Controlar os custos de IA: quanto custa mesmo construir com IA

A primeira fatura de IA raramente surpreende por os preços serem altos. Surpreende porque na cabeça está o modelo errado: a ideia de que se paga por pergunta. Na verdade paga-se por quantidade de texto — e por toda a quantidade de texto que acompanha cada chamada. Quando essa diferença assenta, as decisões durante a construção mudam de imediato.

Este artigo explica o mecanismo, não os preços do dia. Os números mudam, os planos são renomeados, as promoções vão e vêm. As quatro alavancas por baixo mantêm-se iguais, quer trabalhes com Claude, ChatGPT, Gemini ou um modelo local.

A faturação é por token, não por pergunta

Um token é um fragmento de texto: conforme a língua, entre meia palavra e uma palavra inteira. Os fornecedores faturam separadamente o que entra e o que sai, e os tokens de entrada costumam ser bastante mais baratos do que os de saída. Uma pergunta curta com uma resposta muito longa pode, por isso, custar mais do que uma pergunta longa com uma resposta breve.

Daqui resulta uma consequência prática imediata: «sê breve» não é uma fórmula de cortesia, é uma instrução de custo. Indicar formato e extensão no pedido delimita a metade cara da fatura. É também por isso que um pedido preciso rende a dobrar, em qualidade e em dinheiro. Como se constrói está em o teu primeiro bom prompt.

O contexto é o verdadeiro motor do gasto

Aqui está a surpresa que explica a maioria das faturas: um modelo de linguagem não tem memória entre duas chamadas. Para que uma conversa pareça uma conversa, o histórico anterior é reenviado em cada novo passo — e volta a ser cobrado como entrada.

O vigésimo passo de uma sessão paga, portanto, os dezanove anteriores. Numa sessão de programação, onde ainda entram no histórico ficheiros, mensagens de erro e saídas de ferramentas, essa carga de base cresce depressa. Dez conversas curtas e limpas custam habitualmente menos do que uma longa que arrasta tudo atrás.

Daí um hábito que poupa mais do que qualquer comparação de preços: abrir uma conversa nova assim que muda o tema. Não por arrumação, mas porque de outra forma o histórico antigo é pago em cada passo seguinte. O mesmo vale para agentes: um pedido bem delimitado, com critério de paragem claro, gera menos chamadas a ferramentas do que a exploração aberta que os agentes de IA tendem a iniciar.

Subscrição e API são dois mundos separados

Uma subscrição paga é uma mensalidade com limites de utilização: pagas um valor fixo e de vez em quando bates num teto. A API funciona ao contrário — não inclui qualquer quantidade e fatura cada chamada individualmente. Em troca não bloqueia nada, enquanto o meio de pagamento aguentar.

Os dois mundos estão separados: um plano não inclui crédito de API, e a utilização da API corre numa conta própria, com limites de frequência e faturação próprios. Confundi-los leva a esperar sem necessidade por um reinício ou a iniciar sem querer utilização paga. Que limite te está a travar e quando se renova é o tema do artigo sobre os limites do Claude e do Codex.

No dia a dia: o trabalho manual pertence à subscrição, a automação à API — e a automação precisa de um limite.

Quatro alavancas que mudam mesmo o valor

Manter o contexto pequeno é a alavanca mais forte e ao mesmo tempo mais barata, porque atua em cada chamada. Conversa nova para tema novo, apenas o ficheiro relevante em vez da pasta inteira, nada de registos de erro colados por inteiro.

Guardar em cache o que se repete. Quando muitas chamadas partilham o mesmo início longo — uma instrução de sistema, um regulamento, um documento de referência —, os fornecedores oferecem exatamente isso: a Anthropic como prompt caching de validade curta, a Google como context caching na API Gemini. A parte recorrente passa a ser faturada mais barata do que um reenvio completo. Com prompts curtos e diferentes de cada vez, a cache não traz nada — só compensa quando há repetição real.

Processar em lote em vez de chamada a chamada. Se uma tarefa não tem de estar pronta já, o processamento assíncrono é o caminho barato. A Anthropic oferece message batches, a Google uma API de lotes. O preço é tempo de espera — irrelevante para análises noturnas, traduções em massa ou preparação de dados.

Escolher o tamanho de modelo certo. O maior modelo nem sempre é o resultado mais caro. Para tarefas delimitadas e verificáveis de forma mecânica, um modelo pequeno chega muitas vezes. Para planeamento aberto e depuração difícil, o grande sai frequentemente mais barato porque resolve à primeira em vez de à quarta. Três tentativas baratas falhadas custam mais do que uma cara bem-sucedida.

O limite vem antes da experiência

As faturas mais caras não vêm de modelos caros, mas de ciclos que ninguém parou: um script que repete a cada erro, um agente sem critério de paragem, uma tarefa agendada e esquecida. Sem limite de gastos, só ficas a saber pela fatura.

Daí uma ordem simples: definir o limite de gastos na conta do fornecedor antes de correr a primeira chamada automatizada. Não depois, nem «quando for para produção». Ajudam ainda limites de frequência baixos para chaves novas, chaves de API separadas por projeto e um orçamento máximo de tokens por resposta.

A rotina mensal de cinco minutos

O controlo de custos não é uma definição única. Bastam quatro perguntas por mês:

• O consumo corresponde ao que realmente fiz?
• Continua a correr alguma chamada automatizada que eu tinha esquecido?
• Existe um início longo recorrente que ainda não está em cache?
• A escolha de modelo ainda serve a tarefa ou é apenas herança?

O que conta é sempre a vista de utilização do fornecedor, não a estimativa própria. A Anthropic disponibiliza ainda uma Usage and Cost API para consultar consumo e custo de forma programática e trazê-los para um painel próprio.

O que este artigo não pretende fazer

Não indica preços concretos por milhão de tokens nem comparações de planos em euros. Números desses ficam errados no dia em que um fornecedor os muda — e isso acontece mais vezes do que convém a um artigo. Os valores vinculativos estão nas páginas de preços ligadas e na vista da tua conta.

O que fica é o mecanismo: tokens em vez de perguntas, o contexto como multiplicador, carteiras separadas para plano e API, e um limite que atua antes do erro em vez de depois. Com estas quatro coisas configuradas uma vez, os custos de IA deixam de ser assunto recorrente.