Preço por token não é custo por tarefa: a inversão que muda a economia dos modelos de raciocínio

Modelos aparentemente baratos podem consumir mais tokens, executar mais etapas e terminar com uma conta maior — especialmente em agentes de programação e outros fluxos de trabalho longos.

Uma API, ou interface de programação, permite que uma aplicação envie solicitações ao modelo e receba respostas. Normalmente, a cobrança considera tokens — pequenas unidades em que textos e códigos são divididos durante o processamento.

Em uma chamada simples, o custo pode ser representado aproximadamente por:

Aqui, (n) representa o número de tokens consumidos e (p), o preço de cada tipo de token. O custo de inferência — isto é, de executar um modelo já treinado para produzir uma resposta — depende tanto do preço unitário quanto do volume consumido.

A tabela do fornecedor mostra principalmente o (p). Mas a aplicação paga por:

Nos modelos de raciocínio, a saída pode incluir tokens de pensamento: computação intermediária usada antes da resposta visível. Dependendo da API, esses tokens podem não aparecer para o usuário, embora sejam contabilizados e cobrados como tokens de saída. No conjunto avaliado pelo estudo, todos os fornecedores cobravam os tokens de raciocínio pela tarifa de saída.

Em sistemas com várias interações, a fórmula fica ainda mais extensa. É preciso contabilizar entradas novas, saídas, tokens de raciocínio, leituras e gravações de cache e o número de turnos executados. Cache de prompt é o mecanismo que reutiliza partes já processadas do contexto por um preço reduzido. Ele ajuda, mas não transforma históricos crescentes em consumo gratuito.

O que o estudo encontrou

Os pesquisadores avaliaram oito modelos de raciocínio em 12 conjuntos de tarefas: nove testes de turno único, envolvendo matemática, ciência, conhecimento, programação e chat, além de três ambientes com agentes capazes de usar ferramentas e interagir com sistemas ao longo de vários turnos. Entre os benchmarks estavam AIME, GPQA, LiveCodeBench, MMLU-Pro, GAIA, Cybench e Terminal-Bench 2.0.

Com oito modelos, existem 28 pares possíveis. Multiplicando-os pelas 12 tarefas, o estudo obteve 336 comparações. Em 106 delas — 32% — o modelo com menor preço listado produziu maior custo real. A maior inversão observada chegou a 28 vezes. ()

Custo sozinho também não escolhe o melhor modelo

O estudo mede gastos, mas não incorpora qualidade ao ranking principal. Além disso, utiliza um único nível de esforço de raciocínio por modelo e uma fotografia de preços registrada em 1º de maio de 2026. Os próprios autores reconhecem que mudanças de tarifa, configuração e qualidade podem alterar os resultados específicos.

A métrica mais útil para produção não é apenas custo por chamada, mas custo por resultado bem-sucedido:

Um modelo barato que falha e exige nova tentativa pode ser mais caro que um modelo premium que resolve o problema de primeira. Por outro lado, usar sempre o modelo mais sofisticado em tarefas triviais também desperdiça recursos.

A consequência natural é o model routing: direcionar cada solicitação ao modelo mais adequado à sua dificuldade, escalando para opções mais fortes quando necessário. O Reddit aponta exatamente esse dilema entre usar modelos fracos para problemas complexos e modelos caros para trabalhos simples. ()

The Price Reversal Phenomenon — versão 1 — Resumo original publicado em março de 2026. Usado para identificar a origem dos números “78% mais barato” e “22% mais caro” reproduzidos no Reddit. ()