Última atualização: 2026-06-22

O custo mensal de LLM explicado

O custo mensal de uma carga de trabalho de um modelo de linguagem grande é o gasto recorrente produzido pela emissão de chamadas de API a um volume estável ao longo de um mês de faturamento. Ele multiplica o preço de uma única chamada — por si só função das contagens de tokens de entrada e de saída e das tarifas do modelo por milhão de tokens — pelo número de requisições por dia e pelo número de dias do mês. O mesmo valor diário projeta-se adiante para um total anual.

Como um preço por chamada escala

O custo recorrente é construído em três multiplicações. O custo de uma requisição é o custo de tokens por chamada; multiplicar pela contagem diária de requisições fornece o gasto diário; multiplicar esse valor pelos dias de faturamento fornece o valor mensal. Como todos os fatores são lineares, dobrar qualquer um deles — uso de tokens, volume de requisições ou a tarifa — dobra o gasto projetado.

A fórmula

Com médias de $n_{in}$ tokens de entrada e $n_{out}$ de saída por chamada aos preços por milhão $p_{in}$ e $p_{out}$, o custo de uma requisição é

Para $N_d$ requisições por dia ao longo de $D$ dias de faturamento, os custos diário, mensal e anual são

O valor anual multiplica o custo diário diretamente por 365, e não por doze meses, de modo que não herda a aproximação da contagem de dias do mês.

Exemplo resolvido

Tome uma carga de trabalho de $N_d = 1000$ requisições por dia, cada uma com média de 1500 tokens de entrada e 500 de saída a $3 e $15 por milhão. O custo por requisição é C_r = \0.012$. O gasto diário é

Ao longo de um mês de 30 dias, isso é C_m = 12 \times 30 = \360$, e ao longo de um ano completo,$C_y = 12 \times 365 = $4,380$. Observe que doze meses de 30 dias somam 360 dias, cinco a menos do que um ano, razão pela qual o valor anual excede doze vezes o mensal.

Notas e variações

Uma projeção pressupõe que o uso médio e o volume permaneçam estáveis; o tráfego real varia por dia e por estação. A tarifa efetiva também pode cair abaixo do valor anunciado — o cache de prompt dá desconto sobre contexto repetido, o processamento em lote reduz a tarifa em troca de latência, e acordos de compromisso de uso diminuem o preço unitário. A contagem de dias é uma escolha de modelagem: 30 é uma aproximação arredondada, ao passo que $365/12 \approx 30.44$ é a duração média exata de um mês.

Aplicação

O custo mensal transforma uma estimativa de chamada única em uma linha de orçamento. O valor por chamada a partir do qual ele escala é objeto da Calculadora de Custo por Token, e cargas de trabalho em que cada tarefa emite muitas chamadas sequenciais são estimadas com a Calculadora de Custo de Agente. Quando o volume projetado se aproxima do teto de vazão de um provedor, a Calculadora de Planejamento de Limite de Taxa de LLM verifica se os limites de taxa conseguem sustentá-lo.