Cem dolares: 10 tarefas no Opus 5.5 max ou 2.500 no GPT-6 Luna

As tabelas de precos dos modelos ha muito viraram um quebra-cabeca. O preco por milhao de tokens parece claro ate se descobrir que um modelo “pensa” dez vezes mais do que outro e que o modo de reasoning pode alterar a conta em uma ordem de grandeza. A Artificial Analysis propos uma metrica mais honesta: quantas tarefas do Intelligence Index podem ser concluidas com um orcamento fixo de $100.

O que os numeros mostraram

O conjunto de tarefas e misto e inclui diferentes arquetipos, de raciocinio a cenarios praticos. O resultado foi o seguinte:

• Opus 5.5 no nivel medio de reasoning: 40 tarefas.
• Opus 5.5 no nivel maximo: 10 tarefas.
• DeepSeek V4.1 Flash 1017 no nivel maximo: 166 tarefas.
• GPT-6 Luna no nivel medio: 2.500 tarefas.

Fazendo as contas, isso representa aproximadamente $2,50 por tarefa no Opus 5.5 medium, cerca de $10 no mesmo modelo em max, por volta de $0,60 no DeepSeek e aproximadamente 4 centavos no Luna. Essa e uma estimativa nossa com base nos dados da publicacao, nao uma tabela oficial de precos. Mas a ordem de grandeza esta clara: a diferenca entre a opcao mais cara e a mais barata e de 250 vezes.

A principal licao: o modo importa mais do que o modelo

Observe os numeros do Opus. E o mesmo modelo, mas mudar de medium para max torna cada tarefa quatro vezes mais cara. Tokens de “pensamento” custam dinheiro e, quanto mais exigente a configuracao, maior o consumo. Muitas equipes deixam o nivel maximo ativado por padrao “para garantir” e depois se surpreendem com a conta.

Imagine uma operacao de suporte em que a IA analisa 20.000 solicitacoes por mes. No Luna, isso custaria por volta de $800, considerando o preco por tarefa do benchmark. No Opus 5.5 medium, o custo seria de cerca de $50.000; no max, ficaria na faixa de $200.000. Solicitacoes reais podem ser mais simples ou mais complexas do que as tarefas do indice, portanto os numeros sao indicativos. Ainda assim, a escala mostra por que a escolha do modelo e do modo nao pode ser feita no improviso.

O que fazer a respeito

Primeiro: calcule o custo por tarefa resolvida, nao por token. Execute de 50 a 100 casos reais em dois ou tres modelos e modos, registrando o preco e a taxa de sucesso. E o custo de uma resposta bem-sucedida, e nao o custo de uma chamada, que determina a economia.

Segundo: crie um sistema de roteamento. Encaminhe solicitacoes simples—classificacao, extracao de campos e respostas curtas—para modelos baratos como Luna ou DeepSeek Flash. Escalone para o Opus 5.5 os casos dificeis em que o modelo barato falhar e ative um nivel alto de reasoning apenas nesses casos. Esse arranjo muitas vezes reduz a conta varias vezes, praticamente sem perda de qualidade.

Terceiro: mantenha o modo de reasoning na configuracao, nao no codigo. Assim, ele pode ser ajustado de acordo com o tipo de tarefa e os resultados das medicoes.

Limitacoes

A publicacao nao traz o dado principal: quantas dessas tarefas cada modelo resolveu corretamente. O orcamento de $100 mostra o preco das tentativas, nao a qualidade. Um modelo barato que tenha falhado em metade das tarefas pode, na pratica, custar mais do que parece. Alem disso, a combinacao de tarefas do Intelligence Index nao corresponde a sua carga de trabalho: em cenarios agenticos com longas cadeias de chamadas, os numeros podem ser muito diferentes. Ate agora, os dados foram apresentados apenas em um tuite, sem uma metodologia detalhada; portanto, trate-os como uma referencia, nao como um veredito.

A conclusao e simples. A era em que bastava escolher o modelo “mais inteligente” acabou. Hoje, vence quem sabe combinar o modelo e o nivel de reasoning com cada tarefa e conhece o custo de uma resposta correta.