Preços da API OpenAI Gateway: Exemplos Reais

O preço em uma tabela

Se você pesquisou por openai gateway api pricing, aqui está a resposta para este serviço de antemão. A cobrança é por token, em duas linhas, a partir de um saldo que você preenche antecipadamente. Não há mensalidade, preço por assento nem compromisso mínimo além do primeira recarga.

Item	Taxa
Tokens de entrada (seu prompt)	$0,15 por 1M
Tokens de saída (a resposta)	$0,50 por 1M
Requisições falhas ou recusadas	Não cobrado
Expiração do crédito	Nunca
Assinatura	Nenhum

Uma coisa para deixar claro: este é um endpoint hospedado para um único modelo de texto de pesos abertos, acessado com o ID do modelo uncensored. Não é a API oficial da OpenAI ou de qualquer outro fornecedor, então as tarifas acima são o que este serviço cobra e não dizem nada sobre o que outros provedores cobram. Para os números de qualquer outro fornecedor, verifique a página de preços atual deles.

Como a fatura é calculada

Cada requisição é medida em duas partes. O prompt que você envia, incluindo a mensagem do sistema e todo o histórico da conversa, conta como entrada. O texto que o modelo escreve de volta conta como saída. A resposta inclui um objeto usage com ambos os números, para que você nunca precise adivinhar.

A fórmula é curta:

custo = (tokens de entrada ÷ 1.000.000 × 0,15) + (tokens de saída ÷ 1.000.000 × 0,50)

A saída é um pouco mais de três vezes mais cara que a entrada, por token. Isso molda como você economiza. Reduzir um prompt longo ajuda, mas limitar respostas prolixas geralmente ajuda mais por token removido.

A janela de contexto é de 100.000 tokens, incluindo prompt e conclusão, e max_tokens é opcional. Se você não o definir, uma única resposta pode, em princípio, usar o restante da janela. Para um modelo falante em um prompt aberto, um max_tokens razoável é o seguro mais acessível que você pode contratar.

Exemplos práticos

Cada exemplo abaixo mostra os cálculos, para que você possa inserir seus próprios números.

Uma rodada de chat

Uma troca de estilo de suporte com um prompt de 2.000 tokens e uma resposta de 500 tokens:

• Entrada: 2.000 ÷ 1.000.000 × $0,15 = $0,0003
• Saída: 500 ÷ 1.000.000 × $0,50 = $0,00025
• Total: $0,00055 por rodada

Divida $20 por $0,00055 e você obterá cerca de 36.363 dessas rodadas. O crédito de teste de $0,50 cobre cerca de 909 delas.

Um trabalho em lote

Você quer resumir 5.000 documentos. Cada um tem 3.000 tokens de comprimento e o resumo tem 400 tokens.

• Entrada: 5.000 × 3.000 = 15.000.000 tokens, então 15 × $0,15 = $2,25
• Saída: 5.000 × 400 = 2.000.000 tokens, então 2 × $0,50 = $1,00
• Total: $3,25

Um pequeno app por um mês

Digamos que seu produto lide com 1.000 requisições por dia durante 30 dias. Cada requisição tem 1.500 tokens de entrada e 300 de saída.

• Requisições: 1.000 × 30 = 30.000
• Entrada: 30.000 × 1.500 = 45.000.000 tokens, então 45 × $0,15 = $6,75
• Saída: 30.000 × 300 = 9.000.000 tokens, então 9 × $0,50 = $4,50
• Total: $11,25 para o mês

Um prompt que preenche a janela

O pior caso para uma chamada é um prompt próximo do limite de 100.000 tokens. Com 100.000 tokens de entrada e uma resposta de 1.000 tokens: 0,1 × $0,15 = $0,015 para entrada, mais 0,001 × $0,50 = $0,0005 para saída, o que dá $0,0155. Mesmo uma janela cheia custa cerca de um centavo e meio.

Por que conversas longas custam mais do que parecem

As APIs de chat são sem estado. Para manter uma conversa, seu app envia o histórico completo com cada nova mensagem. Assim, a entrada da vez 30 inclui novamente as vezes 1 a 29, e a conta cresce mais rápido do que o número de mensagens sugere.

Considere uma sessão de roleplay ou de companhia onde o histórico cresceu para 20.000 tokens, e o usuário envia mais 100 mensagens nesse tamanho. Cada resposta tem 300 tokens.

• Entrada: 100 × 20.000 = 2.000.000 tokens, então 2 × $0,15 = $0,30
• Saída: 100 × 300 = 30.000 tokens, então 0,03 × $0,50 = $0,015
• Total: $0,315

Note que a entrada domina aqui, embora a saída seja mais cara por token. Três hábitos mantêm isso sob controle: resuma turnos antigos em uma nota de memória curta, remova mensagens que não importam mais e mantenha o prompt do sistema apertado, já que ele é reenviado toda vez.

Recargas, bônus e métodos de pagamento

Você adiciona crédito em qualquer valor inteiro de $20 a $500. Recargas maiores ganham um bônus sobre o valor adicionado:

Recarga	Bônus	Crédito recebido
$20	Nenhum	$20.00
$50	+5%	$52.50
$100	+10%	$110.00
$200	+15%	$230.00
$500	+15%	$575.00

Você pode pagar com cripto (USDT na TRC20, ou USDC na Base). O crédito não expira, então uma recarga maior para o bônus não coloca você sob pressão de tempo. A página de preços mostra os níveis atuais.

Existe uma camada gratuita?

Não é um ilimitado, e é melhor dizer claramente. O que existe é um teste único: depois de entrar com Google, ou com e-mail e senha, você pode resgatar $0,50 de crédito com um clique na página da chave de API. Não precisa de cartão, dura 7 dias e é limitado a um por pessoa.

Com as tarifas acima, $0,50 é suficiente para rodar um teste justo. Usando a conversa de chat anterior, isso cobre cerca de 909 requisições, o que é mais do que suficiente para verificar streaming, chamada de funções, modo JSON e como o modelo lida com seus prompts reais. Chaves de teste têm limites mais baixos do que chaves completas: 2 requisições simultâneas e 60 por minuto, em comparação com 8 e 300.

Para continuar após o teste, recarregue a partir de $20. Nada renova automaticamente, porque não há assinatura para expirar.

Formas de reduzir a conta

Como o preço é linear em tokens, cada economia é fácil de calcular. Estas são as mudanças que tendem a valer a pena, aproximadamente em ordem de esforço.

1. Reduza o prompt do sistema. Um prompt do sistema de 1.200 tokens enviado com 10.000 requisições gera 12.000.000 tokens de entrada, o que são $1,80 só disso. Reduzir pela metade economiza $0,90 nessa execução.
2. Limite o tamanho da resposta. Se a resposta deve ter um parágrafo, diga isso no prompt e defina max_tokens. A saída é o lado mais caro da taxa.
3. Janelize o histórico. Envie as últimas N mensagens mais um resumo curto em vez do log completo.
4. Peça estrutura. Uma resposta JSON com três campos é mais curta que uma explicação em texto dos mesmos dados.
5. Não tente novamente cegamente. Uma requisição falha não é cobrada, mas uma requisição bem-sucedida que você repete sem motivo é.

Também ajuda estimar antes de construir. Multiplique suas requisições diárias esperadas pelos tokens médios de entrada e saída, converta cada um para milhões e aplique as duas taxas. Se o resultado for alguns dólares por mês, como no exemplo de aplicativo pequeno acima, gaste seu tempo na qualidade em vez de otimizar tokens. Se for centenas de dólares, as etapas de redução acima merecem um sprint.

Acompanhar e controlar gastos

Como você pré-paga, o pior resultado de um bug é um saldo vazio, não uma fatura surpresa. Mesmo assim, ajuda monitorar o medidor. Cada resposta traz um cabeçalho X-Balance-USD com seu crédito restante. Este snippet em Python lê isso e também calcula o custo da chamada a partir dos números de uso.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.openaigatewayapi.com/v1", api_key="paste-your-key-here")

raw = client.chat.completions.with_raw_response.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Give me three names for a build-status bot."}],
    max_tokens=150,
)
resp = raw.parse()

cost = resp.usage.prompt_tokens / 1_000_000 * 0.15 + resp.usage.completion_tokens / 1_000_000 * 0.50
print("this call: $%.6f" % cost)
print("balance left:", raw.headers.get("X-Balance-USD"))

Alguns controles valem a pena adicionar a qualquer integração de produção:

• Defina max_tokens em todas as chamadas onde uma resposta longa seria um bug.
• Registre os números de uso ao lado do cabeçalho X-Request-Id, para que um pico de custo possa ser rastreado até uma requisição.
• Receba alertas quando o X-Balance-USD cair abaixo de um limite que você escolher.
• Mantenha-se dentro dos limites: 8 requisições simultâneas e 300 por minuto com uma chave completa. Uma resposta 429 com código rate_limited ou concurrency não é cobrada, mas uma tempestade de tentativas desperdiça seu tempo.

Para o formato da requisição e todos os parâmetros, consulte a documentação. Se você está comparando isso com a execução de sua própria camada de proxy, o artigo sobre custos e complexidade de gateways LLM aborda o outro lado dessa decisão.

Mais guias

• API OpenAI para Desenvolvedores: Use um Endpoint Compatível
• API do Gateway OpenAI Explicada em Termos Simples
• Gateway LLM: Análise de Custo vs. Complexidade