---
title: "Preço de API de modelos abertos: 6 provedores comparados"
description: "Como OpenRouter, Together AI, Fireworks, Groq, DeepInfra e BroadNet cobram por modelos abertos: por token, cache, batch, horas de GPU e planos fixos, com fontes."
url: https://broadrouter.com/pt/blog/llm-inference-provider-pricing-compared/
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-inference-provider-pricing-compared/) (atualizado em 2026-11-16).

# Preço de modelos open-weight: 6 provedores de inferência comparados

Pela equipe da BroadNet Inference · 7 min de leitura · Publicado em 2026-11-14 · Atualizado em 2026-11-16

A maioria dos provedores cobra modelos abertos por milhão de tokens, com entrada em cache mais barata e, muitas vezes, 50% de desconto em jobs batch. Together AI, Fireworks e DeepInfra também alugam GPUs por hora. O OpenRouter repassa os preços dos provedores e cobra uma taxa na compra de créditos. O Groq cobre poucos modelos. A BroadNet adiciona planos fixos mensais, semanais e por hora para o DeepSeek V4.1 Flash.

## Pontos principais

-   O preço por token do mesmo modelo aberto pode variar várias vezes entre provedores, então compare o modelo exato que você vai usar.
-   Para o DeepSeek V4.1 Flash, Together AI e Fireworks listam USD 0,30 de entrada e USD 1,20 de saída por 1M de tokens, e a BroadNet $0.175 e $0.52. A DeepInfra lista o DeepSeek-V4.1-Flash-1017 com 51% de desconto, a USD 0,098 e USD 0,294, abaixo da BroadNet.
-   Os descontos de entrada em cache e de batch muitas vezes pesam mais que o preço de vitrine. Confira os dois.
-   GPUs dedicadas são cobradas por hora, ocupadas ou ociosas, e compensam com volume constante e muito alto.
-   Planos de preço fixo eliminam o medidor de tokens; o Full Moon da BroadNet custa $60 por mês por sessão.

**Nesta página**

1.  Quais são as cinco formas de cobrar por modelos abertos?
2.  Como cada provedor cobra pelos modelos abertos?
3.  Quanto custa o mesmo modelo em cada provedor?
4.  E a transcrição de fala para texto?
5.  Como comparar provedores para a sua carga de trabalho?
6.  Onde a BroadNet Inference se encaixa

“Preço por milhão de tokens” parece comparável entre provedores. Não é bem assim. Os provedores diferem nos modelos que hospedam, no custo da entrada em cache, em dar ou não desconto para jobs batch, em alugar ou não GPUs e nas taxas que vêm por cima. Este post compara seis provedores de modelos open-weight na forma de cobrar e depois coloca lado a lado os preços publicados por eles para os mesmos modelos. Todos os números dos concorrentes vêm das páginas oficiais de cada provedor, conferidas em 2026-11-14; os links estão nas fontes. Os preços mudam com frequência, então confira de novo antes de fechar qualquer coisa.

## Quais são as cinco formas de cobrar por modelos abertos?

1.  **Por token, serverless.** Preços separados por 1M de [tokens de entrada e de saída](https://broadrouter.com/pt/glossary/input-and-output-tokens/). Todos desta lista oferecem.
2.  **Entrada em cache.** Um preço menor para prefixos de prompt repetidos. Os descontos vão de metade do preço a poucos por cento do preço de entrada. [Tokens em cache explicados](https://broadrouter.com/pt/blog/cached-input-tokens-explained/).
3.  **Batch.** Preços menores para jobs que podem esperar horas.
4.  **GPUs dedicadas.** Você aluga hardware por hora e roda o modelo por conta própria ou pela stack do provedor. Veja [hospedar por conta própria ou usar API: o ponto de equilíbrio](https://broadrouter.com/pt/blog/self-hosting-llm-vs-api-cost/), ou faça a conta com seus números na [calculadora de hospedagem própria vs API](https://broadrouter.com/tools/self-hosting-vs-api-calculator/).
5.  **Planos de preço fixo.** Um valor fixo por um período, sem medidor de tokens. Veja [plano de LLM com preço fixo](https://broadrouter.com/pt/glossary/flat-rate-llm-plan/).

## Como cada provedor cobra pelos modelos abertos?

| Provedor | Tipo de serviço | Por token | Entrada em cache | Batch | GPUs dedicadas | Plano fixo |
| --- | --- | --- | --- | --- | --- | --- |
| OpenRouter | Roteador entre muitos provedores | Preço do provedor, “no markup” | Depende do provedor | Depende do provedor | Não | Não |
| Together AI | Serverless próprio + dedicado | Sim | Listado para alguns modelos | 50% de desconto em modelos selecionados (só Whisper Large v3, quando conferimos) | H100 a partir de USD 5,49 por hora de GPU | Não |
| Fireworks AI | Serverless próprio + sob demanda | Sim, a partir de USD 0,05 por 1M de entrada | 50% de desconto por padrão, mais em alguns modelos | 50% de desconto | H100 a USD 8,00 por hora | Não |
| Groq | Hardware próprio | Sim, poucos modelos | 50% de desconto, nos modelos GPT-OSS | 50% de desconto | Não listado | Não |
| DeepInfra | Serverless próprio + dedicado | Sim, alguns modelos cobrados por tempo de execução | Listado para muitos modelos | Não listado na página de preços | H100 a USD 2,90 por hora de GPU | Não |
| BroadNet Inference | Lista curta de modelos; modelos hospedados por parceiros de inferência nos EUA | Sim | Listado para três de quatro modelos de chat | Não oferecido | Não | Sim, DeepSeek V4.1 Flash |

Notas tiradas das páginas:

-   **OpenRouter** diz que “there is no markup on inference pricing” (tradução: não há margem sobre o preço de inferência). Ele cobra uma taxa quando você compra créditos: 5,5% no plano Standard (mínimo de USD 0,80, segundo o FAQ) e 8% no Business, ou 5% em cripto. As variantes gratuitas dos modelos são limitadas a 20 requisições por minuto e 50 por dia, ou 1.000 por dia depois de comprar pelo menos USD 10 em créditos. É um [roteador](https://broadrouter.com/pt/glossary/llm-router/), então um mesmo modelo pode ter muitos preços. Veja [OpenRouter vs um provedor de preço fixo](https://broadrouter.com/pt/blog/openrouter-alternative-flat-rate/).
-   **Together AI** lista a H100 dedicada a USD 5,49 por hora de GPU sob demanda. A documentação de batch diz que modelos serverless selecionados rodam com 50% de desconto e janela de conclusão fixa de 24 horas, mas, quando conferimos, a tabela de modelos com desconto listava só `openai/whisper-large-v3`. Os outros modelos rodam com preço padrão.
-   **Fireworks** tem os modos Standard, Priority, Fast, Batch (50% de desconto) e Spot (30% de desconto em alguns modelos). A entrada em cache é cobrada pela metade do preço ou menos, sem taxa de escrita.
-   **Groq** lista preços por token para um pequeno conjunto de modelos de produção, como `openai/gpt-oss-120b` a USD 0,15 de entrada e USD 0,60 de saída por 1M, e o speech-to-text Whisper por hora. A entrada em cache custa metade nos modelos GPT-OSS, e jobs batch rodam com 50% de desconto em uma janela de 24 horas a 7 dias.
-   **DeepInfra** mostra muitos modelos com um preço com desconto ao lado do preço de tabela, por exemplo 51% de desconto no DeepSeek-V4.1-Flash-1017 e 38% no GLM-5.3. A página não diz quando esses descontos terminam. Também oferece os níveis Standard, Priority (1,5×) e Flex (0,8×).

## Quanto custa o mesmo modelo em cada provedor?

Preços publicados por 1M de tokens, para modelos que a BroadNet também serve. ”—” significa que o modelo não estava na página de preços daquele provedor.

**DeepSeek V4.1 Flash** (entrada / em cache / saída):

| Provedor | Entrada | Em cache | Saída |
| --- | --- | --- | --- |
| Together AI | USD 0,30 | USD 0,006 | USD 1,20 |
| Fireworks AI | USD 0,30 | USD 0,006 | USD 1,20 |
| DeepInfra, tabela | USD 0,20 | USD 0,006 | USD 0,60 |
| DeepInfra, com desconto (30%) | USD 0,14 | USD 0,0042 | USD 0,42 |
| DeepInfra, DeepSeek-V4.1-Flash-1017, com desconto (51%) | USD 0,098 | USD 0,0029 | USD 0,294 |
| Groq | — | — | — |
| BroadNet Inference | $0.175 | $0.0055 | $0.52 |

A variante datada `-1017` da DeepInfra é a mesma versão que a API da própria DeepSeek serve como `deepseek-flash`; confira qual delas o seu código chama. No OpenRouter, quando conferimos, o modelo tinha 37 endpoints de 28 provedores, de cerca de USD 0,05 (Baidu) a USD 3 (o nível mais rápido da Venice) por 1M de tokens de entrada. Nossa [tabela de preços do DeepSeek V4.1 Flash](https://broadrouter.com/pt/llm-api-pricing/deepseek-v4.1-flash/) lista todos os provedores que publicam preço próprio para o modelo, com a página de origem e a data da conferência em cada linha. O tamanho da diferença de preço para o mesmo modelo no mercado inteiro está medido no nosso [índice de preços de API de LLM](https://broadrouter.com/data/llm-api-price-index/). Para comparar esses preços de modelos abertos com GPT, Claude e Gemini na mesma carga de trabalho, veja [custo de API: modelos abertos vs fechados](https://broadrouter.com/pt/blog/open-weight-vs-closed-model-api-cost/).

**GLM 5.3** (o preço de cada provedor: [tabela de preços do GLM 5.3](https://broadrouter.com/pt/llm-api-pricing/glm-5.3/)):

| Provedor | Entrada | Em cache | Saída |
| --- | --- | --- | --- |
| Together AI | USD 1,40 | USD 0,26 | USD 4,40 |
| Fireworks AI | USD 1,40 | USD 0,26 | USD 4,40 |
| DeepInfra, tabela | USD 0,90 | USD 0,20 | USD 4,00 |
| DeepInfra, com desconto (38%) | USD 0,5625 | USD 0,125 | USD 2,50 |
| BroadNet Inference | $0.78 | $0.173 | $3.46 |

**Qwen3.8 27B** (o preço de cada provedor: [tabela de preços do Qwen3.8 27B](https://broadrouter.com/pt/llm-api-pricing/qwen3.8-27b/)):

| Provedor | Entrada | Em cache | Saída |
| --- | --- | --- | --- |
| DeepInfra, tabela | USD 0,20 | USD 0,05 | USD 2,50 |
| DeepInfra, com desconto (25%) | USD 0,15 | USD 0,0375 | USD 1,875 |
| Groq (preview, só para avaliação) | USD 0,80 | — | USD 4,00 |
| BroadNet Inference | $0.175 | $0.0435 | $2.17 |

**Gemma 4 26B A4B** (a build da BroadNet é o [Gemma 4 VL 26B](https://broadrouter.com/pt/models/gemma-4-vl-26b/)):

| Provedor | Entrada | Saída |
| --- | --- | --- |
| DeepInfra | USD 0,07 | USD 0,34 |
| BroadNet Inference | $0.10 | $0.22 |

A BroadNet não é a mais barata por token aqui. Os preços com desconto da DeepInfra ficam abaixo dos da BroadNet em todas as linhas do DeepSeek V4.1 Flash, do GLM 5.3 e do Qwen3.8 27B, e abaixo na entrada do Gemma (a saída do Gemma na BroadNet é menor). A API da própria DeepSeek corta todos os preços pela metade fora do pico, o que deixa a entrada dela abaixo da BroadNet nesses horários ([detalhes](https://broadrouter.com/pt/blog/deepseek-v4-1-flash-api-pricing/)). Os preços de tabela da BroadNet ficam abaixo dos da Together e da Fireworks no DeepSeek V4.1 Flash e no GLM 5.3. O preço por token é só um dos fatores; confira também o tamanho do contexto, a retenção de dados e os rate limits, que estas tabelas não mostram.

Considerando todos os 119 modelos vendidos por vários hosts, não só estes quatro, o preço de tabela mais caro é, na mediana, 1,76 vez o mais barato; veja [mesmo modelo, host diferente](https://broadrouter.com/pt/blog/same-llm-different-host-prices/). Os preços dos hosts também mudam com mais frequência que os dos criadores dos modelos: [com que frequência os preços de API de LLM mudam](https://broadrouter.com/pt/blog/how-often-llm-api-prices-change/).

## E a transcrição de fala para texto?

O Groq lista `whisper-large-v3-turbo` a USD 0,04 por hora de áudio e `whisper-large-v3` a USD 0,111 por hora. A DeepInfra lista o Voxtral Mini a USD 0,001 por minuto. O modelo multilíngue da BroadNet custa $0.002 por minuto ($0.12 por hora), e o modelo de árabe, $0.0042 por minuto. Para mais provedores, veja [preços de API speech-to-text comparados](https://broadrouter.com/pt/blog/speech-to-text-api-pricing-compared/). Para árabe, a precisão nos seus dialetos importa mais que o preço: [como escolher uma API de fala para texto em árabe](https://broadrouter.com/pt/blog/arabic-speech-to-text-api-buyers-guide/).

## Como comparar provedores para a sua carga de trabalho?

1.  **Fixe o modelo e a versão.** “DeepSeek V4.1 Flash” e uma variante datada podem ter preços diferentes.
2.  **Meça o seu mix de tokens**: entrada, parcela em cache e saída, incluindo raciocínio. Veja [estimar o custo antes do lançamento](https://broadrouter.com/pt/blog/estimate-llm-api-cost-before-launch/).
3.  **Calcule com os três preços de cada provedor**, não só com o de entrada. Para agentes, o preço em cache muitas vezes decide. A [calculadora de custo de API de LLM](https://broadrouter.com/tools/llm-api-cost-calculator/) e a [calculadora de prompt caching](https://broadrouter.com/tools/prompt-caching-calculator/) fazem a conta.
4.  **Aplique descontos de batch** só ao trabalho que pode esperar.
5.  **Some as taxas**: taxas na compra de créditos e multiplicadores de nível.
6.  **Confira os limites**: [rate limits](https://broadrouter.com/pt/glossary/rate-limit/), simultaneidade e tamanho do contexto podem descartar um provedor a qualquer preço.
7.  **Compare com um plano de preço fixo** se um agente roda a maior parte do dia. Veja [a conta do ponto de equilíbrio](https://broadrouter.com/pt/blog/flat-rate-vs-pay-per-token-llm-api/) ou a [calculadora de preço fixo vs por token](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/).

## Onde a BroadNet Inference se encaixa

A BroadNet serve uma lista curta de modelos, alguns hospedados por parceiros de inferência nos EUA, com preços por token publicados em um [arquivo de preços](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-llm-inference-provider-pricing-compared&utm_content=body). Os preços por token dela ficam no meio da tabela, não são os mais baixos: se só o preço por token importa, as ofertas com desconto da DeepInfra custam menos. O que os outros daqui não vendem é DeepSeek V4.1 Flash ilimitado por $60 por mês por sessão, além das opções semanal de $15 e por hora de $1. Não é um marketplace, não tem desconto de batch nem GPUs dedicadas. As outras vantagens são a [retenção zero de dados](https://broadrouter.com/pt/privacy/) em toda requisição, a transcrição de fala para texto em árabe e uma única chave compatível com a OpenAI para chat e áudio. Se você precisa de dezenas de famílias de modelos ou do menor preço promocional para uma carga em picos, um roteador ou um host maior vai atender melhor.

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.
-   [LLM token counter](https://broadrouter.com/tools/token-counter/) Exact token counts with each model's real tokenizer, with a token view and cost.
-   [Context window calculator](https://broadrouter.com/tools/context-window-calculator/) Will it fit? Window used per model, room left for output, cost to send.

[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.

[Fala para texto (speech-to-text)](https://broadrouter.com/pt/glossary/speech-to-text/)

Fala para texto, ou reconhecimento automático de fala (ASR), é a tecnologia que converte áudio falado em texto. Uma API de fala para texto recebe um arquivo ou stream de áudio e retorna uma transcrição, normalmente cobrada por minuto de áudio. A precisão é medida pela taxa de erro de palavras e varia com sotaque, dialeto e qualidade da gravação.

[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.

[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.

[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.

[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.

[Janela de contexto (context window)](https://broadrouter.com/pt/glossary/context-window/)

A janela de contexto é o número máximo de tokens com que um modelo de linguagem consegue trabalhar em uma única requisição. Ela abrange o prompt, o histórico da conversa, as definições de ferramentas, as imagens e a saída gerada, incluindo os tokens de raciocínio. O que não couber precisa ser cortado, resumido ou dividido em várias requisições.

[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.

## Perguntas frequentes

### Qual provedor de inferência é o mais barato para modelos abertos?

Nenhum provedor sozinho, e por token não é a BroadNet. Quando conferimos, em 2026-11-14, os preços com desconto da DeepInfra estavam abaixo dos da BroadNet no DeepSeek V4.1 Flash, no GLM 5.3 e no Qwen3.8 27B, e o OpenRouter listava endpoints do DeepSeek V4.1 Flash de cerca de USD 0,05 a USD 3 por 1M de tokens de entrada. Compare o modelo exato, o preço em cache e o desconto de batch.

### O OpenRouter cobra margem sobre o preço dos modelos?

O OpenRouter diz que não há margem no preço de inferência. Ele cobra uma taxa quando você compra créditos: 5,5% no plano Standard (mínimo de USD 0,80, segundo o FAQ dele), 8% no Business e 5% em pagamentos com cripto.

### Vale a pena usar preço de batch?

Para trabalho que pode esperar. A Fireworks lista batch com 50% de desconto, e o Groq documenta 50% de desconto em batch com janela de 24 horas a 7 dias. A documentação de batch da Together lista 50% de desconto só para alguns modelos (quando conferimos, a tabela citava apenas \`openai/whisper-large-v3\`), com janela de conclusão fixa de 24 horas.

### Quando alugar uma GPU dedicada em vez de pagar por token?

Quando o seu tráfego mantém a GPU ocupada na maior parte do dia. A GPU por hora é cobrada chegando requisições ou não, então tráfego baixo ou em picos sai mais barato por token.

### Algum provedor oferece preço mensal fixo para um modelo aberto?

Sim, a BroadNet Inference, para o DeepSeek V4.1 Flash. O Full Moon custa $60 por mês por sessão, sem medidor de tokens, uma requisição por vez.

## Continue lendo

-   [OpenRouter ou preço fixo para agentes de IA: qual sai mais barato?](https://broadrouter.com/pt/blog/openrouter-alternative-flat-rate/)
-   [Preço da API do DeepSeek V4.1 Flash: por token, em cache e planos](https://broadrouter.com/pt/blog/deepseek-v4-1-flash-api-pricing/)
-   [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/)
-   [Alternativas ao Artificial Analysis: onde comparar LLMs em 2026](https://broadrouter.com/pt/blog/artificial-analysis-alternatives/)
-   [SLAs de APIs de LLM: o que Azure, Bedrock, Google e OpenAI prometem](https://broadrouter.com/pt/blog/llm-api-sla-uptime-compared/)
-   [Guia: Como usar o SDK Python da OpenAI com a BroadNet Inference](https://broadrouter.com/pt/guides/openai-python-sdk/)
-   [Guia: Como funcionam os planos de API de LLM ilimitada para agentes](https://broadrouter.com/pt/guides/unlimited-llm-api-sessions/)

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-inference-provider-pricing-compared&utm_content=page-cta) ·

**Fontes**

-   [FAQ do OpenRouter, preços e taxas de crédito (conferido em 2026-11-14)](https://openrouter.ai/docs/faq)
-   [Página do modelo DeepSeek V4.1 Flash no OpenRouter, preços por provedor (conferida em 2026-11-14)](https://openrouter.ai/deepseek/deepseek-v4.1-flash)
-   [Preços da Together AI (conferido em 2026-11-14)](https://www.together.ai/pricing)
-   [Documentação de inferência batch da Together AI (conferida em 2026-11-14)](https://docs.together.ai/docs/batch-inference)
-   [Preços da Fireworks AI (conferido em 2026-11-14)](https://fireworks.ai/pricing)
-   [Modelos e preços do Groq (conferido em 2026-11-14)](https://console.groq.com/docs/models)
-   [Documentação de prompt caching do Groq (conferida em 2026-11-14)](https://console.groq.com/docs/prompt-caching)
-   [Preços da DeepInfra (conferido em 2026-11-14)](https://deepinfra.com/pricing)
-   [Preços da BroadNet Inference em formato legível por máquina (pricing.json, sincronizado em 2026-11-14) (em inglês)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-llm-inference-provider-pricing-compared&utm_content=sources)
