Calculadora de custo de API de LLM: compare preços de GPT, Claude e Gemini
Compare o custo da sua carga de trabalho em mais de 40 modelos, com cache, descontos de batch, faixas de contexto longo e tokens de raciocínio. Preços com fonte e data.
| Por dia | Por mês | Observações | ||||||
|---|---|---|---|---|---|---|---|---|
| gpt-oss-20b groq-gpt-oss-20b | OpenAI via Groq | $0.075 | $0.3 | 131K | $0,0003 | $0,30 | $9,00 | Usa o o200k_harmony, que é o o200k_base mais os tokens especiais do formato de chat. |
| Claude Haiku 5.5 claude-haiku-5-5 | Anthropic | $0.1 | $0.5 | 1M | $0,00045 | $0,45 | $13,50 | |
| GPT-6 Luna gpt-6-luna | OpenAI | $0.1 | $0.5 | 1.05M | $0,00045 | $0,45 | $13,50 | |
| gpt-oss-120b groq-gpt-oss-120b | OpenAI via Groq | $0.15 | $0.6 | 131K | $0,0006 | $0,60 | $18,00 | Usa o o200k_harmony, que é o o200k_base mais os tokens especiais do formato de chat. |
| Mistral Small 4 mistral-small-2603 | Mistral AI | $0.15 | $0.6 | 256K | $0,0006 | $0,60 | $18,00 | |
| GPT-5.6 Luna gpt-5.6-luna | OpenAI | $0.2 | $1.2 | 1.05M | $0,001 | $1,00 | $30,00 | |
| GPT-5.4 nano gpt-5.4-nano | OpenAI | $0.2 | $1.25 | 400K | $0,001025 | $1,03 | $30,75 | |
| Codestral codestral-2508 | Mistral AI | $0.3 | $0.9 | 128K | $0,00105 | $1,05 | $31,50 | |
| DeepSeek V4.1 Flash deepseek-flash | DeepSeek | $0.3 | $1.2 | 1M | $0,0012 | $1,20 | $36,00 | |
| Gemini 3.1 Flash-Lite gemini-3.1-flash-lite | $0.25 | $1.5 | 1.05M | $0,00125 | $1,25 | $37,50 | ||
| Gemma 4 31B together-gemma-4-31b | Google via Together AI | $0.39 | $0.97 | 262K | $0,001265 | $1,27 | $37,95 | |
| Mistral Large 3 mistral-large-2512 | Mistral AI | $0.5 | $1.5 | 256K | $0,00175 | $1,75 | $52,50 | |
| Gemini 3.5 Flash-Lite gemini-3.5-flash-lite | $0.3 | $2.5 | 1.05M | $0,00185 | $1,85 | $55,50 | ||
| Llama 3.3 70B together-llama-3.3-70b | Meta via Together AI | $1.04 | $1.04 | 131K | $0,0026 | $2,60 | $78,00 | |
| Grok Build 0.1 grok-build-0.1 | xAI | $1 | $2 | 256K | $0,003 | $3,00 | $90,00 | |
| Qwen3.5-397B-A17B together-qwen3.5-397b | Alibaba via Together AI | $0.6 | $3.6 | 262K | $0,003 | $3,00 | $90,00 | |
| Gemini 3.6 Flash gemini-3.6-flash | $0.75 | $3.75 | 1.05M | $0,003375 | $3,38 | $101 | Tokens em cache também pagam US$0,50 por 1M de tokens por hora de armazenamento. | |
| Gemini 3.8 Flash gemini-3.8-flash | $0.75 | $3.75 | 1.05M | $0,003375 | $3,38 | $101 | Tokens em cache também pagam US$0,50 por 1M de tokens por hora de armazenamento. | |
| GPT-5.4 mini gpt-5.4-mini | OpenAI | $0.75 | $4.5 | 400K | $0,00375 | $3,75 | $113 | |
| Grok 4.3 grok-4.3 | xAI | $1.25 | $2.5 | 1M | $0,00375 | $3,75 | $113 | |
| DeepSeek V4 Pro deepseek-v4-pro | DeepSeek | $1.32 | $3.96 | 1M | $0,00462 | $4,62 | $139 | |
| Mistral Medium 3.5 mistral-medium-3-5 | Mistral AI | $1.5 | $7.5 | 256K | $0,00675 | $6,75 | $203 | |
| Grok 4.7 grok-4.7 | xAI | $2 | $6 | 500K | $0,007 | $7,00 | $210 | |
| Claude Sonnet 5.5 claude-sonnet-5-5 | Anthropic | $2 | $10 | 1M | $0,009 | $9,00 | $270 | |
| Gemini 4 Argon gemini-4-argon | $2 | $10 | 1.05M | $0,009 | $9,00 | $270 | Entrada e saída compartilham a janela de 1.048.576 tokens; o modo de decodificação longa permite saídas maiores. | |
| GPT-6.1 Sol gpt-6.1-sol | OpenAI | $2 | $10 | 1.05M | $0,009 | $9,00 | $270 | |
| Gemini 3.1 Pro preview gemini-3.1-pro-preview | $2 | $12 | 1.05M | $0,01 | $10,00 | $300 | ||
| GPT-5.6 Terra gpt-5.6-terra | OpenAI | $2 | $12 | 1.05M | $0,01 | $10,00 | $300 | |
| GPT-5.4 gpt-5.4 | OpenAI | $2.5 | $15 | 1.05M | $0,0125 | $12,50 | $375 | |
| Claude Opus 5.5 claude-opus-5-5 | Anthropic | $4 | $20 | 1M | $0,018 | $18,00 | $540 | |
| GPT-5.6 Sol gpt-5.6-sol | OpenAI | $4 | $20 | 1.05M | $0,018 | $18,00 | $540 | |
| GPT-5.5 gpt-5.5 | OpenAI | $5 | $30 | 1.05M | $0,025 | $25,00 | $750 | |
| Claude Fable 5.1 claude-fable-5-1 | Anthropic | $10 | $50 | 1M | $0,045 | $45,00 | $1.350 | |
| GPT-6 Astra gpt-6-astra | OpenAI | $10 | $50 | 1.05M | $0,045 | $45,00 | $1.350 | |
| GPT-5.5 Pro gpt-5.5-pro | OpenAI | $30 | $180 | 1.05M | $0,15 | $150 | $4.500 | Sem desconto para entrada em cache. |
Preços em 2026-10-16, em US$ por 1M de tokens, nível padrão
- OpenAI (verificado em 2026-10-16), batch 50% mais barato. Prompts com mais de 272K tokens de entrada são cobrados pela tarifa de contexto longo. Endpoints com residência de dados acrescentam 10% para modelos lançados a partir de 2026-03-05.
- Anthropic (verificado em 2026-10-16), batch 50% mais barato. O Claude 4.6 e posteriores (exceto o Haiku 5.5) cobram o contexto completo de 1M pela tarifa padrão. O Haiku 5.5 cobra tarifas mais altas para prompts acima de 100.000 tokens. Inferência só nos EUA acrescenta 10%.
- Google (verificado em 2026-10-16), batch 50% mais barato. Nível pago da Gemini API, entrada de texto. O cache de contexto também pode cobrar armazenamento por hora. O Google anuncia algumas mudanças de preço a partir de 2026-12-01 e 2027-01-01.
- xAI (verificado em 2026-10-16). Quando um prompt chega a 200K tokens, a tarifa mais alta vale para todos os tokens dessa requisição. A xAI não publica desconto de batch na página de modelos.
- Mistral AI (verificado em 2026-10-16), batch 50% mais barato
- DeepSeek (verificado em 2026-10-16). Preços do horário de pico (01:00-04:00 e 06:00-10:00 UTC em dias úteis). Em todos os outros horários, incluindo fins de semana, o preço é a metade.
- Together AI (verificado em 2026-10-16). Preços de inferência serverless para modelos open-weight.
- Groq (verificado em 2026-10-16)
Calculado no seu navegador. Os prompts que você cola para estimar são tokenizados localmente e nunca enviados. Ver todas as ferramentas grátis.
Encontrou um problema ou algo que poderia ser melhor? Lemos todas as mensagens e corrigimos rápido.
Esta calculadora de custo de API de LLM compara quanto sua carga de trabalho custaria no GPT, Claude, Gemini, Grok, Mistral, DeepSeek e em modelos abertos, por requisição, por dia e por mês. Informe os tokens que você envia e recebe e quantas requisições faz, e todos os modelos aparecem lado a lado numa tabela que você pode ordenar e filtrar por provedor ou janela de contexto.
O preço por milhão de tokens é só o começo. A conta real depende de quanto do prompt vem do cache, se o trabalho pode passar por uma batch API pela metade do preço, se um prompt longo ultrapassa o limite a partir do qual o provedor cobra mais e de quantos tokens de raciocínio ocultos um modelo de raciocínio gasta antes de responder. A calculadora aplica as regras reais de cada provedor para esses quatro fatores. Os preços foram conferidos nas páginas oficiais de preços dos provedores em 16/10/2026, e cada um tem link para você confirmar. Um segundo modo compara uma assinatura de chat de US$ 20 por mês com o custo de API do mesmo uso.
Como usar
- Informe os tokens de entrada e de saída por requisição. Se não souber, clique em “Estimar tokens a partir de um texto” e cole um prompt típico; o contador de tokens preenche o valor de entrada.
- Adicione os tokens de raciocínio, se usar um modelo de raciocínio, e o número de requisições por dia ou por mês.
- Defina a porcentagem de entrada em cache se suas requisições compartilham um prefixo longo (um prompt de sistema, um documento) e ative a Batch API para trabalhos que podem esperar até 24 horas.
- Filtre por provedor ou janela de contexto mínima e ordene por custo por requisição para achar o modelo mais barato que atende. Modelos que não comportam seu prompt aparecem em cinza.
- Mude para Assinatura vs API para ver se um plano de chat ou o pagamento por uso sai mais barato para o seu uso; depois copie ou baixe a tabela em CSV.
Perguntas frequentes
Como é calculado o custo de uma API de LLM?
Custo por requisição = tokens de entrada x preço de entrada + tokens de saída x preço de saída, com os preços cotados por milhão de tokens. Tokens de raciocínio contam como saída. Tokens de entrada em cache são cobrados pelo preço menor de cache, e alguns provedores cobram a mais para gravar no cache. Multiplique pelas requisições por mês para ter a conta mensal. Por exemplo, 2.000 tokens de entrada e 500 de saída no Claude Sonnet 5.5 (US$ 2 na entrada, US$ 10 na saída) dão US$ 0,004 + US$ 0,005 = US$ 0,009 por requisição, ou US$ 270 por mês com 1.000 requisições por dia.
O que são tokens de raciocínio e por que custam tanto?
Modelos de raciocínio (ou thinking) resolvem o problema em tokens ocultos antes de escrever a resposta. Você não vê a maioria deles, mas eles são cobrados como tokens de saída, o lado caro da tabela de preços. Uma resposta curta pode vir apoiada em milhares de tokens de raciocínio, então um modelo de raciocínio pode custar várias vezes mais por requisição do que o preço por token sugere. A maioria das APIs informa os tokens de raciocínio nos dados de uso de cada resposta; meça algumas requisições reais e informe a média.
Quanto o prompt caching economiza?
Acertos de cache são cobrados bem abaixo do preço normal de entrada: 10% dele na maioria dos modelos Claude (5% no Opus 5.5 e no Sonnet 5.5, 2,5% no Fable 5.1), normalmente de 5% a 10% nos modelos atuais da OpenAI e cerca de 10% no Gemini, que em alguns modelos também cobra o armazenamento do cache por hora. A Anthropic cobra 1,25x o preço de entrada para gravar uma entrada de cache de 5 minutos e 2x para uma de 1 hora; os modelos mais novos da OpenAI também cobram gravações no cache. O cache compensa quando muitas requisições compartilham um prefixo longo e idêntico, como um prompt de sistema ou um documento de referência.
O que é o desconto da Batch API?
OpenAI, Anthropic, Google (Gemini API) e Mistral cobram requisições em batch por 50% do preço padrão. Você envia muitas requisições de uma vez e recebe os resultados de forma assíncrona, em no máximo 24 horas. Serve para avaliações, classificação e processamento de documentos, não para chat. xAI, DeepSeek e os provedores de modelos abertos desta tabela não oferecem desconto de batch, e a tabela os sinaliza quando Batch está ativado. Em vez disso, a DeepSeek corta seus preços pela metade fora do horário de pico.
O ChatGPT Plus ou o Claude Pro sai mais barato que a API?
Para uso leve e moderado, a API costuma ser mais barata; para uso diário intenso de um modelo de ponta, o plano de US$ 20 costuma ganhar, dentro dos limites de uso dele. O fator decisivo é que um chat reenvia a conversa inteira a cada turno, então conversas longas multiplicam os tokens de entrada. O modo Assinatura vs API modela isso, incluindo o prompt caching do histórico, e mostra o número de mensagens por dia em que os dois custam o mesmo. Um plano também inclui os recursos do app, que o preço da API não inclui.
Esses preços estão atualizados?
Cada preço foi lido na página oficial de preços do provedor em 16/10/2026; a data e um link para cada fonte aparecem abaixo da tabela. Os preços mudam com frequência, às vezes com poucas semanas de aviso (o Google lista mudanças previstas para dezembro de 2026 e janeiro de 2027), então confira a fonte antes de fechar um orçamento. Modelos cujos preços não puderam ser confirmados numa página oficial ficaram de fora.
O que realmente pesa na conta de uma API de LLM
Tokens de saída. Na OpenAI, Anthropic e Google, a saída custa de 4 a 6 vezes mais que a entrada, e tokens de raciocínio são saída. Uma carga de trabalho que escreve respostas longas ou raciocina muito é dominada pela coluna de saída, então um modelo com entrada barata e saída cara pode perder para um com o perfil oposto.
Contexto que você reenvia. Resultados de busca (retrieval), documentos e histórico de chat são entrada em toda requisição. Dez mil tokens de contexto em um milhão de requisições são dez bilhões de tokens de entrada, o que a US$ 2 por milhão dá US$ 20.000. O prompt caching reduz isso em 90% ou mais quando o contexto é idêntico entre as requisições.
Diferenças de tokenizador. Os preços são por token, mas os tokens não têm o mesmo tamanho em todos os provedores. O tokenizador atual da Anthropic gera cerca de 30% mais tokens que o anterior para o mesmo texto. Ative “Ajustar ao tokenizador de cada modelo” para comparar em pé de igualdade.
Descontos por volume que não estão na tabela de preços. Contratos de uso comprometido, throughput provisionado e acordos corporativos podem mudar o cenário em grandes volumes. Esta calculadora usa os preços públicos de pagamento por uso.
Faixas de preço de contexto longo, por provedor
Vários provedores aumentam o preço da requisição inteira quando o prompt passa de um limite. A calculadora aplica isso automaticamente e marca as linhas afetadas com “Tarifa de contexto longo”.
• OpenAI: prompts com mais de 272K tokens de entrada nos modelos GPT-5.4, GPT-5.5, GPT-5.6 e GPT-6 são cobrados pela tarifa de contexto longo: o dobro na entrada e 1,5x na saída.
• Google: o Gemini 3.1 Pro e o 2.5 Pro cobram mais por prompts acima de 200K tokens (US$ 4 em vez de US$ 2 na entrada do 3.1 Pro). Os modelos Flash e o Gemini 4 Argon têm tarifa única.
• Anthropic: o Claude 4.6 e posteriores cobram todo o contexto de 1M de tokens pela tarifa padrão, com uma exceção: o Claude Haiku 5.5 cobra US$ 0,50 em vez de US$ 0,10 por milhão de tokens de entrada quando o prompt passa de 100.000 tokens.
• xAI: todos os modelos Grok dobram de preço quando um prompt chega a 200K tokens, e a tarifa mais alta vale para todos os tokens dessa requisição.
Como ler a comparação entre assinatura e API
O modo assinatura calcula o preço do seu uso de chat como se você fizesse as mesmas chamadas pela API: mensagens por dia, tokens por mensagem e por resposta, e quanto suas conversas duram. O turno k de uma conversa reenvia as k-1 mensagens e respostas anteriores, então o prompt médio cresce com o tamanho da conversa; a ferramenta mostra essa média.
Com “Servir o histórico da conversa pelo cache de prompt” ativado, a parte de cada prompt que já foi enviada é cobrada como acerto de cache e a parte nova como gravação no cache, que é como se comporta um cliente de chat bem feito sobre a API. Desativar mostra o pior caso.
A coluna Equilíbrio/dia (ponto de equilíbrio) é o número de mensagens por dia em que a API custa exatamente o preço do plano. Abaixo dele, o pagamento por uso sai mais barato. Lembre o que a comparação deixa de fora: os planos incluem busca na web, manipulação de arquivos, geração de imagens e um app bem acabado, e limitam o uso; a API não tem app, mas também não tem limite além dos rate limits.
Ferramentas grátis relacionadas
- Contador de tokens — Conte tokens com exatidão para modelos da OpenAI, estime para Claude, Gemini e Llama, veja o custo e acompanhe o texto sendo dividido em tokens.
- Calculadora de ROI de IA — Estime quantas horas e quanto dinheiro automatizar uma tarefa repetitiva pode economizar para a sua empresa a cada ano.
- Calculadora de VRAM para LLM — Descubra quanta memória de GPU um LLM local precisa para sua quantização e tamanho de contexto, se ele cabe na sua GPU ou no seu Mac e com que velocidade vai rodar.
- Ocultador de dados pessoais para prompts de IA — Troque e-mails, telefones, números de cartão, chaves de API e nomes por marcadores antes de colar o texto em uma IA e depois restaure tudo na resposta.