BroadRouter

Custo de API: modelos abertos vs fechados, segundo os preços

Pela equipe da BroadNet Inference · 9 min de leitura · Publicado em · Atualizado em

Normalmente sim, mas não só pelo nome do modelo. Com preços conferidos em 15 de novembro de 2026, o GLM 5.3 no próprio criador custa menos por token que o GPT-6.1 Sol ou o Claude Sonnet 5.5, mas modelos fechados pequenos como o GPT-6 Luna custam mais ou menos o mesmo que modelos abertos hospedados. O host também conta: um mesmo modelo aberto pode custar várias vezes mais num host que em outro.

“Open source é mais barato” é o atalho de sempre. Na maior parte é verdade, mas são os detalhes que decidem a sua conta. Este post compara os preços por token de modelos fechados (GPT, Claude, Gemini, Grok) e de modelos open-weight (GLM 5.3, DeepSeek V4.1 Flash, Qwen3.8 27B, gpt-oss-120b, Gemma 4) a partir da página de preços de cada provedor e depois calcula o custo de uma carga de trabalho realista. Cada preço de terceiros foi relido na página do provedor em 15 de novembro de 2026. O BroadRouter é o site da BroadNet, e a BroadNet vende alguns desses modelos abertos, por isso mostramos onde outros hosts cobram menos.

As linhas vêm do nosso dataset de preços de provedores de API de LLM, os dados brutos por trás do índice de preços de API de LLM. Para o lado de negócio da escolha (controle, lock-in, diferença de qualidade), leia modelos open-weight vs fechados para empresas.

Como os preços por token de modelos fechados e abertos se comparam?

Preços padrão de pagamento por uso por 1M de tokens, prompts curtos, conferidos em 15 de novembro de 2026:

Modelo Tipo Vendedor Entrada Entrada em cache Saída
GPT-6.1 Sol Fechado OpenAI USD 2,00 USD 0,10 USD 10,00
Claude Sonnet 5.5 Fechado Anthropic USD 2,00 USD 0,10 USD 10,00
Gemini 4 Hydrogen Fechado Google USD 1,50 USD 0,075 USD 7,50
Gemini 3.8 Flash Fechado Google USD 0,75 USD 0,075 USD 3,75
Grok 4.3 Fechado xAI USD 1,25 USD 0,20 USD 2,50
GPT-6 Luna Fechado OpenAI USD 0,10 USD 0,01 USD 0,50
Claude Haiku 5.5 Fechado Anthropic USD 0,10 USD 0,01 USD 0,50
GLM 5.3 Open-weight Z.ai (criador) USD 1,40 USD 0,26 USD 4,40
DeepSeek V4.1 Flash Open-weight DeepSeek (criador), pico USD 0,30 USD 0,006 USD 1,20
Qwen3.8 27B Open-weight Alibaba Cloud (criador) USD 0,50 não listado USD 3,00
gpt-oss-120b Open-weight Groq USD 0,15 USD 0,075 USD 0,60
Gemma 4 26B A4B Open-weight DeepInfra USD 0,07 não listado USD 0,34

Notas das próprias páginas:

  • Gemini 3.8 Flash tem preço promocional “through December 31, 2026” (tradução: até 31 de dezembro de 2026). A partir de 1º de janeiro de 2027, o Google lista USD 1,50 de entrada, USD 0,15 em cache e USD 7,50 de saída, o dobro dos preços atuais.
  • Claude Haiku 5.5 vale para prompts de até 100.000 tokens. Prompts mais longos pagam USD 0,50 de entrada e USD 2,50 de saída.
  • GPT-6.1 Sol e GPT-6 Luna têm preços mais altos acima de 272K tokens de entrada. Grok 4.3 cobra a requisição inteira num preço mais alto quando o prompt chega a 200K tokens.
  • DeepSeek corta os preços pela metade fora do pico: USD 0,15 de entrada, USD 0,003 em cache e USD 0,60 de saída fora dos horários de 01:00 às 04:00 e de 06:00 às 10:00 UTC nos dias úteis.

Três padrões se destacam:

  1. O topo dos modelos fechados custa mais. A saída do GPT-6.1 Sol e do Claude Sonnet 5.5 custa mais que o dobro da saída do GLM 5.3 no próprio criador.
  2. A base dos modelos fechados, não. GPT-6 Luna e Claude Haiku 5.5 listam entrada mais barata que o gpt-oss-120b no Groq e a poucos centavos do Gemma 4 na DeepInfra. O preço de saída do Gemma é menor.
  3. A entrada em cache é onde os fornecedores mais diferem. O preço em cache da DeepSeek é 2% do preço de entrada; o do GLM 5.3 na Z.ai é cerca de 19%. Agentes que reenviam o mesmo contexto ganham mais com um preço de cache baixo. Veja tokens de entrada em cache explicados.

Quanto o host muda o preço de um modelo aberto?

Um modelo fechado tem uma tabela de preços por fornecedor (mais as nuvens licenciadas). Pesos abertos podem ser servidos por qualquer um, então o mesmo modelo tem muitos preços. Alguns exemplos, por 1M de tokens, conferidos em 15 de novembro de 2026:

Modelo aberto Host Entrada Entrada em cache Saída
GLM 5.3 Z.ai USD 1,40 USD 0,26 USD 4,40
GLM 5.3 Together AI USD 1,40 USD 0,26 USD 4,40
GLM 5.3 DeepInfra (promoção, 38% de desconto) USD 0,5625 USD 0,125 USD 2,50
GLM 5.3 BroadNet Inference $0.78 $0.173 $3.46
DeepSeek V4.1 Flash DeepSeek, pico USD 0,30 USD 0,006 USD 1,20
DeepSeek V4.1 Flash Together AI USD 0,30 USD 0,006 USD 1,20
DeepSeek V4.1 Flash DeepInfra (promoção, 30% de desconto) USD 0,14 USD 0,0042 USD 0,42
DeepSeek V4.1 Flash BroadNet Inference $0.175 $0.0055 $0.52
Qwen3.8 27B Alibaba Cloud USD 0,50 não listado USD 3,00
Qwen3.8 27B DeepInfra (promoção, 25% de desconto) USD 0,15 USD 0,0375 USD 1,875
Qwen3.8 27B BroadNet Inference $0.175 $0.0435 $2.17
gpt-oss-120b Groq USD 0,15 USD 0,075 USD 0,60
gpt-oss-120b Together AI USD 0,15 não listado USD 0,60
gpt-oss-120b DeepInfra USD 0,037 não listado USD 0,17
Gemma 4 26B A4B DeepInfra USD 0,07 não listado USD 0,34
Gemma 4 26B A4B BroadNet Inference $0.10 não publicado $0.22

A variação é grande: cerca de 2,5 vezes na entrada do GLM 5.3 e cerca de 4 vezes na entrada do gpt-oss-120b entre os hosts acima. As linhas da DeepInfra para GLM, DeepSeek e Qwen estão marcadas como descontos promocionais, e as páginas não dizem quando terminam. A BroadNet fica abaixo do preço de tabela do criador no GLM 5.3 e no Qwen3.8 27B e abaixo dos preços de pico da DeepSeek, mas os preços fora do pico da DeepSeek para entrada e entrada em cache são menores que os da BroadNet, e os preços promocionais da DeepInfra são menores nos três modelos. As páginas de preço por modelo listam todos os hosts que acompanhamos, e como os provedores de inferência cobram por modelos abertos explica por que os números diferem. Considerando os 119 modelos vendidos por vários hosts, a diferença mediana é de 1,76 vez: mesmo modelo, host diferente.

Preço não é a única diferença entre hosts. Confira em cada um a quantização (alguns servem pesos com precisão menor), o tamanho do contexto, os rate limits, a retenção de dados e se há suporte a tool calling para aquele modelo.

Quanto custa uma carga de trabalho real em cada um?

Tabelas por token escondem o mix de entrada, entrada em cache e saída. Eis uma carga de trabalho: um assistente dentro de um app, medido por usuário ativo por mês, tirado do nosso exemplo de custo de LLM por usuário:

  • 0,45M de tokens de entrada novos
  • 0,45M de tokens de entrada em cache (um system prompt estável e o histórico)
  • 0,3M de tokens de saída, raciocínio incluído

A fórmula é 0.45 × input + 0.45 × cached + 0.3 × output com os preços por 1M. Quando a página não lista preço em cache, cobramos os tokens em cache pelo preço cheio de entrada. Taxas de escrita e de armazenamento de cache, que alguns fornecedores cobram, ficaram de fora.

Modelo e vendedor Custo por usuário ativo por mês
GPT-6.1 Sol, OpenAI USD 3,95
Claude Sonnet 5.5, Anthropic USD 3,95
Gemini 4 Hydrogen, Google USD 2,96
GLM 5.3, Z.ai USD 2,07
Gemini 3.8 Flash, Google (preço promocional) USD 1,50
GLM 5.3, BroadNet $1.47
Grok 4.3, xAI USD 1,40
Qwen3.8 27B, Alibaba Cloud (sem preço em cache listado) USD 1,35
Qwen3.8 27B, BroadNet $0.75
Qwen3.8 27B, DeepInfra (promoção) USD 0,65
DeepSeek V4.1 Flash, DeepSeek pico USD 0,50
gpt-oss-120b, Groq USD 0,28
DeepSeek V4.1 Flash, BroadNet $0.24
GPT-6 Luna, OpenAI USD 0,20
Claude Haiku 5.5, Anthropic USD 0,20
DeepSeek V4.1 Flash, DeepInfra (promoção) USD 0,19
gpt-oss-120b, DeepInfra (sem preço em cache listado) USD 0,08

Duas ressalvas mudam a leitura. Primeiro, os modelos não são equivalentes. Uma linha mais abaixo na tabela só é economia se o modelo passar no seu conjunto de testes. Segundo, a linha do Gemini 3.8 Flash dobra para USD 2,99 em 1º de janeiro de 2027 se a mudança de preço anunciada pelo Google acontecer. Para fazer a conta com os seus números, use a calculadora de custo de API de LLM.

Por que comparar por nível de tarefa e não pelo nome do modelo?

“Aberto vs fechado” é o eixo errado para uma decisão de preço. A pergunta útil é: qual é o modelo mais barato que faz bem o suficiente esta tarefa? Os níveis também mudam de jeitos diferentes com o tempo: nas páginas de preços arquivadas, o Claude Opus e a linha principal do GPT ficaram bem mais baratos, enquanto o Claude Haiku e o Gemini Flash ficaram mais caros (histórico de preços das APIs da OpenAI, Anthropic e Google).

  • Trabalho simples e de alto volume (classificação, extração, resumos curtos): modelos fechados pequenos e modelos abertos pequenos ou médios ficam todos perto do fim da tabela. Escolha por precisão, latência e termos de dados.
  • Agentes e código: tool calling, contexto longo e entrada em cache dominam. Modelos abertos com preço de cache baixo, ou um plano de preço fixo, podem custar uma fração de um modelo fechado de ponta.
  • O raciocínio mais difícil: os modelos fechados de ponta ainda costumam liderar. Pagar mais por token pode custar menos por resposta correta.

Meça o custo por resposta correta em 50 a 100 casos reais. Como avaliar um LLM antes de trocar traz um método.

O que mais muda o custo real?

  • Tokenizadores. O mesmo texto vira um número diferente de tokens em cada modelo. No dataset de tokenizadores do BroadRouter, o árabe padrão moderno precisa de 1.31× (Qwen3.8 27B) a 1.77× (GLM 5.3) dos tokens da sua tradução em inglês, então uma carga de trabalho em árabe pode reordenar a tabela. Veja tokens por palavra em árabe vs inglês.
  • Tokens de raciocínio. Modelos de raciocínio cobram o raciocínio como saída dos dois lados. A página do Google diz que a saída do Gemini inclui “thinking tokens” (tradução: tokens de raciocínio). Defina o esforço de raciocínio no nível mais baixo que passe nos seus testes.
  • Descontos de batch. OpenAI e Anthropic listam preços da Batch API pela metade do preço padrão. Se o seu trabalho pode esperar, isso reduz a diferença para os modelos abertos. A BroadNet não tem Batch API; processamento em batch sem Batch API mostra a alternativa.
  • Sobretaxas de contexto longo. Vários modelos fechados cobram mais acima de 100K, 200K ou 272K tokens. Confira onde os seus prompts ficam.
  • Hospedagem própria. Pesos abertos também podem rodar nas suas próprias GPUs, mas isso só compensa com uso alto e constante. Veja hospedar um LLM por conta própria vs usar API.

Onde a BroadNet Inference se encaixa

O BroadRouter é o site da própria BroadNet. A BroadNet Inference é uma API hospedada de modelos open-weight com uma única base URL compatível com a OpenAI, https://inference.broadnet.ai/v1, para DeepSeek V4.1 Flash, GLM 5.3, Qwen3.8 27B e a build da BroadNet do Gemma 4, além de fala para texto. Ela não serve modelos fechados e não roteia requisições entre provedores. O DeepSeek V4.1 Flash é hospedado por parceiro.

Pelos dados acima, a BroadNet tem preço abaixo das tabelas dos criadores para GLM 5.3 e Qwen3.8 27B e abaixo dos preços de pico da DeepSeek, e acima dos preços promocionais atuais da DeepInfra e dos preços fora do pico da DeepSeek para entrada e entrada em cache. Não é o host mais barato para todos os modelos. O que ela acrescenta é um plano de preço fixo para o DeepSeek V4.1 Flash ($60 por mês por sessão, uma requisição por vez, sem medidor de tokens), retenção zero do conteúdo de inferência, e tool calling e saída estruturada documentados no GLM 5.3 e no Qwen3.8 27B. Não há Batch API nem SLA em contas de autoatendimento.

O Gemma 4 VL 26B roda com o crédito inicial de $5; os outros modelos de chat exigem uma recarga. Compare os preços ou leia a documentação da API.

Perguntas frequentes

Modelos open-weight são mais baratos que o GPT por API?

Muitas vezes, mas compare modelos do mesmo nível. Em 15 de novembro de 2026, o GLM 5.3 na Z.ai listava USD 1,40 de entrada e USD 4,40 de saída por 1M de tokens, abaixo do GPT-6.1 Sol, a USD 2,00 e USD 10,00. O pequeno GPT-6 Luna da OpenAI listava USD 0,10 e USD 0,50, na mesma faixa dos modelos abertos hospedados.

Por que o mesmo modelo aberto custa diferente em cada host?

Os hosts rodam os mesmos pesos em hardware diferente, com precisão, taxa de utilização e margem diferentes, e alguns fazem promoções por tempo limitado. Em 15 de novembro de 2026, a entrada do gpt-oss-120b custava USD 0,037 por 1M na DeepInfra e USD 0,15 no Groq e na Together.

As APIs de modelos fechados têm descontos em batch?

Sim, e alguns hosts de modelos abertos também. OpenAI e Anthropic listam preços da Batch API pela metade do preço padrão para jobs assíncronos; Fireworks e Groq listam 50% de desconto em batch, e a Together faz o mesmo em modelos selecionados. A BroadNet Inference não tem Batch API. Os preços de leitura de cache também variam muito entre fornecedores.

O modelo mais barato é bom o bastante?

Só o seu conjunto de testes pode dizer. Os modelos fechados de ponta ainda lideram nas tarefas mais difíceis. Rode de 50 a 100 casos reais em cada candidato e compare o custo por resposta correta, não o custo por token.

O idioma muda a comparação?

Sim. Cada tokenizador divide o texto de um jeito. No dataset de tokenizadores do BroadRouter, o árabe padrão moderno precisa de 1.31× (Qwen3.8 27B) a 1.77× (GLM 5.3) dos tokens do texto em inglês, então os preços por token subestimam a diferença em cargas de trabalho em árabe.

Posso usar esses modelos abertos com o crédito inicial da BroadNet?

O Gemma 4 VL 26B, sim. DeepSeek V4.1 Flash, GLM 5.3 e Qwen3.8 27B exigem uma recarga. O crédito inicial de $5 cobre o Gemma, os dois modelos de transcrição e as chaves por hora do Gemma.

Ler em MarkdownPerguntar ao ChatGPTPerguntar ao ClaudePerguntar ao Perplexity

Fontes