Preço por token: como a conta de IA por API cresce com o uso

Token é a unidade em que o modelo lê e escreve texto, e é a unidade em que o fornecedor cobra. Não é uma palavra nem um caractere: é um pedaço de texto que o tokenizador do modelo trata como uma peça.

A própria documentação da OpenAI dá as razões aproximadas: um token equivale a cerca de 4 caracteres, ou a três quartos de uma palavra em inglês — 100 tokens são mais ou menos 75 palavras. A cobrança é dupla: paga-se pelo que entra (o texto enviado) e pelo que sai (o texto gerado), com preços diferentes. Saída costuma custar várias vezes mais que entrada.

Há um detalhe que interessa a quem escreve em português. As razões acima são medidas em inglês. A documentação da OpenAI reconhece que “outras línguas podem ter relação diferente entre caracteres, palavras e tokens”, mas não quantifica. A única quantificação oficial que encontramos vem da DeepSeek, e é sobre chinês: um caractere inglês equivale a cerca de 0,3 token e um caractere chinês a cerca de 0,6 — o dobro.

Procuramos e não encontramos nenhuma página oficial de OpenAI, Anthropic, Google ou DeepSeek que diga quantos tokens a mais o português consome por palavra. O silêncio é o dado: quem opera em português paga um prêmio que nenhum fornecedor publica. A única forma de saber o seu número é medir o seu próprio texto no tokenizador do modelo que você usa, e conferir o campo de uso que a resposta devolve.

Conferimos as tabelas oficiais dos quatro principais fornecedores em 5 de setembro de 2026. Os multiplicadores abaixo estão publicados na documentação deles, e são o que faz a conta variar sem que o modelo mude.

Some a isso as tabelas separadas: imagem, áudio e busca ancorada têm preço próprio, muito acima do texto. No Gemini, a saída de imagem chega a custar vinte vezes a saída de texto no mesmo modelo.

Nenhum desses itens é abusivo — todos estão publicados. O ponto é outro: a conta não é o preço do modelo, é o preço do modelo multiplicado por seis fatores que dependem de como você o usa. Quem orça um projeto de IA olhando só o preço por milhão de tokens erra por múltiplos, não por percentual.

Não damos aqui o número da sua empresa, porque ele depende do seu volume. Damos o método, que é o que costuma faltar.

1. Meça um caso real, em português. Pegue dez interações verdadeiras do processo que você quer automatizar. Some tokens de entrada e de saída de cada uma, pelo campo de uso que a própria API devolve. Não estime pela regra dos 4 caracteres: ela é medida em inglês.
2. Multiplique pelo volume mensal atual. Quantas dessas interações acontecem hoje, por mês.
3. Aplique os multiplicadores que valem para o seu desenho. Contexto acima do limite, raciocínio estendido, cache, modo rápido. Cada um deles tem taxa publicada.
4. Projete a adoção, não a manutenção. Se o projeto der certo, o volume não fica igual. Projete pelo menos dois cenários: adoção conservadora e adoção plena.
5. Compare com o custo de construir e operar internamente — projeto, infraestrutura e manutenção — somando os mesmos 24 e 36 meses.

O resultado dessa conta varia muito entre empresas, e é por isso que não existe resposta genérica. O que se pode dizer com segurança é qual é a forma de cada curva: o custo por API é uma função crescente do uso; o custo de construir é um investimento definido no projeto mais operação. Onde as duas curvas se cruzam é uma pergunta de aritmética, e a aritmética depende do seu volume.

Continua, e em mais casos do que a nossa posição comercial sugeriria. Vale a API quando o volume é baixo e previsível; quando o uso é experimental e você ainda está descobrindo se o caso existe; quando o dado tratado é público ou pouco sensível; e quando não há dentro de casa quem opere infraestrutura.

A decisão muda quando três condições aparecem juntas: volume crescente, dado sensível e uso que virou parte do processo — não mais experimento. Aí a pergunta deixa de ser qual fornecedor é mais barato por token e passa a ser se a capacidade deve ser alugada ou construída.