---
title: "Como funciona o preço de API de LLM, com exemplos | BroadRouter"
description: "Como funciona o preço por token de APIs de LLM: entrada, entrada em cache, saída, tokens de raciocínio, imagens e áudio por minuto, com exemplos de uma tabela real."
url: https://broadrouter.com/pt/blog/llm-api-pricing-explained/
lang: pt-BR
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/blog/llm-api-pricing-explained/) (atualizado em 2026-11-15).

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

Pela equipe da BroadNet Inference · 6 min de leitura · Publicado em 2026-11-14 · Atualizado em 2026-11-15

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.

## Pontos principais

-   Uma fatura tem três medidores de tokens: entrada nova, entrada em cache e saída. Cada um tem o próprio preço por 1M de tokens.
-   A saída costuma custar várias vezes mais que a entrada. No DeepSeek V4.1 Flash, são $0.52 contra $0.175.
-   Tokens de raciocínio não aparecem na resposta, mas são cobrados pelo preço de saída.
-   Imagens são cobradas como tokens de entrada; a transcrição de áudio é cobrada por minuto, por exemplo $0.0042 por minuto para árabe.
-   Planos de preço fixo e chaves por hora trocam o medidor de tokens por um preço por tempo, o que combina com agentes sempre ligados.

**Nesta página**

1.  Pelo que você está pagando de verdade?
2.  Quanto custa cada modelo por token?
3.  Por que a saída custa mais que a entrada?
4.  Como os tokens de entrada em cache são cobrados?
5.  Por que um modelo de raciocínio cobra mais saída do que você vê?
6.  Como imagens e áudio são cobrados?
7.  Quanto custa uma requisição real? Exemplos práticos
8.  Como ler os números reais de uma resposta?
9.  Que outros modelos de cobrança existem?
10.  Onde a BroadNet Inference se encaixa

_[image: 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](https://broadrouter.com/pt/glossary/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](https://broadrouter.com/tools/token-counter/) 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](https://broadrouter.com/pt/glossary/input-and-output-tokens/) 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](https://broadrouter.com/pt/models/deepseek-v4.1-flash/) | $0.175 | $0.0055 | $0.52 | 1.048.576 |
| [GLM 5.3](https://broadrouter.com/pt/models/glm-5.3/) | $0.78 | $0.173 | $3.46 | 1.048.576 |
| [Qwen3.8 27B](https://broadrouter.com/pt/models/qwen3.8-27b/) | $0.175 | $0.0435 | $2.17 | 262.144 |
| [Gemma 4 VL 26B](https://broadrouter.com/pt/models/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](https://broadrouter.com/llm-api-pricing/). 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](https://broadrouter.com/data/llm-api-price-index/) (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](https://broadrouter.com/pt/glossary/cached-input-tokens/) 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](https://broadrouter.com/pt/blog/cached-input-tokens-explained/); para modelar a sua própria taxa de cache, use a [calculadora de cache de prompt](https://broadrouter.com/tools/prompt-caching-calculator/).

## 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](https://broadrouter.com/pt/glossary/reasoning-tokens/). 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](https://broadrouter.com/pt/guides/reasoning-tokens-empty-response/) e [como reduzir o custo do raciocínio](https://broadrouter.com/pt/blog/reasoning-tokens-cost/).

## Como imagens e áudio são cobrados?

**Imagens.** Um [modelo de visão](https://broadrouter.com/pt/glossary/vision-language-model/) 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](https://broadrouter.com/pt/blog/cheapest-vision-llm-api/).

**Áudio.** A [fala para texto](https://broadrouter.com/pt/glossary/speech-to-text/) 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:

```text
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](https://broadrouter.com/tools/llm-api-cost-calculator/) gratuita. Para uma previsão completa de um novo recurso, veja [como estimar o custo de API de LLM antes do lançamento](https://broadrouter.com/pt/blog/estimate-llm-api-cost-before-launch/).

## Como ler os números reais de uma resposta?

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

```python
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](https://broadrouter.com/pt/guides/streaming-chat-completions/).

## Que outros modelos de cobrança existem?

A cobrança por token não é a única opção:

-   **Planos de preço fixo.** Um [plano de preço fixo](https://broadrouter.com/pt/glossary/flat-rate-llm-plan/) 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](https://broadrouter.com/pt/blog/hourly-llm-api-key-explained/).
-   **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](https://broadrouter.com/pt/blog/llm-inference-provider-pricing-compared/).

[Quando um plano de preço fixo compensa mais que o preço por token](https://broadrouter.com/pt/blog/flat-rate-vs-pay-per-token-llm-api/) 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](https://broadrouter.com/pt/blog/how-to-reduce-llm-api-costs/).

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](https://broadrouter.com/pt/blog/how-often-llm-api-prices-change/) e [os maiores cortes de preço de API de LLM, com fontes](https://broadrouter.com/pt/blog/llm-api-price-cuts-2023-2026/).

## 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](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-llm-api-pricing-explained&utm_content=body) que a [página de preços](https://broadrouter.com/pt/pricing/) 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.

Ferramentas gratuitas sobre o tema (em inglês)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [Prompt caching savings calculator](https://broadrouter.com/tools/prompt-caching-calculator/) Bill with and without caching, by prefix share and hit rate.
-   [Prompt token diff](https://broadrouter.com/tools/prompt-token-diff/) Two prompt versions side by side: changed lines, exact token delta and the monthly cost difference.

[Ferramentas gratuitas (em inglês)](https://broadrouter.com/tools/)

## Termos neste artigo

[Token](https://broadrouter.com/pt/glossary/token/)

Um token é a unidade de texto que um modelo de linguagem lê e escreve: uma palavra, parte de uma palavra, um sinal de pontuação ou uma sequência de bytes gerada pelo tokenizador do modelo. As APIs de LLM contam, limitam e normalmente cobram o uso em tokens.

[Tokens de entrada e de saída](https://broadrouter.com/pt/glossary/input-and-output-tokens/)

Tokens de entrada são os tokens que um modelo de linguagem lê em uma requisição, incluindo o system prompt, o histórico da conversa, as definições de ferramentas e as imagens. Tokens de saída são os que ele gera na resposta, incluindo o raciocínio. As APIs de LLM costumam cobrá-los separadamente, e a saída costuma custar mais.

[Fala para texto (speech-to-text)](https://broadrouter.com/pt/glossary/speech-to-text/)

Fala para texto, ou reconhecimento automático de fala (ASR), é a tecnologia que converte áudio falado em texto. Uma API de fala para texto recebe um arquivo ou stream de áudio e retorna uma transcrição, normalmente cobrada por minuto de áudio. A precisão é medida pela taxa de erro de palavras e varia com sotaque, dialeto e qualidade da gravação.

[Tokens de entrada em cache (cached input)](https://broadrouter.com/pt/glossary/cached-input-tokens/)

Tokens de entrada em cache são tokens do prompt que um provedor de LLM processou há pouco e pode reaproveitar de um cache em vez de calcular de novo, normalmente um prefixo repetido, como um system prompt ou um documento. Os provedores os cobram com uma tarifa menor que a dos tokens de entrada novos.

[Tool calling (chamada de ferramentas)](https://broadrouter.com/pt/glossary/tool-calling/)

Tool calling, também chamado de function calling ou chamada de ferramentas, é um recurso de APIs de LLM em que o modelo devolve um pedido estruturado para executar uma função definida pelo desenvolvedor, com argumentos JSON. A aplicação executa a função e devolve o resultado; o modelo nunca executa código sozinho.

[Streaming](https://broadrouter.com/pt/glossary/streaming/)

Streaming é uma forma de devolver a resposta de um modelo de linguagem em pequenos pedaços enquanto ela ainda está sendo gerada, em vez de uma resposta única no final. APIs compatíveis com a OpenAI fazem streaming via server-sent events quando a requisição define stream como true.

[Tokens de raciocínio (reasoning tokens)](https://broadrouter.com/pt/glossary/reasoning-tokens/)

Tokens de raciocínio são tokens que um modelo de raciocínio gera para trabalhar um problema antes de escrever a resposta visível. Normalmente são cobrados como tokens de saída, contam para o limite de saída e para a janela de contexto, e a API pode ocultá-los ou resumi-los.

[Pagamento por uso (pay-as-you-go)](https://broadrouter.com/pt/glossary/pay-as-you-go/)

Pagamento por uso é um modelo de preço em que você paga só pelo que usa, medido por unidade, como tokens, requisições ou minutos de áudio, sem assinatura nem compromisso mínimo. A maioria das APIs de LLM cobra assim, a partir de um saldo pré-pago ou de uma fatura periódica.

## 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.

## Continue lendo

-   [Tokens de entrada em cache: como reduzir a conta de API de LLM](https://broadrouter.com/pt/blog/cached-input-tokens-explained/)
-   [API de LLM com preço fixo ou por token: a conta do ponto de equilíbrio](https://broadrouter.com/pt/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [Como estimar o custo de API de LLM antes de lançar uma funcionalidade](https://broadrouter.com/pt/blog/estimate-llm-api-cost-before-launch/)
-   [Tokens de raciocínio: por que você paga mais saída do que vê](https://broadrouter.com/pt/blog/reasoning-tokens-cost/)
-   [Crédito grátis de API de LLM: quanto o crédito inicial rende](https://broadrouter.com/pt/blog/free-llm-api-credit/)
-   [Preços de API de LLM em outubro de 2026: 3 aumentos, nenhum corte](https://broadrouter.com/pt/blog/llm-api-price-changes-october-2026/)
-   [Com que frequência o preço de API de LLM muda? 3 anos de arquivo](https://broadrouter.com/pt/blog/how-often-llm-api-prices-change/)
-   [Guia: Por que um modelo de raciocínio devolve uma resposta vazia](https://broadrouter.com/pt/guides/reasoning-tokens-empty-response/)
-   [Guia: Streaming de chat completions e conexões que caem](https://broadrouter.com/pt/guides/streaming-chat-completions/)

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

[Começar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-llm-api-pricing-explained&utm_content=page-cta) ·

**Fontes**

-   [Preços da BroadNet Inference em formato legível por máquina (pricing.json) (em inglês)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-llm-api-pricing-explained&utm_content=sources)
-   [Página de preços da BroadNet Inference (em inglês)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-llm-api-pricing-explained&utm_content=sources)
-   [Referência da API da BroadNet Inference, tokens de raciocínio e em cache (em inglês)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-llm-api-pricing-explained&utm_content=sources)
-   [Guia de raciocínio da OpenAI, como os tokens de raciocínio são cobrados (consultado em 2026-11-14)](https://developers.openai.com/docs/guides/reasoning)
-   [Central de Ajuda da OpenAI, o que são tokens e como contá-los (consultado em 2026-11-14)](https://help.openai.com/en/articles/4936856-what-are-tokens-and-how-to-count-them)
