Nesta página
Inferência em IA é o momento em que um modelo já treinado é usado para gerar uma resposta: o texto que você envia vira tokens, o modelo processa e devolve tokens de saída. É diferente do treinamento, que ajusta os parâmetros do modelo antes. Nas APIs, a inferência é cobrada por milhão de tokens de entrada e de saída.
- Inferência é usar um modelo já treinado para gerar respostas; o treinamento é a etapa separada que ajusta os parâmetros.
- Nas APIs, a cobrança é por milhão de tokens, com preços separados para entrada e saída.
- Preço de API não é preço de assinatura, e rodar o modelo no próprio computador também tem custo.
Fonte principal: Pricing | OpenAI API ↗
O que é inferência em IA e como ela difere do treinamento?
Inferência é usar um modelo pronto. Treinamento é construir esse modelo.
🌱 Sou novo nisso. Quando você faz uma pergunta a um chat de IA, o modelo não está aprendendo naquele momento. Ele está executando o que já aprendeu para gerar a resposta. Essa execução é a inferência.
🔎 Já uso. O texto que você envia é convertido em tokens (unidades de texto que o modelo processa). O modelo processa esses tokens e devolve tokens de saída. A página de preços da OpenAI informa que a cobrança da API é baseada nos tokens de entrada e de saída usados.
| Aspecto | Inferência | Treinamento |
|---|---|---|
| Finalidade | Gerar uma resposta com um modelo pronto | Ajustar os parâmetros do modelo |
| Quando ocorre | A cada consulta ou tarefa | Antes de o modelo ser disponibilizado; pode ocorrer em novos ciclos |
| Cobrança típica | Tokens, chamadas, segundos de GPU ou recursos auxiliares | Horas de GPU/TPU, dados, armazenamento, engenharia e avaliações |
| Perfil de custo | Recorrente e proporcional ao uso | Concentrado em grandes execuções |
| Exemplo | Responder a uma pergunta em um chat | Treinar ou atualizar um modelo de linguagem |
| Quem costuma pagar | Desenvolvedor, empresa ou usuário da API | Laboratório ou empresa que desenvolve o modelo |
Uma análise da Telnyx, publicada em 9 de novembro de 2026, descreve a diferença assim. O treinamento costuma ser um custo inicial ou de atualização. A inferência se repete a cada solicitação e cresce com cada novo usuário. Essa divisão simplifica a realidade, porque os laboratórios também fazem retreinamento, ajuste fino e avaliação de forma contínua.
🚀 Já sou mais avançado. Técnicas como quantização e destilação aceleram a inferência e diminuem o tamanho dos modelos. A quantização reduz a precisão dos pesos, por exemplo de 32 para 8 ou 4 bits. A destilação usa um modelo grande para transferir comportamento a um modelo menor. Essas técnicas são descritas em um preprint de 2026 no arXiv. Elas ajudam a rodar modelos em computadores pessoais, sem nuvem.
Quanto custa a inferência de IA por consulta?
A fórmula básica é:
custo = (tokens de entrada ÷ 1.000.000) × preço de entrada + (tokens de saída ÷ 1.000.000) × preço de saída
Exemplo com 1.000 tokens de entrada e 500 de saída (OpenAI, página oficial de preços, verificado em nov/2026):
- GPT 6 Astra (US$ 10,00 / US$ 50,00): cerca de US$ 0,035.
- Com tarifa de US$ 1 de entrada e US$ 5 de saída, que é o preço do GPT 6.1 Terra (US$ 1,00 / US$ 5,00): US$ 0,0035.
- GPT 6 Luna (US$ 0,10 / US$ 0,50): cerca de US$ 0,00035.
Esses valores cobrem só a chamada ao modelo. Ferramentas, impostos, armazenamento, busca e áudio podem ser cobrados à parte.
Mesmos critérios para vários fabricantes. Preços oficiais de API publicados pelos fabricantes, em US$ por milhão de tokens, consultados em 14 de novembro de 2026 (verificado em nov/2026):
| Modelo (fabricante, lançamento) | Entrada | Saída | Entrada em cache | Janela de contexto |
|---|---|---|---|---|
| Claude Fable 5.2 (Anthropic, 2026-11-09) | US$ 8,00 | US$ 40,00 | não encontramos fonte oficial atual | 1000000 |
| Claude Sonnet 5.5 (Anthropic, 2026-09-28) | US$ 2,00 | US$ 10,00 | não encontramos fonte oficial atual | 1000000 |
| Claude Haiku 5.5 (Anthropic, 2026-10-07) | US$ 0,10 | US$ 0,50 | não encontramos fonte oficial atual | 1000000 |
| Gemini 4 Carbon (Google, 2026-11-10) | US$ 2,00 | US$ 10,00 | não encontramos fonte oficial atual | 1048576 |
| Gemini 4 Hydrogen (Google, 2026-11-12) | US$ 1,50 | US$ 7,50 | não encontramos fonte oficial atual | 1048576 |
| GPT 6.1 Sol (OpenAI, 2026-09-29) | US$ 2,00 | US$ 10,00 | não encontramos fonte oficial atual | 1050000 |
| GPT 6.1 Terra (OpenAI, 2026-10-26) | US$ 1,00 | US$ 5,00 | não encontramos fonte oficial atual | 1050000 |
| GPT 6 Luna (OpenAI, 2026-09-22) | US$ 0,10 | US$ 0,50 | US$ 0,01 | 1050000 |
| Grok 4.7 (xAI, 2026-09-21) | US$ 2,00 | US$ 6,00 | não encontramos fonte oficial atual | 500000 |
| mistral large 4 0 (Mistral, 2026-10-06) | US$ 0,70 | US$ 2,10 | não encontramos fonte oficial atual | 1048576 |
| deepseek v4.1 Flash (DeepSeek, 2026-09-10) | US$ 0,05 | US$ 0,20 | não encontramos fonte oficial atual | 1048576 |
| qwen3.8 Max prime (Alibaba (Qwen), 2026-09-23) | US$ 4,00 | US$ 12,00 | não encontramos fonte oficial atual | 1000000 |
O preço de entrada em cache do GPT 6 Luna vem da documentação oficial do modelo. Para preço de busca na web, não encontramos fonte oficial atual de nenhum dos fabricantes. Para a AWS, também não encontramos fonte oficial atual com preços por token.
Alguns modelos têm o mesmo preço por milhão de tokens, apesar de serem de empresas diferentes. É o caso do Gemini 4 Carbon, do GPT 6.1 Sol e do Claude Sonnet 5.5, e também do Claude Haiku 5.5 e do GPT 6 Luna. Para a sua tarefa, compare também o resultado e a privacidade de cada um, não só o preço.
O preço cai com o tempo. O Claude Fable 5.2, lançado em 2026-11-09, custa US$ 8,00 de entrada e US$ 40,00 de saída. O Fable 5.1 custa US$ 10,00 e US$ 50,00. O Claude Opus 5.5 custa US$ 4,00 / US$ 20,00, e o Opus 5 custa US$ 5,00 / US$ 25,00. Um estudo da Epoch AI, publicado em 22 de setembro de 2026, aponta que o custo para alcançar um mesmo nível de raciocínio vem diminuindo.
🚀 Detalhe técnico. O prompt caching reduz o preço quando partes repetidas do contexto podem ser reutilizadas, como instruções longas ou documentos. A saída e os tokens novos continuam sendo cobrados. A OpenAI informa que o processamento regional, incluindo opções de residência de dados, pode ter acréscimo de 10% para modelos lançados a partir de 5 de março de 2026.
Quais são as confusões comuns sobre inferência?
- Preço de API não é preço de assinatura. Um plano mensal de chat pode incluir uso limitado. Isso não significa inferência ilimitada e não mostra o custo de cada resposta.
- Mais caro não quer dizer proporcionalmente melhor. O GPT 6 Astra custa cerca de 100 vezes mais que o GPT 6 Luna. Isso não quer dizer que as respostas sejam 100 vezes melhores. O preço reflete capacidade, demanda, hardware, tamanho do modelo, raciocínio e política comercial.
- O custo por consulta não é só o modelo. Para uma empresa, o custo total pode incluir busca na web, execução de código, embeddings, áudio, armazenamento, monitoramento e processamento regional. Confirme na página comercial e no contrato vigente do provedor.
- Rodar o modelo no próprio computador não é de graça. Um modelo hospedado por você não paga tarifa por token ao provedor. Em troca, você arca com GPU, energia, operação e manutenção.
- A inferência também gasta energia. O preprint de 2026 no arXiv cita o estudo de Jegham et al. (2025). Segundo esse estudo, a fase de inferência, que ocorre continuamente depois do treinamento, pode representar até 90% do consumo energético total de um modelo.
Perguntas frequentes
A IA aprende com a minha pergunta durante a inferência?
Não durante a inferência em si. A inferência só executa um modelo já treinado para gerar a resposta. O ajuste dos parâmetros acontece no treinamento, que é uma etapa separada.
Como é cobrada a inferência nas APIs de IA?
Por milhão de tokens, com preços separados para entrada e saída. Algumas APIs também têm preço próprio para entrada em cache e para recursos extras. Verificado em nov/2026 na página oficial da OpenAI.
Por que a inferência pode custar mais que o treinamento?
Porque ela se repete a cada solicitação. Uma consulta pode custar frações de centavo, mas, em grande escala, a soma de todas as consultas pode superar o custo inicial de treinamento.
Qual modelo tem a inferência mais barata?
Depende da tarefa. Na lista oficial consultada em 14 de novembro de 2026, há modelos de várias empresas abaixo de US$ 1 por milhão de tokens de entrada. Compare preço, resultado e privacidade para o seu uso.
Fontes
- Pricing | OpenAI API · oficial
- OpenAI — documentação do modelo gpt-6-luna · oficial
- Epoch AI — The plunging price of thought (22 set. 2026) · organizacion
- Telnyx — Inference cost: why AI bills rise as prices fall (9 nov. 2026) · empresa
- Grandes Modelos de Linguagem Multimodais (MLLMs): Da Teoria à Prática (preprint, arXiv) · academica
