O verdadeiro custo de uma tarefa com IA
Os novos modelos de inteligência artificial estão muito mais baratos por token, mas isso não quer dizer que a tua fatura desça para metade. Porque é que o preço que interessa é o custo de concluir uma tarefa, porque é que as tabelas de pontuação dizem menos do que parecem, e como testar modelos no teu próprio trabalho antes de mudar de fornecedor.
O vídeo vem do YouTube e só carrega quando carregas no play.
Se os modelos ficaram muito mais baratos, porque é que a tua fatura não desce para metade?
// A ideia
O preço por token está a perder importância. A unidade que interessa é a tarefa concluída.
Um modelo pode ficar cinquenta por cento mais barato e, ainda assim, não reduzir a tua fatura para metade. Pode até sair mais caro. Tudo depende de quantas tentativas faz, quanto contexto volta a processar, quanto tempo demora e quantos minutos uma pessoa ainda gasta a rever o resultado. A próxima vantagem não vem dos tokens com maior desconto: vem de saber que modelo usar, em que momento, e quando a tarefa está realmente terminada.
Em números
Por milhão de tokens de entrada e de saída: o novo preço de tabela do Claude Opus 5.5.
DeclaradoDos preços de entrada e saída do GPT-6 Astra: o que a OpenAI anuncia para o GPT-6.1 Sol.
DeclaradoA rever uma resposta podem custar mais do que todos os tokens que a tarefa gastou.
Tokens de entrada numa tarefa de 40 voltas, porque o modelo relê a conversa a cada passo (exemplo da Anthropic).
DeclaradoCusto dessa mesma entrada com boa utilização de cache e sem cache.
DeclaradoTarefas de um teste de programação muito citado que se parecem com o trabalho real de Dan Luu.
Fonte independenteDas correções mudaram quando o mesmo corretor automático voltou a avaliar as mesmas respostas.
Fonte independenteA promessa do Governo para os licenciamentos urbanísticos com IA, segundo a Renascença.
DeclaradoO episódio, por partes
Dois laboratórios, a mesma promessa
Em poucos dias, OpenAI e Anthropic lançaram modelos com uma promessa semelhante: capacidades próximas do topo de gama a um custo muito inferior. A Anthropic baixou o Claude Opus 5.5 para 4 dólares por milhão de tokens de entrada e 20 de saída. A OpenAI lançou o GPT-6.1 Sol, que descreve como próximo do GPT-6 Astra a um quinto do preço e com resultados semelhantes a uma fração do custo por tarefa, segundo os seus testes internos.
Cada volta do agente volta a ler a conversa
Um agente de programação a corrigir um problema lê a conversa, consulta ficheiros, propõe uma alteração, corre um teste e tenta outra vez. Cada volta deste ciclo é um novo pedido ao modelo, e em cada pedido uma parte significativa da conversa anterior é reenviada. O preço por token diz quanto custa uma unidade de processamento; não diz quanto custa chegar a um resultado utilizável.
Com cache, 1,62 dólares. Sem cache, 11,20.
No exemplo ilustrativo da Anthropic, uma tarefa com 40 voltas acaba por processar cerca de 2,8 milhões de tokens de entrada. Com boa utilização da memória temporária, a cache, essa entrada custa pouco mais de um dólar e meio. Sem cache, mais de onze. E se o modelo resolver a mesma tarefa com menos voltas, o custo volta a descer.
O raciocínio também se paga
Os tokens que o modelo produz são normalmente mais caros do que os que lê, e o raciocínio interno pode ser faturado como saída mesmo quando só vês um resumo. Um modelo configurado para pensar mais gasta mais numa tentativa. Mas, se esse esforço evitar uma segunda execução completa, pode compensar.
Certo à primeira sai mais barato
Um resultado correto à primeira pode custar menos do que três resultados medianos de um modelo com metade do preço. E numa empresa ainda falta contar o trabalho humano: se alguém passa vinte minutos a corrigir uma resposta, essa revisão pode custar mais do que todos os tokens usados.
Os fabricantes já falam em custo por tarefa
A OpenAI passou a mostrar gráficos que cruzam desempenho e custo, e a Anthropic publicou uma análise dedicada ao custo de cada tarefa. Convém desconfiar, mesmo quando os números parecem rigorosos: grande parte vem de quem vende os modelos, e os testes independentes também têm limites.
Uma tarefa em 113
Dan Luu, programador conhecido por desmontar este tipo de métricas, olhou para dentro de um teste de programação muito citado. Das 113 tarefas, só uma se parecia com o trabalho que faz no dia a dia. A pontuação media o desempenho em problemas que não eram os dele.
O corretor que muda de ideias
Noutro teste, quem dá a nota é outro modelo de IA. Luu pediu-lhe para voltar a avaliar as mesmas respostas e a nota mudou em quase um quarto dos casos. É como um professor que corrige o mesmo exame várias vezes e, quase uma vez em cada quatro, muda de ideias. Uma pontuação diz como um modelo se sai nas tarefas de outra pessoa. Para saber quanto vale para ti, só medindo no teu trabalho.
Tarefas estreitas pedem outra solução
A Modal e investigadores da Carnegie Mellon mostraram um sistema que usa modelos pequenos para classificar enormes volumes de dados a uma fração mínima do custo, precisamente porque cada tarefa é muito estreita. O resultado vale para tarefas de classificação muito específicas, mas a lição generaliza: usar sempre o modelo mais inteligente é como contratar o consultor mais caro da empresa para organizar documentos.
Carteiras de modelos, não um vencedor
Estamos a entrar numa fase de carteiras de modelos. Um modelo pequeno pesquisa ficheiros, outro resume registos, um terceiro toma uma decisão mais difícil, e o modelo mais caro fica reservado para os casos que falham ou exigem mais qualidade.
Não reabras a compra a cada lançamento
Trocar de modelo implica mudar integrações, regras e hábitos da equipa. Uma melhoria num teste raramente paga essa mudança.
Meia dúzia de tarefas reais
Escolhe seis tarefas reais e frequentes, com os documentos e as exceções do dia a dia, e não demonstrações preparadas para impressionar. Corre-as em dois ou três modelos e regista três coisas: quantas ficam bem à primeira, quanto custam até estarem aceites e quanto tempo alguém ainda gasta a rever. Essa folha passa a ser a tua referência. Quando surgir um modelo novo, não precisas de acreditar no anúncio: basta voltar a correr as mesmas tarefas.
Licenciamentos: medir até o processo estar validado
Em setembro, o Governo lançou um projeto-piloto de IA nos licenciamentos urbanísticos em alguns municípios, com a promessa de reduzir processos de quatro anos para cerca de oito meses. O que vai contar não é a rapidez com que o sistema produz uma análise. É quanto tempo um processo demora até estar validado, com correções, pedidos de informação e intervenção humana incluídos.
Três perguntas ao teu fornecedor de software
Que modelo está por baixo do produto? Existe encaminhamento automático entre vários modelos? As reduções de preço chegam ao cliente? Numa subscrição mensal, tokens mais baratos podem traduzir-se em limites mais altos, margens maiores para o fornecedor ou nenhuma alteração visível.
Recusas também custam
Depois do lançamento do Opus 5.5, alguns utilizadores relataram mais recusas em trabalho jurídico e nas ciências da vida. São relatos individuais e ainda não se sabe se é um padrão. Mas um modelo que recusa uma tarefa essencial não é barato a nenhum preço, e um que parece mais caro pode compensar se for mais consistente e mais fácil de auditar.
Tirando o ruído, fica isto
A IA está a ficar mais barata. A vantagem está em saber que modelo usar, em que momento, e quando a tarefa está realmente terminada.▶ 9:38
Transcrição
Carrega numa palavra para ouvir a partir daí. Seleciona uma frase para a partilhar com o momento exato. Transcrição feita a partir das legendas automáticas e revista à mão, ligeiramente limpa de repetições.
O custo que interessa
Um modelo de inteligência artificial pode ficar 50% mais barato e, ainda assim, não reduzir a tua fatura para metade. Pode até sair mais caro. Tudo depende de quantas tentativas faz, quanto contexto volta a processar, quanto tempo demora, quantos minutos depois uma pessoa ainda precisa de gastar para rever o trabalho que ele fez. E é por isso que o preço por token está a perder importância.
A unidade que interessa passa a ser a tarefa concluída.
Apresentação
Eu sou o Diogo e este é o primeiro episódio do IA sem Ruído. Aqui olhamos para a inteligência artificial com calma: perceber o que é que aconteceu durante a semana, o que é que isso significa para o nosso dia a dia e o que é que até pode mudar no nosso trabalho. Hoje começamos pelo dinheiro.
Os novos modelos mais baratos
Nas últimas duas semanas, a OpenAI e a Anthropic lançaram quase em simultâneo novos modelos com uma promessa semelhante: oferecer capacidades próximas dos modelos mais avançados, mas a um custo muito inferior. A Anthropic apresentou o Claude Opus 5.5. A empresa reduziu o preço de tabela para 4 dólares por milhão de tokens de entrada e 20 por milhão de tokens de saída. Um token, simplificando, é um pequeno fragmento de texto processado pelo modelo.
Poucos dias depois, a OpenAI reforçou a aposta com o GPT-6.1 Sol. A empresa descreve-o como um modelo próximo do seu topo de gama, o GPT-6 Astra, mas com preços de entrada e de saída equivalentes a um quinto. Incrível. Em vários testes internos, diz também conseguir resultados semelhantes a uma fração do custo por tarefa.
Por token não é por tarefa
A conclusão mais tentadora seria esta: a inteligência artificial ficou muito mais barata. Mas essa conclusão ainda é prematura. O preço por token diz-nos quanto custa uma unidade de processamento, não nos diz quanto custa chegar a um resultado utilizável. E os dois valores podem ser muito diferentes.
Cada volta do agente conta
Imagina este cenário: um agente de programação a corrigir um problema numa aplicação. Primeiro ele lê a conversa, depois consulta ficheiros, propõe uma alteração, executa o teste, recebe o resultado e tenta novamente. Cada volta deste ciclo é um novo pedido ao modelo e, em cada pedido, uma parte significativa da conversa anterior é reenviada.
O exemplo da Anthropic
A Anthropic dá um exemplo ilustrativo. Numa tarefa com dezenas de voltas, o modelo acaba por processar quase 3 milhões de tokens de entrada, porque relê a conversa a cada passo. Com uma boa utilização da memória temporária, ou cache, essa entrada custa pouco mais de um dólar e meio, mas se não existir esta cache, já sobe para os 11. E se o modelo resolver a mesma tarefa com menos voltas, o custo volta a descer.
Ou seja, o modelo mais barato por token não é necessariamente o mais barato por tarefa. Se precisar de mais tentativas, repetir leituras ou seguir caminhos errados, a vantagem desaparece rapidamente, percebes?
O raciocínio também se paga
E há outro detalhe: os tokens produzidos pelo modelo são normalmente mais caros do que os tokens que ele lê. E o raciocínio interno também pode ser faturado como saída, mesmo quando o utilizador vê apenas um resumo. Um modelo configurado para pensar mais pode gastar mais numa única tentativa, mas se esse esforço evitar uma segunda execução completa, pode compensar.
Taxa de sucesso e revisão humana
É este equilíbrio. E é aqui que entra a taxa de sucesso, e este é um tema central. Um resultado correto à primeira pode sair mais barato do que três resultados medianos produzidos por um modelo com metade do preço. E numa empresa ainda falta outra coisa, que é contar com o trabalho humano.
Se alguém precisar de passar 20 minutos a corrigir uma resposta, essa revisão pode custar muito mais do que todos os tokens utilizados pelo modelo.
O que dizem os fabricantes
Os próprios fabricantes já perceberam isto. Eles são espertos, já perceberam esta mudança. A OpenAI passou a apresentar os resultados em gráficos que cruzam o desempenho e o custo, e a Anthropic publicou uma análise dedicada ao custo de cada tarefa. Mas convém desconfiar destes números, mesmo quando eles parecem muito rigorosos.
Grande parte vem das empresas que vendem os próprios modelos, e os testes independentes também têm alguns limites.
As tabelas de pontuação
Sabes aquelas tabelas que acompanham cada lançamento, com os modelos ordenados por pontuação? O Dan Luu, um programador conhecido por desmontar este tipo de métricas, decidiu olhar para dentro de uma delas, um teste de programação muito citado. O teste tinha 113 tarefas. Ele foi ver que tarefas estavam lá dentro e encontrou apenas uma parecida com o trabalho que faz no seu dia a dia.
Ou seja, a pontuação media o desempenho em problemas que não eram os dele.
O corretor que muda de ideias
E noutro teste, também muito citado, ele foi ver como é que as respostas eram corrigidas. E ali quem dá a nota é outro modelo de inteligência artificial. O Luu pediu a esse corretor, que avaliou inicialmente, para voltar a avaliar exatamente as mesmas respostas, e a nota mudou em quase um quarto dos casos. É como se um professor corrigisse o mesmo exame várias vezes e, uma vez em cada quatro, mudasse de ideias.
E o que é que retiramos daqui? A ilação é simples. Uma pontuação diz-te como o modelo se sai nas tarefas de outra pessoa. Para saberes quanto vale para ti, só há uma forma: medi-lo no teu próprio trabalho.
Tarefas estreitas, modelos pequenos
Há um contraponto importante. Nem todas as tarefas precisam de um grande modelo generalista. Um exemplo vem da Modal e de investigadores da Universidade Carnegie Mellon. Não sei se disse isto bem, mas basicamente eles têm um sistema que usa modelos pequenos para classificar enormes volumes de dados a uma fração mínima do custo.
Precisamente porquê? Porque cada tarefa é muito estreita. A lição que podemos retirar daqui é que uma tarefa estreita e repetitiva pode pedir uma solução completamente diferente de uma tarefa aberta. Usar sempre o modelo mais inteligente é como contratares o consultor mais caro da tua empresa para organizar documentos.
Carteiras de modelos
A minha leitura em relação a isto é que estamos a entrar numa fase de carteiras de modelos. Não há um vencedor absoluto. Um modelo pequeno pode pesquisar ficheiros, outro pode resumir registos, um terceiro pode tomar uma decisão mais difícil, e depois podes ter aqui um modelo mais caro que pode ficar reservado para casos que falham um pouco ou exigem mais qualidade.
Não reabrir a compra
E também não faz sentido reabrir um processo de compra sempre que aparece um modelo novo. Trocar implica mudar integrações, mudar regras, hábitos da equipa, e uma melhoria num teste raramente paga essa mudança.
O que fazer
Então, o que é que podemos fazer? Fazer o que o Luu fez: olhar para o teu trabalho, não para uma tabela. Escolhe meia dúzia de tarefas reais e frequentes, com os documentos e as exceções do dia a dia, e não demonstrações preparadas para te impressionar. Corre-as em dois ou três modelos e regista as coisas: quantas é que ficaram bem à primeira, quantas ficaram bem à segunda, quanto custam até estar aceites, quanto tempo alguém ainda gasta a rever.
E guarda essa folha. Essa folha simples passa a ser a tua referência. Quando surgir um novo modelo, não precisas de acreditar num anúncio. Basta voltares outra vez ao teu histórico, voltares a correr as mesmas tarefas e depois comparares.
Portugal
Em Portugal, esta mudança é relevante, sobretudo para organizações que compram inteligência artificial através de APIs ou de software empresarial. Aqui ainda não há muitos dados que demonstrem uma tendência específica entre empresas portuguesas, mas há uma decisão prática, e essa decisão é a mesma, a nível nacional ou internacional.
Licenciamentos urbanísticos
No setor público há um caso que ilustra bem esta diferença. Em setembro, o Governo lançou um projeto-piloto para usar inteligência artificial nos licenciamentos urbanísticos em alguns municípios. A promessa era ambiciosa: o Governo acredita que a tecnologia pode reduzir processos que hoje demoram 4 anos para cerca de 8 meses. Brutal, não é?
E é exatamente aqui que a pergunta deste episódio importa. O que é que vai contar? Não é a rapidez com que o sistema produz uma análise, é quanto tempo demora um processo até estar validado, com as correções, com os pedidos de informação e a intervenção humana incluídos.
Perguntas ao fornecedor
Também vale a pena perguntares, se utilizas software empresarial, aos teus fornecedores que modelo é que está por baixo do seu produto, se existe um encaminhamento automático entre vários modelos e se essas reduções podem chegar ao cliente, que neste caso és tu. Numa subscrição mensal, tokens mais baratos podem traduzir-se em limites mais altos, margens maiores para os fornecedores ou nenhuma alteração visível para ti.
Recusas
Em processos sensíveis, mede também as recusas e as respostas incompletas. Por exemplo, depois do lançamento do Opus 5.5, alguns utilizadores relataram mais recusas em trabalho jurídico e nas ciências da vida. Ainda não se sabe se isto é um padrão, mas um modelo que recusa uma tarefa essencial para ti não é barato a nenhum preço. E um modelo que parece mais caro pode compensar se for mais consistente e mais fácil de auditar.
Fecho
A inteligência artificial está de facto a ficar mais barata. É evidente. Mas a próxima vantagem competitiva não virá de comprar os tokens com maior desconto, virá de saber que modelo usar, em que momento e quando é que uma tarefa está realmente terminada. Nos próximos dias, vale a pena acompanhar se as promessas de custo por tarefa sobrevivem ao uso em produção.
É aí, e não nos anúncios, que conseguimos medir a economia real da IA. Bem, este foi o primeiro episódio do IA sem Ruído. Obrigado por ouvires. Até para a semana.
Fontes
- AI Daily Brief, "Opus 5.5 vs GPT-6 Sol and Luna" (23 de setembro de 2026)aidailybrief.ai
- Anthropic, "What a task costs on Opus 5.5"claude.com
- OpenAI, "Introducing GPT-6.1 Sol"openai.com
- Modal, Quail: classificação com modelos pequenosmodal.com
- Dan Luu, "Bad benchmarks and evals"danluu.com
- Renascença (23 de setembro de 2026), sobre o piloto de IA nos licenciamentos urbanísticossem ligação pública
Como escolhemos e classificamos as fontes: Como trabalhamos.
Recebeste isto de alguém? Ouve o próximo.
A transformação, ao teu ritmo. Com o Diogo.