Custo da API da OpenAI em 2026: Tabela de Preços e Calculadora
O custo da API da OpenAI depende de cinco fatores: o modelo, os tokens de entrada não armazenados em cache, os tokens de entrada armazenados em cache, os tokens de gravação em cache e os tokens de saída. A camada de serviço, o comprimento do contexto, as ferramentas, as tentativas, a mídia e o processamento regional podem acrescentar mais custos.
Verificação de preços: 12 de outubro de 2026. A OpenAI altera modelos e preços com frequência. Use a página oficial de preços da API da OpenAI como fonte definitiva antes de definir um orçamento ou iniciar a produção.
Custo da API da OpenAI: resposta rápida
Para o processamento Standard, a tabela principal atual da OpenAI apresenta os seguintes preços de contexto curto por 1 milhão de tokens:
| Modelo | Entrada | Entrada em cache | Gravações em cache | Saída |
|---|---|---|---|---|
| GPT-6 Astra | $10.00 | $1.00 | $12.50 | $50.00 |
| GPT-6.1 Sol | $2.00 | $0.10 | $2.50 | $10.00 |
| GPT-6 Luna | $0.10 | $0.01 | $0.125 | $0.50 |
A mesma tabela Standard atualmente mostra tarifas mais altas para contexto longo:
| Modelo | Entrada | Entrada em cache | Gravações em cache | Saída |
|---|---|---|---|---|
| GPT-6 Astra | $20.00 | $2.00 | $25.00 | $75.00 |
| GPT-6.1 Sol | $4.00 | $0.20 | $5.00 | $15.00 |
| GPT-6 Luna | $0.20 | $0.02 | $0.25 | $0.75 |
Não copie apenas a linha mais barata para uma previsão. Um modelo de preço mais baixo pode custar mais por resultado aceito se gerar respostas mais longas, falhar na validação ou acionar tentativas e chamadas de fallback.
Fórmula de custo da API da OpenAI
Use esta fórmula para uma solicitação com preço por token:
request cost =
(uncached input tokens / 1,000,000 × input rate)
+ (cached input tokens / 1,000,000 × cached-input rate)
+ (cache-write tokens / 1,000,000 × cache-write rate)
+ (output tokens / 1,000,000 × output rate)
+ tool, media, container, and regional charges
Para uma estimativa mensal, calcule cada carga de trabalho separadamente e depois adicione tentativas, tentativas de fallback, tráfego de avaliação e cobranças não relacionadas a tokens.
monthly cost =
requests per month
× average token cost per request
× average upstream attempts per request
+ tool and infrastructure charges
O multiplicador de tentativas é importante. Se uma ação do usuário criar uma solicitação principal, uma nova tentativa e uma chamada de fallback, a fatura poderá incluir três tentativas upstream, embora o produto registre um fluxo de trabalho.
Três exemplos práticos de custo da API da OpenAI
Suponha que uma carga de trabalho de contexto curto use 10 milhões de tokens de entrada não armazenados em cache e 2 milhões de tokens de saída com processamento Standard.
| Modelo | Cálculo | Custo estimado de tokens |
|---|---|---|
| GPT-6 Astra | 10 × $10 + 2 × $50 | $200.00 |
| GPT-6.1 Sol | 10 × $2 + 2 × $10 | $40.00 |
| GPT-6 Luna | 10 × $0.10 + 2 × $0.50 | $2.00 |
Esta é uma comparação de preços, não de qualidade. Use o mesmo conjunto de avaliação e a mesma regra de aceitação antes de decidir se uma opção mais barata pode executar a carga de trabalho.
Exemplo com entrada em cache
Suponha que a carga de trabalho do GPT-6.1 Sol tenha 10 milhões de tokens de entrada, dos quais 60% são processados à tarifa de entrada em cache, além de 2 milhões de tokens de saída:
uncached input: 4 × $2.00 = $8.00
cached input: 6 × $0.10 = $0.60
output: 2 × $10.00 = $20.00
estimated total: $28.60
Essa estimativa exclui qualquer cobrança de gravação em cache necessária para criar ou atualizar o prefixo armazenado em cache. Meça os acertos de cache e as gravações em cache separadamente; não presuma que todo prompt repetido receberá a tarifa de cache.
Contexto curto versus contexto longo
A página de preços atual separa as tarifas de contexto curto e longo para os modelos principais. Uma solicitação que ultrapasse o limite de contexto aplicável pode alterar a tarifa da solicitação, portanto, o tamanho médio do prompt não é suficiente para previsão.
Acompanhe uma distribuição:
- tokens de entrada p50, p90 e p99;
- a proporção de solicitações que entram na camada de contexto longo;
- tokens de entrada em cache e não armazenados em cache;
- tokens de saída e de raciocínio;
- tentativas e tentativas de fallback;
- custo por resultado aceito.
Alguns poucos prompts muito grandes podem dominar a fatura mensal, mesmo quando a solicitação mediana é pequena.
Preços Standard, Batch, Flex, Fast e Ultrafast
A OpenAI atualmente disponibiliza vários modos de processamento em sua página de preços. O modo certo depende do prazo e dos requisitos de disponibilidade da carga de trabalho.
| Modo | Adequação prática | Pergunta para o planeamento de custos |
|---|---|---|
| Padrão | Tráfego normal interativo e de produção | O modelo e o nível de contexto cumprem o orçamento de latência? |
| Batch | Trabalhos offline que podem esperar | O fluxo de trabalho pode aceitar conclusão atrasada e a semântica de lote? |
| Flex | Trabalho sensível ao custo que pode tolerar serviço variável | O trabalho pode esperar ou tentar novamente sem prejudicar o utilizador? |
| Fast | Fluxos de produção sensíveis à latência | O ganho de latência justifica a tarifa mais elevada? |
| Ultrafast | As rotas suportadas mais sensíveis à latência | O prémio está limitado a pedidos que realmente precisam dele? |
Leia o separador selecionado na página oficial de preços antes de copiar um valor. Uma tarifa de Batch, Flex, Fast ou Ultrafast não é uma tarifa Padrão.
Custo da API Responses versus Chat Completions
A OpenAI afirma que a API Responses e a API Chat Completions não têm preços como produtos separados. A utilização de tokens é faturada de acordo com as tarifas do modelo selecionado. As ferramentas integradas e outras capacidades podem acrescentar as suas próprias taxas.
Escolha o endpoint de acordo com o contrato de que a sua aplicação precisa e, em seguida, calcule:
- tokens do modelo;
- leituras e escritas de cache;
- chamadas de pesquisa na web ou em ficheiros;
- sessões de contentor ou de execução de código;
- utilização de imagens, áudio ou realtime;
- amplificação por tentativas e fallback.
Não presuma que uma migração de endpoint é gratuita apenas porque não existe uma taxa de endpoint. O comportamento das ferramentas, um contexto mais longo, o raciocínio ou saídas maiores podem alterar a utilização total.
Custos adicionais da API da OpenAI que as equipas não consideram
Chamadas de ferramentas
A página oficial de preços lista custos separados para ferramentas como pesquisa na web e pesquisa em ficheiros. O conteúdo obtido também pode gerar tokens de entrada do modelo. Por isso, uma única ação do produto pode incluir uma taxa de chamada de ferramenta e custos de tokens do modelo.
Contentores e execução de código
Os contentores Hosted Shell e Code Interpreter têm custos por sessão e regras de faturação mínima. Reutilizar uma sessão ou terminá-la rapidamente pode ser mais importante do que a tarifa por token para agentes com uso intensivo de ferramentas.
Processamento regional e FedRAMP
Os preços atuais da OpenAI indicam um acréscimo de 10% para endpoints elegíveis de processamento regional lançados em ou após 5 de março de 2026, e um acréscimo de 10% para endpoints FedRAMP. Confirme se a carga de trabalho utiliza realmente um desses endpoints.
Realtime, áudio, imagens e vídeo
Os serviços multimodais usam unidades e tarifas diferentes. Não estime um fluxo de trabalho de voz ou imagem a partir de uma tabela de tokens de texto.
Tentativas e vários candidatos
Uma tentativa é mais uma operação faturável. Várias conclusões ou candidatos também podem aumentar os tokens gerados. Registe as tentativas a montante, não apenas os pedidos visíveis ao utilizador.
Sete formas de reduzir o custo da API da OpenAI
- Encaminhe por carga de trabalho. Utilize o modelo mais pequeno que cumpra as verificações de qualidade e de contrato da tarefa.
- Coloque em cache prefixos estáveis. Mantenha instruções reutilizáveis, esquemas de ferramentas e contexto partilhado no início quando a API e o modelo suportarem cache.
- Controle o comprimento da saída. Defina um limite de saída realista e peça esquemas concisos em vez de texto aberto.
- Utilize Batch ou Flex para trabalho adiado. Transfira avaliações, enriquecimento e outros trabalhos offline para fora dos níveis interativos quando o contrato operacional o permitir.
- Limite as tentativas. Classifique falhas de autenticação, validação, quota, tempo limite e upstream antes de tentar novamente.
- Meça os resultados aceites. Inclua JSON inválido, chamadas de ferramentas falhadas, reparação manual e tráfego de fallback na métrica de custo.
- Analise as ferramentas separadamente. Acompanhe a pesquisa na web, pesquisa em ficheiros, contentores, multimédia e ciclos de agentes como fatores de custo próprios.
Para uma estrutura mais abrangente de cargas de trabalho, utilize o guia de otimização de custos de APIs de IA.
API direta da OpenAI ou um gateway multimodelo?
O acesso direto à OpenAI é normalmente a opção mais simples quando o seu produto depende de funcionalidades nativas da OpenAI, um fornecedor é suficiente e a equipa está confortável em gerir a conta, as chaves, a utilização e o caminho de fallback.
Um gateway multimodelo é útil quando a aplicação precisa da OpenAI juntamente com modelos Claude, Gemini, DeepSeek, Qwen, de imagem, áudio ou vídeo e pretende uma chave voltada para a aplicação, um URL base compatível e uma superfície única de análise de utilização.
A Flatkey não deve ser avaliada apenas com base em uma lista de preços ser inferior. Compare o fluxo de trabalho completo:
- disponibilidade de modelos e IDs exatos dos modelos;
- compatibilidade de endpoints e funcionalidades;
- taxa de sucesso dos pedidos e de saídas aceites;
- latência, tentativas e comportamento de fallback;
- visibilidade da utilização e atribuição de custos;
- operações de conta e faturação do fornecedor;
- esforço de reversão.
Consulte o catálogo de modelos da Flatkey e a página de preços atuais e, em seguida, teste uma carga de trabalho reversível antes de transferir o tráfego de produção.
Lista de verificação de custos da API da OpenAI
Antes de aprovar um orçamento, confirme:
- [ ] O ID do modelo e o nível de serviço estão explícitos.
- [ ] O tráfego de contexto curto e longo é previsto separadamente.
- [ ] A entrada em cache e as gravações em cache são medidas separadamente.
- [ ] Os tokens de saída e de raciocínio estão incluídos.
- [ ] As cobranças de ferramentas, mídia e contêineres estão incluídas.
- [ ] As novas tentativas e tentativas de fallback são contabilizadas.
- [ ] O adicional regional ou FedRAMP está incluído quando aplicável.
- [ ] O custo é medido por tarefa aceita, não apenas por solicitação.
- [ ] A tabela de preços tem uma data de verificação e um responsável pelas atualizações.
- [ ] Existe um alerta de uso e um caminho de reversão antes do lançamento.
Para todas as taxas atuais de tokens do GPT-6 e GPT-5.6, incluindo Batch, Flex e entrada em cache, consulte nosso guia de preços da API da OpenAI.
Para ver como a OpenAI se compara a Claude, Gemini, Qwen, DeepSeek e Kimi, leia nossa comparação de preços de APIs de IA.
Prompts longos e repetidos são o local mais fácil para economizar; nosso guia de cache de prompts da OpenAI explica taxas de leitura e gravação, TTLs e cálculos de ponto de equilíbrio.
Perguntas frequentes
Como calculo o custo da API da OpenAI?
Multiplique cada categoria de tokens pelo seu preço por 1 milhão de tokens e, em seguida, some as cobranças de ferramentas, mídia, contêineres, região, novas tentativas e fallback. Separe a entrada sem cache, a entrada em cache, as gravações em cache e os tokens de saída.
A API Responses é mais cara do que Chat Completions?
A OpenAI afirma que os endpoints não têm preços separados; os tokens são cobrados conforme as taxas do modelo selecionado. O custo total ainda pode variar se uma implementação usar mais contexto, raciocínio, ferramentas ou saída.
Qual é o modelo mais barato da API da OpenAI?
A tabela de preços atual mostra o GPT-6 Luna com as menores taxas de tokens entre os modelos principais. Isso não o torna a opção mais barata para todas as tarefas. Teste a qualidade e calcule o custo por resultado aceito.
O cache de prompts reduz o custo da API da OpenAI?
Pode reduzir o custo de entradas repetidas quando uma solicitação recebe a taxa de entrada em cache. Inclua as cobranças de gravação em cache e a taxa de acerto real antes de prever a economia.
Por que minha fatura da OpenAI é maior do que minha estimativa de tokens?
As causas comuns são preços para contexto longo, gravações em cache, raciocínio ou saídas longas, ferramentas, contêineres, mídia, novas tentativas, múltiplos candidatos, chamadas de fallback e processamento regional.
Uma alternativa à API da OpenAI pode reduzir custos?
Possivelmente. Um provedor, gateway, proxy auto-hospedado ou modelo menor diferente pode reduzir um componente de custo, mas o trabalho de migração, as novas tentativas, as falhas de qualidade e as operações também contam. Use o guia de migração para alternativas à API da OpenAI e compare a mesma carga de trabalho.
Fontes
- Preços da API da OpenAI, verificado em 12 de outubro de 2026.
- Guia de cache de prompts da OpenAI, verificado em 12 de outubro de 2026.
- Explicação da OpenAI sobre contagem e preços de tokens, verificado em 12 de outubro de 2026.
Os preços são um retrato em uma data específica, não uma cotação permanente. Verifique a página oficial da OpenAI e a página de preços ao vivo da Flatkey antes do lançamento.
