BroadRouter
Começar

API de LLM com visão mais barata: custo por imagem e por página

Pela equipe da BroadNet Inference · 5 min de leitura · Publicado em · Atualizado em

Um LLM com visão cobra a imagem como tokens de entrada, então 1.000 imagens de cerca de 1.000 tokens cada custam o preço de entrada por 1M de tokens. Na BroadNet, o mais barato é o Gemma 4 VL 26B, a $0.10 de entrada e $0.22 de saída por 1M. A DeepInfra lista o Gemma 4 26B A4B do Google com entrada mais barata e saída mais cara.

As páginas de preço de APIs de visão raramente dizem “por imagem”. Elas listam um preço por milhão de tokens, e a imagem vira tokens. Este post converte esses preços por token em custo por imagem e por página de documento para os três modelos com visão da BroadNet Inference, e mostra quais configurações mexem no número.

Como uma imagem é cobrada numa API de LLM?

Um modelo de visão e linguagem divide a imagem em patches e os transforma em tokens. Você paga esses tokens pelo preço de entrada, junto com o seu prompt de texto. A resposta é cobrada como saída. Então:

cost per image ≈ (image tokens + prompt tokens) × input price / 1M
               + answer tokens × output price / 1M

Não existe taxa separada por imagem na BroadNet. A contagem de tokens da imagem depende do codificador de imagem do modelo e da resolução, então uma foto de celular de 4.000 pixels custa mais do que a mesma foto redimensionada.

Quantos tokens uma imagem ocupa?

Depende da família do modelo:

  • Gemma 4 trabalha com um orçamento fixo de tokens por imagem: “70, 140, 280, 560, or 1120 tokens” (tradução: “70, 140, 280, 560 ou 1120 tokens”), segundo a documentação do Gemma do Google. Orçamentos menores reduzem a resolução da imagem e rodam mais rápido; o Google diz que orçamentos maiores preservam detalhes finos e os recomenda para a melhor precisão em tarefas visuais.
  • Qwen3-VL tem razão de compressão de 32, ou seja, cerca de um token por bloco de 32 × 32 pixels, e o README mostra como definir o orçamento de tokens visuais por imagem numa faixa como 256 a 1.280. Uma imagem de 1.024 × 1.024 dá cerca de 32 × 32 = 1.024 tokens.

A BroadNet não publica as configurações de imagem dos seus deployments, então trate esses números como ordens de grandeza. Envie uma das suas imagens reais e leia usage.prompt_tokens, depois subtraia a contagem só do texto. Esse é o custo em tokens da sua imagem. A calculadora de tokens de imagem aplica a regra documentada de cada provedor a qualquer tamanho de imagem.

Quanto custa cada modelo com visão?

Preços da BroadNet Inference por 1M de tokens, sincronizados 2026-11-14:

Modelo Entrada Saída Contexto Raciocina antes Crédito inicial
Gemma 4 VL 26B $0.10 $0.22 32.768 Não informado Sim
Qwen3.8 27B $0.175 $2.17 262.144 Sim Após recarga
DeepSeek V4.1 Flash $0.175 $0.52 1.048.576 Sim Após recarga

Quanto custam 1.000 imagens?

Suponha que cada imagem com o seu prompt curto dê cerca de 1.000 tokens de entrada. Então 1.000 imagens são 1M de tokens de entrada, e o custo de entrada por 1.000 imagens é igual ao preço por 1M:

Modelo Custo de entrada por 1.000 imagens Custo de saída por 1M de tokens de resposta
Gemma 4 VL 26B $0.10 $0.22
Qwen3.8 27B $0.175 $2.17
DeepSeek V4.1 Flash $0.175 $0.52

Rode os seus volumes na calculadora gratuita de custo de API de LLM. Duas coisas mudam o ranking:

  1. Tamanho da resposta. Um rótulo de uma palavra é barato em qualquer lugar. Uma extração JSON de 300 tokens num modelo de raciocínio pode carregar várias centenas de tokens de raciocínio a mais, cobrados pelo preço de saída. O preço de saída do Qwen3.8 27B ($2.17 por 1M) é várias vezes o do DeepSeek V4.1 Flash ($0.52), então em respostas longas o DeepSeek custa menos.
  2. Tamanho da imagem. Se as suas imagens dão 2.000 tokens cada, dobre a coluna de entrada. Se o orçamento de 280 tokens do Gemma basta para a sua tarefa, o custo de entrada cai para cerca de um quarto.

Quanto custa uma página de documento?

Uma página A4 digitalizada e renderizada em cerca de 1.024 × 1.024 pixels fica perto de 1.000 tokens num codificador estilo Qwen. Então uma regra aproximada é 1.000 páginas ≈ 1M de tokens de entrada, antes do prompt e da resposta. Letras pequenas podem exigir mais resolução, e mais tokens.

Dicas práticas para páginas:

  • Envie PDFs de texto como texto extraído, não como imagem. Texto ocupa muito menos tokens que a foto de um texto.
  • Recorte a região de que você precisa, como o quadro de totais de uma nota fiscal.
  • Envie uma página por requisição quando precisar de campos por página, para que uma falha não custe o documento inteiro.

A BroadNet é a API de visão mais barata?

Não em todas as linhas. Veja a mesma família de modelos abertos com visão na DeepInfra, pela página de preços de 14 de novembro de 2026, por 1M de tokens:

Modelo na DeepInfra Entrada Saída
gemma-4-26B-A4B-it USD 0,07 USD 0,34
Qwen3-VL-30B-A3B-Instruct USD 0,15 USD 0,60
Qwen3-VL-235B-A22B-Instruct USD 0,20 USD 0,88

O preço de entrada do Gemma 4 na DeepInfra fica abaixo dos $0.10 da BroadNet, e o de saída fica acima dos $0.22 da BroadNet. Então, para classificar imagens com respostas de uma palavra, a DeepInfra custa menos; para extrações JSON longas, a BroadNet pode custar menos. Compare mais hosts na página de preços do Gemma 4 26B A4B e na página de preços do Qwen3-VL 235B, ou leia a página de alternativa à DeepInfra. O ranking das APIs de LLM mais baratas e o índice de preços de API de LLM colocam esses preços no contexto do mercado.

Qual modelo com visão escolher?

  • Menor preço da BroadNet, tarefas simples: Gemma 4 VL 26B. Rótulos, legendas, “tem assinatura?”. Funciona com o crédito inicial de $5. O contexto de 32.768 tokens limita quantas imagens cabem numa requisição.
  • Documentos e capturas de tela em árabe: Qwen3.8 27B, o modelo que a BroadNet testou em árabe. Ler notas fiscais em árabe com visão e como escolher um LLM para árabe.
  • Saídas longas, muitas imagens por requisição ou volume muito alto: DeepSeek V4.1 Flash. O contexto de 1.048.576 tokens comporta muitas páginas de uma vez, e num plano de preço fixo as imagens fazem parte do uso ilimitado.

Páginas de comparação lado a lado: Gemma 4 VL 26B vs Qwen3.8 27B e DeepSeek V4.1 Flash vs Gemma 4 VL 26B.

Quando um plano de preço fixo vence o preço por imagem?

Uma sessão Full Moon custa $60 por mês para DeepSeek V4.1 Flash ilimitado, uma requisição por vez. Com cerca de 1.000 tokens por imagem, cada 1.000 imagens custam $0.175 de entrada no DeepSeek V4.1 Flash, então só a entrada chega ao preço do plano em $60 ÷ $0.175 mil imagens por mês, sem contar as respostas. Se um único worker processa imagens o dia todo, meça a vazão dele numa sessão Meteor de uma hora ($1) e compare, ou use a calculadora de preço fixo vs por token. O método completo está em a conta do ponto de equilíbrio.

Como reduzir custos de visão?

  1. Redimensione para a menor resolução que ainda é lida corretamente. Teste três tamanhos em 20 amostras.
  2. Peça JSON curto com chaves nomeadas, não texto corrido.
  3. Defina reasoning_effort como low em modelos de raciocínio para extrações simples, e mantenha max_tokens em 1.000 ou mais para a resposta não ser cortada. Por que as respostas voltam vazias.
  4. Use o MIME type correto na data URL (image/png para PNG).
  5. Registre prompt_tokens por imagem para pegar uploads grandes demais.

Onde a BroadNet Inference se encaixa

A BroadNet oferece três modelos com visão numa única chave, do Gemma por token até um plano de preço fixo, sem taxa por imagem e com retenção zero de dados para as imagens que você envia. Serve para notas fiscais, recibos, capturas de tela e documentos em árabe. Não é o host mais barato para trabalho pesado em entrada, como mostra a tabela da DeepInfra, e não oferece geração de imagens, só compreensão de imagens. Para o pipeline de extração em si, veja extrair dados de notas fiscais para JSON com um LLM com visão. Comece com o crédito inicial de $5.

Perguntas frequentes

Quantos tokens uma imagem ocupa num LLM com visão?

Depende do modelo e da resolução. O Gemma 4 usa orçamentos de 70 a 1.120 tokens por imagem. Os modelos VL do Qwen usam cerca de um token por bloco de 32 por 32 pixels. Leia prompt_tokens no bloco usage para ver a contagem real.

Qual é a API de LLM com visão mais barata na BroadNet?

O Gemma 4 VL 26B, a $0.10 de entrada e $0.22 de saída por 1M de tokens. Ele também funciona com o crédito inicial gratuito.

Existe cobrança por imagem?

Não. Nas chaves de pagamento por uso da BroadNet, as imagens contam como tokens de entrada pelo preço de entrada do modelo, e imagens maiores usam mais tokens.

As imagens entram no plano ilimitado?

Sim. Num plano do DeepSeek V4.1 Flash, imagens e prompts longos fazem parte do uso ilimitado.

A DeepInfra é mais barata que a BroadNet para o Gemma 4 com visão?

Para trabalho pesado em entrada, sim. Em 14 de novembro de 2026, a DeepInfra listava o gemma-4-26B-A4B-it a USD 0,07 de entrada e USD 0,34 de saída por 1M de tokens. A BroadNet cobra $0.10 de entrada e $0.22 de saída, então a BroadNet sai mais barata quando as respostas são longas.

Qual modelo com visão é melhor para notas fiscais em árabe?

O Qwen3.8 27B é o modelo que a BroadNet testou em árabe, com escrita fluente e compreensão dos dialetos do Golfo e egípcio. Teste com os seus próprios documentos.

Ler em MarkdownPerguntar ao ChatGPTPerguntar ao ClaudePerguntar ao Perplexity