Calculadora de tokens

O que é um token e por que as APIs de IA cobram por token

Como usar a calculadora de custo de tokens

Fórmula do custo de tokens

• $C$ = Custo total por requisição (em dólares, a moeda com que os provedores faturam)
• $T_{in}$ = Número de tokens de entrada (o prompt que você envia: sistema, contexto, histórico e pergunta)
• $T_{out}$ = Número de tokens de saída (a resposta gerada pelo modelo, incluindo tokens de pensamento)
• $P_{in}$ = Preço por milhão de tokens de entrada do modelo escolhido
• $P_{out}$ = Preço por milhão de tokens de saída do modelo escolhido

Preço por milhão de tokens de cada modelo (quanto custa 1M de tokens)

Exemplos de custo com números reais do motor de cálculo

Erros comuns ao estimar o custo de tokens

• Confundir o preço de entrada com o de saída. A saída quase sempre é mais cara, e o múltiplo é um traço de família: os três níveis do GPT-5.6 cobram a saída seis vezes mais que a entrada (Sol 5 contra 30, Terra 2,5 contra 15, Luna 1 contra 6), toda a linha Claude exatamente cinco vezes, o Grok 4.5 três vezes e só modelos como o DeepSeek V4 Pro deixam no dobro (0,435 contra 0,87 USD). Ao orçar, olhe primeiro o lado da saída: cortar o tamanho da resposta com max_tokens costuma economizar mais do que encurtar o prompt.
• Achar que um sucessor ao mesmo preço custa o mesmo. Claude Sonnet 5 e Sonnet 4.6 figuram os dois a 3 / 15 USD, mas a Anthropic documenta que o Sonnet 5 usa um tokenizador novo que produz aproximadamente 30% mais tokens para o mesmo texto. Mesma tarifa sobre mais tokens faturáveis é uma fatura maior: 52,65 USD por mês em vez de 40,50 no exemplo do chatbot. Meça de novo as suas contagens reais contra o modelo novo antes de assinar que a migração é neutra. E atenção ao detalhe inverso: entre Opus 4.8 e Opus 5 ela é neutra mesmo, porque os dois já usam o tokenizador novo.
• Copiar contagens de tokens de um benchmark em inglês quando o produto fala português. É o erro mais caro e o mais invisível: o mesmo conteúdo em português consome de 30% a 40% mais tokens, então um orçamento montado sobre números em inglês já nasce baixo em mais de um terço. Meça com o campo usage da API em prompts reais em português, ou corrija a estimativa antes de informá-la na calculadora.
• Orçar sobre um preço de lançamento. Modelos novos costumam sair com uma tarifa introdutória temporária que reverte em uma data publicada, e muitas tabelas de terceiros copiam a cifra promocional sem avisar. Um orçamento construído sobre uma promoção quebra no dia em que ela vence. Esta calculadora e esta página usam a tarifa padrão sob demanda de cada modelo exatamente por isso: se você viu um número mais baixo em outro lugar, confira se ele tem data de validade antes de colocá-lo em uma previsão.
• Esquecer o IOF e o spread ao levar o número para reais. A tarifa está em dólar, mas o que sai da sua conta passa por câmbio: o IOF das operações de câmbio está em 3,5% desde o Decreto nº 12.499/2025, e o spread do banco ou da fintech soma de 1% a 4% em cima. O multiplicador efetivo fica entre 1,045 e 1,076. Vários comparativos brasileiros ainda dizem que o IOF é zero e erram o custo real por essa margem.
• Ignorar que no Sonnet 5 o pensamento adaptativo vem ligado por padrão. A documentação da Anthropic é clara: requisições sem o campo thinking, que no Sonnet 4.6 rodavam sem pensamento, agora rodam com pensamento adaptativo. Esses tokens de pensamento entram na saída, o lado que custa cinco vezes mais, e o max_tokens é um limite duro sobre pensamento mais resposta. Se você não revisar esse limite, ou a fatura sobe além dos 30% do tokenizador, ou a resposta sai truncada.
• Olhar só o custo por requisição e não multiplicar pela escala. 0,0135 USD por requisição parece nada, mas a 100 requisições por dia são 40,50 USD por mês e 492,75 por ano com o Claude Sonnet 5 (veja o primeiro exemplo). Quem decide o orçamento é preço × frequência × dias: preencha sempre as requisições por dia na calculadora.
• Esquecer que cada turno de uma conversa reenvia todo o histórico. A API não tem memória: no turno 10 você manda de novo os 9 turnos anteriores, e os tokens de entrada crescem de forma quase quadrática; uma conversa um pouco longa vira dezenas de milhares de tokens por requisição. Use uma janela deslizante com os últimos turnos ou resuma o histórico de tempos em tempos.
• Puxar o carro-chefe para toda a carga de trabalho. Desde que o GPT-5.6 saiu como três modelos separados, o nível mais barato e o mais caro de uma mesma família estão a cinco vezes de distância nos dois lados (Luna 1 / 6 contra Sol 5 / 30), e a própria linha da Anthropic vai do Haiku 4.5 a 1 / 5 até o Fable 5 a 10 / 50. Classificar, extrair, rotear ou reescrever você pode entregar ao Luna, ao Haiku 4.5, ao GPT-5.4 Mini ou ao DeepSeek V4 Pro; guarde Sol, Opus 5 ou Fable 5 para raciocínio de verdade, código difícil ou texto longo. Um roteador de "primeiro o modelo pequeno e só subo se precisar" corta muitas vezes metade da conta.
• Ignorar o cache de prompts e o desconto por lote. São descontos documentados de primeira parte, não truques. Um acerto de cache é faturado a 10% da tarifa de entrada — no GPT-5.6 Sol, 0,50 USD por milhão contra os 5 USD padrão; no Terra, 0,20 USD contra 2 USD; no Luna, 0,02 USD contra 0,20 USD — e a Anthropic cobra a escrita do cache de 5 minutos a 1,25× a entrada, de modo que o cache se paga com uma única leitura. O trabalho que não tem pressa vai pela Batch API com 50% de desconto em entrada e saída. Coloque o texto fixo no começo do prompt para aumentar os acertos.
• Comparar tarifas sem olhar as faixas de contexto. Gemini Pro e Grok passam a uma tarifa superior acima de 200.000 tokens de prompt, enquanto Claude 4.6 e posteriores incluem a janela inteira de 1 milhão a preço padrão: uma requisição de 900.000 tokens é faturada à mesma tarifa por token que uma de 9.000. Se você trabalha com contexto longo, a faixa pode pesar mais que a diferença de preço base.

Dicas para otimizar o consumo de tokens e reduzir custos

• Escolha o nível adequado a cada tarefa, não só o provedor. Desde que o GPT-5.6 saiu como três modelos separados, você tem Sol (5/30 USD), Terra (2/12 USD) e Luna (0,20/1,20 USD) dentro da mesma família: classificar e-mails ou extrair campos você pode entregar ao Luna, ao GPT-5.4 Nano (0,20 USD de entrada), ao DeepSeek V4 Flash (0,14), ao Mistral Small 4 (0,15) ou ao Amazon Nova Micro (0,035), e reservar Sol, Claude Opus 5 ou Claude Fable 5 para raciocínio complexo, código difícil e texto longo.
• Escreva o prompt de sistema em inglês e deixe o português para o que o usuário lê. Como o mesmo conteúdo em português consome de 30% a 40% mais tokens, e o prompt de sistema é justamente a parte que se repete em toda requisição, essa única mudança corta um pedaço real da entrada sem mexer em nada que o cliente veja. O modelo entende a instrução em inglês e responde em português sem problema.
• Meça a inflação de tokens antes de migrar, não depois. Passe a mesma requisição duas vezes, uma contra o modelo atual e outra contra o novo, e compare o campo usage: se o destino é o Claude Sonnet 5, espere cerca de 30% mais tokens de entrada e de saída para o mesmo texto, e orce com essas contagens já corrigidas. E revise o max_tokens: com o pensamento adaptativo ligado por padrão, um limite calibrado para o Sonnet 4.6 pode truncar a resposta.
• Coloque o texto fixo no começo do prompt e ative o cache. Um acerto de cache é faturado a 10% da tarifa de entrada: no GPT-5.6 Sol são 0,50 USD por milhão contra os 5 USD padrão, no Terra 0,20 USD contra 2 USD e no Luna 0,02 USD contra 0,20 USD. No chatbot dos exemplos, com 1.600 dos 2.000 tokens de entrada em cache, o Terra cai de 37,50 para 26,70 USD por mês. A escrita do cache de 5 minutos custa 1,25× a entrada na Anthropic, então ele se paga com uma única leitura.
• Mande para a Batch API tudo o que não tem pressa. Relatórios noturnos, rotulagem em massa, tradução em volume ou avaliações têm 50% de desconto em entrada e saída: o Claude Opus 5 cai de 5/25 USD para 2,50 / 12,50 USD por milhão e o Claude Sonnet 5 de 3/15 USD para 1,50 / 7,50. No chatbot dos exemplos, o GPT-5.6 Sol cairia de 75,00 para 37,50 USD por mês. O desconto se acumula com o do cache.
• Limite o tamanho das respostas com max_tokens. É a alavanca com a melhor relação esforço-resultado, porque a saída custa de duas a seis vezes mais que a entrada: seis vezes em toda a família GPT-5.6 e cinco em toda a linha Claude. Se você só precisa de um rótulo ou de um resumo de 100 palavras, ponha o limite e não deixe o modelo se alongar.
• Vigie a eficiência de tokens, não só a tarifa. Dois modelos com a mesma tarifa podem dar faturas muito diferentes para o mesmo trabalho: a Anthropic documenta que a geração nova do Claude gera cerca de 30% mais tokens para o mesmo texto, enquanto a linha Flash do Gemini é vendida justamente pela eficiência em tarefas de vários passos. A comparação honesta se faz com tokens medidos em cada modelo, não com a tabela de preços.
• Some o câmbio antes de fechar o orçamento em reais. A tarifa é em dólar, mas o custo efetivo passa pela cotação do dia, pelo spread do banco e pelo IOF de câmbio de 3,5%, o que soma de 4,5% a 7,6%. Faça a comparação entre modelos em USD, porque o multiplicador é igual para todos, e aplique o fator uma única vez sobre o total anual.
• Corte o histórico das conversas em vez de deixá-lo crescer. Como a API é sem estado, cada turno reenvia tudo o que veio antes e os tokens de entrada crescem de forma quase quadrática. Uma janela deslizante com os últimos turnos, ou um resumo do histórico a cada tantas mensagens, costuma cortar mais tokens do que qualquer otimização de redação.
• Monitore o consumo com os painéis do provedor e configure alertas de gasto. OpenAI, Anthropic e Google oferecem painéis de uso. Um desvio de 100 tokens por requisição não aparece em uma chamada, mas a 10.000 requisições por dia é 1 milhão de tokens extras todo dia — e um bug que gera laços infinitos de chamadas pode queimar o orçamento do mês em algumas horas.
• Considere modelos abertos para volume alto. Llama 3.3 70B (0,59/0,79 USD), Mistral Small 4 (0,15/0,60 USD) ou DeepSeek V4 Flash (0,14/0,28 USD) através de provedores gerenciados como a Groq saem muito abaixo das APIs proprietárias. Hospedar por conta própria elimina o custo por token, mas exige investimento em GPU e só compensa em volumes muito altos: faça a conta com o cartão anual da calculadora antes de comprar hardware.

Glossário de termos

Perguntas frequentes sobre tokens e o custo das APIs de IA