---
title: "Controle de gastos com API de LLM: orçamento e loops"
description: "Evite que a conta da API de LLM dispare: saldo pré-pago, uma chave por app, IPs permitidos, registro de uso, orçamento no código, limite de loops e chaves fixas."
url: https://broadrouter.com/pt/blog/llm-api-spend-control/
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/llm-api-spend-control/) (atualizado em 2026-11-16).

# Controle de gastos com API de LLM: orçamentos, limites e loops

Pela equipe da BroadNet Inference · 5 min de leitura · Publicado em 2026-11-14 · Atualizado em 2026-11-16

Controle os gastos com API de LLM em camadas: um saldo pré-pago como teto da conta, uma chave por app travada nos IPs dos seus servidores, max\_tokens e limite de passos em cada requisição, e um orçamento no código que para um job antes de ele estourar. Registre os tokens por chave e crie alertas com os seus próprios números. Planos fixos e chaves por hora limitam o pior cenário.

## Pontos principais

-   Os alertas do provedor chegam depois que o dinheiro já foi gasto. Coloque uma checagem rígida de orçamento no seu próprio código, antes de cada requisição.
-   Uma chave por app ou agente, travada nos IPs dos seus servidores, limita o estrago de um vazamento. A BroadNet aplica revogações e mudanças na lista de IPs permitidos em até cinco segundos.
-   Loops descontrolados vêm da falta de limite de passos e de novas tentativas ilimitadas. Limite os dois.
-   Registre tokens de prompt, em cache e de completion por requisição com stream\_options include\_usage, e transforme isso em custo por chave e por funcionalidade.
-   Opções de preço fixo limitam o gasto por definição: $60 por mês por sessão de plano, $0.50 por chave por hora.

**Nesta página**

1.  Por que alertas não bastam?
2.  Quais são as camadas do controle de gastos com LLM?
3.  Nível da conta: como um saldo pré-pago limita o gasto?
4.  Nível da chave: como limitar o estrago de uma chave vazada?
5.  Nível da requisição: como limitar cada resposta?
6.  Nível do job: como parar um loop de agente descontrolado?
7.  Relatórios: o que registrar e quando alertar?
8.  Nível do preço: quando um preço fixo ganha de um orçamento?
9.  Um checklist curto
10.  Onde a BroadNet Inference se encaixa

A maioria das surpresas na conta de LLM tem a mesma causa: alguma coisa ficou chamando a API sem ninguém olhando. Um loop de novas tentativas, um agente que não conseguia terminar, uma chave vazada num repositório público. Os alertas de orçamento avisam depois que aconteceu. Este post monta o controle de gastos em camadas, da conta até a requisição individual, e mostra quais partes a BroadNet Inference cuida e quais você adiciona no código.

## Por que alertas não bastam?

Um alerta compara o gasto com um limite depois que o uso foi registrado. Um loop de agente pode fazer dezenas de requisições por minuto. Quando o e-mail chega, o dinheiro já foi. Use os alertas como rede de proteção e coloque a trava rígida onde a requisição é feita.

## Quais são as camadas do controle de gastos com LLM?

| Camada | Controle | O que impede | Onde você configura |
| --- | --- | --- | --- |
| Conta | Saldo pré-pago | Gastar além do que você carregou | Conta no provedor |
| Chave | Uma chave por app ou agente | Um vazamento levar tudo | Portal do provedor |
| Chave | Lista de IPs permitidos | Uma chave roubada usada em outro lugar | Portal do provedor |
| Requisição | `max_tokens`, `reasoning_effort` | Uma resposta enorme | Seu código |
| Job | Limite de passos, limite de novas tentativas, detecção de loop | Agentes descontrolados | Seu código |
| Job | Orçamento acumulado por tarefa e por dia | Vazamentos lentos em muitas chamadas | Seu código ou proxy |
| Relatórios | Registro de tokens e alertas | Desvios que você não notaria | Seus logs |
| Preço | Plano fixo ou chave por hora | O próprio medidor de tokens | Escolha do plano |

## Nível da conta: como um saldo pré-pago limita o gasto?

As chaves de pagamento por uso da BroadNet Inference consomem um saldo pré-pago da conta; contas novas começam com $5 de crédito e sem cartão. Quando a franquia de pagamento por uso acaba, as requisições devolvem `401`, e uma compra que o saldo não cobre (como uma chave por hora) devolve `402 insufficient_balance`. Trate os dois como sinal de parada, não como algo para tentar de novo. A referência de erros da BroadNet também lista um limite de gasto entre as causas de um 429, então leia o corpo do erro antes de repetir qualquer 429. [Todos os códigos de erro](https://broadrouter.com/pt/guides/errors-and-retries/) e [como tratar 429 com backoff](https://broadrouter.com/pt/blog/handle-llm-api-429-rate-limits/).

O saldo é o seu teto externo. Carregue o que você aceita perder neste mês, não o de um ano. Para dimensionar esse valor, passe antes o tráfego esperado pela [calculadora de custo de API de LLM](https://broadrouter.com/tools/llm-api-cost-calculator/).

## Nível da chave: como limitar o estrago de uma chave vazada?

Uma [chave de API](https://broadrouter.com/pt/glossary/api-key/) é poder de gasto: quem tem a chave pode usar o seu saldo. Limite o raio de alcance de cada chave:

1.  **Uma chave por app, agente ou ambiente.** A BroadNet permite até 10 chaves ativas por conta, cada uma válida por até um ano. Dê nomes a elas para que os logs mostrem qual gastou.
2.  **Trave as chaves nos seus servidores.** Adicione seus IPs de saída ou faixas CIDR à [lista de IPs permitidos](https://broadrouter.com/pt/glossary/ip-allow-list/), com até 32 entradas. Requisições de outros endereços recebem 403.
3.  **Revogue rápido.** Revogações e mudanças na lista de IPs permitidos valem para novas requisições em até cinco segundos.
4.  **Mantenha as credenciais do portal fora dos servidores.** Elas podem criar chaves e fazer compras. Chaves de inferência só chamam modelos.

[Trave as chaves de API com listas de IPs permitidos](https://broadrouter.com/pt/guides/api-keys-ip-allow-lists/).

## Nível da requisição: como limitar cada resposta?

Defina `max_tokens` em toda chamada. Nos modelos que raciocinam (DeepSeek V4.1 Flash, GLM 5.3, Qwen3.8 27B), mantenha em 1.000 ou mais, porque o raciocínio divide o mesmo orçamento e um valor baixo demais devolve uma resposta vazia que você paga mesmo assim. Reduza `reasoning_effort` em tarefas simples. [Como os tokens de raciocínio são cobrados](https://broadrouter.com/pt/blog/reasoning-tokens-cost/).

## Nível do job: como parar um loop de agente descontrolado?

Loops descontrolados têm sinais reconhecíveis: a mesma chamada de ferramenta se repetindo, o contexto crescendo a cada turno e erros repetidos sem limite. Coloque uma proteção em volta do client:

```python
import json, os, urllib.request
from openai import OpenAI

# Per-1M prices from BroadNet's machine-readable rate card
card = json.load(urllib.request.urlopen("https://inference.broadnet.ai/pricing.json"))
m = next(x for x in card["models"] if x["id"] == "broadnet/deepseek-v4.1-flash")
PRICE = {"in": m["input_per_m"], "cached": m["cached_input_per_m"], "out": m["output_per_m"]}
client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"], max_retries=3)

class BudgetExceeded(Exception): pass

class Guard:
    def __init__(self, budget_usd, max_steps=40):
        self.budget, self.max_steps, self.spent, self.steps, self.last = budget_usd, max_steps, 0.0, 0, []

    def call(self, **kw):
        self.steps += 1
        if self.steps > self.max_steps: raise BudgetExceeded("step cap")
        if self.spent >= self.budget: raise BudgetExceeded("budget")
        r = client.chat.completions.create(max_tokens=kw.pop("max_tokens", 4000), **kw)
        u = r.usage
        cached = (u.prompt_tokens_details.cached_tokens or 0) if u.prompt_tokens_details else 0
        self.spent += ((u.prompt_tokens - cached) * PRICE["in"] + cached * PRICE["cached"]
                       + u.completion_tokens * PRICE["out"]) / 1e6
        calls = [(t.function.name, t.function.arguments) for t in (r.choices[0].message.tool_calls or [])]
        self.last = (self.last + [calls])[-3:]
        if calls and len(self.last) == 3 and all(c == calls for c in self.last):
            raise BudgetExceeded("same tool call three times")
        return r
```

A proteção lê os preços da tabela em vez de fixá-los no código, então continua correta quando os preços mudam. Passe para `call()` o mesmo modelo cujo preço você leu. Mantenha `max_retries` baixo: os SDKs da OpenAI já repetem 429 e 5xx, e cada nova tentativa é cobrada de novo.

Para um time, rode a mesma checagem num proxy compartilhado, para que todos os serviços consumam um único orçamento diário. Novas tentativas também esbarram em limites de taxa: a [calculadora de limite de taxa](https://broadrouter.com/tools/llm-rate-limit-calculator/) mostra quantas chamadas por minuto a sua chave realmente permite.

## Relatórios: o que registrar e quando alertar?

Registre, em toda requisição: apelido da chave, nome da funcionalidade ou do agente, modelo, `prompt_tokens`, `prompt_tokens_details.cached_tokens`, `completion_tokens`, status e `X-Request-ID`. No streaming, defina `stream_options: {"include_usage": true}`, senão o uso nunca chega ([guia de streaming](https://broadrouter.com/pt/guides/streaming-chat-completions/)).

A partir desses logs, crie alertas para:

-   custo diário por chave acima do valor esperado na sua [estimativa de custo](https://broadrouter.com/pt/blog/estimate-llm-api-cost-before-launch/);
-   tokens por tarefa mais de três vezes acima da mediana;
-   uma participação de cache em queda, que aumenta o custo sem mais tráfego;
-   uma taxa crescente de respostas 429 ou 5xx, o que significa novas tentativas.

A BroadNet guarda registros sem conteúdo, como tempos, contagens de tokens e custo, não prompts, então o detalhe por funcionalidade fica nos seus logs. Evite registrar o conteúdo dos prompts se a sua política de dados proibir. [Como montar um registro de uso com custo por usuário e por funcionalidade](https://broadrouter.com/pt/blog/llm-api-usage-logging/).

## Nível do preço: quando um preço fixo ganha de um orçamento?

O controle de gastos mais confiável é um preço que não se mexe:

-   **Sessão de plano**: $60 por mês (Full Moon), $15 por semana (Orbit) ou $1 por hora (Meteor) para DeepSeek V4.1 Flash ilimitado, uma requisição por vez. Requisições com uma chave de plano nunca consomem o seu saldo.
-   **Chave por hora**: $0.50 por uma hora de Gemma 4 VL 26B em um stream. Boa para chaves que saem dos seus servidores. [Chaves por hora explicadas](https://broadrouter.com/pt/blog/hourly-llm-api-key-explained/).

Um loop num plano desperdiça tempo, não dinheiro. Você continua querendo limites de passos, porque um agente travado bloqueia a sessão para outros trabalhos. Se um plano sai mais barato que a sua conta medida depende do volume; a [calculadora de preço fixo vs por token](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) dá o ponto de equilíbrio para a sua mistura de tokens.

As tarifas por token também podem subir sem você perceber. [52 aumentos de preço de APIs de LLM arquivados](https://broadrouter.com/pt/blog/llm-api-price-increases/) mostram com que frequência isso aconteceu, em quais provedores e quanto.

## Um checklist curto

1.  Saldo pré-pago dimensionado para o seu limite mensal.
2.  Uma chave com nome por app, com lista de IPs permitidos.
3.  `max_tokens` em toda requisição.
4.  Limite de passos, limite de novas tentativas e detecção de chamadas repetidas em todo agente.
5.  Custo acumulado por job, checado antes de cada chamada.
6.  Registro de tokens por requisição, com alertas nos seus limites.
7.  Um plano fixo ou uma chave por hora onde o uso for contínuo ou a chave ficar exposta.

## Onde a BroadNet Inference se encaixa

A BroadNet entrega as camadas de conta e chave: saldo pré-pago, chaves separadas, listas de IPs permitidos com revogação em segundos, planos de preço fixo e chaves por hora. Ela não fornece os orçamentos por job deste post; eles ficam no seu código ou proxy. Se você precisa de orçamentos por time em muitos provedores, um gateway na frente de todos é a ferramenta certa. [Veja os preços](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-llm-api-spend-control&utm_content=body).

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.

[Lista de IPs permitidos (IP allow list)](https://broadrouter.com/pt/glossary/ip-allow-list/)

Uma lista de IPs permitidos é um controle de segurança que aceita requisições apenas de endereços IP ou faixas CIDR listados e recusa todos os outros. Em uma API, ela limita o estrago de uma chave vazada, porque a chave não funciona a partir de redes que não estão na lista.

[Crédito pré-pago (prepaid credit)](https://broadrouter.com/pt/glossary/prepaid-credit/)

Crédito pré-pago é dinheiro adicionado a uma conta de API antes do uso. Cada requisição desconta o próprio custo do saldo e, quando o saldo acaba, as requisições cobradas por uso param até você fazer uma recarga. Ele limita o gasto ao que você já pagou.

[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.

[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.

[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.

[Chave de API (API key)](https://broadrouter.com/pt/glossary/api-key/)

Uma chave de API é uma string secreta que identifica e autoriza um cliente que chama uma API. As APIs de LLM normalmente a esperam em um cabeçalho Authorization: Bearer, e qualquer pessoa que tenha a chave pode fazer requisições cobradas da conta dona dela.

## Perguntas frequentes

### Como definir um limite de gastos numa API de LLM?

Use o saldo pré-pago ou o teto de gasto do provedor como limite externo e, no código, aplique seu próprio orçamento por job e por dia antes de cada requisição, porque limites e alertas do provedor podem ficar atrás de um loop rápido.

### Como impedir que um agente de IA gere uma conta enorme?

Limite os passos por tarefa, limite as novas tentativas, defina max\_tokens em toda requisição, detecte chamadas de ferramenta idênticas repetidas e pare o job quando o custo acumulado passar de um orçamento.

### Devo tentar de novo um erro 401 ou 402 quando o saldo acaba?

Não. Na BroadNet, uma franquia de pagamento por uso esgotada devolve 401, e 402 insufficient\_balance significa que a conta não cobre uma compra, como uma chave por hora. Primeiro coloque saldo na conta. Repita 429 e 5xx com backoff.

### O que registrar para acompanhar os gastos com LLM?

Por requisição, registre o apelido da chave, o nome da funcionalidade ou do agente, o modelo, prompt\_tokens, cached\_tokens, completion\_tokens, o código de status e o ID da requisição. Multiplique pelo arquivo de preços para chegar ao custo.

### Um plano de preço fixo é uma forma de controle de gastos?

Sim. Uma sessão de plano ou uma chave por hora custa o mesmo, não importa quantos tokens use, então um loop custa tempo, não dinheiro.

## Continue lendo

-   [Como estimar o custo de API de LLM antes de lançar uma funcionalidade](https://broadrouter.com/pt/blog/estimate-llm-api-cost-before-launch/)
-   [10 formas de reduzir o custo de LLM de agentes de código, com economia](https://broadrouter.com/pt/blog/cut-coding-agent-llm-costs/)
-   [Chave de API de LLM por hora: preço fixo por hora, explicado](https://broadrouter.com/pt/blog/hourly-llm-api-key-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/)
-   [Custo de LLM por usuário: unit economics de um recurso de IA no SaaS](https://broadrouter.com/pt/blog/llm-cost-per-user-saas/)
-   [Cache de respostas de LLM para cortar custo: um cache exato em Python](https://broadrouter.com/pt/blog/cache-llm-responses-cut-cost/)
-   [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: Restrinja chaves de API aos seus servidores com lista de IPs](https://broadrouter.com/pt/guides/api-keys-ip-allow-lists/)
-   [Guia: Códigos de erro da BroadNet Inference e quando tentar de novo](https://broadrouter.com/pt/guides/errors-and-retries/)
-   [Guia: Streaming de chat completions e conexões que caem](https://broadrouter.com/pt/guides/streaming-chat-completions/)

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-llm-api-spend-control&utm_content=page-cta) ·

**Fontes**

-   [Referência da API da BroadNet Inference, listas de IPs permitidos e chaves (verificado em 2026-11-16) (em inglês)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-llm-api-spend-control&utm_content=sources#ip-allow-lists)
-   [Referência da API da BroadNet Inference, erros e limites (verificado em 2026-11-16) (em inglês)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-llm-api-spend-control&utm_content=sources#errors)
-   [Preços da BroadNet Inference e chaves por hora (verificado em 2026-11-16) (em inglês)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-llm-api-spend-control&utm_content=sources)
-   [Planos da BroadNet Inference (verificado em 2026-11-16) (em inglês)](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-llm-api-spend-control&utm_content=sources)
