---
title: "Reduzir custos de IA: 9 formas que funcionam em 2026"
description: "Nove formas de reduzir custos de IA: modelos gratuitos, modelos baratos sob um forte, menos esforço, cache e lotes, com números dos fornecedores."
url: "https://madsalt.tech/pt/blog/how-to-reduce-ai-costs/"
author: "Denys Zaichenko"
author_url: "https://madsalt.tech/pt/about/"
language: "pt"
published: 2026-11-11
---

# Reduzir custos de IA: 9 formas que funcionam em 2026

TL;DR

Para reduzir custos de IA, deixe de pagar o preço do melhor modelo em cada passo. Baixe primeiro o nível de esforço: no [teste da Anthropic](https://platform.claude.com/docs/en/about-claude/models/optimizing-for-cost-and-intelligence), um modelo resolveu 87,4 % das tarefas de programação com esforço baixo por USD 0,11 cada, contra 95,3 % com esforço alto por USD 0,29. Correr tudo em baixo e repetir em alto só as falhas deu cerca de 97 % por cerca de USD 0,17. Depois: guarde em cache os prompts repetidos, envie em lote o que pode esperar ([50 % de desconto](https://platform.claude.com/docs/en/about-claude/pricing)), dê os passos simples a modelos gratuitos ou baratos e deixe ao modelo forte a decisão.

Sou o Denys, engenheiro full-stack e de IA. Construo agentes de IA e automações para pequenas empresas. Esta é a lista que uso. É para o gerente que vê crescer uma linha de IA na fatura e quer saber que alavancas a fazem mexer. Os números são dados dos fornecedores de novembro de 2026, com a ligação onde aparecem; os números de benchmark da Anthropic vêm dos seus próprios testes internos. Todos os preços estão em USD, tal como os fornecedores os publicam.

## Reduzir custos de IA: de onde vem a fatura?

Dos tokens, os pedaços de texto que um modelo lê e escreve. Escrever custa mais do que ler: na tabela de preços da Anthropic, um modelo forte cobra USD 4 por milhão de tokens lidos e USD 20 por milhão escritos, e o seu modelo mais pequeno USD 0,10 e 0,50 ([preços da Anthropic](https://platform.claude.com/docs/en/about-claude/pricing)). Para saber quanto custa uma IA, é preciso olhar para três coisas: que modelo chama, quanto pensa e escreve, e quantas vezes lhe volta a enviar o mesmo texto longo. Cada forma abaixo corta uma destas três parcelas.

| Forma                                          | O que corta              | Poupança típica (números dos fornecedores)    |
| ---------------------------------------------- | ------------------------ | --------------------------------------------- |
| 1. Baixar o nível de esforço                   | pensar e escrever        | medium custa 30–52 % menos do que high        |
| 2. Primeiro low, repetir as falhas em high     | pensar em tarefas fáceis | cerca de 40 % menos do que tudo em high       |
| 3. Modelos gratuitos para passos simples       | preço por token          | USD 0 dentro dos limites diários              |
| 4. O modelo forte decide, os baratos trabalham | preço por token          | cerca de um terço, só em trabalhos grandes    |
| 5. Cache de prompts                            | reler o mesmo texto      | leitura de cache a 5–10 % do preço de entrada |
| 6. Lotes para o que pode esperar               | tudo                     | 50 % de desconto                              |
| 7. Enviar menos                                | leitura                  | 21–26 % num agente pequeno                    |
| 8. Pedir respostas mais curtas                 | escrita                  | cerca de 13 %                                 |
| 9. Licenças contra API                         | licenças por usar        | depende do uso                                |

## 1. Baixar o nível de esforço

A maioria dos modelos atuais tem uma definição de esforço ou de raciocínio, e é a maior alavanca individual a seguir ao próprio modelo. Os níveis da Anthropic são low, medium, high, xhigh e max, e o esforço altera todos os tokens da resposta, incluindo chamadas a ferramentas e o raciocínio ([documentação da Anthropic sobre esforço](https://platform.claude.com/docs/en/build-with-claude/effort)).

O teste publicado pela Anthropic com o Claude Opus 5.5 (um subconjunto do SWE-bench Pro, benchmark próprio) ([guia de custo e inteligência](https://platform.claude.com/docs/en/about-claude/models/optimizing-for-cost-and-intelligence)):

| Esforço              | Tarefas resolvidas | Custo por tarefa |
| -------------------- | ------------------ | ---------------- |
| low                  | 87,4 %             | USD 0,11         |
| medium (por omissão) | 92,8 %             | USD 0,21         |
| high                 | 95,3 %             | USD 0,29         |

O mesmo guia diz que medium custou cerca de 30 % a 52 % menos do que high em tarefas longas de programação, e low cerca de dois terços menos. Os modelos da OpenAI têm o mesmo interruptor (`reasoning.effort`, de low a max) e a OpenAI refere que os tokens de raciocínio são faturados como saída, mas não publica nenhuma percentagem, por isso não cito nenhuma ([guia de raciocínio da OpenAI](https://developers.openai.com/api/docs/guides/reasoning)).

Se o definir demasiado baixo, o modelo pára antes de ter provas suficientes. Comece em medium, meça e desça onde os resultados se mantêm.

## 2. Correr primeiro em low e repetir só as falhas em high

No mesmo teste da Anthropic, correr tudo em low e repetir em high os 13 % de tarefas falhadas resolveu cerca de 97 % por cerca de USD 0,17 por tarefa, contra 95,3 % por USD 0,29 com tudo em high. A Anthropic fala em cerca de 40 % menos com a mesma taxa de sucesso ([guia](https://platform.claude.com/docs/en/about-claude/models/optimizing-for-cost-and-intelligence)).

![Custo por tarefa por nível de esforço. USD por tarefa de programação, um modelo, benchmark do fornecedor. Esforço baixo: 87,4 % resolvidas: 0,11; Esforço médio: 92,8 % resolvidas: 0,21; Esforço alto: 95,3 % resolvidas: 0,29; Baixo, falhas repetidas em alto: cerca de 97 %: 0,17.](https://madsalt.tech/charts/pt/how-to-reduce-ai-costs.svg)

*Fonte: guia de custo e inteligência da Anthropic, novembro de 2026. Benchmark interno do fornecedor.*

Funciona quando se consegue ver automaticamente que uma tarefa falhou: um teste, uma validação de formulário, um campo em falta. Sem essa verificação, não se sabe o que repetir.

## 3. Usar modelos gratuitos para os passos simples

A OpenRouter, uma única API à frente de muitos fornecedores de modelos, lista versões gratuitas de alguns modelos, marcadas com `:free`. Os seus limites ([limites da OpenRouter](https://openrouter.ai/docs/api-reference/limits)):

- 20 pedidos por minuto;
- 50 pedidos por dia se tiver comprado no total menos de USD 10 de créditos;
- 1.000 pedidos por dia depois de comprar USD 10 ou mais;
- as tentativas falhadas contam para o limite diário.

A coleção gratuita da OpenRouter incluía em novembro de 2026 o NVIDIA Nemotron 3 Ultra e o Nemotron 3.5 Super VL, o Cohere North Mini Code e o Google Gemma 4 ([modelos gratuitos](https://openrouter.ai/collections/free-models)). A lista muda todas as semanas e algumas entradas gratuitas expiram.

Leia a política de dados antes de enviar algo privado. A OpenRouter não guarda os prompts a não ser que o ative, mas cada fornecedor tem a sua política e alguns estão marcados «may train», ou seja, podem usar os seus dados para treino ([registo por fornecedor](https://openrouter.ai/docs/guides/privacy/provider-logging)). Os modelos gratuitos servem para textos públicos ou anonimizados: resumos de páginas web, triagem, primeiros rascunhos, não dados de clientes nem dados pessoais abrangidos pelo RGPD.

## 4. Um modelo forte decide e modelos baratos trabalham

Deixe o modelo caro a planear e a verificar e passe os passos de volume a modelos mais baratos. Os dois grandes agentes de programação suportam-no: os subagentes do Claude têm a sua própria definição `model`, e o Codex tem `default_subagent_model` e `default_subagent_reasoning_effort` ([subagentes da Anthropic](https://code.claude.com/docs/en/sub-agents), [subagentes do Codex](https://learn.chatgpt.com/docs/agent-configuration/subagents)).

Como é essa divisão num só ecrã, com o custo de cada agente como uma barra, vê-se no meu protótipo de [painel de orquestração multiagente](https://madsalt.tech/pt/work/multi-agent-orchestration/) (dados de exemplo).

Seja honesto sobre onde compensa. A Anthropic mediu um orquestrador forte com subagentes de tamanho médio a cerca de um terço menos de custo com uma pontuação quase igual, mas em trabalho maior do que uma janela de contexto. Quando o trabalho era uma única cadeia dependente ou cabia num só contexto, um único modelo com menos esforço saiu mais barato em todos os casos medidos ([guia](https://platform.claude.com/docs/en/about-claude/models/optimizing-for-cost-and-intelligence)). O seu conselho: afine primeiro o esforço num só modelo, porque a maioria das cargas de trabalho acaba aí.

## 5. Guardar em cache o texto que envia sempre

Se cada pedido começa com as mesmas instruções, documentos ou lista de ferramentas, guarde-os em cache. Na Anthropic uma leitura de cache custa 10 % do preço normal de entrada, e 5 % nos seus modelos Opus e Sonnet mais recentes; a escrita em cache custa um pouco mais, uma vez ([preços da Anthropic](https://platform.claude.com/docs/en/about-claude/pricing)). A OpenAI cobra a entrada em cache a 5 % no GPT-6.1 Sol ([página do modelo](https://developers.openai.com/api/docs/models/gpt-6.1-sol)). A Anthropic mediu que a cache reduzia o custo de um agente de pesquisa entre 4,8 e 7,2 vezes e chama-lhe normalmente a maior alavanca.

Uma armadilha do mesmo guia: uma linha de estado de 25 tokens logo no início do prompt mudava em cada pedido, por isso cada pedido reescrevia toda a cache. Ponha no fim tudo o que muda.

## 6. Enviar em lote o que pode esperar

Relatórios, classificação noturna, extração em massa: tudo o que pode esperar até 24 horas pode ir pela API de lotes com 50 % de desconto, tanto na Anthropic como na OpenAI, e na Anthropic o desconto soma-se ao da cache ([preços da Anthropic](https://platform.claude.com/docs/en/about-claude/pricing), [preços da OpenAI](https://developers.openai.com/api/docs/pricing)).

## 7. Enviar menos

Cada documento, definição de ferramenta e mensagem antiga que anexa é relido em cada chamada. A Anthropic mediu que reduzir a entrada tirava mais 21 % a 26 % da fatura de um pequeno agente de triagem, e que carregar as definições de ferramentas só quando necessário poupava 45 % com 500 ferramentas ligadas ([guia](https://platform.claude.com/docs/en/about-claude/models/optimizing-for-cost-and-intelligence)). Os prompts longos também podem passar um escalão de preço: o Haiku 5.5 cobra 5 vezes mais por prompts acima de 100.000 tokens.

## 8. Pedir respostas mais curtas

Escrever custa cerca de cinco vezes mais do que ler na maioria das tabelas de preços. A Anthropic mediu que «pedir respostas mais curtas» dava cerca de 13 % menos, com 39 % menos tokens de saída ([guia](https://platform.claude.com/docs/en/about-claude/models/optimizing-for-cost-and-intelligence)). «Responde em três frases» ou «devolve só o JSON» é uma alteração gratuita.

## 9. Comparar as licenças com o uso da API

Os planos de equipa são por pessoa: os lugares standard do ChatGPT Business e do Claude Team custam USD 25 por mês, ou USD 20 com plano anual ([ChatGPT Business](https://help.openai.com/en/articles/8542115-chatgpt-business-general-faq), [Claude Team](https://support.claude.com/en/articles/9266767-what-is-the-team-plan)). Dez lugares com faturação anual são USD 2.400 por ano. Se metade da equipa o abre duas vezes por mês, uma ferramenta interna sobre a API com limite de gasto pode custar menos. Se todos o usam diariamente, as licenças costumam compensar mais.

## O meu caso semelhante

O meu próprio trabalho assenta nas formas 1, 3 e 4 em conjunto. O Claude ou o Codex continua a ser o orquestrador: planeia a tarefa e verifica o resultado. A maior parte do trabalho vai para modelos gratuitos na OpenRouter. E mudo o nível de esforço de tarefa para tarefa em vez de o deixar em high. Só o esforço já é uma grande alavanca: pelos números da Anthropic acima, passa o custo de uma tarefa de USD 0,29 em high para USD 0,11 em low.

O que custa um agente inteiro por execução está em [quanto custa um agente de IA](https://madsalt.tech/pt/blog/how-much-does-an-ai-agent-cost/), e o que correu mal quando executei muitos agentes em paralelo está em [orquestração multiagente: o que se partiu](https://madsalt.tech/pt/blog/multi-agent-orchestration-what-broke/).

Envie-me o que paga hoje por IA e o que ela faz, e mostro-lhe onde pode custar menos. Este trabalho enquadra-se na [integração de IA](https://madsalt.tech/pt/services/ai-integration/).

A sua fatura de IA cresce todos os meses?

Envie-me o que paga e o que a IA faz. Mostro-lhe que alavancas servem e ponho-as a funcionar.

[Fale comigo](https://madsalt.tech/pt/#contact)

## Limites desta lista

- **Benchmarks de fornecedor.** As percentagens de esforço, cache e orquestração são testes internos da Anthropic sobre programação e agentes. As suas tarefas podem comportar-se de outro modo; meça com as suas.
- **Sem percentagens da OpenAI.** A OpenAI não publica diferença de tokens nem de custo entre níveis de esforço, por isso não se dá nenhuma.
- **Os preços mudam.** Consultados a 9 de novembro de 2026. A lista gratuita da OpenRouter muda todas as semanas e duas promoções em páginas de fornecedores terminam a 30 de novembro e a 31 de dezembro de 2026.
- **Os modelos gratuitos** não foram testados aqui em qualidade nem disponibilidade; verifique-os com a sua própria tarefa antes de depender de um.
