BroadRouter
Começar

Preço de API de LLM explicado: entrada, cache, saída e raciocínio

Pela equipe da BroadNet Inference · 6 min de leitura · Publicado em · Atualizado em

APIs de LLM cobram por milhão de tokens, com preços separados para entrada, entrada em cache e saída. Tokens de raciocínio são cobrados como saída, imagens contam como tokens de entrada e a transcrição de fala para texto é cobrada por minuto de áudio. Na BroadNet Inference, o DeepSeek V4.1 Flash custa $0.175 de entrada, $0.0055 em cache e $0.52 de saída por 1M de tokens.

A stream of tokens flowing into the words "Ideas become answers."

APIs de LLM cobram por milhão de tokens em medidores separados: entrada nova, entrada em cache e saída. Tokens de raciocínio são cobrados como saída, imagens como tokens de entrada, e a fala para texto (speech-to-text) por minuto de áudio. Este guia explica cada medidor e depois calcula o preço de requisições reais com as tarifas publicadas pela BroadNet Inference, sincronizadas em 2026-11-14.

Pelo que você está pagando de verdade?

Um token é um pedaço de texto, normalmente alguns caracteres. Na medição do próprio BroadRouter com cinco tokenizadores, 1.000 palavras em inglês deram cerca de 1,290 tokens; a regra prática da OpenAI é de cerca de 75 palavras para cada 100 tokens. Outros idiomas variam; cole o seu texto no contador de tokens gratuito para ver o número real. Cada requisição informa os tokens no bloco usage, e a fatura é a soma destes medidores:

Medidor O que conta Cobrado pelo
Entrada (prompt) Prompt de sistema, histórico, documentos, definições de ferramentas, imagens Preço de entrada
Entrada em cache Entrada que o provedor já processou e reaproveitou Preço de cache, bem mais baixo
Saída (completion) A resposta visível mais qualquer raciocínio Preço de saída
Minutos de áudio Duração do áudio enviado para transcrição Preço por minuto

A divisão entre tokens de entrada e de saída é a que mais pesa, porque os dois preços são muito diferentes.

Quanto custa cada modelo por token?

Preços da BroadNet Inference, por 1M de tokens:

Modelo Entrada Entrada em cache Saída Contexto
DeepSeek V4.1 Flash $0.175 $0.0055 $0.52 1.048.576
GLM 5.3 $0.78 $0.173 $3.46 1.048.576
Qwen3.8 27B $0.175 $0.0435 $2.17 262.144
Gemma 4 VL 26B $0.10 Sem desconto de cache $0.22 32.768

Dois padrões valem para esta tabela e para a maioria das outras. A saída custa mais que a entrada: de cerca do dobro no Gemma 4 VL 26B a mais de dez vezes no Qwen3.8 27B. E a entrada em cache custa uma fração da entrada nova. Para comparar essas tarifas com OpenAI, Anthropic, Google e outros provedores, veja a tabela de preços de API de LLM. Para medianas do mercado, a variação entre provedores e a razão saída/entrada em todos os modelos que acompanhamos, veja o índice de preços de API de LLM (CSV e JSON abertos).

Por que a saída custa mais que a entrada?

O modelo lê o prompt inteiro em uma única passada paralela. Já a resposta ele escreve um token por vez, e cada novo token exige outra passada. Por isso a saída usa mais tempo de GPU por token, e o preço reflete isso. Um prompt curto com uma resposta longa pode custar mais que um prompt longo com uma resposta curta.

Como os tokens de entrada em cache são cobrados?

Quando o início do seu prompt coincide com uma requisição recente, o provedor pode reaproveitar o trabalho já feito. Esses tokens de entrada em cache aparecem em prompt_tokens_details.cached_tokens e são cobrados pelo preço de cache. No DeepSeek V4.1 Flash, são $0.0055 em vez de $0.175 por 1M.

O cache favorece prompts com um prefixo estável: primeiro o prompt de sistema, a lista de ferramentas e os documentos, e por último a mensagem nova. Quem mais ganha são os agentes que reenviam o mesmo repositório a cada turno. Para ver como cada provedor cobra leituras e gravações de cache, leia tokens de entrada em cache explicados; para modelar a sua própria taxa de cache, use a calculadora de cache de prompt.

Por que um modelo de raciocínio cobra mais saída do que você vê?

DeepSeek V4.1 Flash, GLM 5.3 e Qwen3.8 27B pensam antes de responder. Esse pensamento é feito de tokens de raciocínio. Você não os vê na resposta, mas eles são contados em completion_tokens e cobrados pelo preço de saída. O guia de raciocínio da OpenAI descreve a mesma regra para os modelos dela: os tokens de raciocínio “are billed as output tokens” (tradução: são cobrados como tokens de saída).

O raciocínio também conta para max_tokens. Se o valor for baixo demais, você paga pelo pensamento e fica sem resposta. Veja por que as respostas voltam vazias e como reduzir o custo do raciocínio.

Como imagens e áudio são cobrados?

Imagens. Um modelo de visão transforma a imagem em tokens de entrada. Você paga o preço de entrada por eles, e uma imagem maior usa mais tokens. Na BroadNet não há uma tarifa separada por imagem. Custo por imagem comparado.

Áudio. A fala para texto é cobrada pela duração do áudio, não por tokens:

Modelo Por minuto Por hora de áudio
BroadNet Transcribe Arabic $0.0042 $0.25
BroadNet Transcribe (14 idiomas) $0.002 $0.12

Quanto custa uma requisição real? Exemplos práticos

Estes exemplos usam o DeepSeek V4.1 Flash. Cada um foi dimensionado para que os totais fechem em milhões inteiros de tokens, o que facilita conferir as contas.

  1. Um recurso de chat. 500 requisições, cada uma com 2.000 tokens de entrada e 2.000 de saída, usam 1M de tokens de entrada e 1M de saída. Custo: $0.175 mais $0.52.
  2. Um agente relendo o próprio contexto. Dez turnos que enviam o mesmo contexto de 100.000 tokens somam 1M de tokens de entrada. Se nada estiver em cache, custa $0.175. Se tudo estivesse em cache, custaria $0.0055, mas o primeiro turno não tem nada para reaproveitar, então trate isso como um limite inferior: no melhor caso, 900.000 tokens são cobrados pelo preço em cache e os primeiros 100.000 pelo preço de entrada.
  3. Raciocínio oculto. 1.000 respostas de 200 tokens visíveis, cada uma com 800 tokens de raciocínio, cobram 1M de tokens de saída: $0.52. Só um quinto disso foi texto que você viu.
  4. Transcrição. 1.000 horas de áudio em árabe custam $252.00. 10.000 mensagens de voz de 30 segundos custam $21.00.

A fórmula geral:

cost = new_input/1M × input_price
     + cached_input/1M × cached_price
     + output/1M × output_price      (output includes reasoning)

Para fazer essas contas com o seu tráfego, use a calculadora de custo de API de LLM gratuita. Para uma previsão completa de um novo recurso, veja como estimar o custo de API de LLM antes do lançamento.

Como ler os números reais de uma resposta?

Quando já houver tráfego, não estime pela contagem de palavras. Leia os números:

import os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
r = client.chat.completions.create(
    model="broadnet/deepseek-v4.1-flash",
    messages=[{"role": "user", "content": "Summarise this ticket in one line: ..."}],
)
u = r.usage
details = u.prompt_tokens_details  # can be None when the model reports no cache data
cached = (details.cached_tokens or 0) if details else 0
print(u.prompt_tokens, cached, u.completion_tokens)

Com streaming, adicione stream_options={"include_usage": True} para que o último chunk traga o usage. Guia de streaming.

Que outros modelos de cobrança existem?

A cobrança por token não é a única opção:

  • Planos de preço fixo. Um plano de preço fixo cobra por tempo, não por tokens. O Full Moon da BroadNet custa $60 por mês por sessão para DeepSeek V4.1 Flash ilimitado, uma requisição por vez. O Orbit custa $15 por semana, e o Meteor $1 por hora.
  • Chaves por hora. $0.50 compra uma hora de Gemma 4 VL 26B em um stream. Chaves por hora explicadas.
  • Lote (batch) e GPUs dedicadas. Alguns provedores dão desconto em jobs em lote de madrugada ou alugam GPUs inteiras por hora. Como outros provedores cobram por modelos abertos.

Quando um plano de preço fixo compensa mais que o preço por token depende do volume e da taxa de cache. Para todas as alavancas em ordem, do cache aos descontos de lote, veja como reduzir os custos de API de LLM.

Os preços por token também mudam com o tempo, nos dois sentidos. Em páginas de preços arquivadas de 11 provedores, 80% dos modelos nunca mudaram de preço. Entre os modelos que mudaram, registramos 100 reduções e 52 aumentos, cada um comparando o preço de um modelo com o seu próprio preço anterior. Veja com que frequência os preços de API de LLM mudam e os maiores cortes de preço de API de LLM, com fontes.

Onde a BroadNet Inference se encaixa

A BroadNet publica uma única tabela de preços para todos os modelos que serve, em um arquivo legível por máquina que a página de preços deste site lê. Contas novas começam com $5 de crédito; o Gemma 4 VL 26B e os dois modelos de transcrição funcionam com ele, e os outros modelos de chat exigem uma recarga. É uma boa opção se você quer preço por token e preço fixo na mesma conta; os planos têm chaves próprias. Não é o lugar para modelos fechados de fronteira: ela serve apenas modelos open-weight e builds próprias.

Perguntas frequentes

Como é calculado o preço de uma API de LLM?

Multiplique os tokens de entrada pelo preço de entrada, os tokens de entrada em cache pelo preço de cache e os tokens de saída pelo preço de saída, cada um por 1M de tokens, e some tudo. Os tokens de raciocínio entram na saída.

Por que os tokens de saída são mais caros que os de entrada?

O modelo lê a entrada em uma única passada paralela, mas gera a saída um token por vez, então cada token de saída usa mais tempo de GPU. Os provedores embutem essa diferença no preço.

Tokens de raciocínio são cobrados?

Sim, nas chaves cobradas por token. Eles são informados dentro dos tokens de completion e cobrados pelo preço de saída, mesmo sem aparecer na resposta.

Quanto custa uma imagem em uma API de LLM?

Uma imagem é convertida em tokens de entrada, então custa a quantidade de tokens vezes o preço de entrada. Imagens maiores usam mais tokens. Leia prompt_tokens no bloco usage para ver o número real.

Qual é a forma mais barata de pagar por um agente sempre ligado?

Normalmente, um plano de preço fixo. Na BroadNet, uma sessão Full Moon custa $60 por mês para DeepSeek V4.1 Flash ilimitado, uma requisição por vez.

Ler em MarkdownPerguntar ao ChatGPTPerguntar ao ClaudePerguntar ao Perplexity