API de LLM barata: o preço por token em reais, com as contas abertas

Em 17 de setembro de 2026 mexemos em duas coisas ao mesmo tempo na nossa API de LLM por token: baixamos preços em até 66% e passamos a repassar o desconto de cache de prompt, que até ontem ficava com a casa. Este artigo mostra os números novos e, mais importante, de onde eles saem — porque "mais barato" sem conta aberta não vale nada.

O preço, sem rodeio

Todos os valores abaixo são por milhão de tokens, em reais, e são os que a API cobra de verdade — a nossa página de preços é regenerada de hora em hora a partir do catálogo vivo, justamente para que o número anunciado e o cobrado nunca divirjam.

Tier Essenciais — modelos de pesos abertos

E o piso do catálogo inteiro está no tier Confidenciais: o Nemotron 3 Nano, a R$ 0,15 de entrada e R$ 0,60 de saída por milhão — dentro de um enclave lacrado por hardware, em que nem o operador da máquina lê o seu prompt.

A comparação que interessa: o mesmo modelo, no criador dele

O DeepSeek V4 Flash é um modelo de pesos abertos, e a DeepSeek vende o próprio modelo pela API dela. Dá para comparar maçã com maçã. Convertendo o preço de lista dela pelo câmbio do dia (R$ 5,15):

São 4,6× menos na entrada e 6,2× menos na saída comparando com o horário de pico dela — e ainda 2,3× e 3,1× menos comparando com a tarifa reduzida de fora de pico, que só vale em algumas horas do dia. Aqui não existe horário de pico: o preço é o mesmo às 3h e às 15h.

O cache deixou de ficar com a casa

Quando você reenvia a mesma instrução de sistema, o mesmo arquivo ou o mesmo histórico de conversa, boa parte desses tokens de entrada não é reprocessada — vem de cache. Até ontem nós cobrávamos entrada cheia nesses tokens e a economia ficava com a casa. Isso mudou.

Token lido de cache passa a custar uma fração do preço de entrada, na mesma proporção em que ele nos custa menos — 10% na maioria dos 48 modelos, chegando a 2,5% nos mais descontados e a 33% nos menos:

Quanto isso vale na prática depende do seu padrão de uso, e medimos o nosso: em 8.812 chamadas reais de clientes com perfil de assistente de código, 77,7% de todos os tokens de entrada vieram de cache. Para esse perfil, a fatura efetiva cai perto de 60% — sem mudar uma linha de código.

O número vem na própria resposta da API, então você audita sem depender de nós:

"usage": {
  "prompt_tokens": 51204,
  "prompt_tokens_details": { "cached_tokens": 39781 },
  "completion_tokens": 412,
  "total_tokens": 51616,
  "cost_brl": 0.0072
}

Os cortes de hoje, modelo por modelo

Na prateleira Fronteira — os modelos de marca — a mudança foi de tamanho:

A causa é menos glamourosa do que uma promoção: o nosso cálculo de custo usava um fator de roteamento medido à mão que estava até 2,5× errado para alguns modelos. Remedimos com chamadas reais, trocamos o número escrito à mão pelo valor que o próprio catálogo publica a cada leitura, e o preço caiu junto. Preço errado para cima é problema nosso, não do cliente — então corrigimos e estamos contando.

Onde nós não somos os mais baratos

Como começar

A API é compatível com a da OpenAI. Trocar a URL base e a chave basta:

from openai import OpenAI

cliente = OpenAI(
    base_url="https://gpubrasil.com.br/v1",
    api_key="gpub_live_sua_chave",
)

r = cliente.chat.completions.create(
    model="gpub-fast",
    messages=[{"role": "user", "content": "Resuma este contrato em 5 tópicos."}],
)
print(r.choices[0].message.content)
print("Custo desta chamada: R$", r.usage.cost_brl)

Não há assinatura, mensalidade nem compromisso mínimo: você gasta o que consumir, descontado do mesmo saldo em reais das máquinas GPU. O playground no painel deixa testar os modelos antes, e a API programática é liberada depois do primeiro depósito.

Perguntas frequentes

Conclusão

Preço de IA por token só significa algo com a conta aberta: qual modelo, qual token, comparado com quem. Nos pesos abertos nós somos uma fração do preço do criador do modelo, e agora o cache derruba mais uma vez a fatura de quem reenvia contexto grande. Nos modelos de marca nós não competimos por centavo, e preferimos dizer isso a inventar uma tabela que não se sustenta.

Leia também: Comparativo de preços de API de LLM 2026 · Como funciona a API por token · 10 casos de uso com código e custo