# 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.

- Endereço: https://www.luria.ai/blog/o-que-e-token-em-ia
- Publicado em: 2026-11-16
- Autor: Leonardo Picciani, CTO da Luria
- Assuntos: o que é token em ia, token chatgpt, quantos tokens tem uma palavra, janela de contexto, custo de token, tokens em português
- Para citar: O que é token em IA e por que ele vira custo na fatura (Luria, 2026-11-16), https://www.luria.ai/blog/o-que-e-token-em-ia

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](https://platform.claude.com/docs/en/about-claude/pricing) 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](https://github.com/openai/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](https://platform.claude.com/docs/en/about-claude/pricing) 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](https://www.luria.ai/blog/chatgpt-ou-claude-qual-e-melhor).

As regras de bolso publicadas valem para inglês: o [Google informa](https://aistudio.google.com/docs/tokens) 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](https://platform.claude.com/docs/en/build-with-claude/token-counting), 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](https://developers.openai.com/api/docs/pricing) 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](https://developers.openai.com/api/docs/guides/latency-optimization) 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](https://platform.claude.com/docs/en/build-with-claude/context-windows) 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](https://developers.openai.com/api/docs/guides/conversation-state) 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](https://www.luria.ai/blog/alucinacao-ia-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](https://platform.claude.com/docs/en/about-claude/pricing) (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](https://www.anthropic.com/engineering/multi-agent-research-system): 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](https://www.luria.ai/blog/automatizar-relatorios-com-ia), 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](https://arxiv.org/abs/2305.15425). 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](https://github.com/openai/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](https://www.luria.ai/product/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](https://www.luria.ai/blog/como-controlar-custo-de-tokens-ia-empresas).

Quer ver o consumo de tokens da sua operação separado por área, pessoa e modelo? [Agende uma demonstração](https://www.luria.ai/contact) ou comece pelo [diagnóstico gratuito dos primeiros 90 dias](https://www.luria.ai/assessment).

## 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.

## Sobre a Luria

Luria é o ecossistema brasileiro de agentes de IA enterprise, desenvolvido pela PX Data (Luria Co.). Um agente treinado no contexto do negócio se conecta aos dados que a empresa já tem (ERP, CRM, bancos de dados, data warehouse, BI), responde em linguagem natural e apoia decisões, com liberdade de modelo (Gemini, Claude, GPT) e governança enterprise (SSO, permissões por perfil, Row-Level Security e auditoria de cada consulta). Parceira oficial Google Cloud, com o selo Google Cloud Ready · BigQuery e disponível no Google Cloud Marketplace. Site: https://www.luria.ai
