# Prompt em inglês gasta menos tokens? Medimos: até 30% a menos

> Sim. Na medição da Luria, o mesmo texto em inglês gastou de 16% a 30% menos tokens que em português, conforme o tokenizador. Veja quando compensa trocar.

- Endereço: https://www.luria.ai/blog/prompt-em-ingles-gasta-menos-tokens
- Publicado em: 2026-11-04
- Autor: Caio Ferreira, CMO da Luria
- Assuntos: prompt em inglês ou português, prompt em inglês gasta menos tokens, tokens em português, quantos tokens tem uma palavra, como economizar tokens, chatgpt em inglês ou português
- Para citar: Prompt em inglês gasta menos tokens? Medimos: até 30% a menos (Luria, 2026-11-04), https://www.luria.ai/blog/prompt-em-ingles-gasta-menos-tokens

Sim. O mesmo texto escrito em inglês gasta menos tokens do que em português: de 16% a 30% menos, conforme o tokenizador, na medição que fizemos na Luria em 4 de novembro de 2026. Visto do outro lado, o português gasta 19% mais tokens que o inglês no tokenizador que a OpenAI usa hoje, do GPT-4o ao GPT-5, e 43% mais no anterior, o do GPT-4. Em perguntas curtas, do tipo que um gestor faz no dia a dia, a diferença cai para 11% e 27%.

Quem cuida da fatura de IA ouve com frequência que escrever em inglês sai mais barato. Faltava um número atual: o estudo mais citado sobre o tema é de 2023 e mediu tokenizadores que já foram trocados. Por isso fizemos a conta com material nosso, que qualquer pessoa pode conferir.

## O que medimos: 46 artigos e 20 perguntas, em português e em inglês

Usamos a biblioteca [tiktoken](https://github.com/openai/tiktoken), que a OpenAI publica com os tokenizadores dos seus modelos (versão 0.14.0), e dois deles: o o200k_base, dos modelos GPT-4o, GPT-4.1, o3 e GPT-5, e o cl100k_base, do GPT-4 e do GPT-3.5. O primeiro material foram os 46 artigos deste blog no ar em 4 de novembro de 2026, que existem com o mesmo conteúdo em português, inglês e espanhol: cerca de 60 mil palavras em português. O segundo foram 20 perguntas típicas de gestão (faturamento por filial, inadimplência, fluxo de caixa, giro de estoque, rotatividade), escritas em português e traduzidas para o inglês.

| Material | Tokenizador | Tokens em português | Tokens em inglês | Inglês gasta a menos |
| --- | --- | --- | --- | --- |
| **46 artigos do blog** | o200k_base (GPT-4o a GPT-5) | 83.637 | 70.032 | 16% |
| **46 artigos do blog** | cl100k_base (GPT-4) | 101.341 | 70.858 | 30% |
| **20 perguntas de gestão** | o200k_base (GPT-4o a GPT-5) | 366 | 327 | 11% |
| **20 perguntas de gestão** | cl100k_base (GPT-4) | 459 | 333 | 27% |

Em média, cada palavra em português virou 1,40 token no o200k_base, contra 1,24 em inglês. O espanhol ficou perto do português, com 22% mais tokens que o inglês no mesmo tokenizador. E o português gastou mais que o inglês em todos os 46 artigos, de 8% a 32% a mais conforme o texto.

## Em perguntas curtas a diferença cai, mas aparece em quase todas

Nas 20 perguntas, o português gastou mais tokens em 17 no tokenizador atual e em 19 no anterior. Três exemplos, contados no o200k_base:

- “Escreva um e-mail para os gerentes regionais explicando a nova política de descontos”: 20 tokens em português e 13 em inglês.
- “Qual foi a rotatividade de funcionários por área nos últimos doze meses?”: 15 contra 12. “Rotatividade” vira dois pedaços e “doze” também; “turnover” e “twelve” são um token cada.
- “Quais clientes atrasaram pagamento por mais de 30 dias neste mês e quanto eles devem no total?”: 21 em português e 24 em inglês. A tradução saiu mais longa, e o inglês perdeu.

O terceiro exemplo vale para qualquer comparação: o que pesa é o tamanho do texto enviado, e uma tradução prolixa come a vantagem do idioma.

## Por que o mesmo texto em português vira mais tokens

O modelo não lê palavras: um tokenizador corta o texto em pedaços que ele conhece, montados a partir do material de treino, em que o inglês domina. Palavra inglesa comum costuma ser um token só; a portuguesa é quebrada com mais frequência. O estudo de referência é de [Petrov e colegas, da Universidade de Oxford, apresentado na NeurIPS 2023](https://arxiv.org/abs/2305.15425): 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.

O tokenizador mais novo da OpenAI encurtou a distância: no nosso material, ela caiu de 43% para 19%. Para Claude e Gemini, a conta precisa ser refeita com a contagem oficial de cada fornecedor, como a [contagem de tokens da API do Claude](https://platform.claude.com/docs/en/build-with-claude/token-counting) e a [documentação de tokens do Gemini](https://aistudio.google.com/docs/tokens). Esta última traz a regra de bolso de 100 tokens para 60 a 80 palavras, que vale para inglês.

## Quando vale escrever o prompt em inglês

### Onde a troca compensa

Nas instruções longas que vão junto com toda chamada. O prompt de sistema de um assistente interno e as instruções de um agente que roda milhares de vezes por mês são mandados de novo a cada pergunta; um corte de 16% ali se multiplica pelo volume, e a instrução pode pedir que a resposta saia em português. Vale também para material técnico que já existe em inglês, como documentação de sistema: traduzir para o português só aumenta o contexto.

### Onde é melhor ficar no português

Nas regras de negócio que a área escreve e revisa. Na Luria, as [Skills com as regras de negócio](https://www.luria.ai/blog/skills-corporativas-regras-de-negocio-ia) são escritas em português de propósito: quem conhece a regra precisa conseguir ler e corrigir, e uma regra mal traduzida custa mais que qualquer token. Fica em português também o que é dado da empresa (nome de cliente, produto e filial não muda com o idioma), o termo sem tradução exata, como nota fiscal, ICMS e Pix, e a pergunta curta do gestor, em que a economia é de 11% e não justifica mudar o hábito de ninguém.

## Como medir os tokens dos seus próprios textos

1. Separe uma amostra real: o prompt de sistema, 20 perguntas comuns da operação e um documento que costuma ir como contexto.
2. Conte na ferramenta do fornecedor que você usa: a tiktoken para os modelos da OpenAI e a contagem oficial da API para Claude e Gemini.
3. Compare as versões em português e em inglês só no que se repete a cada chamada. É ali que a diferença vira volume.
4. Refaça a conta quando trocar de modelo: o tokenizador muda, e a diferença muda junto.

## Como a Luria mostra para onde vão os tokens

O Painel de Uso da Plataforma da Luria separa o consumo por dia, unidade, pessoa e modelo, com entrada, saída e cache, e cada rotina agendada tem a sua medição. É com esse recorte que se descobre se o prompt de sistema pesa a ponto de valer a troca de idioma. Nas consultas a dados, o modelo recebe só um handle, o schema e uma amostra das primeiras linhas, e o [NL2SQL](https://www.luria.ai/product/nl2sql) roda o SQL na fonte oficial: a tabela inteira não vira token. Outras formas de reduzir o consumo estão no texto sobre [gestão de custo de tokens](https://www.luria.ai/blog/como-controlar-custo-de-tokens-ia-empresas).

Quer ver quanto do consumo de IA da sua empresa é instrução repetida? [Agende uma demonstração](https://www.luria.ai/contact) ou comece pelo [diagnóstico gratuito dos primeiros 90 dias](https://www.luria.ai/assessment).

## Perguntas frequentes

### Prompt em inglês gasta menos tokens que em português?

Sim. Na medição da Luria de 04/11/2026, com 46 artigos escritos nas duas línguas, o mesmo texto em inglês gastou 16% menos tokens no tokenizador o200k_base (GPT-4o a GPT-5) e 30% menos no cl100k_base (GPT-4). Em 20 perguntas curtas de gestão, a diferença foi de 11% e 27%.

### Quantos tokens tem uma palavra em português?

Cerca de 1,4 token por palavra no tokenizador o200k_base da OpenAI, contra 1,24 em inglês, na média de 46 artigos com cerca de 60 mil palavras medidos pela Luria em 04/11/2026. No cl100k_base, o do GPT-4, a média em português sobe para 1,7.

### Vale a pena escrever o prompt em inglês e pedir a resposta em português?

Para instruções longas que se repetem em toda chamada, como o prompt de sistema de um assistente ou de um agente que roda em volume, pode valer. Para regras de negócio que a área precisa ler e corrigir, para dados da empresa e para perguntas curtas do dia a dia, não: a economia é pequena e o risco de erro de tradução é maior.

### A diferença entre português e inglês é a mesma no Claude e no Gemini?

Não dá para afirmar. Cada fornecedor tem o seu tokenizador, e a medição da Luria vale para os da OpenAI. Para Claude e Gemini, use a contagem oficial de tokens de cada fornecedor com os seus próprios textos e compare as duas versões.

## 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