Como Estimar e Controlar Seus Custos com APIs de IA

“Quanto isso vai custar?” é a primeira pergunta que toda equipe faz antes de colocar IA em produção — e a mais difícil de responder sem dados reais.

Este guia te dá as fórmulas, exemplos e estratégias de monitoramento para prever seus gastos com APIs de IA com confiança.

Entendendo a Precificação por Token

APIs de IA cobram por token — aproximadamente 4 caracteres ou ¾ de uma palavra em inglês (em português, a proporção pode variar). A maioria dos provedores cobra valores diferentes para tokens de entrada e saída:

A Fórmula de Custo

Custo por requisição = (tokens_entrada × preço_entrada) + (tokens_saída × preço_saída)

Custo mensal = custo_por_requisição × requisições_por_dia × 30

Exemplo: Chatbot de Suporte ao Cliente

Vamos estimar custos para um chatbot com 10.000 conversas/dia:

• System prompt: ~500 tokens
• Mensagem média do usuário: ~50 tokens
• Contexto médio da conversa: ~800 tokens (histórico)
• Resposta média: ~200 tokens

Entrada por requisição: 500 + 50 + 800 = 1.350 tokens Saída por requisição: 200 tokens

Com GPT-4o:

• Entrada: 1.350 × $2,50/1M = $0,003375
• Saída: 200 × $10,00/1M = $0,002
• Por requisição: $0,005375
• Mensal: $0,005375 × 10.000 × 30 = $1.612/mês

Com GPT-4o-mini:

• Entrada: 1.350 × $0,15/1M = $0,000203
• Saída: 200 × $0,60/1M = $0,000120
• Por requisição: $0,000323
• Mensal: $0,000323 × 10.000 × 30 = $97/mês

Mesmo chatbot. Mesma qualidade para a maioria das perguntas de suporte. $1.612 vs $97.

Exemplo: Assistente de Código com IA

Um assistente de código processando 5.000 requisições/dia:

• System prompt: ~2.000 tokens (instruções detalhadas)
• Contexto de código: ~3.000 tokens (conteúdo de arquivos, erros)
• Mensagem do usuário: ~100 tokens
• Código gerado: ~500 tokens

Com GPT-4o:

• Entrada: 5.100 × $2,50/1M = $0,01275
• Saída: 500 × $10,00/1M = $0,005
• Por requisição: $0,01775
• Mensal: $0,01775 × 5.000 × 30 = $2.663/mês

Os Custos Escondidos

Sua conta real será maior do que a fórmula sugere por causa de:

1. Retries

Requisições que falham (timeouts, rate limits, erros) precisam de retry. Orce 5-15% de requisições extras.

2. Histórico de Conversa

Cada mensagem em uma conversa multi-turno reenvia todo o histórico. Uma conversa de 10 mensagens significa que a mensagem #10 inclui todas as 9 mensagens anteriores como tokens de entrada.

3. Overhead do System Prompt

Seu system prompt é enviado com cada requisição. Um system prompt de 1.000 tokens com 10.000 requisições/dia = 10M tokens de entrada só para o system prompt.

4. Desenvolvimento e Testes

Ambientes de dev, testes, testes de prompt no CI/CD — tudo isso soma. Um time de 5 devs testando prompts manualmente pode facilmente gerar 20-30% do volume de produção.

Configurando Controles de Custo

Passo 1: Configure Alertas de Orçamento

Antes de ir para produção, configure alertas em:

• 50% do orçamento mensal — conscientização
• 75% do orçamento mensal — investigar se a tendência está alta
• 90% do orçamento mensal — ação necessária
• 100% do orçamento mensal — parada total ou modo degradado

Passo 2: Implemente Limites Por Usuário

Evite que um único usuário ou API key consuma uma parcela desproporcional:

// Exemplo: 100 requisições por minuto por usuário
const rateLimiter = {
  window: '1m',
  maxRequests: 100,
  keyBy: 'userId'
};

Passo 3: Rastreie Custo Por Feature

Não rastreie só o gasto total. Quebre por:

• Feature/endpoint — Quais features custam mais?
• Segmento de usuário — Usuários do plano gratuito estão custando mais do que deveriam?
• Modelo — Você está usando modelos caros para tarefas simples sem querer?

Dashboard de Monitoramento de Custos

No mínimo, acompanhe estas métricas diariamente:

Usando um AI Gateway para Controle de Custos

Construir tudo isso — monitoramento, rate limiting, alertas, roteamento de modelos — do zero demanda tempo significativo de engenharia.

Um AI gateway como o Floopy te dá tudo isso pronto:

• Dashboard de custos em tempo real com breakdown por requisição, usuário e modelo
• Alertas de orçamento e limites rígidos configuráveis por API key
• Log automático de custos no ClickHouse para análise histórica
• Smart Cost Routing que automaticamente escolhe modelos mais baratos para tarefas simples

A estimativa com que você realmente deveria se importar. Uma estimativa estática por token assume que a escolha de modelo é fixa. Em produção, o modelo viável mais barato por prompt muda com o tempo conforme prompts, mix de tráfego e barras de qualidade mudam. O roteamento guiado por feedback do Floopy mantém essa estimativa honesta propagando uma nota NPS por sessão para cada decisão de roteamento daquela sessão e combinando com LLM-as-judge, avaliações de admin e benchmarks públicos — então o corte de “viável mais barato” é reajustado continuamente em vez de congelado no momento da configuração. Passo a passo: Smart Cost Routing e propagação de sessão.

Você tem visibilidade de para onde seu dinheiro está indo desde o primeiro dia.

Tabela Rápida de Estimativa de Custos

Estas são estimativas usando GPT-4o-mini. Multiplique por 15-20x para equivalentes GPT-4o.

Principais Conclusões

1. Faça as contas antes de ir para produção — use a fórmula de custo com os tamanhos reais dos seus prompts
2. Considere custos escondidos — retries, histórico de conversa, overhead do system prompt
3. Configure controles de orçamento no dia um — não espere uma conta surpresa
4. Rastreie custo por feature e por usuário — agregados escondem os problemas reais
5. Comece com o modelo viável mais barato — suba de nível só onde a qualidade exigir