Quanto Custa um Token de IA? Preços por 1M Tokens em 2026

O custo de uma aplicação com IA depende dos tokens de entrada, dos tokens de saída e da tarifa do modelo. Primeiro calcule esses dois volumes; depois compare preços na mesma modalidade de processamento. Abaixo você encontra a fórmula, exemplos de tarifas e dados históricos sobre a evolução dos custos.

Se você quer entender custos, ferramentas e aplicações práticas de IA no mesmo lugar, use o hub de inteligência artificial na prática.

A tabela de tarifas foi conferida em 23/09/2026. As seções históricas comparam níveis de desempenho e períodos específicos; não use esses números como cotação atual nem como promessa de redução futura.

1. Como o custo de inferência caiu

A queda é real, mas precisa ser medida mantendo um nível de desempenho comparável. A a16z comparou o modelo mais barato capaz de atingir MMLU 42: o custo passou de US$ 60 por milhão de tokens com GPT-3, em novembro de 2021, para US$ 0,06 com Llama 3.2 3B via Together.ai três anos depois. A própria análise reconhece limitações como contaminação de benchmark e diferenças entre avaliações.

O Stanford AI Index 2025 registra queda superior a 280 vezes no custo de inferência para desempenho no nível do GPT-3.5 entre novembro de 2022 e outubro de 2024. Esse resultado descreve um patamar de desempenho e um intervalo específicos; não significa que toda API ou aplicação ficou 280 vezes mais barata.

A Epoch AI encontrou taxas de queda entre 9 e 900 vezes por ano conforme benchmark e nível de desempenho. A mediana passou de 50 para 200 vezes por ano quando a análise foi restringida ao período posterior a janeiro de 2024. Os autores alertam que as taxas mais rápidas são recentes e podem não persistir.

2. Quanto custa 1 milhão de tokens: exemplos de tarifas de API

Tarifas conferidas em 23 de setembro de 2026, em dólares por milhão de tokens, para processamento Standard de texto e contexto curto quando o provedor separa faixas. Cache, Batch, Fast mode, contexto longo, região de dados e ferramentas podem alterar a cobrança.

Exemplo atualizado: 100 mil chamadas com 500 tokens de entrada e 300 de saída totalizam 50 milhões de entrada e 30 milhões de saída. Com GPT-6 Luna Standard, sem cache, a conta é 50 × 0,10 + 30 × 0,50 = US$ 20, antes de ferramentas ou outras cobranças.

Como o prompt caching reduz o custo

Prompt caching reaproveita prefixos compartilhados, como instruções, esquemas, ferramentas e contexto repetido. Na família GPT-6, a OpenAI informa desconto de até 90% nos tokens de entrada servidos pelo cache, com janela elegível de 30 minutos, painel de taxa de acerto, diagnóstico de falhas, pontos de controle explícitos e pré-aquecimento.

• Mantenha instruções e definições de ferramentas estáveis no início.
• Coloque conteúdo variável e mensagens novas no final.
• Monitore a taxa de acerto; uma sessão existente não garante o reaproveitamento do cache.
• Compare custo total por tarefa, não apenas tarifa por token.

Fonte: OpenAI — Prompt caching. O desconto máximo não é garantia para toda requisição.

Somar a tarifa de entrada à de saída representa o custo de 1 milhão de tokens de cada tipo, ou 2 milhões no total. Use o mesmo volume, contexto, modalidade e nível de qualidade ao comparar modelos.

3. DeepSeek como estudo de caso histórico

O lançamento do DeepSeek R1 em janeiro de 2025 ampliou a discussão sobre custo e desempenho de modelos de raciocínio. Comparações publicadas naquele período mostravam tarifas de API menores que as de alguns concorrentes, mas eram fotografias de preços, provedores e modalidades específicos.

Não é correto transformar essa fotografia em uma diferença permanente ou atribuir sozinho ao modelo toda variação do mercado financeiro. A página oficial da DeepSeek hoje apresenta outra família, outros horários e outra estrutura de cobrança. Para decidir agora, consulte a tabela atual da DeepSeek e compare a mesma carga de entrada e saída.

4. Por que os custos continuam caindo

A redução vem de uma combinação de hardware, software de serving, arquitetura dos modelos, algoritmos e competição. Esses fatores interagem; não são vetores completamente independentes.

Na tabela detalhada do paper, fatores como 5.315 e 11.664 usam ponto decimal inglês: significam aproximadamente 5,3 e 11,7 vezes, não milhares de vezes. Os intervalos de confiança também são amplos, portanto o resumo de 5 a 10 vezes por ano é mais adequado para comunicação geral.

5. API gerenciada ou modelo open-weight?

Não existe um percentual universal de economia. “Open source”, “open-weight” e “modelo barato disponível por API” descrevem situações diferentes. A melhor opção depende da licença, da tarefa, do volume, da infraestrutura e da capacidade operacional.

Um break-even só é defensável quando informa modelo, precisão, hardware, região, contrato, throughput, utilização e custos operacionais. Por isso, este artigo não adota um número universal de conversas ou tokens por dia.

6. Como estimar o custo real de uma aplicação

Comece pelo volume observado ou por um cenário explícito. Separe tokens de entrada e saída, escolha a modalidade correta e acrescente componentes cobrados à parte.

Em muitos modelos, a tarifa de saída é maior que a de entrada, mas a razão varia. Use sempre as duas tarifas oficiais. Uma aplicação barata por token também pode ficar cara se repetir contexto longo, gerar respostas excessivas ou refazer chamadas com frequência.

Custo por token de IA: números auditados

Resumo das métricas que permaneceram após a revisão factual.

Metodologia e fontes

Este artigo separa tarifas atuais de tendências históricas ajustadas por desempenho. A tabela de preços foi conferida nas páginas oficiais dos provedores em 23/09/2026. As demais métricas mantêm o período, o benchmark e as limitações declaradas por suas fontes. Não constituem previsão de preços nem garantia de economia para uma aplicação específica.

• OpenAI — preços de API
• Anthropic — preços da Claude API
• Google — preços da Gemini API
• DeepSeek — preços atuais da API
• a16z — LLMflation: LLM Inference Cost Is Going Down Fast
• Stanford HAI — AI Index Report 2025
• Epoch AI — LLM inference price trends
• Gundlach et al. — The Price of Progress

Revisão factual integral: 19/09/2026. Tarifas e prompt caching atualizados em 23/09/2026. Para citar esta página: viniensina.com.br/custo-token-ia-2026/.