O agente barato pode custar 30 vezes mais — calcule por tarefa concluída
Para estimar o custo de um agente de IA antes da produção, calcule o gasto esperado de cada solicitação — tokens, cache, ferramentas, infraestrutura e novas tentativas — e divida o total mensal pelo número esperado de tarefas concluídas. A comparação útil não é preço por milhão de tokens, mas custo por tarefa bem-sucedida.
O alerta de “30 vezes” descreve um risco de execução, não uma diferença garantida entre modelos: um estudo de agentes de programação encontrou essa variação de tokens entre rodadas da mesma tarefa. Assim, uma tarifa unitária menor pode perder a vantagem se o agente percorrer trajetórias muito mais longas, falhar com frequência ou exigir mais ferramentas.
Comece pela unidade econômica correta
Uma tarefa agêntica pode abranger várias chamadas ao modelo. Em cada etapa, o agente recebe instruções, histórico e resultados de ferramentas, gera uma saída, executa uma ação e incorpora a resposta ao contexto. Cobrar uma chamada não significa concluir uma tarefa.
A documentação da OpenAI sobre tokens separa entrada, entrada em cache, saída e tokens de raciocínio; estes últimos são contabilizados como saída. Ela também adverte que o menor preço por milhão de tokens não garante o menor custo total, pois modelos podem consumir quantidades diferentes para realizar a mesma tarefa.
Na planilha, mantenha uma linha para cada tentativa e registre:
- tokens de entrada sem cache;
- tokens lidos e gravados no cache, quando cobrados separadamente;
- tokens de saída, incluindo raciocínio faturável quando aplicável;
- quantidade e preço de buscas, navegador, execução de código, banco vetorial e outras ferramentas;
- processamento, armazenamento e demais custos variáveis associados à execução;
- resultado da tentativa: sucesso, falha ou abandono.
Custos mensais de observabilidade, filas, bancos de dados, licenças e suporte operacional ficam em um bloco separado. Essa divisão mostra tanto o custo variável do agente quanto o custo completo do serviço, depois da alocação das despesas fixas.
Transforme tokens e cache em custo por execução
Use preços substituíveis, pois modelos e tabelas comerciais mudam. Para um fornecedor que cobre as quatro categorias, a fórmula-base é: Cexec = (Tin × Pin + Tread × Pread + Twrite × Pwrite + Tout × Pout) ÷ 1.000.000 + Ctools + Cinfra. Tin representa apenas entrada sem cache; incluir novamente os tokens classificados como leitura ou gravação causaria dupla contagem.
Nem todo provedor usa os mesmos campos. A documentação de prompt caching da Anthropic distingue entrada normal, gravações com duração de cinco minutos ou uma hora, leituras do cache e saída. Nessa estrutura, a gravação de cinco minutos custa 1,25 vez o preço-base de entrada, a de uma hora custa duas vezes e a leitura normalmente custa 0,1 vez, com exceções indicadas por modelo.
Por isso, marcar “cache ativado” não basta. Registre a parcela elegível, os tokens efetivamente lidos, as gravações, a duração e as invalidações. Conteúdo variável antes do ponto de cache — como um timestamp — pode impedir a correspondência do prefixo e gerar uma nova gravação.
Para simular sem congelar preços, considere um prefixo estável de 20 mil tokens, H reutilizações, multiplicador de gravação W e multiplicador de leitura R. Sem cache, seu componente custa 20.000 × Pin × (H + 1) ÷ 1.000.000; com cache, custa 20.000 × Pin × (W + H × R) ÷ 1.000.000. A comparação só vale para a duração, o modelo e a sequência real de chamadas.
Inclua tentativas, falhas e abandono
Quando existe repetição automática, o custo da primeira rodada não representa o custo final. Para duas tentativas, chame seus custos médios de C1 e C2, a taxa de sucesso inicial de p1 e a taxa de sucesso da segunda tentativa, condicionada à primeira falha, de p2. O gasto esperado por solicitação é C1 + (1 − p1) × C2.
A probabilidade de conclusão é p1 + (1 − p1) × p2. Logo, custo variável por sucesso = gasto esperado por solicitação ÷ probabilidade de conclusão. Com mais rodadas, multiplique o custo de cada tentativa pela probabilidade de todas as anteriores terem falhado.
O segundo ramo pode usar o mesmo modelo, um prompt corrigido ou um fallback mais caro. Mantenha custo e sucesso próprios para cada ramo: tratá-los como idênticos esconderia justamente o possível ganho do fallback. Se uma tarefa abandonada ainda consumiu tokens e ferramentas, seu gasto permanece no numerador, embora ela não entre no total de conclusões.
Monte o cenário mensal na planilha
Considere um exemplo estritamente hipotético de mil solicitações mensais. A primeira tentativa custa US$ 0,08, já com tokens e ferramentas, e conclui 65% dos casos. Após uma falha, uma segunda tentativa de US$ 0,06 resolve 50% dos casos restantes.
O gasto variável esperado por solicitação é US$ 0,08 + 35% × US$ 0,06 = US$ 0,101. A taxa final de conclusão é 65% + 35% × 50% = 82,5%. O cenário produz US$ 101 de gasto variável e 825 tarefas concluídas, ou aproximadamente US$ 0,122 por sucesso.
Com US$ 120 de custos fixos mensais, o total chega a US$ 221 e o custo completo passa a cerca de US$ 0,268 por tarefa concluída. Para um orçamento em reais ou outra moeda, acrescente células substituíveis para câmbio e eventuais encargos do meio de pagamento, sem misturá-los à tarifa técnica do modelo.
Organize a planilha em cinco blocos:
- volume mensal por classe de tarefa;
- tokens e cache por tentativa;
- ferramentas e infraestrutura variável;
- probabilidades de sucesso e regras de repetição;
- gasto mensal, sucessos esperados e custo por sucesso.
Use cenários conservador, central e favorável para consumo, cache e sucesso. Se os fluxos diferirem muito, calcule cada classe separadamente antes de somar: uma média geral pode ocultar tarefas longas e instáveis atrás de muitas execuções curtas.
O risco de 30 vezes está na trajetória
Em avaliações com oito modelos de fronteira no SWE-bench Verified, o estudo sobre consumo de agentes de programação encontrou variação de até 30 vezes no total de tokens entre execuções da mesma tarefa. Os autores também observaram que mais tokens não implicaram maior precisão; o desempenho frequentemente atingiu seu melhor nível em custos intermediários e se estabilizou depois.
Isso não demonstra que todo agente anunciado como barato custará 30 vezes mais. O resultado mostra que comparar apenas tarifas ignora uma variação operacional capaz de eliminar a economia: sob a mesma composição de preços, uma trajetória que use 30 vezes mais tokens terá um componente de tokens 30 vezes maior. Cache, ferramentas e tarifas diferentes alteram a proporção da fatura completa.
Antes da produção, rode tarefas representativas mais de uma vez e registre custo, duração e sucesso por execução. Compare mediana, percentil 90 e pior caso dentro do mesmo critério de qualidade; limites de passos, tokens e chamadas de ferramentas também evitam que trajetórias improdutivas consumam o orçamento inteiro.
A planilha se resume a duas fórmulas: custo mensal = custos fixos + volume × gasto variável esperado por solicitação; custo por tarefa concluída = custo mensal ÷ sucessos esperados. Preços podem mudar, mas a decisão continua baseada no que o agente entrega, não apenas no que cada token custa.
Leia também:
Assine nossa newsletter
Receba as últimas notícias sobre Web3, IA e cripto diretamente no seu e-mail.