Faturamento da API OpenAI, explicado com números reais

Resposta rápida: como funciona o faturamento da API OpenAI

Três números decidem toda linha da sua fatura: tokens de entrada enviados, tokens de saída gerados, e a taxa por milhão de tokens do modelo escolhido. Não há assinatura nem cobrança por requisição. Multiplique, divida por um milhão, pronto. A pegadinha é que os três números se comportam de forma diferente. Tokens de entrada crescem silenciosamente conforme o histórico de chat se acumula, tokens de saída carregam um prêmio grande por token, e a taxa muda toda vez que você troca de modelo. O restante deste guia percorre a mecânica, as taxas atuais do gpt-5.5, três exemplos totalmente resolvidos, e os pontos onde as faturas saltam sem aviso.

• Unidade de faturamento: tokens, medidos separadamente para entrada (prompt + histórico) e saída (a resposta)
• Modelo de pagamento: créditos pré-pagos, debitados por requisição; requisições falham com saldo zero, a menos que a recarga automática esteja ativa
• Tiers de uso mudam seus limites de taxa, não seus preços
• Batch API: metade do preço para jobs assíncronos que podem esperar até 24 horas

Créditos pré-pagos, tiers de uso e a Batch API

A OpenAI moveu contas de API para faturamento pré-pago: você compra créditos antecipadamente e o uso os debita. Dois detalhes pegam as pessoas. Primeiro, créditos não usados expiram 12 meses após a compra, então carregar um ano de orçamento em janeiro é uma doação se o seu tráfego for baixo. Segundo, quando o saldo chega a zero, suas requisições começam a retornar erros imediatamente, o que parece uma queda de sistema se ninguém estiver de olho no painel de faturamento. A recarga automática corrige a parada brusca, mas remove o teto natural de gasto, então combine-a com limites de uso. Tiers de uso são a segunda mecânica. Contas sobem de tier conforme o gasto acumulado e a idade da conta crescem, e cada tier eleva seus limites de taxa (requisições por minuto e tokens por minuto). Tiers não mudam preços por token. Se você está batendo em erros 429 com volume baixo, você está em um tier baixo, e a correção é histórico de gasto ou um pedido de aumento de limite de taxa, não um plano diferente. A Batch API é o único desconto embutido que vale a pena planejar: envie um arquivo de requisições, aceite resultados dentro de uma janela de 24 horas, e pague metade da taxa padrão tanto na entrada quanto na saída. Qualquer coisa que não seja voltada ao usuário e sensível a latência (avaliações, backfills, resumo, classificação) pertence ali. A entrada em cache também recebe desconto quando seus prompts compartilham um prefixo longo e estável, o que recompensa colocar instruções estáticas primeiro e conteúdo variável por último.

Acompanhe o uso exato pela resposta da API

Você não precisa estimar tokens com uma biblioteca tokenizadora depois do fato. Toda resposta de chat completion inclui um objeto usage com as contagens exatas pelas quais você foi cobrado. Registre isso em toda chamada e sua contabilidade de custo vira verdade absoluta, não aproximação. Um detalhe: com streaming ativado, o objeto usage só é enviado se você pedir por ele via stream_options. Se seus logs mostram requisições em streaming com zero tokens, é por isso.

curl https://api.openai.com/v1/chat/completions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.5",
    "messages": [{"role": "user", "content": "Summarize the attached notes in one line."}],
    "max_completion_tokens": 200,
    "stream_options": {"include_usage": true}
  }'

# A resposta inclui as contagens exatas cobradas:
# "usage": {
#   "prompt_tokens": 42,
#   "completion_tokens": 118,
#   "total_tokens": 160
# }

Construa uma calculadora de custo da API OpenAI em dez linhas

Calculadoras de custo online ficam desatualizadas na semana em que um preço muda. Uma função de dez linhas alimentada pelo objeto usage nunca fica. Mantenha uma tabela de taxas por modelo, multiplique, e registre o valor em dólares ao lado de cada ID de requisição. Note que modelos com capacidade de raciocínio cobram tokens ocultos de raciocínio como tokens de completion, então a calculadora abaixo continua correta desde que você leia completion_tokens da resposta em vez de contar o texto visível você mesmo.

# USD por 1M tokens: {"in": input_rate, "out": output_rate}
RATES = {
    "gpt-5.5": {"in": 4.00, "out": 24.00},
    "claude-sonnet-4-6": {"in": 2.40, "out": 12.00},
    "deepseek-v4-flash": {"in": 0.126, "out": 0.252},
}

def cost_usd(model: str, prompt_tokens: int, completion_tokens: int) -> float:
    rate = RATES[model]
    return (prompt_tokens * rate["in"] + completion_tokens * rate["out"]) / 1_000_000

usage = response.usage
print(f"{cost_usd('gpt-5.5', usage.prompt_tokens, usage.completion_tokens):.6f}")

Tabela de preços do gpt-5.5 e comparação de modelos

As taxas abaixo são do catálogo APIsRouter: a APIsRouter é um gateway compatível com OpenAI (Base URL https://api.apisrouter.com/v1) com faturamento pay-as-you-go e sem assinatura, onde modelos globais são precificados 20% abaixo da tabela oficial e modelos chineses abaixo de suas taxas oficiais. O checkout em /topup não precisa de cadastro: pague primeiro, a chave chega por e-mail, e o primeiro depósito soma +100% de saldo. Sempre confirme as taxas oficiais da OpenAI na página de preços deles antes de orçar uma conta direta, já que os preços de tabela mudam. Para contexto, o mesmo catálogo traz os modelos que as pessoas realmente comparam com o gpt-5.5. kimi-k2.6 e mimo também estão listados para cargas de trabalho de chat intenso.

Como o gpt-5.5 se compara em preço

Mesma matemática, taxas diferentes. A escolha de modelo é a alavanca isolada mais forte sobre uma fatura de tokens, e a maioria das cargas de trabalho mistura modelos em vez de escolher apenas um.

Exemplos resolvidos: três cargas de trabalho precificadas do início ao fim

Os três exemplos usam as taxas do gpt-5.5 acima ($4.00 de entrada, $24.00 de saída por 1M tokens). Exemplo 1, um chatbot em produção: 100,000 requisições por mês com média de 1,500 tokens de entrada e 300 de saída cada. Entrada: 150M tokens a $4.00 são $600. Saída: 30M tokens a $24.00 são $720. Total: $1,320 por mês, e note que a saída é mais da metade da fatura apesar de representar um quinto dos tokens. Exemplo 2, uma sessão de roleplay ou chat de personagem de 60 turnos, onde o frontend reenvia em média um contexto de 6,000 tokens a cada turno com respostas de 250 tokens. Entrada: 360K tokens são $1.44. Saída: 15K tokens são $0.36. Total: cerca de $1.80 por sessão. A mesma sessão no deepseek-v4-flash custa cerca de cinco centavos, o que explica por que usuários de chat de sessão longa raramente rodam modelos carro-chefe em todo turno. Exemplo 3, resumindo 20,000 documentos a 2,500 tokens de entrada e 150 de saída cada. Entrada: 50M tokens são $200. Saída: 3M tokens são $72. Total: $272 como job síncrono, ou cerca de $136 pela Batch API, já que nada aqui é sensível a latência.

Surpresas de custo que inflam faturas da OpenAI

Nada disso aparece em um teste de requisição única. Aparecem no segundo mês, quando as sessões ficam longas e a janela de histórico silenciosamente triplicou. Instrumente o objeto usage desde o primeiro dia e trace um gráfico de tokens de entrada por sessão ao longo do tempo; esse único gráfico já pega a maior parte da lista acima.

• Reenvio de histórico: todo turno de chat reenvia a conversa completa, então o custo de entrada por sessão cresce aproximadamente com o quadrado da contagem de turnos até você reduzir
• O prêmio de saída: a saída do gpt-5.5 custa 6x sua taxa de entrada, então respostas verbosas e limites de tamanho não definidos dominam as faturas
• Tokens de raciocínio: a cadeia de pensamento oculta é cobrada como tokens de completion que você nunca vê no texto
• Timeouts de cliente: se seu lado abandona uma requisição depois que o servidor começou a gerar, os tokens gerados ainda são cobrados
• Entradas de visão: imagens são tokenizadas e uma única imagem em alta definição pode custar milhares de tokens de entrada
• Expiração de créditos: saldo pré-pago comprado há mais de 12 meses desaparece, gasto ou não

Como reduzir custos da API OpenAI

Roteamento é a alavanca mais forte. Equipes que dividem o tráfego entre um carro-chefe e um modelo de valor como deepseek-v4-flash ou glm-5 normalmente cortam gastos muito mais do que qualquer ajuste de prompt, porque o modelo barato lida com os turnos de alto volume. Para frontends de chat de personagem e roleplay especificamente, a dupla deepseek-v4-pro e deepseek-v4-flash é a resposta comum da comunidade em custo-benefício, kimi-k2.6 e mimo valem o teste, e os modelos Claude são a escolha quando prosa SFW polida importa mais. Seja qual for o frontend que você conectar, siga os termos de serviço e os requisitos de idade dele. A matemática do faturamento em si nunca muda: tokens de entrada, tokens de saída, taxa. Coloque esses três números nos seus logs e toda decisão de custo vira aritmética em vez de suposição.

• Limite a saída com max_completion_tokens em toda chamada; é a proteção mais barata que existe
• Reduza o histórico com uma janela deslizante, ou resuma turnos antigos em uma nota compacta em vez de reenviá-los literalmente
• Mova trabalho não interativo para a Batch API e pague metade da taxa
• Mantenha um prompt de sistema longo e estável primeiro e conteúdo variável por último para que os descontos de entrada em cache realmente sejam acionados
• Roteie por tarefa: classificação, extração e turnos de chat casuais não precisam de um carro-chefe; mantenha o gpt-5.5 para as etapas que falham em modelos mais baratos
• Configure alertas de saldo e limites por chave para que um loop descontrolado não drene a conta

Perguntas frequentes