O que é token em IA e por que ele vira custo na fatura
Token é o pedaço de texto que o modelo de IA lê e escreve; a cobrança é por milhão de tokens, com preços diferentes para entrada, saída e cache.
Token é o pedaço de texto que um modelo de IA lê e escreve: às vezes uma palavra inteira, às vezes um pedaço dela, um espaço ou um sinal de pontuação. É também a unidade de cobrança. Os fornecedores cobram por milhão de tokens e separam três preços: o que entra no modelo (instruções, histórico, dados e a pergunta), o que sai dele (a resposta) e o que é relido do cache. Na tabela de preços da Anthropic consultada em 03/11/2026, o token de saída custa cinco vezes o de entrada em todos os modelos Claude listados, e o token lido do cache custa de 2,5% a 10% do preço de entrada.
Para quem aprova o orçamento, isso responde a quatro perguntas do primeiro mês de uso: por que a mesma pergunta custa diferente em cada modelo, por que a conversa longa fica cara, por que um agente gasta mais que um chat e por que o português pesa mais que o inglês.
Como uma frase em português vira tokens
O modelo não lê letras nem palavras. Antes de qualquer cálculo, um tokenizador, uma espécie de dicionário próprio de cada modelo, corta o texto em pedaços que ele conhece. Palavras frequentes viram um token só; palavras longas ou raras no material de treino são quebradas em partes. Para ver isso na prática, passamos uma pergunta típica de diretoria pela biblioteca tiktoken, que a OpenAI publica com os tokenizadores dos seus modelos. A medição é da Luria, feita em 03/11/2026, e cada barra separa um token:
- Português, tokenizador o200k_base (GPT-4o, GPT-4.1 e GPT-5): Qual | foi | o | fatur | amento | líquido | da | filial | de | Campinas | em | outubro | ? = 13 tokens para 11 palavras.
- A mesma pergunta em inglês, mesmo tokenizador: What | was | the | net | revenue | of | the | Campinas | branch | in | October | ? = 12 tokens.
- Português, tokenizador cl100k_base (GPT-4 e GPT-3.5): Qual | foi | o | f | atur | amento | lí | qu | ido | da | fil | ial | de | Camp | inas | em | out | ub | ro | ? = 20 tokens.
- Inglês, tokenizador cl100k_base: What | was | the | net | revenue | of | the | Camp | inas | branch | in | October | ? = 13 tokens.
Duas coisas saem desse exemplo. "Faturamento" vira dois tokens e, no tokenizador mais antigo, "outubro" vira três: o modelo conhece pedaços, não o vocabulário inteiro de cada língua. E a mesma frase dá 13 ou 20 tokens conforme o tokenizador, que muda de fornecedor para fornecedor. A Anthropic informa que os modelos Claude a partir da versão 4.7 usam um tokenizador novo, que produz cerca de 30% mais tokens para o mesmo texto que os anteriores. Preço por milhão de tokens, sozinho, não compara fornecedores, ponto que aparece também na comparação entre ChatGPT e Claude.
As regras de bolso publicadas valem para inglês: o Google informa que, nos modelos Gemini, um token equivale a cerca de 4 caracteres e 100 tokens, a 60 a 80 palavras em inglês. Em português, conte com mais tokens por palavra. Para precisão, use a contagem oficial das APIs, como a contagem de tokens da Anthropic, que calcula os tokens de uma mensagem num modelo específico antes do envio.
Entrada, saída e cache: os três preços do token
Toda fatura de API de IA separa o consumo em pelo menos três linhas. A página de preços da OpenAI usa colunas de entrada, entrada em cache e saída; a da Anthropic acrescenta a gravação no cache. A tabela abaixo usa como referência os valores da Anthropic para o modelo Claude Sonnet 5.5, consultados em 03/11/2026 (a comparação entre OpenAI, Anthropic e Google, em dólar e em reais, está em quanto custa a API do ChatGPT, do Claude e do Gemini):
| Tipo de token | O que entra nessa conta | Como é cobrado |
|---|---|---|
| Entrada (input) | Tudo o que vai para o modelo a cada chamada: instruções do sistema, regras da empresa, histórico da conversa, dados consultados e a pergunta | Preço base: US$ 2 por milhão de tokens |
| Saída (output) | Tudo o que o modelo escreve: a resposta, o SQL, o código e, nos modelos que raciocinam antes de responder, os tokens de raciocínio | 5 vezes a entrada: US$ 10 por milhão |
| Gravação em cache | A primeira vez que um trecho fixo (instruções, catálogo de tabelas, regras) é guardado para ser reaproveitado | 1,25 vez a entrada para cache de 5 minutos; 2 vezes para cache de 1 hora |
| Leitura de cache | O mesmo trecho relido nas chamadas seguintes, enquanto o cache vale | 5% da entrada neste modelo, US$ 0,10 por milhão (10% na maioria dos outros modelos Claude) |
Por que a saída custa mais? Os fornecedores não abrem a composição do preço, mas a diferença de esforço aparece no tempo de resposta. A entrada é processada de uma vez; a resposta é gerada um token por vez, e cada token novo exige mais uma passagem pelo modelo. O guia de latência da OpenAI mostra o efeito: cortar metade dos tokens de saída pode reduzir a latência em cerca de metade, enquanto cortar metade do prompt melhora a latência em apenas 1% a 5%. Saída cara por token, porém, não quer dizer saída cara no total, como mostra a conta mais abaixo.
Janela de contexto: por que a conversa longa fica cara
Janela de contexto é tudo o que o modelo consegue considerar ao gerar uma resposta, incluindo a própria resposta. A documentação da Anthropic a chama de memória de trabalho do modelo, diferente do material de treino. Nos modelos Claude atuais, ela chega a 1 milhão de tokens e abriga tudo o que a chamada carrega: instruções, mensagens anteriores, resultados de ferramentas, documentos e a resposta em produção.
O ponto que pesa na fatura é outro: o modelo não guarda a conversa entre uma mensagem e a seguinte. A documentação da OpenAI diz com todas as letras que cada requisição é independente e sem estado e que, numa cadeia de respostas, todos os tokens de entrada anteriores são cobrados de novo como entrada. Na prática, a décima mensagem de uma conversa leva junto as nove anteriores, com perguntas, respostas e dados, e paga por elas outra vez.
Janela maior também não quer dizer resposta melhor: a mesma documentação registra que, quando o número de tokens cresce, a precisão e a capacidade de recuperar informação caem (o chamado context rot). A conversa que atravessa a tarde misturando três assuntos fica mais cara e mais sujeita a erro, e em números financeiros o erro custa mais que o token, como mostra o texto sobre alucinação em dados financeiros.
O cache barateia a parte repetida, mas não libera espaço: segundo a Anthropic, o trecho em cache continua ocupando a janela. O que funciona é hábito e arquitetura: uma conversa por assunto, nada de colar a planilha inteira no chat e devolver ao modelo só o que ele precisa ler.
Quanto token gasta um assistente interno de 150 pessoas
Exemplo fictício, para mostrar o método: uma distribuidora do interior de São Paulo libera um assistente de IA conectado ao ERP para 150 pessoas. As hipóteses são ilustrativas; troque pelos números da sua empresa.
Passo 1: o volume de perguntas
Se cada pessoa faz em média 6 perguntas por dia útil, em 21 dias úteis são 150 × 6 × 21 = 18.900 perguntas por mês. Elas não chegam soltas, chegam em conversas. Suponha conversas de 4 perguntas em média, o que dá 4.725 conversas por mês.
Passo 2: o peso de uma pergunta isolada
Cada chamada leva ao modelo 5.000 tokens de contexto fixo (instruções do sistema, regras da empresa e a descrição das tabelas), 50 tokens da pergunta e 1.500 tokens com a amostra de dados que voltou da consulta. São 6.550 tokens de entrada. A resposta, de alguns parágrafos, tem 450 tokens de saída.
Passo 3: o histórico que volta a cada mensagem
Cada pergunta respondida acrescenta cerca de 2.000 tokens ao histórico (pergunta, dados e resposta). Na segunda pergunta da conversa, a entrada já é de 8.550 tokens; na terceira, 10.550; na quarta, 12.550. A conversa de 4 perguntas soma 38.200 tokens de entrada, média de 9.550 por pergunta: 46% a mais do que se cada pergunta fosse feita do zero.
No mês, são 4.725 × 38.200 = 180,5 milhões de tokens de entrada e 18.900 × 450 = 8,5 milhões de tokens de saída. A entrada é 21 vezes maior que a saída.
Passo 4: a conta em dólar e o efeito do cache
Com o preço de tabela do Claude Sonnet 5.5 consultado em 03/11/2026 na página da Anthropic (US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de saída), a entrada custa US$ 361 e a saída, US$ 85: cerca de US$ 446 por mês, antes de impostos, câmbio e de qualquer desconto por volume negociado em contrato. A saída é cinco vezes mais cara por token, mas a entrada responde por 81% da conta.
Agora ligue o cache para o contexto fixo. Na primeira pergunta de cada conversa, os 5.000 tokens são gravados no cache (US$ 2,50 por milhão); nas três seguintes, são lidos dele (US$ 0,10 por milhão). Só essa mudança leva a entrada para cerca de US$ 238 e a conta total para US$ 323, 28% a menos. A suposição é conservadora: o histórico da conversa também pode ser relido do cache, e a economia cresce.
Duas lições valem para qualquer fornecedor. A fatura mora na entrada, que cresce com o histórico e com os dados postos na conversa. E dado pesa: na nossa medição com o o200k_base, uma linha de pedido com oito colunas (data, número, cidade, cliente, produto, quantidade, preço e total) deu cerca de 40 tokens. Despejar 50 mil linhas no modelo somaria uns 2 milhões de tokens, o dobro da janela de 1 milhão dos modelos Claude atuais.
Por que um agente de IA consome mais tokens que um chat
No chat, uma pergunta gera uma resposta. O agente recebe um objetivo e trabalha em ciclos: decide o próximo passo, chama uma ferramenta (uma consulta ao banco, a leitura de um arquivo), lê o resultado e decide de novo. Cada ciclo é uma nova chamada ao modelo, e cada chamada reenvia o contexto acumulado, agora engordado pelos resultados das ferramentas.
A Anthropic mediu o efeito no próprio sistema de pesquisa e publicou os números em junho de 2025: agentes usam cerca de 4 vezes mais tokens que interações de chat, e sistemas com vários agentes trabalhando juntos usam cerca de 15 vezes mais. Por isso rotinas agendadas, como as de relatórios automatizados, precisam ser medidas por execução, e não por usuário. Um agente que roda toda manhã gasta tokens mesmo sem ninguém olhando, e esse custo não cai na conta de pessoa alguma. Medir esse gasto por rotina é uma das tarefas da observabilidade de IA.
Por que o português gasta mais tokens que o inglês
Os tokenizadores são montados a partir do texto usado no treino, em que o inglês domina. Palavras inglesas tendem a virar um token inteiro; as portuguesas são quebradas com mais frequência. O estudo mais citado sobre o tema é de Petrov e colegas, da Universidade de Oxford, apresentado na NeurIPS 2023. Os autores passaram o mesmo conjunto de 2.000 frases (o corpus FLORES-200, traduzido por pessoas para 200 línguas) por vários tokenizadores. No tokenizador do ChatGPT e do GPT-4, o português precisou de 1,48 vez o número de tokens do inglês para o mesmo conteúdo, cerca de 50% a mais, nas palavras do próprio artigo. E o português ficou entre as línguas mais próximas do inglês: em algumas, a diferença chegou a 15 vezes.
Tokenizadores mais novos reduziram a distância, e uma frase não basta para dizer quanto. Não encontramos medição pública para os tokenizadores atuais, então a Luria fez a sua em 04/11/2026: passou pela biblioteca tiktoken (versão 0.14.0) os 49 artigos deste blog publicados até 06/11/2026, que existem com o mesmo conteúdo em português, inglês e espanhol. São cerca de 66 mil palavras em português. No o200k_base, o tokenizador atual da OpenAI, o português gastou 19% mais tokens que o inglês. No cl100k_base, o do GPT-4, gastou 42% a mais, perto dos 48% do estudo de Oxford. O português ficou acima do inglês em todos os 49 artigos, de 8% a 32% a mais no tokenizador novo.
| Idioma | Tokens no o200k_base (GPT-4o em diante) | Tokens no cl100k_base (GPT-4) | Tokens por palavra (o200k_base) |
|---|---|---|---|
| Inglês | 78.176 (base) | 79.070 (base) | 1,24 |
| Português | 92.664 (+19%) | 111.973 (+42%) | 1,39 |
| Espanhol | 94.538 (+21%) | 110.611 (+40%) | 1,38 |
A medição vale para os tokenizadores da OpenAI, que são públicos. Para Claude e Gemini, a contagem confiável é a da API de cada fornecedor, e o resultado muda de modelo para modelo. A conclusão que serve para qualquer um é de método: meça com os seus textos, no modelo que vai usar, antes de projetar a fatura.
Na prática, a janela enche mais rápido em português, a mesma resposta custa mais e a demonstração feita em inglês por um fornecedor estrangeiro subestima o consumo da operação real, cheia de nomes de cliente, produto e filial que o tokenizador quebra em pedaços.
Como a Luria mostra e reduz o consumo de tokens
A conta do assistente de 150 pessoas é uma estimativa. Na Luria, ela vira medição: o Painel de Uso da Plataforma mostra o consumo por dia, por unidade, por pessoa e por modelo, separando entrada, saída e cache, inclusive quanto o cache economizou. Rotinas agendadas têm observabilidade de tokens própria, e cada execução e cada consulta ficam auditadas. Custo é uma das seis peças de uma IA corporativa, ao lado de dados, regras de negócio, modelos, governança e observabilidade.
Do lado da arquitetura, a Luria ataca a entrada, que é onde a fatura mora. Quando uma pergunta vira consulta (o NL2SQL gera um SQL validado que roda na fonte oficial), o modelo não recebe as 50 mil linhas: recebe um handle, o schema e uma amostra das primeiras linhas. O resultado completo é processado por ferramentas determinísticas, e o modelo de linguagem não faz conta. A empresa escolhe o modelo padrão das conversas, com fallback entre provedores, e cada agendamento pode ter o seu. Outras alavancas estão no texto sobre gestão de custo de tokens.
Quer ver o consumo de tokens da sua operação separado por área, pessoa e modelo? Agende uma demonstração ou comece pelo diagnóstico gratuito dos primeiros 90 dias.
Perguntas frequentes
Quantos tokens tem uma palavra em português?
Em média, 1,39 token por palavra no tokenizador o200k_base da OpenAI, contra 1,24 em inglês: é o resultado da medição da Luria em 49 artigos (cerca de 66 mil palavras) feita em 04/11/2026. Palavras curtas e comuns costumam ser um token; as longas e os nomes próprios são quebrados. No tokenizador anterior, o cl100k_base (GPT-4), a média em português sobe para 1,69. A referência do Google para os modelos Gemini, de 100 tokens para 60 a 80 palavras, vale para inglês.
Token do ChatGPT é igual a token do Claude?
Não. Cada fornecedor usa o seu tokenizador, e o mesmo texto gera quantidades diferentes de tokens. A Anthropic informa que os modelos Claude a partir da versão 4.7 produzem cerca de 30% mais tokens para o mesmo texto que os anteriores. Comparar só o preço por milhão de tokens entre fornecedores engana: é preciso medir o próprio texto em cada modelo.
O que é janela de contexto em IA?
É tudo o que o modelo considera ao gerar uma resposta: instruções, histórico, documentos, resultados de ferramentas e a própria resposta. Nos modelos Claude atuais, chega a 1 milhão de tokens. Como o modelo não guarda a conversa entre mensagens, o histórico é reenviado e cobrado de novo a cada pergunta, e a precisão tende a cair quando o contexto fica muito grande.
Por que o token de saída custa mais que o de entrada?
Os fornecedores não detalham a composição do preço, mas a entrada é processada de uma vez e a saída é gerada um token por vez, o que exige mais da máquina. Na tabela da Anthropic de 03/11/2026, a saída custa cinco vezes a entrada em todos os modelos Claude listados. Ainda assim, em assistentes que consultam dados, a entrada costuma pesar mais na fatura, pelo volume.
Cache de prompt é a mesma coisa que memória da conversa?
Não. O cache é um desconto para o trecho que se repete igual no início das chamadas, como instruções fixas e catálogo de tabelas. Na Anthropic, a leitura de cache custa de 2,5% a 10% do preço de entrada, conforme o modelo. O trecho em cache continua ocupando a janela de contexto: muda o preço, não o espaço.
Luria é o ecossistema brasileiro de agentes de IA enterprise, desenvolvido pela PX Data. Um agente treinado no contexto do negócio conecta os dados que já existem na operação, responde em linguagem natural e decide em segundos, com liberdade para escolher o modelo (Gemini, Claude, GPT) e governança para escalar entre todas as áreas. O ecossistema é composto por Luria One (inteligência e decisão), Luria Flow (automação de processos) e Luria Academy (adoção de IA).
A plataforma é parceira oficial Google Cloud, possui o selo Google Cloud Ready – BigQuery, e está disponível no Google Cloud Marketplace. A Luria foi reconhecida como uma das 100 Startups to Watch 2025 e é usada por empresas como Bradesco, BAT e Eurofarma.
Como Contratar a Luria AI
A Luria está disponível no Google Cloud Marketplace para contratação direta com billing unificado, ou através de contato com a equipe de vendas para condições personalizadas.
- Site oficial: www.luria.ai
- Agendar demonstração: www.luria.ai/agendar
- Google Cloud Marketplace: Contratar via GCP
- Contato: contato@pxdata.ai | +55 21 3812-9330