AlliahBench AlliahBench
Abrir AlliahBench
Medição real de tokens · e orçamento para o cliente

Quanto custa rodar isso — e quanto cobrar por isso

Mede o custo real de uma chamada de IA em imagem, áudio ou texto, com o número saído de uma execução de verdade. Depois transforma esse número em preço ao cliente, com margem, imposto, ponto de equilíbrio e uma proposta pronta para enviar.

Abrir AlliahBench Por que não é só token
mesma imagem · 4 modelos · medido
gemini-2.5-flash-lite0,13
gemini-2.5-flash0,39
gemini-3.1-flash-lite1,40
gemini-2.5-pro1,64
R$ por 1.000 imagens · só a leitura12×
O problema

Ninguém sabe quanto custa a IA que está vendendo

Quem monta um serviço em cima de um modelo de linguagem precisa responder duas perguntas antes de assinar qualquer coisa: quanto essa chamada custa por mês no volume do cliente, e quanto cobrar por ela. As duas costumam ser respondidas por estimativa — e a estimativa erra por ordens de grandeza, sempre para o lado errado.

Erro nº 1

A tabela de preços não é o custo

A tarifa publicada é por milhão de tokens. Entre ela e a fatura existem o thinking (cobrado como saída e quase sempre o maior item), a tarifa própria da imagem gerada e a modalidade da mídia — áudio e imagem podem ter preço diferente do texto no mesmo modelo. Multiplicar "tokens estimados × tarifa" pula tudo isso.

Erro nº 2

Contar token de cabeça não funciona

Uma imagem não custa proporcional à resolução: de 256×144 a 3840×2160 o consumo medido é idêntico. O que decide é a família do modelo e o parâmetro de resolução de mídia. E o contador prévio do próprio fornecedor diverge da cobrança real em pelo menos um modelo — declara 258 tokens onde cobra 1.120.

Erro nº 3

Orçar só o token erra por 10 a 100 vezes

Num serviço de leitura de nota fiscal a 10.000 documentos por mês, o token é 4,7% da conta. Revisão humana e custo fixo são o resto. Quem negocia centavos de modelo está mexendo na alavanca errada — e ainda assina um contrato cujo preço não cobre o serviço.

Erro nº 4

Margem e markup trocados

Custo de R$ 3.080 e a meta de "40%": multiplicar por 1,40 dá R$ 4.312 e realiza 28,6% — faltam 11,4 pontos. Para 40% de margem o preço é R$ 5.133. Quando o imposto também é esquecido, os 40% anunciados viram 25% realizados.

Erro nº 5

Preço que muda embaixo do contrato

Modelo é software com data de desligamento e tarifa que se mexe; o dólar se mexe junto. Uma planilha guarda reais e congela o engano: seis meses depois ninguém sabe se a margem caiu por causa do câmbio, da tarifa ou do escopo.

Erro nº 6

A proposta vaza o custo

Planilha enviada ao cliente com a aba de custo esquecida dentro é acidente comum. Modelo mais catálogo público entregam o seu custo com uma divisão — e, com ele, a sua margem.

O erro que a planilha comete

O token é 5% do custo. Orçar só o token erra por 10 a 100 vezes.

Medido num serviço real de extração de nota fiscal a 10.000 documentos por mês. O que decide a margem não é trocar de modelo para economizar centavos de token — é a revisão humana e o custo fixo, que a conta de guardanapo esquece.

Token do modelo
R$ 146
4,7% do custo
Revisão humana
R$ 940
30,5% · 15% das chamadas
Infra, suporte, manutenção
R$ 1.980
64,3% · não encolhe com o volume
Custo real por mês
R$ 3.080
é este que vira preço
Quatro telas

Medir, consultar, revisitar e orçar

Cada número que entra numa proposta tem endereço: dá para clicar e ver a chamada real que o sustenta.

⚖️

Medir

Uma imagem, um áudio ou só um texto, medidos em quantos modelos você quiser ao mesmo tempo. A tabela preenche conforme cada um responde — a rodada não espera o mais lento.

📒

Catálogo

Todos os modelos com tokens por imagem, por minuto de áudio e o R$ por mil, sem gastar uma chamada. Modelo sem tarifa publicada aparece com um traço — nunca como zero.

🧾

Histórico

Toda rodada fica guardada com os tokens que gastou, endereçável por link. Corrigiu um preço ou a cotação? O histórico inteiro se reprecifica sozinho.

💼

Orçamentos

Junta os serviços que você vai prestar, cada um com o custo medido, e devolve preço, margem, cenários e o que faz a conta quebrar. Sai uma proposta com link para o cliente.

🎙️

Áudio por minuto e por hora

Áudio se contrata por tempo, não por arquivo. O custo sai também por minuto e por hora processada, e "500 horas de ligações de 4 min" vira 7.500 chamadas — a conversão que mais se erra.

🛡️

Teto de gasto

Estimativa antes de rodar e recusa automática ao passar do limite do dia. Dá para medir com a chave de outro projeto sem que o gasto entre na sua fatura.

Recursos em profundidade

O que cada peça faz, como faz e o que devolve

A bancada é curta de propósito — três telas de trabalho e uma de orçamento. O que segue é o detalhe de cada uma, incluindo as decisões que impedem um número errado de virar preço.

Medir

Uma mídia, vários modelos, uma execução real por número

Você sobe uma imagem, um áudio ou escreve só o texto, marca os modelos e roda. Cada modelo é chamado de verdade e o resultado chega em fluxo: a tabela vai se preenchendo conforme cada um responde, sem esperar o mais lento. O eixo real é um cubo de modelos × variações de prompt × repetições, e o motor é derivado desse tamanho — passando de dez repetições a mesma tela troca o fluxo contínuo por uma fila de servidor, com progresso e retomada, sem obrigar você a aprender o vocabulário de lote.

O que faz
Chama generateContent em cada modelo marcado, com a mesma mídia e o mesmo prompt.
Como faz
Lê o usageMetadata devolvido pela chamada: tokens por modalidade, thinking, saída de texto e saída de imagem, separados.
O que entrega
Tabela ordenável, gráfico de barras por medida, e as respostas inteiras lado a lado — a visão que mostra o que a tabela trunca.
Catálogo

O que dá para saber antes de gastar um centavo

O custo de leitura da mídia não depende do arquivo, então ele é conhecido antes de qualquer upload. O catálogo lista os modelos que a API expõe, classificados por quem aceita imagem e áudio, com tokens por imagem, tokens por minuto de áudio e o R$ por mil. Modelo novo que apareça na API entra sozinho; modelo sem tarifa publicada entra marcado, com um traço no custo — nunca escondido e nunca como zero.

O que faz
Responde "quanto custa" em zero clique e zero centavo, na abertura da tela.
Como faz
Cruza a lista de modelos da API com a tabela de tarifas, marcando bloqueios, aliases e desligamentos conhecidos.
O que entrega
Régua de previsão em tom próprio, nunca misturada com a linha medida, mais o aviso de quem vai sair do ar.
Histórico

Toda rodada tem endereço — e se reprecifica sozinha

Cada execução fica guardada com os tokens que consumiu e ganha um link próprio. Como o banco não guarda dinheiro, corrigir uma tarifa ou a cotação do dólar reprecifica o histórico inteiro sem re-rodar nada. A mídia também é guardada em disco, deduplicada por conteúdo, para que "repetir a rodada" signifique exatamente a mesma entrada — e não uma nova aproximação.

O que faz
Guarda a rodada, o modelo, as opções com que rodou e o consumo — em tokens.
Como faz
O R$ é calculado na leitura, a partir da tabela de tarifas e da cotação vigente. Não existe coluna de valor.
O que entrega
Permalink por rodada, ranking acumulado por modelo e o alarme de quem nunca respondeu.
Orçamentos

De token medido a preço que você consegue defender

O orçamento junta os serviços que você vai prestar; cada item aponta para a rodada que sustenta o seu número e carrega o que a planilha esquece: retentativa, revisão humana em minutos e no custo/hora do revisor, e os custos fixos que não encolhem com o volume. A margem é o campo de entrada e o markup é derivado, só leitura — a troca entre os dois é o erro que mais dá prejuízo. O imposto sai do topo da receita, antes da margem.

O que faz
Transforma consumo medido em preço mensal por serviço, com composição visível do custo.
Como faz
Guarda tokens no item, não dinheiro; a dispersão medida entra como fatores adimensionais p75 e p95, que sobrevivem a qualquer mudança de tarifa.
O que entrega
Um preço com três margens, ponto de equilíbrio em fração do volume, tabela de ruptura e a peça do cliente por link.
Áudio

Áudio se contrata por tempo, não por arquivo

"R$ 12 por mil áudios" não diz nada quando um áudio pode ter oito segundos ou três minutos. Em rodada de áudio o custo cheio é dividido pela duração real do arquivo e aparece também por minuto e por hora processada; a projeção mensal mostra o total em horas. A duração medida acompanha sempre o número, porque só a leitura do áudio é exatamente linear — o prompt e a resposta escalam numa transcrição e não escalam numa pergunta de sim ou não.

O que faz
Converte "500 horas de ligações de 4 minutos" em 7.500 chamadas — a conversão que mais se erra.
Como faz
Deriva R$/min e R$/hora do custo medido dividido pela duração real do arquivo enviado.
O que entrega
Coluna "Por hora" que só existe em rodada de áudio, e o total mensal também em horas.
Dispersão

Repetir é o que separa medição de anedota

Duas chamadas idênticas ao mesmo modelo não gastam o mesmo tanto: o raciocínio interno varia. Uma medição única é uma amostra, e amostra não sustenta contrato. A bancada repete a chamada até dez vezes, calcula mediana, p75 e p95, e marca a rodada como instável quando a dispersão é grande. Qual desses percentis vira base de precificação é uma escolha explícita, e ela fica escrita na proposta.

O que faz
Mede a mesma chamada N vezes e resume em p50, p75 e p95.
Como faz
Guarda cada repetição como execução própria; os percentis são calculados na leitura, como o custo.
O que entrega
Selo de instabilidade e a base escolhida registrada no orçamento, com o número de amostras.
Um orçamento de verdade

Do token medido ao preço que vai ao cliente

Três serviços, cada um com o modelo e o volume que você escolhe, e o preço saindo da margem que você define — já com imposto descontado do topo da receita.

ServiçoVolume/mêsCusto/mêsPreço/mêsBase
Leitura de nota fiscal
imagem · rodada #45		 10.000 docR$ 1.652,17R$ 3.591,68 medido
Transcrição de ligação
áudio · 500 h de 4 min		 7.500 chamadasR$ 106,99R$ 232,58 medido
Classificação de e-mail
texto · do catálogo		 50.000 docR$ 182,91R$ 397,63 estimado
Margem de 40% já com 14% de imposto fora do topo da receita. Cenário de estresse leva a margem a 18,7% — e o ponto de equilíbrio avisa abaixo de que volume o contrato dá prejuízo mesmo cobrando o preço certo.
Como funciona

Quatro passos, do arquivo à proposta

Meça o caso real

Suba a mídia do cliente, escolha os modelos e rode. O número vem do consumo devolvido pela API, não de tabela.

Escolha o modelo

Compare custo, latência e a resposta de cada um lado a lado. Repita para ter mediana e p95 — thinking varia entre chamadas idênticas.

Monte o orçamento

Traga a rodada medida, informe o volume mensal e acrescente revisão humana, infra e setup. O preço sai da margem.

Envie a proposta

Feche o orçamento — as premissas congelam — e mande o link. O cliente vê o preço e a procedência, nunca o seu custo.

Como funciona por dentro

Uma invariante sustenta o produto: o banco guarda token, não dinheiro

Todo o resto decorre daí. Se o valor em reais fosse gravado junto com a execução, corrigir uma tarifa exigiria re-rodar o histórico — e ninguém re-roda. Guardando o consumo, o dinheiro é calculado na leitura e o passado inteiro se atualiza sozinho.

Backend
Serviço HTTP em Python com FastAPI, rodando como serviço do sistema atrás do nginx do domínio. As rodadas curtas voltam por fluxo contínuo de eventos; as longas viram tarefa de servidor com progresso e retomada.
Banco
SQLite local, com tabelas de usuários, sessões, rodadas, execuções, lotes, orçamentos e itens de orçamento. Existe teste que falha se alguém acrescentar uma coluna de valor em reais na tabela de execuções.
Preço
Um único módulo é a fonte de verdade de dinheiro, com a data da última revisão à vista na tela. Tarifa ausente é registrada como "não publicada", nunca como zero — zero seria lido como "de graça" e ainda barataria o teto de gasto do dia.
Custo
A conversão separa duas tarifas de saída: texto (incluindo o raciocínio) e imagem gerada. Elas diferem por ordem de grandeza; precificar a saída inteira como texto subestimava em quinze vezes.
Frontend
Aplicação React compilada e servida como arquivos estáticos por um contêiner nginx. Tema claro e escuro, com o contraste medido no navegador par a par, nos dois temas — cada cor contra a superfície em que ela de fato aparece, e não contra o branco genérico.
Provedor
Camada de provedor isolada por trás de uma interface comum. Hoje a bancada mede a família Gemini; a camada comporta outros fornecedores, mas o que não foi medido não é anunciado aqui.
Especificação medida

Quanto uma imagem custa em tokens, por família

Medição feita em chamadas reais, com uma foto de 1920×1080. O achado que mais muda decisão: o tamanho do arquivo não altera o consumo — de 256×144 a 3840×2160 o número é o mesmo. Quem decide é a família do modelo e o parâmetro de resolução de mídia.

Tokens consumidos na leitura de uma imagem, por família de modelo e por nível de resolução de mídia
Família Resolução baixa Resolução média Resolução alta Padrão de fábrica
Gemini 2.5
flash · pro · flash-lite		 662581.806 média · 258 tokens
Gemini 3.x
pro e flash das gerações 3.1, 3.5 e 3.6		 2645271.100 alta · 1.100 tokens
Migrar de 2.5-flash para um 3.x-flash multiplica o consumo da imagem por cerca de 4,3 vezes — antes de a tarifa por token subir. Baixar o parâmetro para resolução baixa corta 4,2 vezes na família 3.x. Os modelos de geração de imagem não seguem a taxa da própria família: deduzir pela família erra por quatro vezes em vários deles, e por isso a bancada mede em vez de inferir.
Custo em reais para ler mil imagens, por modelo, medido em execução real
Modelo Tokens por imagem R$ por 1.000 imagens Leitura
gemini-2.5-flash-lite258R$ 0,13mais barato
gemini-2.5-flash258R$ 0,393× o anterior
gemini-3.1-flash-lite1.100R$ 1,4011× o mais barato
gemini-3.6-flash1.100R$ 8,3965× o mais barato
gemini-3.1-pro1.100R$ 11,1986× o mais barato
Só a leitura da imagem, sem o raciocínio nem a resposta — que costumam custar mais que a leitura em qualquer modelo com thinking. Valores convertidos com uma cotação de referência de 5,086 reais por dólar; como a bancada guarda tokens, mudar a cotação recalcula esta tabela inteira.
Especificação

Cada modalidade na unidade em que se contrata

A unidade de escala não é decorativa: comparar "mil áudios" quando um tem oito segundos e outro tem três minutos produz um número que não serve para nada. Cada modalidade sai na unidade em que aquele serviço é contratado.

Modalidades aceitas pela bancada, o que é medido em cada uma e em que unidade o custo é apresentado
EntradaO que é medidoUnidade de escalaObservação
Imagem Tokens de leitura da imagem, prompt, raciocínio e resposta. R$ por 1.000 imagens A leitura é conhecida antes de subir o arquivo — não depende da resolução.
Áudio Tokens de leitura do áudio, prompt, raciocínio e resposta, mais a duração real do arquivo. R$ por minuto e por hora Só a leitura é exatamente linear na duração; prompt e resposta escalam ou não conforme a tarefa.
Texto Tokens de prompt, raciocínio e resposta, sem arquivo nenhum. R$ por 1.000 chamadas Permite medir "análise de documento" em vez de chutar.
Saída em imagem Tokens de imagem gerada, separados dos tokens de texto da mesma resposta. R$ por imagem tarifa própria Precificar a resposta inteira como texto subestimava em 15 vezes.
Repetições A mesma chamada N vezes, para medir dispersão. até 10 em fluxo contínuo Acima disso a medição vira tarefa de servidor, com progresso e retomada — e um recorte por vez.
O que é aceito é guardado: a mídia enviada fica em disco, deduplicada por conteúdo, para que repetir a rodada signifique exatamente a mesma entrada. Antes, existia uma faixa de tamanho em que o arquivo era aceito, cobrado e depois descartado em silêncio — e a rodada não podia ser retomada nem repetida. Hoje há teste que trava essa invariante.
Para quem é

Quem precisa defender um número diante de outra pessoa

A bancada não é para curiosidade sobre modelos. Ela existe para o momento em que alguém pergunta "por que este preço?" e a resposta precisa ser melhor do que "achei".

Comercial técnico

Fechar proposta de serviço com IA

Mede o caso concreto do cliente — a nota fiscal dele, o áudio dele — e sai com preço mensal, margem realizada e o ponto abaixo do qual o contrato dá prejuízo. A peça enviada mostra escopo e procedência, nunca custo.

Engenharia

Escolher o modelo de um pipeline

Roda a mesma entrada em vários modelos e compara custo, latência e — o que a tabela esconde — a resposta inteira de cada um. Foi assim que se descobriu um modelo que polui a transcrição com marcas de tempo e ainda cobra quase oito vezes mais que a alternativa.

Produto

Saber se uma feature cabe no preço

Antes de embutir uma chamada de IA num plano mensal, projeta o custo no volume esperado e vê a decomposição: quanto é leitura da mídia, quanto é raciocínio, quanto é resposta — e quanto sairia sem o raciocínio.

Financeiro

Entender por que a margem andou

Orçamento fechado congela as premissas e continua ligado ao motor. Meses depois dá para decompor a queda de margem entre câmbio e tarifa, em pontos percentuais — algo que nenhuma planilha faz.

Operação

Não estourar a conta durante a medição

A própria bancada consome API. Por isso ela estima antes de rodar, recusa ao passar do teto do dia e permite medir com a chave de outro projeto, sem que o gasto entre na sua fatura.

Consultoria

Comparar cenários de contrato

Um preço com três margens, projeção mensal e anual, e a tabela de ruptura que aponta qual premissa quebra a conta primeiro — normalmente a taxa de revisão humana, não o modelo.

O que você recebe

Os artefatos que saem da bancada

Tudo o que a bancada produz é endereçável: dá para mandar o link de uma rodada para um colega e ele ver exatamente a mesma chamada, com os mesmos números.

Comparação lado a lado

Tabela com tokens por modalidade, raciocínio, saída, latência e custo em reais, ordenável por qualquer coluna, mais o gráfico de barras por medida escolhida.

Tela · permalink

Respostas na íntegra

O texto completo devolvido por cada modelo, um ao lado do outro. É a visão que revela diferença de qualidade que nenhum número mostra.

Tela

Decomposição do custo

Quanto do valor é mídia, raciocínio, saída de texto e saída de imagem, em reais e em percentual — com o contrafactual "sem raciocínio custaria tanto menos".

Tela

Projeção de volume

Custo por mês e por ano no volume que você informar, com cenário de câmbio ao vivo. Em áudio, também em horas processadas.

Tela

Orçamento completo

Serviços, custo por item com composição, preço, margem realizada, markup derivado, imposto, cenários, ponto de equilíbrio e tabela de ruptura.

Tela · permalink

Peça para o cliente

Página pública por token opaco, com escopo, preço e procedência. Custo, margem, imposto e tokens não são sequer serializados — não dá para vazar o que não sai do servidor.

Link público

PDF da proposta

Gerado pela impressão do navegador, com folha de estilo própria de impressão. Sem renderizador no servidor, sem fila de geração, sem arquivo desatualizado guardado em disco.

Impressão → PDF

Ranking acumulado

O histórico consolidado por modelo, útil para ver quem some, quem encarece e quem nunca respondeu — este último é o alarme de modelo desligado.

Tela
Integrações e dados

O que entra, o que sai e onde as coisas ficam

🔌

API do Gemini

A bancada fala com a API pública do Google Gemini. A chave fica em variável de ambiente e pode ser trocada pela tela de Configuração — não há chave dentro do código do frontend.

🔑

Chave alternativa

Dá para rodar uma medição com a chave de outro projeto. A rodada entra no histórico e no ranking, mas o gasto não consome o teto diário desta conta — porque o dinheiro saiu de outra fatura.

🗂️

Arquivos de entrada

Imagem, áudio ou nenhum arquivo (medição só de texto). O que é aceito é guardado, deduplicado por conteúdo, para permitir repetir a rodada com a entrada idêntica.

🧪

Exemplos prontos

O servidor oferece uma foto e um áudio de exemplo. Sem isso, a primeira visita só serve para quem já tem arquivo à mão — e a bancada precisa mostrar valor antes de pedir upload.

💾

Banco local

SQLite em disco no próprio servidor. Nada de dado de cliente sai daqui além do que a chamada ao modelo exige, e a mídia enviada fica no volume do serviço.

🔗

Link público de proposta

Endereço com token opaco de no mínimo dezesseis caracteres, fora do layout autenticado. Abrir o link marca a proposta como enviada; proposta vencida para de mostrar preço.

Segurança e privacidade

O que está fechado, e como

A bancada guarda mídia de cliente e a composição de custo do seu negócio. As duas coisas justificam mais cuidado do que uma ferramenta interna costuma receber.

🔐

Tudo atrás de login

A proteção é aplicada na inclusão dos roteadores, não rota a rota: rota nova nasce protegida. Só a porta de autenticação e a verificação de saúde ficam abertas.

🍪

Sessão em tabela, cookie próprio

A sessão é opaca e vive numa tabela, o que dá revogação imediata: apagar a linha encerra o acesso. O cookie é httpOnly, com caminho e política de mesmo site próprios.

🧯

Teto de gasto

Antes de rodar, a tela estima. Passando do limite do dia, recusa. O gasto do dia é recalculado dos tokens a cada consulta, e execução sem tarifa publicada não entra na conta como zero — entra como aviso.

🚫

A proposta não vaza custo

Custo, margem, imposto e tokens não passam pelo serializador da página pública, e há teste que varre o JSON à procura de palavra proibida. O nome do modelo é oculto por padrão, com interruptor por orçamento.

🧾

Erro que diz a verdade

Falha de chave termina com a frase "nada foi cobrado". Numa ferramenta de custo, a dúvida sobre se a tentativa gastou dinheiro é tão cara quanto o gasto.

👥

Usuários e papéis

Cadastro de usuários com administrador padrão, criação e remoção pela tela, e senha guardada apenas como derivação com sal por usuário.

A mídia que você sobe é enviada ao provedor do modelo para ser analisada — essa é a natureza da medição. Antes de subir arquivo de cliente, verifique o contrato e o regime de tratamento de dados do provedor escolhido.

O que a bancada garante

Número medido, não estimado

🎯

Vem de chamada real

Todo valor sai do consumo que a API devolveu. O contador prévio do fornecedor não alimenta cobrança aqui — ele diverge do faturado em pelo menos um modelo.

—

O que não se sabe vira traço

Modelo sem preço publicado mostra os tokens e um traço no custo, e trava o fechamento do orçamento. Zero seria lido como "de graça".

🔁

Guarda token, não dinheiro

Corrigir um preço reprecifica todo o histórico. Um orçamento já enviado, porém, congela as premissas — e ainda mostra quanto a margem andou desde então.

📅

Avisa o que morre

Contrato de 12 meses em modelo com desligamento anunciado tem só parte do prazo com preço conhecido. A tela faz essa conta e exige confirmação.

📊

p50, p75 e p95

Thinking varia entre chamadas idênticas. Orçar pela mediana é apostar; a base de precificação é escolhida e fica escrita na proposta.

🔒

A proposta não vaza custo

Custo, margem, imposto, tokens e o nome do modelo não saem para o cliente. O link público carrega só preço, escopo e procedência.

Limites e o que ainda não faz

O que a bancada não promete

Uma ferramenta de custo perde a razão de existir no dia em que exagera. Estas são as fronteiras conhecidas, escritas aqui para não serem descobertas dentro de uma negociação.

Mede a família Gemini

A camada de provedor foi escrita para comportar outros fornecedores, e a estrutura já separa modalidade de entrada e de saída. Mas só o que foi medido é anunciado: hoje a bancada roda contra a API do Gemini.

A tabela de tarifas é mantida à mão

Não existe importação automática de preço. A tela mostra a data da última revisão justamente para você saber o quanto confiar no número — e um preço corrigido reprecifica o histórico inteiro.

Uma moeda por vez

A conversão é dólar para real, com a cotação como parâmetro. Não há suporte a múltiplas moedas nem a contrato indexado em outra divisa.

A fila aceita um recorte por vez

Acima de dez repetições a medição vira tarefa de servidor, e essa tarefa roda um modelo com uma variação. A tela diz isso em vez de deixar o botão morto, mas é um limite real.

Franquia e excedente exigem unidade única

Somar dez mil documentos com quinhentas horas e cinquenta mil e-mails daria "sessenta mil e quinhentas unidades", que não é número. Por isso o ponto de equilíbrio sai em fração do volume, e degraus de volume não foram construídos.

Não é CRM nem gestor de contratos

Não há histórico de negociação, envio de e-mail, aceite do cliente pelo link, comparação entre versões de orçamento nem biblioteca de modelos de serviço. Ficaram de fora de propósito.

Estimativa continua sendo estimativa

O contador prévio de tokens do fornecedor serve para prever, nunca para cobrar — ele diverge da cobrança real em pelo menos um modelo. Item de orçamento baseado só no catálogo aparece marcado como estimado, e não como medido.

Fechar orçamento pode ser bloqueado

Item sem tarifa publicada impede o fechamento, sem exceção. E contrato que ultrapassa o desligamento anunciado do modelo só fecha com assunção explícita do risco — nunca por descuido.

Perguntas frequentes

O que perguntam antes de usar

Rodar uma medição gasta dinheiro de verdade?

Sim — é isso que a torna confiável. Cada modelo marcado recebe uma chamada real. Por isso a tela estima o gasto antes de rodar, recusa quando o teto do dia é atingido e permite usar a chave de outro projeto. A tela de Catálogo, ao contrário, responde "quanto custa a leitura" sem gastar nada.

Por que não usar o contador de tokens do fornecedor e evitar o gasto?

Porque ele mente em pelo menos um caso medido: informa 258 tokens onde a cobrança real é 1.120, e o desvio foi reproduzido três vezes. Além disso ele não conhece o raciocínio interno nem o tamanho da resposta, que costumam ser a maior parte da conta. O contador prévio serve para estimar; só o consumo devolvido pela chamada alimenta cobrança.

Se eu reduzir a resolução das imagens, economizo?

Não pelo lado do arquivo. Medido de 256×144 até 3840×2160, o consumo é idêntico. O que economiza é escolher a família certa do modelo e baixar o parâmetro de resolução de mídia — na família 3.x isso corta cerca de 4,2 vezes.

O que acontece com um orçamento antigo quando o dólar muda?

Rascunho se reprecifica sozinho, porque o item guarda tokens. Orçamento fechado congela o valor unitário — um documento que foi ao cliente não pode mudar de valor sozinho. A diferença entre o congelado e o vigente vira a leitura de deriva: quantos pontos de margem foram câmbio e quantos foram tarifa.

O cliente consegue descobrir meu custo pelo link da proposta?

Custo, margem, imposto e tokens não são serializados na página pública, e há teste automatizado que varre a resposta atrás dessas palavras. O nome do modelo fica oculto por padrão — modelo somado a catálogo público entregaria o custo com uma divisão. Existe interruptor por orçamento para quem quiser mostrar.

Por que a margem é o campo de entrada e o markup só leitura?

Porque trocar as duas é o erro mais caro da precificação de serviço. Markup divide o lucro pelo custo; margem divide pelo preço. Com custo de R$ 3.080, aplicar 40% como markup realiza 28,6% de margem. Deixar as duas editáveis convidaria à confusão, então uma manda e a outra informa.

Uma medição só basta para fechar contrato?

Não, e a bancada diz isso. O raciocínio do modelo varia entre chamadas idênticas, então uma amostra é anedota. Repetindo, você recebe mediana, p75 e p95 e um selo de instabilidade quando a dispersão é grande. A base escolhida fica registrada no orçamento, junto com o número de amostras.

Por que existe modelo desligado selecionável na lista?

De propósito. Rodar e ver "desligado" é o alarme de que algum sistema seu ainda aponta para aquele modelo. Esconder o modelo morto esconderia também o problema — e já houve caso no parque de aplicação apontando para um modelo que a API tinha aposentado.

Dá para medir texto puro, sem enviar arquivo?

Dá. Sem arquivo, a rodada é do tipo texto e mede prompt, raciocínio e resposta. Foi assim que "análise de documento" deixou de ser chutada e passou a ser medida.

E se um modelo não tiver preço publicado?

Ele roda, mostra os tokens e exibe um traço no custo. Nunca zero — zero seria lido como gratuito e ainda barataria a conta do teto diário. Se esse item entrar num orçamento, o fechamento é bloqueado até que a lacuna seja resolvida.

Glossário

As palavras que aparecem na tela

Token
A unidade em que o modelo cobra. Vale para o que entra (texto, imagem, áudio) e para o que sai. Aproximadamente um pedaço de palavra — mas uma imagem também vira uma quantidade fixa de tokens.
Thinking
O raciocínio interno do modelo antes de responder. É cobrado como saída, não aparece na resposta e costuma ser o maior item da conta em modelos que raciocinam.
Resolução de mídia
Parâmetro da chamada que decide com quanto detalhe o modelo lê a imagem. Baixa, média ou alta — e cada família tem o seu padrão de fábrica, o que explica saltos de custo entre gerações.
Rodada
Uma execução da bancada: uma mídia, um conjunto de modelos e um prompt. Guarda os tokens de cada modelo e tem endereço próprio.
p50, p75 e p95
Percentis do custo medido em repetições. A mediana (p50) é o caso típico; o p95 é o caso ruim que ainda acontece uma vez a cada vinte. Orçar contrato pela mediana é apostar.
Margem
Lucro dividido pelo preço. É o campo que você preenche: para 40% de margem, o preço é o custo dividido por 0,6.
Markup
Lucro dividido pelo custo. É derivado e só leitura aqui. Quarenta por cento de markup equivalem a 28,6% de margem — não são a mesma coisa.
Ponto de equilíbrio
O volume abaixo do qual o contrato dá prejuízo, mesmo cobrando o preço certo, porque os custos fixos não encolhem. Sai em fração do volume orçado.
Procedência
De onde vem cada número do orçamento, em cinco estados: medido, medido com uma amostra, instável, extrapolado ou estimado. Aparece por peso de tinta, não por cor.
Revisão humana
A fração das chamadas que uma pessoa confere antes de a saída valer. É a maior alavanca de margem na maioria dos serviços: derrubá-la de 15% para 8% vale mais que todo o custo de token.
Tabela de ruptura
A leitura de qual premissa quebra a conta primeiro se piorar — volume, taxa de revisão, câmbio ou tarifa.
Deriva de margem
A diferença entre a margem prometida no fechamento e a margem que o mesmo escopo realizaria hoje, decomposta entre câmbio e tarifa.

Pare de orçar IA no chute

Meça o caso do cliente em minutos e saia com um preço que você consegue defender — com a chamada real anexada ao número.

Abrir AlliahBench