OpenAI e Anthropic mudam o cálculo do custo dos modelos de linguagem: em 2026, o que importa é o preço da tarefa

O mercado de grandes modelos de linguagem entra em uma nova etapa: token mais barato não significa mais orçamento previsível. Quase ao mesmo tempo, OpenAI e Anthropic mostraram que, em 2026, as empresas terão de contar não só o preço de um milhão de tokens, mas o custo completo de executar uma tarefa. Para as companhias que constroem produtos com cenários de agentes, isso muda a própria lógica de compras, planejamento e unit economics.

O primeiro sinal veio da Anthropic. A empresa passou os frameworks de agentes para cobrança por uso (usage-based billing), ou seja, pagamento pelo consumo real de tokens em vez de assinaturas fixas. Na prática, isso significa que parte das camadas externas e dos serviços que antes podiam viver de um modelo de preço fixo perde seu apoio financeiro. Enquanto a carga era relativamente previsível, a assinatura parecia conveniente para o provedor e para o cliente. Mas em sistemas com agentes o gasto de computação cresce rápido: o modelo não apenas responde a uma solicitação, ele planeja etapas, faz várias chamadas, acessa ferramentas, reconfere o resultado e pode disparar uma longa cadeia de ações.

Em paralelo, a OpenAI mudou a abordagem para clientes corporativos. Nos planos Enterprise, Business e EDU, a empresa introduziu uma precificação mais flexível, em que o custo escala junto com o volume de uso, em vez de ficar rigidamente atrelado ao número de assentos ou licenças por usuário. Para quem compra, é uma mudança importante. Até pouco tempo atrás, dava para tratar a assinatura como um item de despesa quase fixo; agora o modelo se aproxima dos serviços de nuvem: o pagamento depende mais da intensidade real de uso. Quanto mais os funcionários usam geração, busca, análise de documentos e funções de agentes, mais a fatura muda.

Isso não anula outra tendência que o mercado vem observando nos últimos dois anos. De 2023 a 2025, as APIs de fato ficaram mais baratas, e o custo de um milhão de tokens para modelos da classe GPT-4 caiu. Por isso, muitas equipes se acostumaram a uma regra simples: se o preço do token cai, adotar LLMs fica automaticamente mais vantajoso com o tempo. Em 2026, essa regra já não funciona sem ressalvas.

O indicador-chave agora não é o preço por token em si, mas o custo de resolver uma tarefa específica. Se, para um resultado útil, o sistema precisa de várias passagens, contexto longo, chamadas de ferramentas, verificações adicionais e gerações repetidas, a conta total pode subir mesmo com uma API formalmente mais barata. Isso é especialmente visível em produtos com agentes, em que um cenário que para o usuário parece uma única ação pode se desdobrar por dentro em dezenas de operações do modelo.

Disso decorre uma conclusão prática para as equipes. O orçamento de LLM agora precisa ser construído em torno do custo de uma ação concluída: quanto custa um relatório, uma análise de documento, uma sessão de assistente ou um workflow de agente executado com sucesso. Daí surgem novos requisitos para o produto: limitar etapas desnecessárias, controlar a profundidade do raciocínio do agente, reduzir o contexto, usar cache, direcionar para modelos mais baratos quando for aceitável e medir com rigor quais chamadas realmente geram valor.

Para CTOs, CPOs e times financeiros, isso significa sair da conversa sobre "IA barata" e passar a uma economia operacional normal, em que importa não o preço bonito na tabela, mas o preço de um resultado de negócio específico.

O ponto central dessa mudança é que o mercado de LLMs não deixou de ficar mais barato, mas deixou de ser ingenuamente simples. A crise de capacidade computacional (compute crunch) em 2026 não é só uma questão de capacidade disponível, mas também de controle de custos. Vão ganhar não as empresas que olham o menor preço por token, mas as que sabem calcular o custo do resultado final e projetar o sistema para que cada token adicional traga benefício mensurável.