Para escolher um provedor de API de LLM, dê nota a cada candidato em seis áreas: o custo mensal da sua carga real, limites de taxa e de concorrência, compatibilidade com a OpenAI, termos de retenção de dados e treinamento, os modelos de que você precisa, e suporte e confiabilidade. Depois, teste os dois primeiros com uma semana de tráfego real. Abaixo: 20 perguntas, uma planilha de pontuação e o plano de teste.
Depois de escolher, o checklist de migração cobre a troca em si, e como avaliar um LLM antes de trocar aprofunda os testes de qualidade.
Quanto vai custar de verdade? (perguntas 1 a 4)
- Quanto custa por mês a minha carga real? Calcule separadamente entrada, entrada em cache e saída; a calculadora gratuita de custo de API de LLM faz isso por modelo. Agentes reenviam o mesmo contexto, então a entrada em cache costuma dominar. Nosso guia de preços explica cada linha.
- Tokens de raciocínio são cobrados como saída? Modelos de raciocínio podem gastar mais tokens pensando do que respondendo.
- Existe opção de preço fixo? Para agentes sempre ligados, um plano de preço fixo pode sair mais barato que a cobrança por token. Veja a conta do ponto de equilíbrio.
- Os preços são legíveis por máquina e datados? Um arquivo JSON de preços permite acompanhar mudanças e montar alertas de custo.
Nosso dataset aberto de planos gratuitos e rate limits de API de LLM compara o que 14 provedores publicam sobre acesso gratuito, rate limits iniciais, exigência de cartão e treinamento com dados do plano gratuito, com fonte e data para cada valor.
Quais limites você vai atingir primeiro? (perguntas 5 a 7)
- Quais são os limites de requisições por minuto e de concorrência? A concorrência (requisições em andamento) é o que trava agentes em paralelo e jobs em lote. Veja rate limit e concorrência, e dimensione o seu tráfego contra um limite com a calculadora de rate limit.
- Existe teto de tokens, janela móvel ou cota semanal? Planos “ilimitados” muitas vezes têm. Leia o que ilimitado significa de verdade.
- Qual é a janela de contexto, e ela é cortada? Confira o máximo real por requisição e se o provedor corta prompts longos em silêncio.
Quão compatível ela é com o seu código? (perguntas 8 a 10)
- É compatível com a OpenAI, e até que ponto? Trocar a base URL deveria bastar. Depois, teste streaming com usage, tool calls, saída estruturada e códigos de erro. O checklist de migração lista o que quebra.
- Funciona com as minhas ferramentas? SDKs, frameworks de agentes, assistentes de IDE. Confira os guias de integração do provedor.
- Os IDs de modelo são estáveis? Você quer IDs versionados e aviso antes de um modelo ser descontinuado.
O que acontece com os seus dados? (perguntas 11 a 13)
- Prompts e saídas ficam armazenados, e por quanto tempo? Muitos provedores guardam o conteúdo da API por até 30 dias por padrão. Compare os textos oficiais em retenção de dados em APIs de LLM comparada.
- Meus dados são usados para treinamento? Confira o padrão do seu plano, por escrito.
- Posso assinar um DPA, ver os suboperadores e restringir chaves? Use o checklist de GDPR se você trata dados pessoais da UE, e peça allow-lists de IP.
Ele tem os modelos de que você precisa? (perguntas 14 a 16)
- O provedor tem os tamanhos de modelo e as capacidades de que preciso? Visão, tool calling, raciocínio, contexto longo, voz.
- Como cada modelo se sai nas minhas tarefas? Monte de 30 a 50 casos de teste reais e dê nota. Benchmarks são um primeiro filtro; onde comparar LLMs lista os rankings e o que cada um mede. O guia de avaliação mostra como montar o conjunto e evitar viés do juiz.
- Open-weight ou fechado? Modelos open-weight podem ser servidos por vários provedores, o que reduz o lock-in. Veja modelos open-weight vs fechados.
Ele vai ficar no ar, e quem responde? (perguntas 17 a 20)
- Existe página de status e histórico de incidentes?
- Existe SLA por escrito para produção?
- Quem opera as GPUs? Hardware próprio, uma nuvem ou capacidade revendida de outra API. Cada opção adiciona uma parte ao caminho dos dados e da confiabilidade.
- Como falo com uma pessoa? Tempos de resposta, canais e se o suporte consegue ver o conteúdo das suas requisições.
Como comparar provedores com pontuação?
Dê a cada pergunta 0 (não ou desconhecido), 1 (em parte) ou 2 (sim, por escrito). Pondere os grupos pelo seu caso de uso:
| Grupo | Perguntas | Peso para um agente | Peso para um app regulado |
|---|---|---|---|
| Preço | 1 a 4 | Alto | Médio |
| Limites | 5 a 7 | Alto | Médio |
| Compatibilidade | 8 a 10 | Médio | Médio |
| Privacidade | 11 a 13 | Médio | Alto |
| Modelos | 14 a 16 | Alto | Alto |
| Suporte e confiabilidade | 17 a 20 | Médio | Alto |
Um “desconhecido” vale 0 por um motivo: se o provedor não sabe responder, você não pode contar com ele.
Como testar um provedor em uma semana?
- Escolha os dois primeiros provedores da planilha de pontuação.
- Encaminhe uma parte do tráfego real para cada um pelo mesmo SDK da OpenAI, com IDs de modelo e base URLs na configuração.
- Registre por requisição: modelo, tokens do prompt, tokens em cache, tokens de completion, latência, código de status. Nunca registre o conteúdo.
- Provoque o seu pico: rode o job em lote ou os agentes em paralelo e fique de olho nos 429. O guia de erros e retentativas mostra o back-off correto.
- Multiplique os tokens da semana por cerca de 4,3 e calcule o mês para cada provedor.
- Dê nota às saídas no seu conjunto de teste.
Como a BroadNet Inference responde ao checklist
| # | BroadNet Inference |
|---|---|
| 1, 4 | Preços por token publicados em pricing.json, sincronizados 2026-11-14 |
| 3 | Planos de preço fixo para o DeepSeek V4.1 Flash: $60 por mês, $15 por semana ou $1 por hora por sessão |
| 5 | Pagamento por uso: 30 requisições por minuto, 4 em andamento; as sessões de plano executam uma requisição por vez |
| 6 | Planos: sem medidor de tokens, sem janela móvel, sem teto semanal |
| 7 | Até 1.048.576 tokens no DeepSeek V4.1 Flash e no GLM 5.3; a página de planos diz que o contexto nunca é cortado |
| 8 | Compatível com a OpenAI em https://inference.broadnet.ai/v1 |
| 11, 12 | Nenhum prompt ou saída retido; não usados para treinar, fazer fine-tuning ou avaliar modelos |
| 13 | Allow-lists de IP com até 32 entradas; lista de suboperadores sob pedido; peça um DPA |
| 14 | Quatro modelos de chat mais dois modelos de speech-to-text |
| 19 | A declaração de privacidade da BroadNet diz que os modelos próprios e os open-weight hospedados rodam em hardware nos EUA próprio ou alugado pela BroadNet, com capacidade de parceiros como reserva; modelos servidos por parceiros, como o DeepSeek V4.1 Flash, rodam com parceiros de inferência nos EUA sob termos de ZDR |
O que não encontramos na documentação nem nas páginas de planos da BroadNet (conferidas em 14 de novembro de 2026): SLA, página de status ou política de descontinuação de modelos. Peça esses itens se forem importantes para você, e mantenha um segundo provedor para os caminhos críticos. O catálogo também é menor que o de um agregador: se você precisa de modelos GPT, Claude ou Gemini, a BroadNet não é o provedor para esse tráfego. O crédito inicial de $5 basta para o passo 3 do plano de teste com uma carga leve, mas, entre os modelos de chat que ele cobre, só no Gemma 4 VL 26B (ele também cobre os dois modelos Transcribe); os outros modelos de chat exigem uma recarga.

