Em 22 de setembro, Anthropic e OpenAI lançaram modelos novos no mesmo dia, e os dois mais baratos que os anteriores. O Claude Opus 5.5 ficou 20% mais barato que o Opus 5. O GPT-6 Sol e o GPT-6 Luna saíram pela metade do preço dos antecessores, segundo o Tecnoblog. Se você decide qual IA usar no seu time ou no seu produto, o custo de IA acabou de mudar, mas não do jeito que a tabela de preços sugere.
Os números
Preço em dólar, por milhão de tokens de entrada e de saída (token é o pedaço de texto que o modelo lê e escreve, algo como três quartos de uma palavra):
- Claude Opus 5.5: US$ 4 e US$ 20. Antes, US$ 5 e US$ 25.
- GPT-6 Sol: US$ 2 e US$ 10. O GPT-5.6 Sol custava US$ 4 e US$ 20.
- GPT-6 Luna: US$ 0,10 e US$ 0,50. O GPT-5.6 Luna custava US$ 0,20 e US$ 1,20.
O desenvolvedor Simon Willison, que testa os modelos de forma independente, lembra uma ressalva: os preços da geração 5.6 eram promocionais, com alta prevista para novembro. A comparação com eles, portanto, já é favorável aos novos.
Preço por token engana
A Anthropic diz que o Opus 5.5 reduz em até 40% o custo total por tarefa, porque usa menos tokens para chegar ao mesmo resultado. A OpenAI diz que o Sol comete cerca de metade dos erros de factualidade do antecessor. As duas alegações vêm das próprias empresas e merecem teste antes de virar decisão.
Mas elas mostram o ponto certo. Um modelo mais barato por token que erra mais, ou que precisa de três tentativas, pode sair mais caro. E há o custo que não aparece na fatura: o tempo de alguém do seu time revisando e corrigindo.
O que muda para você
Veja a diferença numa tarefa típica, como resumir um documento: 20 mil tokens de entrada e 2 mil de saída. Pelos preços de tabela, ela custa cerca de US$ 0,12 no Opus 5.5, US$ 0,06 no Sol e US$ 0,003 no Luna. Em mil execuções por dia, são US$ 120, US$ 60 e US$ 3.
Uma diferença de 40 vezes muda a conversa. Para tarefas simples e repetitivas, como classificar tickets ou extrair campos, o modelo pequeno quase sempre basta. Para raciocínio longo, código complexo ou decisão difícil de verificar, o modelo maior pode compensar, se errar menos.
Para quem é de produto, a habilidade que vale aqui não é decorar tabela, porque ela muda todo mês. É saber escolher o modelo pela tarefa, medir o resultado e rever a escolha quando o mercado mexer de novo.
Na prática: compare pelo custo por tarefa
- Escolha uma tarefa real que você repete toda semana.
- Separe dez exemplos e defina o que é uma resposta boa antes de testar.
- Rode os dez no modelo mais barato que você tem acesso e conte quantos passaram.
- Só suba para um modelo maior se a taxa de acerto não servir.
Para estimar o volume de tokens antes de rodar, use este prompt:
“Vou rodar a tarefa abaixo [descrição] cerca de [N] vezes por dia, com entradas de tamanho parecido com este exemplo [cole o exemplo]. Estime os tokens de entrada e de saída por execução e monte uma tabela de custo mensal para os preços que eu informar. Mostre a conta.”
Peça sempre para mostrar a conta e confira um dos números à mão. Estimativa de IA é ponto de partida, não orçamento.
Transparência: o CarreiraNews usa o Claude, da Anthropic, como apoio na produção de conteúdo. Por isso, os números desta matéria vêm dos anúncios oficiais e de fontes independentes, sem testes próprios nem recomendação de fornecedor.
Deixe seu comentário