Preço da API Gemini em 2026: qual API de LLM sai mais barata?

Ao comparar o preço da API Gemini com as demais opções, o OpenAI GPT OSS 20B hospedado pela Groq apresenta a menor conta sem cache nas três cargas de trabalho analisadas aqui: a partir de $0.075 por milhão de tokens de entrada e $0.30 por milhão de tokens de saída. A API de LLM mais barata muda conforme a resposta fica mais longa, um prompt extenso é reutilizado ou uma nova tentativa se torna necessária. O Ministral 3 3B, da Mistral, pode levar vantagem na saída; já OpenAI GPT-6 Luna e Anthropic Claude Haiku 5.5 são pontos de partida econômicos para integrações existentes.

Preço da API Gemini e de outras APIs: valores verificados em 20 de outubro de 2026

Comece olhando as colunas de entrada e saída juntas. Um token é uma pequena unidade de texto processada pelo modelo. A entrada inclui instruções, documentos e histórico da conversa; a saída inclui a resposta cobrada pelo provedor e, quando aplicável, o raciocínio do modelo. Um milhão de tokens de entrada e um milhão de tokens de saída são compras separadas.

Todos os preços abaixo estão em USD por 1 milhão de tokens e foram conferidos nas páginas oficiais dos provedores em 20 de outubro de 2026. A seleção reúne as faixas pagas de baixo custo atualmente oferecidas pelos sete provedores citados. Não é um levantamento de todas as plataformas de hospedagem nem um ranking de qualidade. A Groq hospeda um modelo de pesos abertos da OpenAI, com tarifas definidas pela própria Groq. As demais linhas usam a API direta de quem desenvolve o modelo.

Observações: a página do modelo da Groq exibe $0.037 para entrada em cache. A documentação de cache informa um desconto de 50%, que, aplicado à tarifa de entrada, resulta em $0.0375. A tabela mantém a precisão exibida na página; os exemplos de cálculo abaixo não dependem dessa tarifa de cache arredondada. †Os valores de Batch da Groq e da Mistral foram calculados com os descontos documentados de 50%. Batch da Groq, Batch da Mistral.

As condições de cobrança mudam a conta. A linha da OpenAI vale até 272K tokens de entrada; prompts mais longos têm tarifas maiores aplicadas à requisição inteira. A linha do Haiku vale até 100,000 tokens de prompt, incluindo os que estão em cache; acima disso, as tarifas de entrada e saída ficam cinco vezes maiores. A faixa mais cara do Grok Build começa em 200K tokens de prompt. Os exemplos abaixo ficam dentro dos três limites. Preços do modelo da OpenAI, preços do Claude para contexto longo, preços da xAI.

Os horários de pico da DeepSeek são 01:00-04:00 e 06:00-10:00 UTC, de segunda a sexta-feira, exceto feriados nacionais chineses. Todos os demais horários ficam fora do pico. Essa tarifa reduzida por horário não é um desconto de API Batch. Preço da API DeepSeek.

Entrada em cache significa uma nova leitura que atende aos critérios do provedor, e não qualquer token de entrada. Gravar cache no OpenAI Luna custa $0.125 por milhão; no Haiku com prompts curtos, a gravação custa $0.125 para cinco minutos ou $0.20 para uma hora. O Google informa armazenamento a $1 por milhão de tokens em cache por hora. Some essas cobranças separadamente das leituras que aproveitam o cache. Preço da API OpenAI, cache do Claude, preço da API Gemini.

Como calcular o custo de um LLM: três tarefas, uma fórmula

Calcule o custo da requisição completa e só então multiplique pela quantidade de tarefas. O modelo com a entrada mais barata pode perder a vantagem ao gerar uma resposta longa. As definições de ferramentas e as mensagens anteriores da aplicação também entram na contagem de tokens de entrada.

Para entrada comum, sem cache, a fórmula é:

Custo por requisição = (tokens de entrada × tarifa de entrada + tokens de saída cobrados × tarifa de saída) ÷ 1,000,000.

As cargas de trabalho abaixo são hipóteses de cálculo deste comparativo, não gerações medidas na prática:

• Classificação de um chamado: 500 tokens de entrada e 20 tokens de saída cobrados. A resposta é um rótulo curto de departamento ou um objeto de encaminhamento.
• Resumo de um documento: 10,000 tokens de entrada e 500 tokens de saída cobrados. A resposta é um resumo de escopo definido de um documento cujo texto já foi extraído.
• Uma etapa de agente de programação: 20,000 tokens de entrada e 2,000 tokens de saída cobrados. O modelo lê instruções, código relevante e resultados de ferramentas, e produz a próxima resposta ou uma proposta de alteração.

Os limites de saída incluem os tokens de raciocínio que forem cobrados. Um modelo de raciocínio pode consumir mais do que essas estimativas na sua tarefa; substitua as hipóteses pelo uso informado pelo modelo. O mesmo documento também gera contagens diferentes conforme o tokenizador. Igualar a quantidade de tokens permite comparar tarifas, mas não garante a mesma qualidade, o mesmo tamanho de documento ou o mesmo esforço de raciocínio.

Custo de 1,000 tarefas concluídas com uma chamada cada

A tabela pressupõe que toda chamada tenha sucesso. Não inclui leituras e gravações de cache, armazenamento, ferramentas, adicionais regionais, impostos, novas tentativas nem revisão humana. Uma etapa de agente corresponde a uma chamada ao modelo, não à conclusão de uma tarefa inteira de programação.

Todos os totais são cálculos próprios feitos com as tarifas e a data de referência acima. Multiplique por dez para chegar a 10,000 tarefas mensais. Nesse volume, a etapa de programação estimada custa $21 na Groq ou $30 no Luna. A diferença é de $9 por mês antes de falhas e ferramentas — uma referência útil antes de gastar uma semana migrando um recurso que já funciona.

Classificação de chamados: mantenha a resposta curta

A Groq é a primeira candidata por preço para essa tarefa de escopo definido. Uma chamada custa (500 × $0.075 + 20 × $0.30) ÷ 1,000,000 = $0.0000435. Com 10,000 chamados por mês, são $0.435 em inferência Standard, ou $0.2175 com o desconto documentado de Batch, caso a fila possa esperar.

Quem empreende e precisa classificar solicitações de suporte deve definir os rótulos permitidos antes de escolher o modelo. “Cobrança”, “técnico” e “conta” podem ser validados automaticamente. Um parágrafo não solicitado explicando a escolha aumenta a saída sem ajudar no encaminhamento. Separe os chamados ambíguos e envie-os para revisão, em vez de forçar um rótulo com aparência de certeza.

O ponto de atenção é a relação entre latência e agendamento. A triagem ao vivo precisa de resultado imediato. Já a reclassificação de um arquivo antigo de suporte pode esperar pelo Batch. A Groq documenta janelas de processamento de 24 horas a sete dias; prometer entrega na manhã seguinte exige planejamento de capacidade. Documentação de Batch da Groq.

Resumo de documentos: pague por uma síntese útil

O Gemini 2.5 Flash-Lite é um bom primeiro candidato para documentos quando o suporte a PDF e entradas multimodais faz diferença. Na hipótese de tokens de texto, um resumo custa (10,000 × $0.10 + 500 × $0.40) ÷ 1,000,000 = $0.00120. São $12 para 10,000 resumos mensais, ou $6 via Batch. O cálculo equivalente da Groq, apenas com texto, é menor, mas o modelo selecionado não aceita a mesma variedade de entradas. Recursos do modelo Gemini, recursos do modelo na Groq.

Use esse cálculo para texto já extraído. Um PDF digitalizado com imagens de páginas pode ter outro perfil de tokens; extração, recuperação e armazenamento de documentos podem gerar cobranças próprias. O teste de aceitação deve verificar se o resumo preserva a decisão, os prazos e as exceções. Um texto bem escrito, por si só, não basta.

Ao processar entrevistas com clientes, peça um conjunto definido de conclusões com referências às fontes. Se o resumo omitir uma ressalva que muda a decisão de produto, o parágrafo mais barato não terá cumprido a tarefa. Mantenha o documento original disponível para conferência, em vez de pagar por uma segunda reescrita extensa.

Etapa de agente de programação: inclua todo o ciclo no orçamento

Comece com Luna ou Haiku na integração existente e avalie a Groq como alternativa mais barata. A etapa estimada no Luna custa (20,000 × $0.10 + 2,000 × $0.50) ÷ 1,000,000 = $0.003. O Haiku com prompt curto tem o mesmo custo. Nenhum desses valores demonstra que o modelo consegue concluir a alteração específica de que você precisa.

Um agente de programação envia contexto, recebe uma ação proposta, executa ferramentas e devolve os resultados ao modelo, repetidas vezes. Um teste que falha pode provocar outra chamada com um histórico ainda maior. Conte cada rodada, o raciocínio cobrado e o ambiente externo de execução. Uma tabela de tokens não permite calcular todo esse ciclo sem observar seu comportamento.

Para uma pequena tarefa de manutenção, exija os arquivos alterados, o resultado do teste relevante e uma condição clara de encerramento. Prefira uma alteração pontual a uma explicação longa. Reduzir a saída total cobrada de 2,000 para 500 tokens na tarifa do Luna economiza $0.00075 por etapa, ou $7.50 em 10,000 etapas, desde que a resposta menor ainda conclua o trabalho.

Cache, Batch e tamanho da resposta mudam a opção mais barata

O cache ajuda quando a entrada se repete; o Batch, quando o trabalho pode esperar; e uma saída mais curta, em toda chamada bem-sucedida. São ajustes diferentes. Combiná-los sem verificar as regras superestima a economia.

Ler o cache e gravar o cache têm custos diferentes

Suponha que a etapa de programação reutilize um prefixo de 18,000 tokens elegível para cache, acrescente 2,000 tokens novos de entrada e gere 2,000 tokens de saída cobrados. O prefixo é o início da requisição que permanece igual, como instruções e material de referência estável. Quando a leitura aproveita o cache, o Luna ou o Haiku com prompt curto custa:

(18,000 × $0.01 + 2,000 × $0.10 + 2,000 × $0.50) ÷ 1,000,000 = $0.00138.

A primeira requisição, que grava esse prefixo a $0.125 por milhão, custa $0.00345, supondo que o trecho final variável continue como entrada comum. Em dez chamadas, com uma gravação e nove leituras completas antes da expiração, o total é de $0.01587, contra $0.030 sem cache: economia de 47.1%. Essa é a comparação completa das dez chamadas. Uma tarifa de entrada dez vezes menor não reduz a conta inteira na mesma proporção.

Na mesma etapa com leitura bem-sucedida do cache, a DeepSeek custa $0.001554 fora do pico ou $0.003108 no pico. A tarifa menor de leitura do cache não supera o Luna neste caso, pois a entrada nova e a saída custam mais. Na Mistral, o cálculo equivalente, considerando apenas a chamada que aproveita o cache, é de $0.00058. É um preço promissor para uma tarefa de escopo definido, mas não comprova capacidade equivalente de programação.

Guarde em cache apenas o material que pretende reutilizar. No Google, armazenar um cache explícito de 10,000 tokens durante uma hora custa $0.01. Cada reutilização completa economiza $0.0009 em entrada na tarifa Standard. São necessárias doze leituras do cache para superar apenas o custo de armazenamento; o processamento inicial é cobrado à parte. Um resumo feito uma única vez não justifica esse cache só porque existe uma tarifa reduzida de leitura. Preços de cache do Gemini.

Cada provedor tem suas regras de desconto em Batch

Use Batch para tarefas independentes que estão na fila, não para a próxima ação de uma conversa ao vivo. OpenAI, Anthropic, Google, Mistral e Groq documentam modalidades com entrada e saída pela metade do preço para os modelos selecionados. A página da DeepSeek informa janelas de horário; o Grok Build 0.1 declara explicitamente não oferecer suporte a Batch.

A Anthropic informa que os descontos de Batch e cache são cumulativos. A Groq diz que não: os tokens em Batch já recebem o desconto, independentemente do cache. No modelo selecionado do Google, a leitura de cache em Batch continua em $0.01, em vez de cair pela metade como a entrada comum. Monte a conta com as categorias de tokens correspondentes, sem aplicar dois percentuais de desconto à fatura inteira. Descontos do Claude, regras de cache da Groq, preços de Batch do Google.

Quando a saída faz a Mistral ficar mais barata que a Groq

O Ministral 3 3B fica mais barato que o Groq GPT OSS 20B quando a saída passa de um token para cada oito tokens de entrada, considerando contagens iguais na modalidade Standard sem cache e resultados bem-sucedidos. A Mistral cobra mais pela entrada e menos pela saída. Ao igualar as duas contas, a relação entre saída e entrada no ponto de equilíbrio é de 0.125.

Com 20,000 tokens de entrada e 4,000 de saída, a Mistral custa $0.0024 por chamada, e a Groq, $0.0027. As três tarefas de referência têm saídas mais curtas, por isso a Groq vence nessas linhas. Um recurso que gera descrições longas, reescritas ou relatórios pode inverter essa ordem.

Não corte a saída apenas para caber na coluna mais barata. Defina a entrega mínima útil: o rótulo, a extração, a alteração de código ou o resumo de escopo definido. Depois, confira se o modelo mais barato consegue entregá-la de forma consistente.

Comparativo de preços de APIs de IA: qual opção econômica escolher

Use estas sete opções como ordem de avaliação, não como ranking de desempenho. Cada uma tem um limite operacional diferente. Os preços são as tarifas iniciais atuais de entrada e saída na modalidade Standard; as faixas completas estão nas páginas de preços dos provedores.

1. Groq: primeira candidata por preço para textos curtos e verificáveis

A Groq é uma provedora de inferência que hospeda o OpenAI GPT OSS 20B, modelo de texto com uso de ferramentas, raciocínio e suporte a saídas estruturadas. Ela lidera os três exemplos de cobrança sem cache porque a entrada barata favorece respostas curtas a prompts maiores. Para classificar chamados ou processar uma fila de documentos em texto, comece por ela se estiver disposto a comparar a aceitação dos resultados com a solução atual. O limite está no resultado, não na velocidade de geração anunciada: um rótulo inválido ou outra rodada de raciocínio pode eliminar a economia. Detalhes do modelo.

Ideal para: respostas curtas validadas e filas independentes de texto
Destaque: menor conta sem cache para as três estimativas de tokens apresentadas
Preço: a partir de $0.075 de entrada e $0.30 de saída por milhão de tokens
Teste gratuito: nenhuma franquia promocional foi incluída neste comparativo

O guia de preços da Groq aborda a decisão de contratação de forma mais ampla. Para esta seleção, use a linha do GPT OSS com preço público. No catálogo atual da Groq, o Llama 3.1 8B exige cotação comercial; uma tarifa pública antiga não serve de base para o orçamento. Catálogo atual de produção.

Como montar a primeira comparação

1. 1

   Escolha uma tarefa de escopo definido

   Comece pela classificação de chamados, não pelo assistente de suporte inteiro. Liste os rótulos permitidos e as condições que exigem revisão.

2. 2

   Compare requisições representativas

   Use 100 exemplos representativos, com os dados devidamente tratados, como triagem inicial. Inclua chamados ambíguos, malformados e excepcionalmente longos. Avalie a solução atual e a candidata com os mesmos critérios de aceitação.

3. 3

   Registre o resultado completo

   Registre a aceitação ou rejeição da saída, os tokens de entrada e saída cobrados, a latência de ponta a ponta e qualquer nova tentativa ou encaminhamento para uma alternativa. Separe as leituras de cache da entrada comum.

4. 4

   Migre apenas a categoria de tarefa aprovada

   Direcione as classificações validadas ao modelo mais barato. Mantenha uma alternativa para resultados rejeitados e continue o monitoramento depois da amostra inicial.

2. Mistral: candidata por preço quando a saída é longa

A Mistral oferece o Ministral 3 3B, modelo compacto com saídas estruturadas, chamadas de função e suporte a perguntas sobre documentos. A tarifa igual para entrada e saída o torna atraente para transformações de escopo definido que geram um resultado extenso a partir de um prompt curto. Quem gera descrições padronizadas de produtos pode avaliá-lo antes de pagar uma tarifa de saída maior em outro provedor. O limite está na complexidade da tarefa: a saída mais barata só vale a pena se o modelo pequeno preservar os detalhes e as restrições exigidos. Recursos do Ministral.

Ideal para: reescritas, descrições e extrações de escopo definido, com saída verificável por software
Destaque: mesma tarifa Standard para entrada e saída
Preço: a partir de $0.10 de entrada e $0.10 de saída por milhão de tokens
Teste gratuito: créditos de avaliação excluídos; a tarifa citada é de inferência paga

Use ministral-3b-2512 ao reproduzir a avaliação desse candidato. “Small”, “Mini” e “3B” não são nomes de produto intercambiáveis. Se a avaliação indicar que a tarefa exige um modelo maior da Mistral, refaça a conta com a tarifa dele. Não leve o preço do modelo menor para uma categoria com outras capacidades.

3. Google: opção prática para documentos e protótipos

O Google Gemini oferece o Gemini 2.5 Flash-Lite, modelo estável atualmente listado para tarefas leves com texto, imagens, vídeo, áudio e PDFs. É um bom primeiro candidato quando o resumidor precisa lidar com mais do que texto extraído ou quando você quer prototipar com uma faixa gratuita publicada. O custo do texto na modalidade paga fica perto o bastante das opções mais baratas para que o suporte a formatos de entrada decida a integração. O limite está na diferença entre a estimativa padronizada de texto e a requisição real com diferentes mídias. Detalhes do modelo Gemini.

Ideal para: processamento leve de documentos e protótipos com dados devidamente tratados
Destaque: variedade de formatos de entrada e uma faixa gratuita publicada
Preço: modalidade Standard paga a partir de $0.10 de entrada de texto e $0.40 de saída por milhão de tokens
Teste gratuito: faixa gratuita disponível, sujeita a limites e termos próprios

A página de preços do Google diferencia o uso do conteúdo na faixa gratuita e na paga. Use dados adequadamente tratados no protótipo gratuito e confira os termos da modalidade paga antes de processar material de clientes. O guia de preços do Gemini separa as opções mais amplas de assinatura e API; este comparativo trata apenas da Developer API.

4. OpenAI: reduza o custo da integração que já funciona

A OpenAI oferece o GPT-6 Luna para tarefas específicas em alto volume, com saídas estruturadas e esforço de raciocínio ajustável. Em uma aplicação que já usa OpenAI, ele é o primeiro modelo econômico a avaliar antes de trocar de provedor. Os validadores e os mecanismos de contingência existentes têm valor, principalmente quando a economia mensal estimada com a migração é de poucos dólares. O limite está no raciocínio sem controle ou nos ciclos repetidos de ferramentas: uma tarifa unitária baixa não limita a quantidade de tokens cobrados. Documentação do modelo Luna.

Ideal para: tarefas de escopo definido em uma aplicação que já usa OpenAI
Destaque: candidato econômico que dispensa reconstruir a operação específica do provedor
Preço: a partir de $0.10 de entrada e $0.50 de saída por milhão de tokens na faixa de contexto curto
Teste gratuito: nenhum crédito promocional foi descontado dos custos citados

Para fluxos com ferramentas, a página do modelo orienta o uso de Responses; em Chat Completions, chamadas de função exigem reasoning_effort definido como none. Guarde o endpoint e as configurações no registro da avaliação. Usar “o mesmo modelo” com configurações diferentes de raciocínio ou ferramentas não reproduz o mesmo experimento operacional.

Para uma classificação curta, comece com o menor esforço de raciocínio que passe na validação. Para uma proposta de alteração de código, aumente-o apenas quando a melhora nos resultados aceitos justificar os tokens adicionais. Essas decisões dependem do seu conjunto de testes; uma página de preços não as resolve.

5. Anthropic: etapas baratas com Claude dentro da faixa de prompt

A Anthropic posiciona o Claude Haiku 5.5 para classificação, encaminhamento, extração e tarefas de subagentes. Ele merece estar entre os primeiros candidatos em uma aplicação que já usa Claude, pois suas tarifas para prompts curtos são iguais às do Luna. Mantenha a integração quando ambos cumprirem a tarefa e a migração não trouxer ganho operacional. O limite é o patamar de 100,000 tokens de prompt, que inclui tanto as leituras de cache quanto o material novo enviado. Visão geral do Haiku, regras de preços.

Ideal para: classificação e extração em um fluxo que já usa Claude
Destaque: preço igual ao do Luna em prompts curtos e descontos cumulativos de Batch e cache
Preço: a partir de $0.10 de entrada e $0.50 de saída por milhão de tokens, até 100,000 tokens de prompt
Teste gratuito: a documentação informa um pequeno crédito de teste, sem valor fixo

Um classificador com prompt curto e uma conversa de programação que acumula histórico podem começar no mesmo modelo e terminar em faixas de preço diferentes. Registre o tamanho do prompt por requisição, não apenas a média mensal. Uma média baixa pode esconder um grupo menor de chamadas caras com contexto longo.

O guia de preços da API Claude cobre as demais faixas. Aqui, a decisão é mais específica: avaliar o Haiku para a etapa de escopo definido e manter um modelo mais capaz como alternativa quando o teste de aceitação exigir. A janela de contexto suportada por um modelo não equivale à faixa de contexto com o menor preço.

6. DeepSeek: contexto repetido e tarefas que podem ser agendadas

A DeepSeek atualmente disponibiliza deepseek-flash como DeepSeek V4.1 Flash-1017, com saída JSON, ferramentas e uma janela de contexto ampla. Vale avaliá-lo para tarefas com contexto repetido que possam rodar fora do pico, especialmente quando um prompt existente da DeepSeek já passa na validação. Ele não vence as tarefas sem cache acima, e a leitura de cache muito barata não compensa toda requisição com saída extensa. O limite está na combinação entre horário, falhas de aproveitamento do cache e tamanho da saída. Modelo e preços atuais.

Ideal para: contexto repetido e filas com flexibilidade de horário
Destaque: tarifa baixa para entrada lida do cache, com horários fora do pico definidos
Preço: a partir de $0.15 de entrada e $0.60 de saída por milhão de tokens fora do pico
Teste gratuito: o comparativo não pressupõe uma franquia permanente

Leia o guia de preços da DeepSeek para uma visão mais ampla da conta e do uso. Ao agendar tarefas, registre a janela de cobrança da requisição e os tokens que de fato aproveitaram o cache. Quem empreende pode deslocar uma fila de documentos antigos para fora do pico; uma conversa ao vivo precisa acontecer quando o cliente chega.

Mantenha deepseek-flash e a versão efetivamente servida no registro de custos. A página oficial informa que aliases antigos de Flash agora apontam para o modelo e as tarifas atuais. Conservar o identificador de um modelo em uma configuração antiga não congela o preço.

7. xAI: escolha pela adequação à programação

A xAI lista o Grok Build 0.1 como seu modelo de texto de menor preço na tabela pública atual. É um modelo voltado à programação, com chamadas de função, saídas estruturadas e raciocínio. Inclua-o na avaliação quando essa adequação ao fluxo puder justificar uma chamada mais cara, e exija evidências nas suas próprias tarefas. O limite neste comparativo é direto: ele custa mais que as demais opções selecionadas, e a página do modelo informa que não há suporte a Batch. Modelo Grok Build, preços atuais da xAI.

Ideal para: um fluxo de programação em que sua vantagem em resultados aceitos tenha sido demonstrada
Destaque: candidato específico para programação, com recursos de ferramentas documentados
Preço: a partir de $1.00 de entrada e $2.00 de saída por milhão de tokens, abaixo de 200K tokens de prompt
Teste gratuito: nenhum crédito de assinatura ou franquia de teste foi considerado

Não transfira para esta linha um preço lembrado de um modelo Grok Fast antigo. A recomendação se baseia na tabela oficial atual. Se sua conta oferecer outros modelos ou condições negociadas, calcule esses custos explicitamente antes de substituí-los.

O motivo para escolher a xAI seria reduzir as etapas de programação que falham ou precisam ser repetidas na sua carga de trabalho. Essa vantagem não foi testada aqui. Sem ela, os custos de tokens citados não justificam adotá-la como padrão para classificar chamados ou fazer resumos simples.

Qual API escolher para cada tarefa?

Escolha a opção mais barata que cumpra a tarefa e continue medindo os resultados concluídos. A recomendação inicial depende das restrições do trabalho.

Para um classificador de chamados, avalie primeiro a Groq pelo preço, com a Mistral como outra candidata para saídas de escopo definido. Exija um rótulo permitido e um processo confiável de revisão. Se OpenAI ou Claude já funciona, compare a pequena economia possível com o tempo de engenharia necessário para trocar.

Para um resumidor de documentos, teste o Gemini quando a entrada de PDF ou de diferentes mídias dispensar uma etapa separada de preparação. Teste a Groq quando os documentos já estiverem em texto limpo. Avalie a cobertura dos fatos e a preservação das exceções antes do estilo da redação, e encaminhe filas independentes para Batch quando o prazo permitir.

Para uma etapa de agente de programação, comece com Luna ou Haiku na integração que você já mantém. Inclua a Groq como candidata por preço, a DeepSeek para contexto repetido ou tarefas agendadas, e o Grok Build quando houver motivo para testar sua adequação à programação. Uma tarifa de entrada menor não determina quantos ciclos de ferramentas a tarefa exigirá.

A regra de decisão que muda a escolha

Abandone a primeira chamada barata quando suas falhas encarecerem o caminho completo. Considere um fluxo de programação explicitamente hipotético: a chamada barata custa $0.0021, e encaminhar a tarefa para uma alternativa acrescenta $0.003. Se 40% das tarefas precisarem desse encaminhamento e a alternativa sempre funcionar, o custo médio de tokens será $0.0021 + 0.40 × $0.003 = $0.0033 por tarefa concluída.

Isso supera os $0.003 da opção direta com as mesmas contagens de tokens assumidas. O ponto de equilíbrio é uma taxa de encaminhamento de 30%. Trata-se de um cálculo de roteamento, não de uma taxa de falha observada na Groq, no Luna ou em outro modelo. Prompts maiores nas novas tentativas e correções humanas podem reduzir esse limite.

Defina o que é sucesso antes de contá-lo. Na classificação, é o rótulo correto dentro das opções permitidas. No resumo, é preservar os fatos necessários. Na programação, é a alteração pretendida passar nas verificações combinadas. Receber uma resposta não significa concluir a tarefa.

Se usar um gateway para comparar opções, considere as condições comerciais próprias dele. O guia de preços do OpenRouter explica essa forma de contratação. As tabelas de provedores desta página não usam tarifas do OpenRouter nem de outros revendedores.

Como os modelos foram selecionados

Este é um comparativo de preços com data de referência e uma análise própria de custos, não um teste prático de qualidade. As páginas oficiais de preços e recursos foram consultadas na apuração do artigo original. Nenhum modelo foi executado nas três tarefas, e nenhuma recomendação afirma superioridade medida em precisão ou latência.

A seleção reúne os sete provedores do escopo, cada um com um modelo econômico de texto de uso geral atualmente listado ou, no caso da linha de texto mais barata da xAI, seu modelo voltado à programação. Foram excluídas famílias de modelos descontinuadas, preços sob consulta, classificadores especializados de segurança, geração de imagens, voz e embeddings. Suas capacidades ou unidades de cobrança tornariam enganosa uma comparação de menor custo para texto.

A avaliação considera cinco critérios práticos: custo comum de entrada e saída, regras de cache e Batch, formatos de entrada necessários, limites de tamanho de prompt e trabalho exigido para obter um resultado aceito. A segunda tabela mantém as contagens de tokens constantes para permitir a reprodução dos cálculos. Uma projeção para produção precisa substituir essas contagens pelo uso real de cada modelo.

Este artigo amplia o comparativo de APIs de IA mais baratas com uma tabela de preços diretos dos provedores e três estimativas por tarefa. Tarifas de rastreadores de preços, agregadores e revendedores ficam de fora. Preços públicos são um ponto de partida; um contrato negociado ou uma restrição de modelos específica da conta exige uma comparação própria.

Escolhas que vale evitar

Evite a opção inadequada à tarefa, não um provedor inteiro. As escolhas abaixo transformam um número aparentemente barato em uma projeção errada.

• Groq Llama 3.1 8B com uma tarifa pública antiga: o catálogo atual orienta entrar em contato com vendas. Solicite uma cotação ou use a linha do GPT OSS com preço atual.
• Grok Build para um classificador simples, sem vantagem medida: ele tem a maior conta de referência aqui. Ser voltado à programação não ajuda, por si só, em um encaminhamento com três rótulos.
• Tarifa do Haiku para prompts curtos em conversas longas: o histórico em cache continua contando para o limite do prompt. Calcule a faixa de cada requisição.
• DeepSeek sempre orçada fora do pico: a demanda ao vivo pode cair nas janelas mais caras. Calcule os custos conforme os horários dos seus clientes.
• Cache explícito do Gemini para um documento lido uma única vez: o armazenamento e o processamento inicial podem superar a economia de uma leitura com desconto que nunca acontece.
• Ministral como programador autônomo sem validação: o baixo custo de saída justifica avaliar uma tarefa de escopo definido, mas não comprova que toda alteração proposta está correta.
• Processamento Standard para uma fila elegível a Batch: quando o prazo permitir, compare a modalidade Batch documentada antes de mudar de modelo ou provedor.

Dúvidas sobre preços e acesso gratuito

Como comparar os preços das APIs de LLM?

Para um modelo específico, compare entrada, saída cobrada, leituras de cache, criação ou armazenamento do cache, Batch e faixas por tamanho de prompt. A Groq lidera os três exemplos sem cache deste artigo; a Mistral pode assumir a dianteira quando a saída cresce. A aceitação real dos resultados, a tokenização e as novas tentativas determinam a conta da sua aplicação.

Existe API de LLM gratuita para desenvolvedores?

O Google lista uma faixa gratuita para o Gemini 2.5 Flash-Lite. Seus limites e termos de uso do conteúdo diferem dos da modalidade paga. Use dados adequadamente tratados na avaliação e estime os custos da opção paga antes de colocar a demanda de clientes sobre uma franquia gratuita.

Existe API de LLM gratuita e ilimitada?

Nenhuma das evidências de preços citadas comprova a existência de um serviço gratuito e ilimitado para produção. Trate o acesso gratuito como uma opção de avaliação com condições próprias. Uma tarifa paga por token, combinada ao volume medido de requisições, gera um orçamento de produção mais útil que uma promessa de uso ilimitado sem comprovação.

O que fazer na segunda-feira

Na segunda-feira, meça um recurso antes de mudar toda a stack. Separe uma amostra representativa de requisições, conte a entrada real e a saída cobrada, e compare a solução atual com a candidata mais barata que faça sentido. Mantenha o mesmo teste de aceitação e registre novas tentativas, gravações e leituras bem-sucedidas de cache, além dos custos de ferramentas.

Para um classificador, imponha os rótulos permitidos. Para um resumo, confira os fatos e as exceções. Para uma etapa de programação, exija a alteração de código e o resultado do teste relevante. Migre apenas a categoria de tarefa aprovada, mantenha a alternativa de contingência e guarde a data dos preços junto ao cálculo. Assim, o orçamento pode ser atualizado sem repetir toda a avaliação.

Use o checklist de auditoria de fluxos de trabalho com IA para negócios para mapear as entradas, os critérios de aceitação e a alternativa de contingência de um recurso antes de trocar seu modelo.