Cerebras API: quanto custa e o que muda em produção

Os preços da Cerebras API começam em $0.35 por milhão de tokens de entrada e $0.75 por milhão de tokens de saída no GPT OSS 120B, mas o plano Developer expressamente não se destina ao uso em produção. O exemplo de agente detalhado abaixo custa $53.75 por mês com essas tarifas; para disponibilizá-lo a clientes, é preciso contratar condições específicas para produção, e não apenas comprar mais créditos.

Cerebras Inference é uma API hospedada para executar modelos de IA. A decisão de contratação depende de três fatores: o custo por tarefa concluída, o tempo para concluí-la e a adequação das condições de acesso à sua aplicação. Comece pelo GPT OSS 120B para avaliar um agente de texto; negocie o acesso para produção antes de fazer o tráfego de clientes depender do serviço.

Preços conferidos na página de preços da Cerebras em outubro de 2026, com consulta à página no dia 20 de outubro. Todos os valores abaixo estão em dólares americanos.

Cerebras API: preços e planos em resumo

A página de preços atual apresenta os planos Developer e Enterprise. O crédito promocional serve para avaliar o serviço; não é uma terceira assinatura gratuita permanente.

O Enterprise também oferece opções de menor latência; pesos de modelos personalizados e serviços de fine-tuning ou treinamento estão disponíveis mediante acordo. No Developer, o suporte é feito pelo Discord da comunidade. Essas são as diferenças apresentadas na comparação atual dos planos.

O critério de escolha é a finalidade do uso. Mesmo um agente barato voltado a clientes precisa de condições adequadas para produção. Por outro lado, uma conta alta durante a avaliação não determina, por si só, a necessidade de um contrato Enterprise específico.

Quanto custa a API da Cerebras por modelo e qual é a velocidade?

O GPT OSS 120B é o mais barato dos dois modelos na tabela atual do Developer. Tokens de entrada são os fragmentos de texto enviados ao modelo; tokens de saída são o que ele gera. A cobrança é separada, então um preço médio único só faz sentido depois de definir a proporção entre entrada e saída.

Quais modelos a Cerebras oferece?

OpenAI GPT OSS 120B: $0.35 por milhão de tokens de entrada, $0.75 por milhão de tokens de saída e velocidade informada pela Cerebras de aproximadamente 3,000 tokens por segundo. A documentação do modelo lista entrada e saída de texto, raciocínio, streaming, saídas estruturadas e chamadas de ferramentas. Isso o torna o primeiro candidato deste guia para um agente de texto, desde que passe nos seus próprios testes de qualidade das tarefas.

Qwen 3.8 27B: $0.99 por milhão de tokens de entrada, $1.49 por milhão de tokens de saída e velocidade informada pela Cerebras de aproximadamente 1,850 tokens por segundo. A documentação do modelo inclui entrada de imagens e chamadas de ferramentas em modo estrito. A entrada de imagens exige Chat Completions e dados PNG ou JPEG codificados em base64; uma URL externa comum de imagem não é aceita.

Em unidades menores, o GPT OSS custa $0.00035 na entrada e $0.00075 na saída por 1,000 tokens. No Qwen, os valores são $0.00099 e $0.00149. São conversões de unidade, não planos diferentes.

Essas tarifas cobrem a inferência, não a assinatura do seu editor de código. Se o editor ou serviço de agentes tiver uma cobrança própria, some esse valor ao orçamento da API.

As velocidades acima são dados do fornecedor, não medições feitas para este artigo. Um agente de programação também espera pelo processamento do prompt, pelo raciocínio, pela execução de ferramentas, por chamadas de rede e por novas tentativas. Uma geração rápida pode encurtar uma resposta longa e, ainda assim, mudar pouco a duração de uma tarefa que passa a maior parte do tempo executando testes ou consultando um serviço lento.

Quanto custa manter um agente por mês?

Um agente de texto que executa 10,000 tarefas por mês custa $53.75 no GPT OSS 120B, nas condições abaixo. Trata-se de um orçamento ilustrativo de avaliação com as tarifas públicas do Developer, não de uma proposta Enterprise nem de uma conta real de produção.

Considere que cada tarefa exige cinco chamadas ao modelo e que cada chamada usa, em média, 2,000 tokens de entrada e 500 tokens de saída faturáveis. A previsão de saída deve incluir todo raciocínio cobrado, não apenas o texto final exibido ao usuário. O cálculo não considera economia com cache, novas tentativas nem cobranças separadas por ferramentas.

Os totais mensais de tokens são:

• Entrada: 10,000 tarefas × 5 chamadas × 2,000 tokens = 100 milhões de tokens.
• Saída: 10,000 tarefas × 5 chamadas × 500 tokens = 25 milhões de tokens.

Com as tarifas publicadas do GPT OSS 120B, a entrada custa 100 × $0.35 = $35, e a saída custa 25 × $0.75 = $18.75. Total: $53.75 por mês, ou $0.005375 por tarefa, antes de qualquer crédito promocional.

O mesmo volume de tokens no Qwen 3.8 27B custa $99 de entrada + $37.25 de saída = $136.25 por mês. São $82.50 a mais neste cenário. Esse adicional só vale a pena se o modelo diferente ou a capacidade de receber imagens melhorar a tarefa o suficiente para justificá-lo; contagens de tokens iguais não significam resultados iguais.

Para fazer sua própria previsão, multiplique os milhões de tokens de entrada mensais pela tarifa de entrada e some os milhões de tokens de saída mensais multiplicados pela tarifa de saída. Para calcular o custo por tarefa, divida a conta resultante pelo número de tarefas concluídas com sucesso, incluindo o gasto consumido pelas tentativas que falharam.

A Cerebras é grátis? Quais são os limites do teste?

A Cerebras oferece um teste com limites, não uma franquia que se renova indefinidamente. A documentação do teste prevê um crédito único de $5, ativado ao cadastrar uma forma de pagamento válida, que expira 30 dias após a ativação. Cadastrar a forma de pagamento não habilita automaticamente o uso pago nem gera cobrança.

Quando o crédito acaba ou expira, o acesso à API e ao Playground é pausado, a menos que você compre créditos PayGo separadamente. Sem cadastrar uma forma de pagamento, esse acesso permanece inativo. O crédito promocional não é dinheiro e não pode ser transferido.

Os limites padrão documentados para o teste dos dois modelos listados são 5 requisições por minuto, 30,000 tokens sem cache por minuto, 90,000 tokens totais por minuto e 1 milhão de tokens por hora e por dia. A tela Limits da sua conta é a referência para os limites que de fato se aplicam a você. Os tetos de tokens por minuto medem o volume de processamento, enquanto o limite de requisições conta chamadas; qualquer um deles pode interromper um teste antes de o saldo de créditos acabar.

Quem consegue usar sem nunca pagar? Quem conclui uma avaliação pequena dentro dos limites de crédito, prazo e uso e depois deixa de usar o serviço. Um desenvolvedor que queira manter um assistente pessoal de programação deve prever o uso pago no orçamento. O teste ajuda a decidir se vale a pena continuar, mas não sustenta a previsão de um serviço gratuito por tempo indeterminado.

Quais limites importam antes de colocar a aplicação no ar?

A primeira barreira prática é a capacidade de absorver picos: uma conta mensal baixa não significa que a API consiga aceitar todas as requisições simultâneas. A Cerebras documenta limites separados para tokens sem cache, que exigem novo processamento, e tokens totais, que também incluem os atendidos pelo cache.

Os limites padrão atuais do Developer são:

• GPT OSS 120B: 1,000 requisições por minuto, 1 milhão de tokens sem cache por minuto e 3 milhões de tokens totais por minuto.
• Qwen 3.8 27B: 300 requisições por minuto, 150,000 tokens sem cache por minuto e 750,000 tokens totais por minuto. A documentação informa que o limite de tokens totais foi elevado temporariamente de 450,000.

O Developer não tem teto de tokens por hora ou por dia, mas os limites por minuto continuam valendo. Limites de organização e de projeto podem restringir a mesma carga de trabalho; por isso, dividir o total mensal pelo número de dias não serve para verificar a capacidade.

Há outro limite que pode passar despercebido: o serviço estima a demanda de saída antes de executar a requisição. Um valor desnecessariamente alto em max_completion_tokens pode acionar o limite de uso antes que o modelo produza qualquer coisa. Defina um teto adequado à tarefa e depois examine os dados de uso retornados e os erros de cota. Comprar mais créditos não elimina esses controles.

Para agentes de programação, a confiabilidade importa tanto quanto a capacidade. As notas do modelo GPT OSS alertam que ele pode propor ferramentas que não foram fornecidas. Valide os nomes e os argumentos das ferramentas antes da execução. Uma ação incorreta continua incorreta, mesmo quando é rápida.

Enterprise e as quatro opções de acesso por parceiros

O uso em produção muda a conversa sobre contratação mesmo quando o consumo de tokens é pequeno. Não há uma tarifa pública do Enterprise que permita calcular um patamar universal de gastos a partir do qual migrar do Developer passa a compensar. Peça uma proposta informando o modelo, a proporção esperada de tokens de entrada e saída, o pico de requisições simultâneas e as necessidades de suporte.

A página de preços da Cerebras apresenta quatro opções de acesso por parceiros: AWS Marketplace, OpenRouter, Hugging Face e Vercel. Considere o canal de contratação que você já usa, mas confira a tabela de preços, a disponibilidade dos modelos, as condições para produção e quem responde pelo suporte antes de redirecionar o tráfego. A existência de uma parceria não garante que a conta final seja igual à tarifa do Developer contratado diretamente.

A tabela de preços do acesso direto cobra por uso; não apresenta desconto de assinatura anual em relação à mensal nem uma tabela de cobranças por excedente do Enterprise. Ao pedir uma proposta, obtenha por escrito os compromissos mínimos, as cobranças por uso excedente, as garantias de capacidade e as condições de saída. No uso pré-pago, verifique a validade dos créditos pagos e as regras de reembolso antes de comprar saldo. Não presuma que o prazo de validade do crédito promocional também se aplica aos créditos comprados.

Cerebras vs Groq e uma API de inferência em nuvem com GPU

A Groq custa menos para a mesma proporção de tokens sem cache no GPT OSS 120B, enquanto a Cerebras anuncia uma geração mais rápida; o guia de preços da Groq detalha as escolhas de plano e capacidade dessa alternativa. A Groq é outro provedor de inferência hospedada. Sua página oficial do modelo informa $0.15 por milhão de tokens de entrada, $0.60 por milhão de tokens de saída e aproximadamente 500 tokens por segundo.

Com os 100 milhões de tokens de entrada e 25 milhões de tokens de saída do exemplo, a conta de tokens da Groq fica em $30 por mês. A estimativa de $53.75 no Developer da Cerebras é $23.75 maior, ou 0.2375 centavo a mais por tarefa. São cálculos com tarifas públicas, não uma comparação entre contratos de produção negociados. As velocidades informadas pelos fornecedores também não demonstram quanto mais rápido o seu agente completo seria.

A Fireworks AI, provedora de modelos hospedados com opções de implantação serverless e dedicada, oferece uma segunda referência. Suas tarifas Standard do GPT OSS 120B também são de $0.15 por milhão de tokens de entrada e $0.60 por milhão de tokens de saída, chegando à mesma estimativa mensal de $30 sem cache. O atendimento Priority tem preços próprios; esta comparação usa Standard em todos os cálculos.

Em qualquer uma das alternativas, compare as mesmas configurações de raciocínio, os mesmos limites de saída e o mesmo padrão mínimo de qualidade das tarefas. Não compare uma configuração barata que falha na tarefa com uma mais cara que a conclui, nem o preço por hora de uma GPU alugada com uma conta de API que já inclui a infraestrutura para servir o modelo.

A pergunta relevante para o orçamento é se a melhora de latência medida compensa o custo adicional por tarefa concluída com sucesso. Em uma ferramenta de programação usada de forma interativa, o tempo de espera pode fazer diferença. Para um agente em segundo plano que já passa a maior parte do tempo em chamadas a ferramentas externas, tokens mais baratos podem ser a melhor compra.

O que verificar antes de migrar?

Antes de migrar a aplicação, faça uma avaliação com um conjunto representativo de tarefas. Um benchmark de respostas curtas, isoladamente, não revela se um agente de programação respeita os esquemas das ferramentas ou conclui corretamente uma edição longa.

1. 1

   Meça a tarefa no ambiente atual

   Registre o consumo de entrada e saída em todas as chamadas ao modelo, as novas tentativas, as conclusões bem-sucedidas e o tempo total decorrido. Separe o tempo do modelo do tempo gasto nas ferramentas.

2. 2

   Execute a tarefa novamente na opção em avaliação

   Use configurações equivalentes de raciocínio e saída. Verifique a validade das chamadas de ferramentas e se a tarefa foi executada corretamente antes de avaliar a velocidade. Inclua tarefas lentas e malsucedidas na comparação.

3. 3

   Calcule o custo da implantação que você vai usar

   Aplique as tarifas do provedor escolhido ao consumo observado e confirme a capacidade e as condições de produção. Para acesso direto à Cerebras em produção, obtenha a proposta Enterprise antes de migrar o tráfego de clientes.

Na próxima semana, execute novamente uma amostra representativa da carga de trabalho do seu agente e leve os dados de consumo e requisições simultâneas à conversa sobre contratação. Para ampliar a lista de opções, veja as plataformas de inferência em tempo real para agentes.

Perguntas frequentes sobre os preços da Cerebras

Dá para usar a Cerebras de graça?

Sim, dentro do teste promocional único, após cadastrar uma forma de pagamento válida. Ele tem limites de prazo e de crédito; não há uma franquia gratuita que se renove automaticamente. Concluir uma avaliação e parar de usar pode não custar nada.

A Cerebras é melhor que a NVIDIA?

Não existe uma vencedora universal para agentes. A NVIDIA é uma fornecedora de hardware, enquanto a contratação discutida aqui é de um serviço de inferência hospedada. Compare opções de implantação via API adequadas ao seu caso pela qualidade das tarefas, latência total, capacidade e conta completa; a arquitetura do chip, sozinha, não determina esses resultados.

Vale a pena contratar a Cerebras?

Para acesso à inferência, vale avaliar o serviço quando a geração do modelo representa uma parte relevante do tempo de espera da aplicação. Só pague pela opção de acesso quando os resultados das tarefas, a latência medida e as condições de operação justificarem o custo total.

Quem são os principais concorrentes da Cerebras?

Para esta decisão sobre uma API de inferência rápida, considere a Groq e um provedor de inferência em nuvem com GPU, como a Fireworks AI. Compare o mesmo modelo e a mesma carga de trabalho antes de tratar os preços iniciais de provedores diferentes como equivalentes.

Quanto custa um chip da Cerebras?

O hardware da Cerebras é vendido sob consulta, conforme seus Termos de Venda; as ações da empresa são uma questão de investimento à parte.

A Cerebras divulga desconto para estudantes ou política de reembolso na página de preços?

A página de preços atual não apresenta uma tarifa específica para estudantes nem uma promessa geral de reembolso de créditos pagos. Confirme as condições aplicáveis à compra de créditos antes de pagar; não trate o crédito promocional como dinheiro reembolsável.

Use o AI Business Workflow Audit Checklist para mapear o volume de tarefas, o tratamento de falhas e os custos operacionais antes de escolher uma API. Assine a newsletter para receber o checklist.