BroadRouter

Custo de LLM por usuário: unit economics de um recurso de IA no SaaS

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

O custo de LLM por usuário é igual a requisições por usuário ativo por mês × tokens por requisição × os preços por 1M de tokens. Meça por recurso a partir do campo usage, precifique os planos pelo usuário do percentil 90 e não pela média, e adicione limites de uso justo para a cauda. Modelos mais baratos, cache e esforço de raciocínio baixo reduzem o número diretamente.

Adicionar um recurso de IA a um produto SaaS muda a estrutura de custos dele. Hospedagem e armazenamento custam mais ou menos o mesmo para cada usuário; chamadas de LLM custam mais quanto mais alguém as usa. Se você precificar o recurso sem saber quanto custa um usuário ativo, alguns clientes empolgados podem transformar um plano lucrativo em prejuízo. Este post mostra como calcular o custo de LLM por usuário, por que a média é o número errado e como usá-lo para definir os planos.

Como calcular o custo de LLM por usuário?

Para um recurso e um modelo:

cost per user per month =
    requests per active user per month
  × [ new input tokens × input price
    + cached tokens    × cached price
    + output tokens    × output price ] / 1,000,000

Ou seja: custo por usuário por mês = requisições por usuário ativo por mês × (tokens de entrada novos × preço de entrada + tokens em cache × preço em cache + tokens de saída × preço de saída) / 1.000.000. Em modelos de raciocínio, a saída inclui os tokens de raciocínio, e numa chave de pagamento por uso as imagens contam como tokens de entrada. Se precisar relembrar esses três preços, leia como funciona o preço da API de LLM.

Some os recursos que um usuário usa para chegar ao custo total de IA por usuário.

Passo 1: o que conta como usuário ativo, e qual é a unidade?

Escolha uma definição que você já usa nos relatórios, como um usuário que usou o recurso de IA pelo menos uma vez no mês. Depois escolha a unidade que o seu recurso produz naturalmente: um turno de chat, um documento gerado, um arquivo analisado, uma ligação resumida. O custo por unidade é mais estável que o custo por usuário e mais fácil de raciocinar.

Passo 2: como medir os tokens por unidade?

Não estime isso pela contagem de palavras. Registre o bloco usage de cada resposta com uma tag do recurso e um ID de usuário ou conta com hash: tokens de prompt, tokens em cache e tokens de completion, uma linha por tentativa. O post sobre log de usage traz um wrapper pronto e o SQL para agrupar o custo por usuário e por recurso. Antes de ter tráfego, o contador de tokens dá uma primeira estimativa a partir de prompts de exemplo.

Para respostas em streaming, peça o usage no último chunk com stream_options={"include_usage": True}; veja o guia de streaming. Conte cada tentativa, inclusive as novas tentativas, porque toda tentativa que chega ao modelo é cobrada.

Passo 3: quanto custa um usuário típico? Um exemplo prático

Suponha que o seu produto tenha um assistente dentro do app. Para um usuário ativo típico, em um mês, você mede:

Medida Valor
Dias ativos 20
Requisições ao assistente por dia ativo 15
Tokens de entrada por requisição 3.000 (metade em cache)
Tokens de resposta visível por requisição 400
Tokens de raciocínio por requisição (modelos de raciocínio) cerca de 600

São 300 requisições por mês: cerca de 900.000 tokens de entrada, 450.000 deles em cache, e 120.000 tokens de saída visível, mais cerca de 180.000 tokens de raciocínio num modelo de raciocínio.

Aplique os preços por 1M da BroadNet. As contagens de tokens estão em milhões, então cada termo é milhões de tokens × preço por 1M:

Modelo Entrada / em cache / saída por 1M O mês deste usuário
Gemma 4 VL 26B $0.10 / sem preço em cache / $0.22 0,9 × $0.10 (toda a entrada a preço cheio) + 0,12 × $0.22 (sem tokens de raciocínio) = $0.12
DeepSeek V4.1 Flash $0.175 / $0.0055 / $0.52 0,45 × $0.175 + 0,45 × $0.0055 + 0,3 × $0.52 = $0.24
Qwen3.8 27B $0.175 / $0.0435 / $2.17 0,45 × $0.175 + 0,45 × $0.0435 + 0,3 × $2.17 = $0.75
GLM 5.3 $0.78 / $0.173 / $3.46 0,45 × $0.78 + 0,45 × $0.173 + 0,3 × $3.46 = $1.47

Nos modelos de raciocínio, os 0,3M de saída são 0,12M de resposta visível mais 0,18M de raciocínio. Feita a conta, a linha do GLM 5.3 dá mais de dez vezes a linha do Gemma 4 VL 26B para o mesmo usuário (a comparação entre Gemma 4 VL 26B e GLM 5.3 mostra os dois lado a lado). A saída é o maior termo em todos os modelos de raciocínio, e os tokens de raciocínio são mais da metade dessa saída. Coloque as suas próprias medições na calculadora de custo de API de LLM para chegar ao seu número.

Passo 4: por que o usuário médio engana?

O uso de recursos de IA é desigual. A maioria dos usuários testa o recurso algumas vezes; um grupo pequeno usa o dia todo. A média esconde esse grupo, e é esse grupo que faz a conta.

A partir do seu log de usage, calcule por usuário por mês:

  • Custo mediano. Quanto custa um usuário normal.
  • Percentil 90. Quanto custa um usuário intenso, mas normal. Precifique o plano para que esse usuário ainda dê lucro.
  • Percentil 99 e máximo. A cauda. Esses usuários precisam de um limite de uso justo, de um plano superior ou de uma verificação de automação e abuso.

Se o seu usuário do percentil 99 custa muitas vezes o mediano, isso não é um problema por si só; é um dado para a precificação.

Passo 5: como definir planos e limites?

Com o custo por usuário conhecido, o preço vira uma decisão de margem:

  1. Defina a margem bruta alvo do plano.
  2. Calcule de trás para frente o custo máximo de IA por usuário que essa margem permite.
  3. Compare com o seu percentil 90. Se o percentil 90 couber, o plano funciona. Se não, reduza o custo (passo 6), aumente o preço ou leve o uso intenso para um plano superior.
  4. Traduza tokens numa unidade que os usuários entendam. Usuários não pensam em tokens. Limite requisições por dia, documentos por mês ou minutos de áudio, dimensionados para que o uso mais intenso permitido fique dentro do seu teto de custo.
  5. Reveja todo mês. Mudanças de prompt, novos recursos e trocas de modelo mexem no custo por usuário.

Passo 6: como reduzir o custo por usuário sem mudar o produto?

  • Use cache. Coloque o system prompt estável e a lista de ferramentas primeiro. No DeepSeek V4.1 Flash, a entrada em cache custa $0.0055 por 1M em vez de $0.175. Veja como aumentar a taxa de cache.
  • Diminua o raciocínio. reasoning_effort em low para requisições de rotina corta os tokens mais caros. Veja quanto custa o raciocínio.
  • Roteie por dificuldade. Envie requisições simples ao Gemma 4 VL 26B e guarde os modelos de raciocínio para as difíceis.
  • Enxugue o histórico. Conversas longas reenviam tudo a cada turno; resuma ou corte os turnos mais antigos onde a qualidade permitir.
  • Limite a saída. Defina max_tokens por recurso, deixando espaço para o raciocínio nos modelos de raciocínio.

Mais controles em controle de gastos com API de LLM.

Um plano de preço fixo pode atender usuários de SaaS?

Os planos ilimitados da BroadNet para o DeepSeek V4.1 Flash ($60 por mês por sessão) podem ser integrados ao seu próprio app ou serviço com a sua própria chave, mas cada sessão roda uma requisição por vez e a chave não pode ser compartilhada nem revendida. Por isso o plano combina com trabalho de back-end de baixa simultaneidade: um gerador de relatórios noturno, um resumidor alimentado por fila, um agente interno. Para tráfego interativo de usuários com muitas requisições simultâneas, a resposta usual são chaves de pagamento por uso (4 requisições em andamento cada, 30 por minuto) ou várias sessões. Confira os termos atuais na página de planos.

Que custos ficam em volta do modelo?

O custo por usuário vindo dos tokens é só parte da linha de IA. Some retrieval e armazenamento vetorial, transcrição (cobrada por minuto de áudio, por exemplo $0.0042 por minuto para árabe na BroadNet), novas tentativas e execuções de avaliação. Se os seus usuários escrevem em árabe ou em outros idiomas que não o inglês, espere mais tokens por mensagem que em inglês; meça os tokens por palavra no seu próprio conteúdo.

Como lidar com planos gratuitos e testes?

Um plano gratuito multiplica o custo por usuário por usuários que não pagam nada. Trate isso como gasto de marketing: dê aos usuários gratuitos o modelo mais barato que ainda mostre bem o recurso, defina limites diários mais apertados que nos planos pagos e acompanhe o custo de IA dos usuários gratuitos como uma linha separada. Se os usuários gratuitos converterem, essa linha é custo de aquisição; se não converterem, os limites a mantêm pequena.

Resumo

Meça os tokens por unidade a partir do campo usage, multiplique pelos preços publicados, olhe o percentil 90 em vez da média e defina preços e limites dos planos a partir disso. Depois deixe cada unidade mais barata com cache, roteamento e menor esforço de raciocínio. Comece pelo método de custo mensal se você ainda não mediu nada.

Perguntas frequentes

Devo cobrar os usuários por token?

Raramente, no caso de usuários finais; a maioria prefere um plano fixo com um limite claro. Meça os tokens internamente, cobre por requisições, documentos ou assentos e mantenha um limite de uso justo para a cauda mais intensa.

Posso usar um plano de preço fixo da BroadNet para atender os usuários do meu SaaS?

A BroadNet permite integrar um plano ao seu próprio app ou serviço com a sua própria chave. Cada sessão roda uma requisição por vez, então ele serve para agentes de back-end ou recursos de baixa simultaneidade; tráfego de usuários com muitas requisições simultâneas normalmente precisa de chaves de pagamento por uso ou de várias sessões.

Que parte do preço da assinatura deve ser custo de IA?

Não existe um número universal. Decida a margem bruta de que o seu negócio precisa e depois calcule de trás para frente o máximo que um usuário intenso normal pode custar, definindo limites de acordo.

Com que frequência devo recalcular o custo por usuário?

Sempre que mudar o prompt, o modelo ou o recurso, e pelo menos uma vez por mês. As contagens de tokens mudam conforme os prompts e o comportamento dos usuários mudam.

Ler em MarkdownPerguntar ao ChatGPTPerguntar ao ClaudePerguntar ao Perplexity