---
title: "Estimar o custo de API de LLM antes do lançamento | BroadRouter"
description: "Modelo de custo passo a passo para uma nova funcionalidade de IA: usuários × ações × chamadas × tokens, com cache, raciocínio, retries, rate limits e exemplo mensal."
url: https://broadrouter.com/pt/blog/estimate-llm-api-cost-before-launch/
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/estimate-llm-api-cost-before-launch/) (atualizado em 2026-11-15).

# Como estimar o custo de API de LLM antes de lançar uma funcionalidade

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

Estime o custo de API de LLM modelando uma ação do usuário, não uma chamada de API: conte as chamadas por ação, meça em amostras reais os tokens de entrada, em cache e de saída por chamada e multiplique por usuários e ações por mês. Some raciocínio e novas tentativas e calcule cenários baixo, esperado e alto. Nosso exemplo com o DeepSeek V4.1 Flash chega a $42.67 por mês.

## Pontos principais

-   Modele a unidade de trabalho que o usuário dispara e conte cada chamada de LLM por trás dela, incluindo novas tentativas e etapas de agentes.
-   Meça os tokens em 20 a 50 amostras reais e leia o bloco usage. Não chute a partir da contagem de palavras.
-   Separe a entrada em tokens novos e em cache e inclua o raciocínio na saída, porque cada um tem um preço diferente.
-   Nosso exemplo: 60.000 ações por mês com 5.000 tokens de entrada e 500 de saída, metade da entrada em cache, custa $42.67.
-   Confira o volume contra os rate limits e a concorrência, não só contra o orçamento.

**Nesta página**

1.  Qual é a fórmula do custo de API de LLM?
2.  Como montar o modelo de custo, passo a passo?
3.  Como fica uma estimativa completa? Um assistente de rascunho de respostas de suporte
4.  Qual deve ser a distância entre os cenários baixo e alto?
5.  O que mais mexe na estimativa?
6.  O volume cabe nos rate limits?
7.  Essa funcionalidade deveria rodar num plano de preço fixo?
8.  Como transformar a estimativa num orçamento?
9.  Onde a BroadNet Inference se encaixa

Para estimar o custo de API de LLM antes do lançamento, coloque preço numa ação do usuário, e não numa chamada de API. Conte as chamadas por trás dela, meça em 20 a 50 amostras reais os tokens de entrada nova, de entrada em cache e de saída, multiplique pelas ações mensais e depois some raciocínio e novas tentativas. Nosso exemplo de rascunho de resposta de suporte com o DeepSeek V4.1 Flash chega a $42.67 por mês.

É uma previsão pré-lançamento para uma funcionalidade; quando você tiver usuários pagantes, [custo de LLM por usuário em SaaS](https://broadrouter.com/pt/blog/llm-cost-per-user-saas/) trata de margens e faixas de preço.

## Qual é a fórmula do custo de API de LLM?

```text
monthly cost = actions per month × calls per action
             × ( new input tokens × input price
               + cached input tokens × cached price
               + output tokens × output price ) / 1,000,000
```

Os [tokens de saída](https://broadrouter.com/pt/glossary/input-and-output-tokens/) incluem o raciocínio. [Tokens em cache](https://broadrouter.com/pt/glossary/cached-input-tokens/) são entrada que o provedor reaproveita a um preço menor. Todo o resto é medição. A [calculadora de custo de API de LLM](https://broadrouter.com/tools/llm-api-cost-calculator/), gratuita, aplica essa fórmula ao preço de tabela de qualquer modelo.

## Como montar o modelo de custo, passo a passo?

1.  **Dê nome à unidade de trabalho.** “Rascunhar uma resposta de suporte”, “resumir uma ligação”, “corrigir um teste que falha”. Coloque preço nisso, não em “uma requisição”.
2.  **Conte as chamadas por ação.** Uma resposta com recuperação pode ser uma chamada. Um agente que planeja, edita e confere pode fazer dez. Some sua taxa de novas tentativas: um timeout que você tenta de novo é cobrado de novo.
3.  **Meça os tokens por chamada em amostras reais.** Pegue de 20 a 50 entradas realistas, não demos limpas. Para uma primeira contagem aproximada antes de chamar qualquer API, cole-as no [contador de tokens](https://broadrouter.com/tools/token-counter/). Leia `usage.prompt_tokens`, `usage.prompt_tokens_details.cached_tokens` e `usage.completion_tokens` em cada resposta. Com streaming, defina `stream_options: {"include_usage": true}`; [o guia de streaming](https://broadrouter.com/pt/guides/streaming-chat-completions/) mostra onde isso aparece.
4.  **Separe a entrada nova da entrada em cache.** O prompt de sistema, a lista de ferramentas e documentos compartilhados podem ir para o cache se vierem primeiro e ficarem idênticos. O texto do usuário não.
5.  **Inclua o raciocínio na saída.** DeepSeek V4.1 Flash, GLM 5.3 e Qwen3.8 27B pensam antes de responder. Esses [tokens de raciocínio](https://broadrouter.com/pt/glossary/reasoning-tokens/) são cobrados como saída e muitas vezes são maiores que a resposta visível. [Por que o raciocínio custa mais do que você vê](https://broadrouter.com/pt/blog/reasoning-tokens-cost/).
6.  **Estime o volume.** Usuários ativos × ações por usuário por dia × 30.
7.  **Multiplique e some.** Converta os totais de tokens em milhões e aplique o preço por 1M.
8.  **Calcule três cenários.** Baixo, esperado e alto. O tráfego do lançamento é incerto, e os prompts crescem com o tempo.
9.  **Confira os limites, não só o dinheiro.** As requisições por minuto no pico e as requisições em andamento precisam caber nos [rate limits](https://broadrouter.com/pt/glossary/rate-limit/) da sua chave.
10.  **Escolha o modelo de cobrança.** Por token para tráfego irregular puxado pelos usuários; um plano de preço fixo para agentes sempre ligados.

## Como fica uma estimativa completa? Um assistente de rascunho de respostas de suporte

Um app de help desk adiciona o botão “Rascunhar resposta”. Os números abaixo são suposições para ilustrar. Troque cada um pelas suas medições.

| Entrada | Valor | De onde vem |
| --- | --- | --- |
| Agentes de suporte (equipe) que usam o recurso | 500 | Plano do produto |
| Rascunhos por atendente por dia | 4 | Uso no piloto |
| Dias por mês | 30 |  |
| Ações por mês | 60.000 | 500 × 4 × 30 |
| Chamadas por ação | 1 | Uma chamada com artigos recuperados |
| Tokens de entrada por chamada | 5.000 | Prompt de sistema, conversa do chamado, três artigos de ajuda |
| Fração da entrada em cache | 50% | Prompt de sistema e prefixo de artigos estáveis |
| Tokens de saída por chamada | 500 | Cerca de 200 visíveis, 300 de raciocínio |
| Modelo | DeepSeek V4.1 Flash | $0.175 / $0.0055 / $0.52 por 1M |

Agora os totais:

| Linha | Tokens por mês | Preço por 1M |
| --- | --- | --- |
| Entrada nova | 150M | $0.175 |
| Entrada em cache | 150M | $0.0055 |
| Saída, incluindo raciocínio | 30M | $0.52 |
| **Custo mensal esperado** |  | **$42.67** |

São 300M de tokens de entrada e 30M de saída: 60.000 × 5.000 e 60.000 × 500.

## Qual deve ser a distância entre os cenários baixo e alto?

| Cenário | Ações por mês | Tokens de entrada / saída | Custo mensal |
| --- | --- | --- | --- |
| Baixo: adoção lenta | 20.000 | 100M / 10M | $14.23 |
| Esperado | 60.000 | 300M / 30M | $42.67 |
| Alto: adoção 3× | 180.000 | 900M / 90M | 3 × $42.67 |

Os três mantêm a mesma fração de cache de 50%. Se a fração de cache cair, a conta sobe: neste modelo, a entrada nova custa $0.175 por 1M contra $0.0055 em cache. [Como manter alta a fração de cache](https://broadrouter.com/pt/blog/cached-input-tokens-explained/).

## O que mais mexe na estimativa?

-   **Tamanho do contexto.** Uma recuperação que traz dez artigos em vez de três pode dobrar a entrada. Meça os tokens depois de cada mudança no prompt.
-   **Raciocínio.** Definir `reasoning_effort` como `low` em rascunhos simples reduz a saída oculta. [Raciocínio e max\_tokens](https://broadrouter.com/pt/guides/reasoning-tokens-empty-response/).
-   **Novas tentativas e loops.** Uma taxa de 5% de novas tentativas soma 5% a cada linha. Um loop de agente sem limite de etapas não tem teto nenhum. [Controle de gastos com APIs de LLM](https://broadrouter.com/pt/blog/llm-api-spend-control/).
-   **Escolha do modelo.** O Gemma 4 VL 26B custa $0.10 de entrada e $0.22 de saída por 1M, mas o contexto dele é de 32.768 tokens e a BroadNet não lista raciocínio para ele. Teste a qualidade antes de trocar para economizar.
-   **Idioma.** O mesmo conteúdo pode precisar de muito mais tokens em árabe ou hindi do que em inglês, e a diferença depende do tokenizador. Nosso [dataset de custo real por idioma](https://broadrouter.com/data/real-cost-by-language/) mostra o preço por 1M de caracteres de cada idioma em cada modelo e provedor.
-   **Crescimento dos prompts.** Os prompts tendem a crescer depois do lançamento, conforme casos extremos são tratados. Refaça a medição a cada versão.
-   **Mudanças de preço.** Preços de tabela raramente mudam, mas podem subir. Nas páginas de preços arquivadas de 11 provedores, registramos 52 aumentos de preço de tabela entre 2024 e novembro de 2026, cada um comparando o preço de um modelo com o seu próprio preço anterior (contra 100 cortes); o aumento mediano foi de 40% sobre um preço combinado. Veja [como incluir aumentos de preço de API de LLM no orçamento](https://broadrouter.com/pt/blog/llm-api-price-increases/).

Se a estimativa ficar alta demais, siga o [checklist de 10 passos para reduzir o custo de API de LLM](https://broadrouter.com/pt/blog/how-to-reduce-llm-api-costs/) antes de mudar a funcionalidade.

## O volume cabe nos rate limits?

60.000 ações por mês são cerca de 2.000 por dia. Se um décimo dos rascunhos do dia cair na hora mais movimentada, são 200 por hora, ou cerca de 3 por minuto. Uma chave de pagamento por uso da BroadNet permite 30 requisições por minuto e 4 em andamento, então isso cabe numa chave. Confira também o cenário alto, ou coloque seu próprio pico na [calculadora de rate limit](https://broadrouter.com/tools/llm-rate-limit-calculator/). Para a relação entre taxa e requisições em andamento, veja [concorrência](https://broadrouter.com/pt/glossary/concurrency/). Se receber 429, [faça backoff e tente de novo](https://broadrouter.com/pt/guides/errors-and-retries/).

## Essa funcionalidade deveria rodar num plano de preço fixo?

Provavelmente não. Uma sessão Full Moon custa $60 por mês, mas uma sessão roda uma requisição por vez, e muitos usuários clicando em “Rascunhar” ao mesmo tempo precisam de requisições em paralelo. Planos de preço fixo servem para agentes que trabalham continuamente, como um agente de código. [A conta do ponto de equilíbrio](https://broadrouter.com/pt/blog/flat-rate-vs-pay-per-token-llm-api/) mostra um agente de código em tempo integral a $65.40 por mês por token, acima do preço do plano.

## Como transformar a estimativa num orçamento?

1.  Coloque o valor esperado no seu planejamento e o valor alto no seu limite de alerta.
2.  Registre os tokens por ação em produção e compare com o modelo toda semana.
3.  Defina limites rígidos no código: `max_tokens`, limites de etapas e limites de novas tentativas.
4.  Refaça a estimativa sempre que mudar o modelo, o prompt ou as configurações de recuperação.

Você pode refazer a conta por token com seus próprios números na [calculadora de custo de API de LLM](https://broadrouter.com/tools/llm-api-cost-calculator/), ou comparar plano e pagamento por token na [página de preços](https://broadrouter.com/pt/pricing/).

## Onde a BroadNet Inference se encaixa

A BroadNet Inference publica os preços por token de todos os modelos de chat e transcrição que serve num único [arquivo de preços](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-estimate-llm-api-cost-before-launch&utm_content=body), então a estimativa acima pode ficar no código. Contas novas recebem $5 de crédito inicial, válido no Gemma 4 VL 26B e nos dois modelos de transcrição, então você pode medir suas amostras no Gemma; DeepSeek, GLM e Qwen exigem uma recarga. Se a sua funcionalidade precisa de um modelo de fronteira fechado, a BroadNet não é o provedor certo para essa parte.

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.

[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.

[Rate limit (limite de taxa)](https://broadrouter.com/pt/glossary/rate-limit/)

Um rate limit é um teto que uma API impõe a quanto um cliente pode usá-la em um intervalo de tempo, como requisições por minuto ou tokens por minuto. As requisições acima do limite são recusadas, normalmente com HTTP 429 Too Many Requests, até que o uso volte a ficar abaixo dele.

[Concorrência (concurrency)](https://broadrouter.com/pt/glossary/concurrency/)

Concorrência é o número de requisições que um cliente tem em andamento ao mesmo tempo. APIs de LLM muitas vezes a limitam por chave ou por plano, separadamente das requisições por minuto, porque cada requisição aberta ocupa capacidade de GPU até a resposta terminar.

[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.

[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.

## Perguntas frequentes

### Como estimar o número de tokens antes de ter usuários?

Monte de 20 a 50 entradas realistas, rode-as no modelo que pretende usar e leia prompt\_tokens, cached\_tokens e completion\_tokens no bloco usage. Tire a média por chamada.

### Quantos tokens tem uma requisição de chat típica?

Varia muito. Um turno curto de chat pode ter algumas centenas de tokens, enquanto uma requisição com documentos recuperados ou um histórico longo pode chegar a dezenas de milhares. Meça os seus prompts.

### Devo colocar uma margem de segurança na estimativa de custo de LLM?

Sim. Calcule um cenário alto com duas a três vezes o volume esperado e reserve orçamento para novas tentativas e prompts mais longos à medida que a funcionalidade cresce. Depois defina limites rígidos para que um bug não passe disso.

### Quando vale considerar um plano de preço fixo?

Quando um agente ou worker roda a maior parte do dia num só modelo. Para o DeepSeek V4.1 Flash na BroadNet, uma sessão Full Moon custa $60 por mês, sem medidor de tokens, uma requisição por vez.

## Continue lendo

-   [Preço de API de LLM explicado: entrada, cache, saída e raciocínio](https://broadrouter.com/pt/blog/llm-api-pricing-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/)
-   [Tokens de entrada em cache: como reduzir a conta de API de LLM](https://broadrouter.com/pt/blog/cached-input-tokens-explained/)
-   [Controle de gastos com API de LLM: orçamentos, limites e loops](https://broadrouter.com/pt/blog/llm-api-spend-control/)
-   [Crédito grátis de API de LLM: quanto o crédito inicial rende](https://broadrouter.com/pt/blog/free-llm-api-credit/)
-   [Custo de LLM por usuário: unit economics de um recurso de IA no SaaS](https://broadrouter.com/pt/blog/llm-cost-per-user-saas/)
-   [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: Streaming de chat completions e conexões que caem](https://broadrouter.com/pt/guides/streaming-chat-completions/)
-   [Guia: Códigos de erro da BroadNet Inference e quando tentar de novo](https://broadrouter.com/pt/guides/errors-and-retries/)

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-estimate-llm-api-cost-before-launch&utm_content=page-cta) ·

**Fontes**

-   [Preços da BroadNet Inference em formato legível por máquina (pricing.json) (verificado em 2026-11-15) (em inglês)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-estimate-llm-api-cost-before-launch&utm_content=sources)
-   [Referência da API da BroadNet Inference, limites e uso (verificado em 2026-11-15) (em inglês)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-estimate-llm-api-cost-before-launch&utm_content=sources#limits)
-   [Página de preços da BroadNet Inference (verificado em 2026-11-15) (em inglês)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-estimate-llm-api-cost-before-launch&utm_content=sources)
