Peça o preço por token a qualquer provedor de IA e você vai receber uma resposta rápida: tanto por milhão de tokens de entrada, tanto por milhão de saída. É um número limpo, fácil de comparar entre modelos.
O problema é que esse número quase nunca é o que a sua empresa vai pagar por atendimento. Custo por sessão, o valor real de uma conversa completa entre o cliente e o agente, é uma conta diferente, e costuma surpreender quem só olhou o preço de tabela.
Custo por Sessão (CPS) não é o preço por token do modelo, e também não é o modelo de cobrança da sua plataforma de atendimento (por sessão, por resolução ou por assinatura). É o valor real de uma interação completa, do início ao fim do atendimento.
Isso inclui a mensagem final entregue ao cliente, mas também todos os ciclos intermediários de raciocínio e execução de ferramentas que aconteceram até chegar lá. Um agente pode consultar um sistema de pedidos, verificar uma política de devolução e confirmar um cadastro antes de responder uma única pergunta. Cada uma dessas consultas consome tokens adicionais, de entrada e de saída.
Por isso, ignorar esses ciclos intermediários é o erro mais comum ao estimar o custo de um agente de IA.
Um modelo processa uma mensagem por vez, mas um atendimento raramente se resolve numa única troca. O agente interpreta o pedido, decide se responde direto ou aciona uma ferramenta, recebe o resultado dessa ferramenta, e decide de novo o que fazer com essa informação.
Cada uma dessas decisões é uma nova chamada ao modelo. Quanto mais ciclos um atendimento exige, mais caro ele fica, mesmo que o preço por token continue exatamente o mesmo do início ao fim.
Por isso, dois modelos com o mesmo preço de tabela podem ter custos de sessão bem diferentes. Um deles pode resolver o mesmo atendimento em menos ciclos, e o outro pode precisar de várias idas e vindas para chegar ao mesmo resultado.
Em um estudo que conduzimos testando 8 modelos sob as mesmas condições de atendimento, o modelo com a melhor nota de custo normalizada teve, na prática, o maior Custo por Sessão entre todos os candidatos avaliados. Cerca de 5,3 vezes o custo do segundo modelo mais barato da mesma família.
A causa não estava no volume de tokens processados. Estava no preço de tabela do provedor por token de saída, quase quatro vezes mais alto que o de um modelo equivalente da mesma família.
Ou seja: a nota de custo que parece boa numa tabela interna de comparação pode não corresponder ao valor real que a empresa vai pagar em produção. A única forma de saber é converter o consumo estimado para o preço de tabela de cada provedor, não confiar num proxy isolado.
Chegar a uma estimativa de Custo por Sessão razoável passa por três variáveis.
Não basta contar a mensagem final ao usuário. É preciso somar todos os ciclos de raciocínio que aconteceram antes dela, cada um consumindo tokens de entrada (o contexto acumulado até aquele ponto) e de saída (a decisão do modelo).
Cada vez que o agente consulta um sistema externo, isso conta como um ciclo adicional. Atendimentos mais simples podem se resolver em uma ou duas chamadas; atendimentos transacionais complexos podem exigir dezenas.
Sem telemetria de custo efetivamente contratado, o cálculo mais seguro usa o preço público de tabela de cada provedor, sem assumir desconto comercial. Isso evita subestimar o custo real na hora de decidir.
No estudo que citamos, convertemos o consumo de tokens de cada um dos 8 modelos testados para uma estimativa de Custo por Sessão em dólar, usando o preço público de tabela de cada provedor.
Repare que o GPT-5.4 mini, apesar de ter a melhor nota de custo numa comparação normalizada por volume de tokens, aparece no topo da lista quando o cálculo usa o preço real de tabela. Isso só fica visível quando alguém faz essa conversão. A maioria das comparações para por aqui, no preço de tabela isolado, sem chegar ao custo real por sessão.
A inversão de custo do GPT-5.4 mini não foi um teste isolado. Ela veio de uma pesquisa que testou 8 modelos de IA, das famílias GPT, Gemini e modelos de peso aberto, sob as mesmas condições de um atendimento real, reexecutando conversas já resolvidas com cada modelo candidato no lugar do agente.
Custo foi só uma das quatro frentes avaliadas. O estudo também mediu capacidade de resolver a tarefa até o fim, latência por turno e taxa de alucinação.
No estudo técnico completo, publicamos a metodologia de cálculo, os resultados dos 8 modelos avaliados e os critérios usados para aprovar ou reprovar cada um.
E acesse, em primeira mão, nossos principais conteúdos diretamente do seu e-mail.
