Quanto custa um pedido de IA: medimos nove operações

A versão resumida: em 30 de julho de 2026, executamos nove tipos de solicitações no Google Vertex AI e registramos as contagens de tokens diretamente das respostas da API. A principal descoberta: ler é barato para uma IA, criar é caro, e a diferença chega a mil vezes. Assistir a um vídeo do YouTube de dez minutos custa dois centavos. Gerar oito segundos de vídeo custa três dólares e vinte centavos. Mesma tecnologia, mesma conta, mas operações de natureza completamente diferente — e você não pode planejar um orçamento sem entender essa diferença.

Como medimos

Não de calculadoras em páginas de marketing nem de promessas em blogs de fornecedores. Cada solicitação foi para o Vertex AI na conta de serviço do nosso projeto, e de cada resposta pegamos o bloco usageMetadata — onde o próprio modelo informa quantos tokens seu input custou e quantos sua resposta custou.

Em seguida, multiplicamos pelos preços publicados pelo Google em 30 de julho de 2026 para a família Gemini 2.5 Flash-Lite: $0,10 por milhão de tokens de entrada (texto, imagens, vídeo), $0,30 por milhão de tokens de entrada de áudio e $0,40 por milhão de tokens de saída. Os preços de geração de vídeo vêm da lista do Veo 3.1: $0,40 por segundo no modo padrão.

O método importa porque permite que você o repita: os mesmos números estão na resposta de qualquer solicitação que você fizer, se você olhar em usageMetadata.

A tabela: o que custa o quê

Operação	O que acontece	Custo por execução
Uma pergunta de texto	~300 tokens de entrada, ~500 de saída	$0,0003
Ler uma foto	imagem mais uma resposta curta	$0,001
Transcrever 30s de fala	áudio custa três vezes o texto	$0,0008
Ler um parágrafo em voz alta	síntese de fala	$0,0006
Assistir a um vídeo de 3 minutos	51k tokens	$0,006
Assistir a um vídeo de 10 minutos	171k tokens	$0,02
Gerar uma imagem	1.290 tokens de saída	$0,04
8s de vídeo, modo rápido	cobrado por segundo	$0,64
8s de vídeo, modo padrão	cobrado por segundo	$3,20

A descoberta: assistir é mais barato que criar

Compare duas linhas. Analisar um vídeo de dez minutos de outra pessoa: dois centavos. Gerar oito segundos do seu próprio: três dólares e vinte centavos. Isso é 160 vezes mais por setenta e cinco vezes menos segundos.

A razão é como a cobrança funciona. Tudo o que você envia ao modelo são tokens de entrada — a coisa mais barata na lista de preços. Tudo o que ele produz é saída, e a saída custa várias vezes mais. Com o Flash-Lite, a entrada é $0,10 por milhão e a saída é $0,40 — quatro vezes mais. A geração de imagens e vídeos é cobrada separadamente novamente, em taxas completamente diferentes.

Daí a regra que economiza mais dinheiro: encurte a resposta, não a pergunta. Uma linha dizendo "responda em um parágrafo" reduz sua conta mais do que reduzir sua pergunta pela metade. A frase mais cara que você pode escrever para um modelo é "explique em detalhes, com todos os exemplos".

Vídeo, segundo a segundo

Medimos isso separadamente, cortando um clipe em diferentes durações. O modelo conta o vídeo como 258 tokens por segundo de filmagem e 25 tokens por segundo de áudio. A relação é estritamente linear — cinco segundos resultaram em 1.290 tokens, dez segundos resultaram em exatamente 2.580.

Duração	Tokens	Custo para analisar
5 segundos	1.415	$0,0002
1 minuto	17.000	$0,002
5 minutos	85.000	$0,010
10 minutos	171.000	$0,020

O que isso significa na prática: analisar vídeo não é um luxo. Extrair o conteúdo de uma palestra de uma hora custa cerca de doze centavos. Seu próprio tempo para formular a tarefa custará mais.

Por que você ainda precisa fazer as contas

Uma única solicitação custa uma fração de centavo, o que cria a impressão de que não há nada a ser contado. Essa impressão está errada por duas razões.

Primeiro: uma conversa fica mais cara a cada mensagem. O modelo não se lembra das interações anteriores — para que ele siga o contexto, toda a troca é enviada novamente a cada solicitação. Sua décima mensagem arrasta as nove anteriores, e todas elas contam como entrada novamente. Você continua escrevendo respostas igualmente curtas enquanto a conta aumenta sozinha.

Segundo: algumas línguas custam aproximadamente o dobro do inglês. O modelo não conta letras nem palavras, mas tokens — pedaços de texto. O inglês se divide em pedaços maiores: um token é aproximadamente quatro caracteres, enquanto em muitas outras línguas está mais próximo de dois. O mesmo pensamento custa uma vez e meia a duas vezes mais.

O que fazer a respeito

• Limite explicitamente o tamanho da resposta. "Três frases", "um parágrafo", "uma lista de cinco" — isso é economia direta, não preciosismo estilístico.
• Comece um novo chat para uma nova tarefa. Uma conversa longa e tudo-em-um custa mais do que um chat novo com a mesma pergunta — e funciona melhor, porque o contexto obsoleto para de atrapalhar.
• Não gere o que você pode encontrar. Ler um clipe ou documento existente é quase sempre mais barato do que criar o seu próprio.
• Para prompts técnicos longos, tente o inglês. Não é apenas uma questão de preço: os modelos aprenderam principalmente com textos em inglês e seguem um briefing em inglês com mais precisão.

As ressalvas, sem as quais os números mentem

Medimos um modelo — Gemini 2.5 Flash-Lite — em uma nuvem. Modelos mais poderosos custam várias vezes mais; concorrentes têm suas próprias listas de preços. O que se mantém em todo lugar é a ordem de magnitude e, mais importante, a proporção entre as operações: entrada é mais barata que saída, ler é mais barato que criar.

Segundo: as tarifas mudam. Nossos números são de 30 de julho de 2026. Verifique o preço na página de preços do próprio fornecedor, e não em artigos — incluindo este.