Enterprise mais antigos podem distinguir entre vagas somente de Chat e vagas de Chat + Claude Code com cobrança baseada em uso.

Google (Gemini)

O plano gratuito oferece acesso ao Gemini 3.6 Flash e acesso variável ao Gemini 3.1 Pro, geração básica de imagens, Deep Research, Gemini Live, Canvas e Gems. Aplicativos incluídos: Gemini Notebook (antigo NotebookLM) e Flow com acesso limitado ao Nano Banana Pro.

O Google usa preços regionais, então os valores podem variar conforme a região.

• Google IA Plus (US$ 4.99/mês, EUA) é o nível pago de entrada com 2x os limites de uso do Free. Aplicativos incluídos: mais acesso ao Gemini 3.1 Pro no chat, geração de imagens com Nano Banana Pro, geração de vídeo com Gemini Omni Flash, 200 créditos Flow, Gemini Notebook com mais Audio Overviews, Gemini no Gmail, Docs e Vids, e acesso antecipado ao Gemini no Chrome. Inclui 400 GB de armazenamento.
• Google IA Pro (US$ 19.99/mês, EUA) oferece 4x os limites de uso do Free e 5 TB de armazenamento. Aplicativos incluídos: Jules (agente de codificação assíncrono), Google Antigravity (plataforma de desenvolvimento agêntico), limites expandidos do IA Studio, US$ 40/mês em créditos do Google Cloud, Gemini Notebook com 5x Audio Overviews, Deep Research, 1.000 créditos Flow, YouTube Premium Lite e Google Home Premium (plano Standard).
• Google IA Ultra (EUA) custa US$ 99.99/mês para 5x os limites de uso do IA Pro ou US$ 199.99/mês para 20x. Aplicativos incluídos: raciocínio Deep Think, Gemini Agent (somente EUA), Gemini Spark, Project Genie (modelo de mundo interativo), Jules nos limites mais altos, Antigravity de nível superior, 10.000 ou 25.000 créditos Flow, Google Home Premium (plano Advanced) e uma assinatura individual do YouTube Premium. O armazenamento começa em 20 TB.

Microsoft Copilot

O plano gratuito (Copilot Chat) está disponível sem custo adicional para todos os usuários do Microsoft Entra com uma assinatura qualificada do Microsoft 365. Ele inclui o chat básico do Copilot nos aplicativos da Microsoft, sem os recursos mais profundos em documentos.

• Microsoft 365 Premium (US$ 19.99/mês ou US$ 199.99/ano) agora é o plano Copilot para consumidores. Ele inclui os aplicativos do Office, até 6 TB de armazenamento (1 TB para cada uma de até seis pessoas) e os maiores limites de Copilot para consumidores; os recursos de IA se aplicam somente ao titular da assinatura. O antigo Copilot Pro (US$ 20/mês) está fechado para novas compras, e os assinantes atuais podem mantê-lo ou mudar para o Premium.
• Microsoft 365 Copilot Business (US$ 21/usuário/mês anual; US$ 18/usuário/mês no primeiro ano para compras até 30 de setembro de 2026; US$ 25.20/usuário/mês mensal) adiciona o Copilot nos aplicativos do Microsoft 365, integração com o Teams e controles administrativos. Aplicativos incluídos: Copilot Studio Lite para criar agentes leves, Copilot no SharePoint e Copilot Pages para rascunhos colaborativos. Limitado a organizações com até 300 usuários.
• Microsoft 365 Copilot Enterprise (US$ 30/usuário/mês anual, ou US$ 31.50/usuário/mês cobrado mensalmente; exige uma licença qualificada do Microsoft 365) oferece segurança avançada, conformidade e análises sobre os recursos do Business. Aplicativos incluídos: criação de agentes com o Copilot Studio (agentes com dados de trabalho e pré-criados podem ser medidos; o Copilot Studio autônomo é vendido separadamente), Copilot no Microsoft Purview e Intune para fluxos de trabalho de TI e segurança, e governança sobre os agentes implantados.

xAI (Grok)

O plano gratuito oferece acesso limitado ao Grok.

• SuperGrok Lite (US$ 10/mês) é o nível pago de entrada. Ele inclui conversas 2x mais longas, limites de taxa maiores e criação de imagens e vídeos por IA. Aplicativos incluídos: Grok Build (o agente criador de aplicativos da xAI, também gratuito na web desde agosto de 2026) e Grok Imagine para geração de imagens e vídeos.
• SuperGrok (US$ 30/mês, ou US$ 300/ano) inclui raciocínio aprimorado com Grok 4.6, conversas 5x mais longas, uploads de arquivos maiores, modo de voz para conversas faladas e 20x mais gerações de imagens e vídeos do Grok Imagine, incluindo vídeo HD 720p de 30 segundos.
• SuperGrok Plus (US$ 100/mês) adiciona acesso ao Grok Bot, geração de vídeo em 1080p, limites de uso maiores, respostas mais rápidas e acesso prioritário.
• SuperGrok Heavy (US$ 300/mês) oferece tudo do Plus, uma equipe de agentes para trabalho paralelo, limites de taxa máximos, prévias antecipadas dos próximos recursos da xAI e uma assinatura do X Premium+. Em julho de 2026, a xAI também lançou suplementos para Excel, Outlook e Google Workspace, além de Automações agendadas; a maioria é gratuito, com o suplemento do Outlook e as Automações acionadas por e-mail reservadas para usuários pagos.

O Grok também está incluído nas assinaturas do X: o X Premium (US$ 8/mês) é o caminho pago mais barato para o Grok dentro do aplicativo X e inclui status verificado e menos anúncios. O X Premium+ (US$ 40/mês) remove anúncios em todo o X e oferece os maiores limites de uso do Grok, além da monetização completa para criadores.

Moonshot IA (Kimi)

Os planos para consumidores da Kimi recebem nomes de marcações de andamento musical, do mais lento ao mais rápido. Os preços internacionais são em USD; os usuários chineses pagam em CNY com tarifas mais baixas. Desde agosto de 2026, novas compras estão em lista de espera. A página de preços anuncia planos futuros que separam os benefícios do Kimi e do Kimi Code, e o aviso da Moonshot de 20 de julho cita restrições de capacidade de computação para o lançamento adiado, quatro dias após o lançamento do K3. Os assinantes atuais mantêm seus planos e podem renová-los.

• Adagio (Free) oferece conversas básicas ilimitadas com 6 usos de agente, consultas limitadas de Deep Research e tarefas básicas do agente OK Computer.
• Moderato (US$ 19/mês) adiciona o Kimi K3 no chat e em tarefas de agente, além de sessões ampliadas de Deep Research. Aplicativos incluídos: Kimi Code (agente de codificação focado em terminal; estima-se de 300 a 1.200 solicitações por janela de 5 horas, cobradas do pool de crédito compartilhado), além das ferramentas de criação Slides e Websites.
• Allegretto (US$ 39/mês) oferece maior uso de tudo do Moderato. Aplicativos incluídos: Agent Swarm (orquestração de subagentes em paralelo, até 4 subtarefas paralelas neste nível), implantação em nuvem Kimi Claw para grupos heterogêneos de agentes com memória persistente e 2x os créditos de agente do Moderato.
• Allegro (US$ 99/mês) oferece 5x os créditos de agente, Agent Swarm com até 8 subtarefas paralelas e chat K3 com até 1M de tokens de contexto.
• Vivace (US$ 199/mês) oferece 10x os créditos de agente, 4 tarefas simultâneas, Agent Swarm com até 8 subtarefas paralelas e chat K3 com até 1M de tokens de contexto, voltado para cargas de trabalho intensivas de pesquisa e agênticas.

A assinatura inclui chaves de API do Kimi Code para uso em ferramentas de codificação de terceiros; a API separada da Kimi Open Platform é cobrada por token.

MiniMax

A MiniMax vende um único Token Plan sobre seus modelos M3 e M2.7. Ele substituiu os planos anteriores separados de créditos de Agent e o Coding Plan em meados de 2026.

MiniMax Token Plan (uma cota única para agentes, codificação e trabalho multimodal):

• Plus (US$ 20/mês): janelas de cota contínuas de 5 horas e semanais, suficientes para 3 a 4 agentes de codificação rodando em paralelo; para projetos pessoais e prototipagem.

• Max (US$ 50/mês): as mesmas janelas para 4 a 5 agentes em paralelo; para codificação diária com agentes e trabalho multimodal.

• Ultra (US$ 120/mês): 6 a 7 agentes em paralelo; para fluxos de trabalho agênticos pesados e sessões estendidas.

• Pacotes de crédito: US$ 5 por 5.000 créditos, US$ 25 por 25.000, US$ 100 por 100.000 (1.000 créditos = US$ 1, válidos por 365 dias), utilizáveis sobre qualquer plano.

O Token Plan cobre a linha completa de modelos (M3, M2.7, imagem e fala) em uma cota única, sendo um dos caminhos mais baratos para um modelo de codificação de fronteira quando combinado com uma CLI como Cline ou Kilo Code.

Mistral IA

O plano Free do Mistral Vibe (antigo Le Chat) inclui navegação na web, análise básica de arquivos, geração de imagens, sessões de codificação limitadas, 100+ conectores e US$ 10/mês em créditos de API.

• Plano Pro (US$ 14.99/usuário/mês) inclui mais mensagens e buscas na web, mais relatórios de pensamento estendido e Deep Research, 15 GB de armazenamento de documentos, até 1.000 projetos, geração de imagens e US$ 30/mês em créditos de API. Aplicativos incluídos: o modo Code do Mistral Vibe na CLI, IDE ou web, com pagamento conforme o uso além da cota incluída. Estudantes verificados pagam Pro por US$ 5.99/mês.
• Plano Team (US$ 24.99/usuário/mês) inclui tudo do Pro com até 30 GB de armazenamento por usuário, cobrança central, controle de acesso baseado em funções, verificação de nome de domínio e exportação de dados. Aplicativos incluídos: Mistral Vibe no nível de uso da equipe com controles administrativos compartilhados.
• Plano Enterprise (preço personalizado) oferece opções de implantação seguras, incluindo hospedagem própria e nuvem privada, SSO SAML, registros de auditoria, suporte premium e análises detalhadas. Aplicativos incluídos: Mistral Vibe com opções de implantação local para cargas regulamentadas.

DeepSeek

A DeepSeek não oferece planos de assinatura tradicionais. O acesso ao chat web e mobile para os modelos mais recentes (atualmente DeepSeek V4-Flash e V4-Pro) é gratuito para todos os usuários, com limitação por uso justo.

O acesso à API é pago por token, com tarifas de pico e fora de pico desde 16 de agosto de 2026. Fora do pico, o V4-Flash custa US$ 0.22 por milhão de tokens de entrada (erro de cache) e US$ 0.66 por milhão de tokens de saída; as tarifas de pico são o dobro (US$ 0.44 e US$ 1.32). O V4-Pro custa US$ 0.66 e US$ 1.98 fora do pico. Os acertos de cache custam cerca de 3% da taxa de erro, e os horários de pico são das 01:00 às 04:00 e das 06:00 às 10:00 UTC em dias úteis.

A DeepSeek também entrou no mercado de ferramentas de agente. O DeepSeek Harness, um kit de ferramentas de código aberto e baseado em plugins para criar e executar agentes de IA, está em prévia para desenvolvedores com código-fonte público. Ele não tem preço próprio e é agnóstico em relação ao modelo; o uso é cobrado pelo modelo de API que o agente chamar.

Meta (Muse Spark)

A Meta IA permanece gratuito no WhatsApp, Instagram, Facebook, Messenger, no aplicativo Meta IA e nos óculos Ray-Ban Meta, alimentada pelo Muse Spark (lançado em 8 de abril de 2026, agora na versão 1.2). A Meta iniciou testes limitados de assinaturas pagas Meta One. Os planos Plus e Premium aumentam a franquia mensal de uso de IA e o acesso ao modo Thinking, relatados a US$ 7.99 e US$ 19.99 por mês.¹

A Meta Model API está em prévia pública, é self-serve e compatível com o SDK da OpenAI. O preço pago conforme o uso do Muse Spark 1.2 começa em US$ 1.25 por milhão de tokens de entrada e US$ 4.25 por milhão de tokens de saída, com janela de contexto de 1M tokens. O Muse Code, um agente de codificação para terminal, foi lançado em beta em 5 de agosto de 2026.

Entendendo a precificação de LLM

Tokens: a unidade fundamental de precificação

Figura 1: Exemplo de tokenização usando os tokenizadores GPT-4o e GPT-4o mini para a frase “Identify New Technologies, Accelerate Your Enterprise.”²

Embora os provedores ofereçam várias estruturas de precificação, a cobrança por token é a mais comum. Os métodos de tokenização variam entre os modelos; exemplos incluem:

• Byte-Pair Encoding (BPE): divide palavras em unidades de subpalavras frequentes, equilibrando tamanho de vocabulário e eficiência.³
  • Exemplo: “unbelievable” → [“un”, “believ”, “able”]
• WordPiece: semelhante ao BPE, mas otimiza a probabilidade do modelo de linguagem, usado no BERT.⁴
  • Exemplo: “tokenization” → [“token”, “##ization”]. “token” é uma palavra independente; “##ization” é um sufixo.
• SentencePiece: tokeniza texto sem depender de espaços, eficaz para modelos multilíngues como o T5.⁵
  • Exemplo: “natural language” → [” natural”, ” lan”, “guage”] ou [” natu”, “ral”, ” language”].

Observe que as subpalavras exatas dependem dos dados de treinamento e do processo BPE/WordPiece. Para entender melhor esses métodos de tokenização, assista ao vídeo abaixo:

Depois de entender a tokenização, é possível estimar um preço médio com base no comprimento do token do projeto. A Tabela 2 descreve faixas de tokens por tipo de conteúdo, incluindo prompts de interface, trechos de e-mail, blogs de marketing, relatórios detalhados e artigos de pesquisa, e observa que as contagens de tokens variam entre os modelos. Depois de escolher um modelo, seu tokenizador pode ser usado para estimar a contagem média de tokens do conteúdo.

Tabela 2: Tipos de conteúdo típicos, suas faixas de tamanho e considerações empresariais (as faixas são estimativas e podem variar).

Implicações da janela de contexto

A janela de contexto impõe um limite rígido ao número de tokens de entrada e saída por chamada, incluindo quaisquer tokens usados por modelos de raciocínio para raciocínio em cadeia de pensamento. Se o total exceder esse limite, a resposta será truncada ou a solicitação falhará completamente.

Figura 2: Ilustração das limitações da janela de contexto levando ao truncamento da saída em uma conversa de várias etapas.⁶

Para aplicações que mantêm conversas longas, cada turno adicional empurra mais histórico para a entrada. Sem intervenção, os tokens de entrada crescem linearmente com o comprimento da conversa, e a conta também. Os usuários de API normalmente lidam com isso de uma das três formas:

• Cache de prompts. OpenAI, Anthropic, Google e DeepSeek armazenam em cache prefixos de prompt repetidos no servidor e cobram acertos de cache a uma fração da tarifa padrão de entrada, normalmente de 3 a 10 por cento do preço de erro de cache. Para aplicações que reutilizam um prompt de sistema longo ou um prefixo de conversa, o cache pode reduzir o custo de entrada em uma ordem de magnitude.
• Janela deslizante ou geração aumentada por recuperação (RAG). Descarte os turnos mais antigos quando um limite for atingido ou recupere apenas mensagens anteriores relevantes de um armazenamento vetorial em cada chamada.
• Sumarização. Condense periodicamente os turnos mais antigos em um resumo em vez de reenviá-los literalmente.

Para cargas de trabalho agênticas, como sessões de codificação ou pesquisa profunda, os agentes de codificação modernos lidam com isso automaticamente na sessão. O Claude Code, por exemplo, vem com compactação de contexto: quando a conversa se aproxima do limite, ele resume mensagens antigas em uma versão condensada, mantendo os turnos recentes intactos. Os turnos seguintes enviam apenas o resumo mais o contexto recente de volta ao modelo.

O impacto no preço é direto. Em APIs por token, a compactação limita o crescimento da entrada de cada chamada, e o cache reduz o preço do prefixo repetido, de modo que o custo por turno permanece previsível em sessões longas. Em assinaturas com tarifa fixa como Claude Pro, ChatGPT Plus ou Kimi Moderato, a compactação amplia os limites de uso diários e semanais, porque cada chamada carrega menos contexto. Uma sessão de codificação que de outra forma queimaria um limite de taxa de 5 horas pode durar mais quando os turnos antigos são comprimidos.

A desvantagem é que qualquer forma de sumarização tem perdas. O resumo pode descartar detalhes que depois se mostram importantes, forçando o usuário a fornecê-los novamente

Máximo de tokens de saída

O máximo de tokens de saída limita o comprimento da resposta de um modelo. Embora muitas documentações mencionem que isso pode ser ajustado usando o parâmetro max_tokens, é crucial revisar a documentação da API específica que está sendo usada para identificar o parâmetro correto. Ele deve ser ajustado de acordo com as necessidades específicas:

Se definido muito baixo, pode resultar em saídas incompletas, fazendo com que o modelo corte as respostas antes de entregar a resposta completa.

Se definido muito alto, dependendo da temperatura (um parâmetro que controla a criatividade da resposta), pode levar a saídas desnecessariamente verbosas, tempos de resposta mais longos e custo maior.

Portanto, é um parâmetro que exige consideração cuidadosa para otimizar o uso de recursos, equilibrando qualidade da saída, custo e desempenho.

Tabela 3: Exemplos de prompts de entrada e contagens estimadas de tokens por tipo de conteúdo.

*Isso pressupõe que cada modelo produza respostas com um número igual de tokens de saída, embora a contagem de tokens de entrada e saída possa variar de acordo com a tokenização de cada modelo; o número foi mantido constante aqui para cada modelo.

Combinar as faixas de tokens da Tabela 2 com as tarifas por token de um modelo dá o custo esperado por tipo de conteúdo; os exemplos de prompts da Tabela 3 mostram os tamanhos de entrada e saída por trás dessas estimativas.

Usando vários modelos de linguagem

Um gateway de IA como o OpenRouter permite que o mesmo prompt seja enviado a vários modelos simultaneamente. As respostas, o consumo de tokens, o tempo de resposta e os preços podem então ser comparados para determinar qual modelo é mais adequado para a tarefa.

Figura 3: Interface mostrando um prompt enviado a vários Grandes Modelos de Linguagem via OpenRouter.⁷

Benefícios e desafios

• Maior adaptabilidade e eficiência: a orquestração melhora a capacidade de resposta, permitindo avaliação em tempo real da eficiência do modelo e identificando um modelo com boa relação custo-benefício e economias potenciais.
• Sensibilidade e otimização de prompts: prompts idênticos podem gerar saídas muito diferentes entre modelos, exigindo engenharia de prompt adaptada a cada modelo para alcançar os resultados desejados, o que aumenta a complexidade de desenvolvimento e manutenção.

Mecânica de precificação e custos ocultos

Tokens de raciocínio vs. tokens de saída

Um número crescente de provedores introduziu modelos de raciocínio que gastam computação adicional para realizar raciocínio em cadeia de pensamento internamente. A OpenAI, a Anthropic e o Google cobram esses tokens de raciocínio como tokens de saída à taxa de saída padrão do modelo, de modo que o aumento de custo vem do volume, não de um preço por token mais alto.

Modelos como o GPT-5.5 Pro, o Claude Opus 5 com pensamento estendido ou o Gemini 3.1 Pro Deep Think geram traços internos de raciocínio
mesmo quando você não os solicita explicitamente. Esses tokens internos contam para sua fatura e podem aumentar substancialmente o custo, especialmente em tarefas analíticas longas, como revisão jurídica, análise de dados ou raciocínio em várias etapas.

Isso torna essencial:

• Escolher um modelo de raciocínio somente quando a precisão superar substancialmente o custo.
• Desativar a cadeia de pensamento ou definir um limite menor de tokens de saída quando possível.
• Testar a mesma tarefa em modelos sem raciocínio para ver se o desempenho é comparável por uma fração do preço.

Como um modelo de raciocínio pode emitir de 10 a 30 vezes mais tokens de saída do que o mesmo prompt produziria sem raciocínio, é fundamental entender essa distinção para o planejamento de custos.

Diferenças de precificação impulsionadas pela arquitetura

As arquiteturas de LLM influenciam diretamente a eficiência do modelo e, portanto, os preços da API. Por exemplo:

• Mistura de especialistas (MoE) ativa apenas um subconjunto de parâmetros por solicitação, reduzindo o custo computacional e permitindo que os provedores ofereçam taxas por token mais baixas.
• Decodificação especulativa combina um modelo de rascunho menor com um maior, melhorando o throughput e reduzindo o custo para tarefas determinísticas.
• Variantes quantizadas (por exemplo, 4 bits ou 8 bits) podem realizar inferência com menor precisão, permitindo preços mais baixos para versões implantadas localmente ou hospedadas na nuvem.

Entender essas escolhas de arquitetura ajuda os usuários a prever não apenas diferenças de preço, mas também latência, qualidade e como um modelo escala em cargas de produção.

Custos operacionais além das tarifas de API

Embora a cobrança por token seja o principal fator de custo, muitas implantações em produção incorrem em custos adicionais além do uso de API:

• Embeddings e bancos de dados vetoriais: armazenar e recuperar vetores (por exemplo, Pinecone, Weaviate, ChromaDB) adiciona custo por consulta e por GB de armazenamento.
• Modelos de reranking e pós-processamento: muitas aplicações usam modelos menores para sumarização, filtragem ou classificação antes de enviar uma solicitação final a um modelo maior.
• Camadas de cache: provedores como a OpenAI agora oferecem cache em nível de prompt, mas a infraestrutura local de cache pode exigir computação adicional.
• Registro, monitoramento e auditoria: as empresas frequentemente incorrem em custos de monitoramento em nível de token, rastreamento de latência e auditorias de segurança.

Esses custos ocultos geralmente representam de 20 a 40% das despesas operacionais totais de LLM e devem ser considerados ao avaliar estruturas de preços.

Considerações de precificação específicas para empresas

Muitos fornecedores de LLM cobram taxas adicionais por recursos empresariais de segurança e conformidade, como:

• Implantações de locatário único
• Clusters dedicados de GPU
• SLAs aprimorados (por exemplo, garantias de tempo de atividade e latência)
• Residência de dados e controles regionais
• Modos de conformidade SOC2, HIPAA ou GDPR

Essas ofertas podem aumentar significativamente os custos, mas são essenciais para setores regulamentados, como saúde, finanças, serviços jurídicos e instituições públicas.

Não perca os nossos benchmarks e insights baseados em dados. O botão abre o Google; selecionar a AIMultiple confirma que deseja ver a AIMultiple com mais frequência nos resultados de pesquisa do Google.

Adicionar como fonte preferencial

Tendências futuras na precificação de LLM

Três coisas definiram a precificação de LLM em 2025: os modelos de commodity ficaram baratos, quase todos os principais provedores lançaram uma assinatura de chat e os modelos de raciocínio continuaram caros. A diferença é estrutural e tende a aumentar: um milhão de tokens de saída custa US$ 0.66 no DeepSeek V4-Flash (fora do pico) e US$ 180 no GPT-5.5 Pro. As perguntas interessantes para 2026 em diante são sobre o que muda acima dessa base.

A cobrança por token dá lugar à precificação por tarefa

Os agentes agora impulsionam a maior parte do uso intensivo de LLM. Uma única tarefa de codificação com o Claude Code, uma execução de pesquisa com o Cowork ou uma sessão de navegação autônoma com o Operator pode fazer centenas de chamadas sequenciais ao modelo. A cobrança por token se torna imprevisível tanto para o comprador quanto para o vendedor.

Em resposta, os provedores estão trocando medidores de token por cotas de tarefas e sessões. A Moonshot estima de 300 a 1.200 solicitações do Kimi Code por janela de 5 horas a partir de um pool de crédito compartilhado. O Claude Code limita o uso por sessão de 5 horas em vez de por mensagem. A MiniMax define as cotas do Token Plan como janelas contínuas de 5 horas e semanais dimensionadas pelo número de agentes de codificação em paralelo. A Kimi define limites específicos por nível em subagentes paralelos do Agent Swarm.

Harnesses de agente entre provedores, como OpenClaw e MaxHermes, vão além. Eles ficam entre os usuários e várias APIs de modelos, e seus preços acompanham cada vez mais o throughput por tarefa em vez de por milhão de tokens. Espere que mais provedores publiquem SKUs por tarefa ou por sessão no próximo ano.

Modelos de raciocínio pequenos vão para o dispositivo

A Apple Intelligence executa inferência no dispositivo para consultas rotineiras, recorrendo ao Private Cloud Compute apenas para solicitações complexas. Os PCs Microsoft Copilot+ vêm com um modelo local. Os dispositivos Pixel executam o Gemini Nano. Modelos pequenos recentes, como o Phi-4 da Microsoft e o Gemma 3 do Google, são capazes de raciocinar em tamanhos que cabem na unidade de processamento neural de um telefone ou laptop.

A implicação de preço é um mercado consumidor de duas camadas. O trabalho rotineiro roda gratuito no token marginal do dispositivo. As assinaturas em nuvem competem no que o local não consegue fazer: raciocínio de fronteira, contexto amplo, geração multimodal e orquestração de agentes. O piso free-local empurra as assinaturas somente de chat para zero, deixando os aplicativos incluídos como o verdadeiro motivo para pagar.

Contexto longo e memória decidem quem vence o trabalho agêntico

Tarefas agênticas de horizonte longo falham quando os modelos perdem o rastro de instruções anteriores ou alucinam fatos que deveriam lembrar. O trabalho agêntico sustentado depende de três coisas: uma grande janela de contexto, memória persistente e uma baixa taxa de alucinação.

Em um ano, três capacidades de fronteira colapsaram para o básico. O Claude Opus 5, o Gemini 3.1 Pro, o GPT-5.6 e o Kimi K3 oferecem janelas de contexto de 1M tokens. Na OpenAI, Anthropic, Google e DeepSeek, os acertos de cache custam de 3 a 10 por cento dos erros de cache. O ChatGPT e o Claude agora incluem memória persistente em seus níveis gratuito.

Modelos agênticos especializados estão emergindo no topo desse mercado. Em junho de 2026, a Anthropic lançou o Claude Fable 5, um modelo de classe Mythos geralmente disponível⁸, com preço de US$ 10 de entrada e US$ 50 de saída por milhão de tokens, o dobro da taxa do Opus 5. O Fable 5 tem como alvo codificação agêntica, uso de computador e pesquisa de horizonte longo; o Claude Mythos 5, o mesmo modelo com salvaguardas removidas em algumas áreas, permanece limitado a parceiros aprovados pelo mesmo preço.

A pergunta competitiva muda de “qual é o tamanho da janela de contexto” para “quão barata e confiavelmente o modelo consegue sustentar uma tarefa agêntica longa?” Os provedores que resolverem bem isso cobrarão prêmios. Os que não resolverem perderão cargas de trabalho agênticas, independentemente do preço do token anunciado.

Perguntas frequentes

Cite esta pesquisa

Escolha o formato adequado ao local onde você vai publicar. Colar a versão com link no seu CMS preserva o backlink.

@misc{dilmegani2026,
  author = {Dilmegani, Cem},
  title  = {{Preços de LLM: Top 15+ provedores comparados}},
  year   = {2026},
  month  = aug,
  howpublished    = {\url{https://aimultiple.com/llm-pricing}},
  note   = {AIMultiple. Acessado em 27 Agosto 2026}
}

Registro de alterações

8 atualizações

1. 202626 Ago

   Atualizada a descrição do gráfico na introdução.

2. 23 Jul

   Adicionado um gráfico à seção de tipos de preços LLM.

3. 11 Mai

   Removida a seção 'Compreendendo os preços do LLM'.

4. 8 Mai

   Expandida a seção "Implicações da janela de contexto" com estratégias para gerenciar o uso de tokens em conversas longas.

5. 21 Jan

   Adicionado ChatGPT Go à seção OpenAI.

6. 20259 Dez

   Expandida a seção "Comparando Planos de Assinatura LLM" com preços detalhados para Microsoft Copilot, Google Gemini, Mistral AI, OpenAI e Claude.ai.

7. 20 Nov

   Adicionada a seção "Mecânica de preços e custos ocultos" ao artigo.

8. 27 Mar

   Removida a definição de Rank (Limite Superior) da seção antes do FAQ.

Links de referência

1.

Meta testing AI subscription services, cheapest plan at $7.99 a month

CNBC

2.

OpenAI Platform

3.

[1508.07909] Neural Machine Translation of Rare Words with Subword Units

4.

[1810.04805] BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding

5.

[1808.06226] SentencePiece: A simple and language independent subword tokenizer and detokenizer for Neural Text Processing

6.

Models | OpenAI API

7.

OpenRouter

OpenRouter

8.

Claude Fable 5 and Claude Mythos 5 \ Anthropic

Cem Dilmegani

Analista Principal

Siga-nos

Cem é o analista principal da AIMultiple desde 2017.

O trabalho de Cem na AIMultiple foi citado por publicações globais líderes, incluindo Business Insider, Forbes, Morning Brew e Washington Post, por empresas globais como Deloitte e HPE, ONGs como o World Economic Forum e organizações supranacionais como a European Commission. [1], [2], [3], [4], [5]

Ao longo de sua carreira, Cem atuou como consultor de tecnologia, comprador de tecnologia e empreendedor de tecnologia. Ele aconselhou empresas sobre suas decisões de tecnologia na McKinsey & Company e na Altman Solon por mais de uma década. Ele também publicou um relatório da McKinsey sobre digitalização.

Ele liderou a estratégia de tecnologia e as compras de uma operadora de telecomunicações, reportando-se ao CEO. Ele também liderou o crescimento comercial da empresa de deep tech Hypatos, que atingiu uma receita recorrente anual de 7 dígitos e uma avaliação de 9 dígitos partindo do zero em 2 anos. O trabalho de Cem na Hypatos foi coberto por publicações de tecnologia líderes como TechCrunch e Business Insider.

Cem fala regularmente em conferências internacionais de tecnologia. Ele se formou como engenheiro da computação pela Bogazici University e possui um MBA pela Columbia Business School.

Ver perfil completo

Seja o primeiro a comentar

Seu endereço de e-mail não será publicado. Todos os campos são obrigatórios. Os comentários são deixados em seu idioma original.

Nome

Endereço de email

Comentário

0/450

Postar comentário