Arquitetura de gateways de IA5 de setembro de 2026Flatkey Team

Guia de API de LLM (2026): o que é, como funciona, preços e os melhores provedores

Um guia prático de API de LLM para 2026: o que é, como funciona uma requisição, código pronto para executar, preços oficiais dos principais provedores, opções mais baratas e gratuitas e quando uma API unificada compensa mais do que contas separadas.

Guia de API de LLM (2026): o que é, como funciona, preços e os melhores provedores

Uma API de LLM é um endpoint web que permite ao seu código enviar um prompt a um grande modelo de linguagem e receber texto gerado, JSON ou chamadas de ferramentas, com cobrança por token. Você faz uma chamada por meio de uma requisição HTTP que inclui uma chave de API, o nome de um modelo e suas mensagens. Assim, pode usar modelos como GPT, Claude, Gemini, DeepSeek ou Qwen sem precisar operar GPUs. Em outubro de 2026, os preços vão de $0.10 por milhão de tokens de entrada para modelos pequenos a $10 para os maiores.

Este guia é para desenvolvedores e criadores independentes que estão escolhendo sua primeira API de LLM ou a próxima que vão usar. Ele explica como funciona a requisição, traz código pronto para executar em curl, Python e Node.js, os preços oficiais atuais dos principais provedores, opções gratuitas, critérios para escolher um provedor e quando uma API unificada faz mais sentido do que contas separadas.

O que é uma API no contexto de um LLM?

Uma API (interface de programação de aplicações) é o contrato que seu programa usa para se comunicar com outro serviço. No caso de um grande modelo de linguagem, a API define:

Endpoint: a URL para a qual você envia requisições, como /v1/chat/completions ou /v1/messages.
Autenticação: uma chave de API em um cabeçalho, vinculada à sua conta e à cobrança.
Formato da requisição: o ID do modelo, uma lista de mensagens (system, user, assistant) e opções como max_tokens, temperature, ferramentas e formato da resposta.
Formato da resposta: texto gerado ou saída estruturada, além do uso de tokens para cobrança.
Limites: requisições e tokens por minuto, janela de contexto e tamanho máximo da saída.

O modelo em si roda nas GPUs do provedor. Você não baixa os pesos; contrata inferência a cada requisição. Essa é a principal diferença em relação a hospedar um modelo aberto por conta própria com ferramentas como vLLM ou Ollama.

Como funciona uma API de LLM, passo a passo

Seu aplicativo monta uma requisição com o nome do modelo e a conversa até aquele momento.
O provedor tokeniza o texto (um token equivale a aproximadamente 3 a 4 caracteres em inglês).
O modelo gera tokens de saída um de cada vez, com a opção de enviá-los de volta em streaming por meio de eventos enviados pelo servidor (server-sent events).
A resposta inclui o texto e um objeto usage com as contagens de tokens de entrada e de saída.
A cobrança é calculada assim: tokens de entrada x preço de entrada + tokens de saída x preço de saída.

Como a API não mantém estado, você reenvia o histórico relevante da conversa a cada chamada. É por isso que conversas longas ficam mais caras e os descontos por cache de prompts fazem diferença.

Exemplo de API de LLM: sua primeira requisição

A maioria dos provedores já aceita o formato de chat da OpenAI, que acabou se tornando o padrão de fato. Este exemplo funciona diretamente com a OpenAI:

curl https://api.openai.com/v1/chat/completions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-luna",
    "messages": [
      {"role": "system", "content": "You are a concise assistant."},
      {"role": "user", "content": "Explain what an LLM API is in one sentence."}
    ],
    "max_tokens": 100
  }'

A mesma requisição em Python com o pacote oficial openai. Ao alterar base_url e a chave, você pode direcioná-la a qualquer provedor compatível com a OpenAI, incluindo um roteador como o Flatkey (guia de início rápido):

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_KEY",
    base_url="https://router.flatkey.ai/v1",  # or https://api.openai.com/v1
)

resp = client.chat.completions.create(
    model="claude-sonnet-5-5",  # any model ID from the provider's catalog
    messages=[{"role": "user", "content": "Give me 3 names for a todo app."}],
    max_tokens=200,
)
print(resp.choices[0].message.content)
print(resp.usage)  # prompt_tokens, completion_tokens -> what you pay for

E em Node.js 18+, usando apenas fetch e streaming:

const res = await fetch("https://router.flatkey.ai/v1/chat/completions", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.FLATKEY_API_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    model: "gemini-4-argon",
    stream: true,
    messages: [{ role: "user", content: "Write a haiku about APIs." }],
  }),
});
const decoder = new TextDecoder();
for await (const chunk of res.body) process.stdout.write(decoder.decode(chunk));

A Anthropic e o Google também têm formatos nativos (a API de mensagens e a API do Gemini), com recursos específicos de cada provedor, mas ambos também podem ser acessados por meio de camadas compatíveis com a OpenAI.

Melhores provedores de API de LLM em 2026 (com preços oficiais)

Os preços abaixo são por milhão de tokens (entrada / saída), consultados na página oficial de preços de cada provedor em 23 de outubro de 2026.

Provedor	Modelo premium	Modelo equilibrado	Modelo econômico	Observações
OpenAI	gpt-6-astra $10 / $50	gpt-6.1-sol $2 / $10	gpt-6-luna $0.10 / $0.50	As modalidades Batch e Flex reduzem os preços em 50%
Anthropic Claude	Opus 5.5 $4 / $20	Sonnet 5.5 $2 / $10	Haiku 5.5 $0.10 / $0.50 (prompts de até 100K)	Contexto de 1M pelo preço padrão nos modelos 4.6+, exceto Haiku 5.5
Google Gemini	Gemini 4 Argon $2 / $10 até 30 de novembro de 2026 ($4 / $20 a partir de 1 de dezembro)	Gemini 3.8 Flash $0.75 de entrada até 31 de dezembro de 2026	Modelos Flash-Lite	Camada gratuita nos modelos Flash; Argon fora da camada gratuita
DeepSeek	deepseek-v4-pro $1.32 / $3.96 no horário de pico, $0.66 / $1.98 fora do horário de pico	n/a	deepseek-flash $0.30 / $1.20 no horário de pico, $0.15 / $0.60 fora do horário de pico	Acertos de cache a partir de $0.003
OpenRouter	Preços de tabela dos provedores			Taxa de 5.5% na compra de créditos (plano Standard)
Flatkey	Ex.: Kimi K3 $1.80 / $9 (tabela: $3 / $15)	Ex.: Claude Sonnet 5.5 $1.60 / $8	Ex.: gpt-6-luna $0.06 / $0.30	Uma chave para 80+ modelos; preços das páginas dos modelos

Os preços do Flatkey foram consultados em suas páginas de modelos em 23 de outubro de 2026, que mostram tanto a tarifa do Flatkey quanto o preço de tabela do provedor. Para uma análise mais detalhada por modelo, incluindo cache e descontos por processamento em lote, leia nossa comparação de preços de APIs de IA.

Qual API de LLM é a mais barata?

Entre os modelos pequenos e rápidos, os menores preços oficiais de tabela em outubro de 2026 eram os do OpenAI gpt-6-luna e do Claude Haiku 5.5, a $0.10 de entrada / $0.50 de saída por milhão de tokens, e os do deepseek-flash, a $0.15 / $0.60 fora dos horários de pico do DeepSeek. Exemplo: 10,000 requisições por dia, com 1,000 tokens de entrada e 300 de saída cada, totalizam 300M de tokens de entrada e 90M de saída por mês, cerca de $75 pelo preço de tabela do gpt-6-luna. APIs de processamento em lote, cache de prompts e períodos fora do horário de pico podem reduzir esse valor pela metade mais uma vez.

Existem APIs de LLM gratuitas?

Sim, com limites. A API do Gemini do Google tem uma camada gratuita nos modelos Flash (cujos dados de uso podem ser usados para melhorar os produtos do Google), e vários roteadores disponibilizam modelos gratuitos com limites de requisições. As camadas gratuitas atendem bem a protótipos, mas têm limites baixos de requisições por dia. Veja nossa lista de APIs de LLM gratuitas em 2026.

Como escolher uma API de LLM

Pergunta	Por que isso importa	O que verificar
Qual qualidade de resposta você precisa?	Modelos premium podem custar de 50 a 100 vezes mais do que os econômicos	Teste de 20 a 50 prompts reais em duas ou três faixas de modelos
Qual é o tamanho dos seus prompts?	Contextos longos multiplicam o custo de entrada	Janela de contexto e preços para prompts longos (ex.: Haiku 5.5 acima de 100K)
Qual deve ser a velocidade da resposta?	Os usuários percebem o tempo até o primeiro token	Suporte a streaming e latência na sua região
Qual é o volume de tráfego?	Os limites são por minuto e por dia	RPM/TPM por nível; veja nosso guia de limites de requisições de LLMs
Você precisa de ferramentas ou JSON?	Agentes dependem de chamadas de funções	Suporte a chamadas de ferramentas e saídas estruturadas
Onde os dados são processados?	Conformidade e contratos com clientes	Retenção de dados e endpoints regionais (a inferência do Claude restrita aos EUA custa 1.1x)
Você vai trocar de modelo?	Os preços e os modelos líderes mudam a cada poucos meses	Formato compatível com a OpenAI ou uma API unificada

Acesso direto ao provedor ou API de LLM unificada

Chamar um provedor diretamente é mais simples quando você usa uma única família de modelos. Quando começa a combinar modelos, uma API unificada (também chamada de roteador de LLMs ou gateway de LLMs) poupa trabalho:

Uma chave e um saldo único, em vez de contas, faturas e limites de requisições separados por provedor.
Troque de modelo alterando uma string, sem trocar de SDK.
Fallback para outro modelo quando um provedor estiver fora do ar ou atingir o limite de requisições.
Um registro único de uso para acompanhar o custo por funcionalidade ou cliente.

As opções incluem roteadores hospedados (OpenRouter, Flatkey, Vercel AI Gateway) e proxies que você hospeda por conta própria, como o LiteLLM. A principal diferença entre os roteadores hospedados está nas taxas: o OpenRouter cobra os preços de tabela dos provedores mais uma taxa de 5.5% sobre os créditos no plano Standard, enquanto as páginas de modelos do Flatkey apresentam tarifas abaixo dos preços de tabela dos provedores para muitos modelos. Compare as opções no nosso guia de alternativas ao OpenRouter e na nossa explicação sobre APIs de IA unificadas.

Quando uma API de LLM faz diferença e quando não faz

Use uma API de LLM quando usuários reais dependerem da resposta, quando você precisar de mais de um modelo, quando for necessário atribuir custos a funcionalidades ou clientes ou quando estiver criando agentes que chamam ferramentas. Opte por hospedar o modelo por conta própria quando precisar manter os dados no seu próprio hardware, usar um modelo aberto ajustado com fine-tuning em alto volume constante ou operar offline. Nosso guia sobre uma chave de API para vários modelos de IA mostra como equipes pequenas montam essa estrutura sem uma equipe de plataforma.

Erros comuns

Espalhar um ID de modelo fixo pelo código. Coloque-o na configuração para poder trocar.
Ignorar os tokens de saída. A saída costuma custar de 4 a 5 vezes mais do que a entrada; defina um limite em max_tokens.
Reenviar históricos enormes. Resuma ou armazene em cache os prompts de sistema longos.
Não implementar novas tentativas. Erros 429 e 5xx acontecem; adicione espera progressiva entre tentativas (veja nosso guia para quando o limite de requisições da API é excedido).
Incluir chaves em commits do git. Use variáveis de ambiente e faça a rotação das chaves.

Perguntas frequentes

O que é uma API no contexto de um LLM?

É a interface que seu código usa para enviar prompts a um grande modelo de linguagem e receber a saída. Ela define a URL do endpoint, a autenticação com uma chave de API, o formato das requisições e respostas, os limites de requisições e a cobrança por token.

O ChatGPT é um LLM ou NLP?

De certa forma, ambos. O processamento de linguagem natural (NLP) é a área; os grandes modelos de linguagem são um tipo de modelo de NLP; e o ChatGPT é um produto para o consumidor baseado nos LLMs da OpenAI. Os desenvolvedores acessam a mesma família de modelos pela API da OpenAI, em vez de usar o aplicativo ChatGPT.

Quais são as melhores APIs de LLM?

Em outubro de 2026, as principais opções são OpenAI (família GPT-6), Anthropic (família Claude 5.5), Google (Gemini 4 Argon e modelos Flash), DeepSeek (V4 Pro e Flash), além de APIs unificadas como OpenRouter e Flatkey, que disponibilizam vários provedores com uma única chave.

Qual é a API de LLM mais barata?

Entre os preços oficiais de tabela em 23 de outubro de 2026, o OpenAI gpt-6-luna e o Claude Haiku 5.5 custam $0.10 por milhão de tokens de entrada e $0.50 por milhão de tokens de saída, e o deepseek-flash custa $0.15 / $0.60 fora do horário de pico. A camada gratuita do Gemini é ainda mais barata para volumes baixos.

Existe uma API de LLM gratuita?

Sim. A API do Gemini do Google oferece uma camada gratuita nos modelos Flash com limites diários, e alguns roteadores oferecem modelos gratuitos com limites de requisições. Espere limites restritos e possíveis condições de uso dos dados.

Qual é a diferença entre uma API de LLM e um gateway de LLMs?

Uma API de LLM é o endpoint de um provedor para acessar seus modelos. Um gateway ou roteador de LLMs funciona como uma camada à frente de vários provedores, oferecendo uma chave, um formato, roteamento, fallback e cobrança unificada.