Custo de IA: token 33% mais barato muda o custo por tarefa?

O preço do token caiu 33% e o custo por tarefa ficou em US$ 1,98. Para quem decide a rota de modelo, a tarifa nova não muda a conta sozinha: o número que sobrevive à decisão é o custo da tarefa que sai pronta.

A planilha de custo de IA de uma empresa que já roda modelos em produção e recebe a fatura em dólar tem duas colunas que discordam. Numa está o preço por milhão de tokens, 33% menor desde 23 de outubro de 2026. Na outra está o custo por tarefa, que não se moveu. A reunião de orçamento escolhe qual das duas vai para o slide, e a mais fácil de explicar ganha quase sempre. Errado é o slide que mostra uma e responde pela outra.

Preço por token é um número que o fornecedor publica e o financeiro reconhece. Custo por tarefa obriga a definir o que conta como tarefa concluída, e ninguém quer essa discussão numa terça-feira.

A tarifa não decide.

Um modelo pode ficar 33% mais barato por token e continuar custando o mesmo por tarefa. Quem decide pela tarifa compra desconto e paga retrabalho.

O que mudou no modelo e o que não mudou na conta

O Kimi K3.1 Pro chegou em 23 de outubro de 2026 com preço de primeira parte 33% menor nas três tarifas, Intelligence Index 55 e custo por tarefa do índice em US$ 1,98, praticamente igual ao do Kimi K3. Quem reporta custo de IA escolhe entre as duas cifras.

Os números publicados estão abaixo, sem recálculo.

As três células sem número são propositais: a fonte publica o corte de 33% e o preço novo, não a tarifa anterior em dólar, e deixa o custo por tarefa do modelo anterior sem cifra.

O modelo entrou em 4º lugar no Intelligence Index, 11 pontos acima dos 44 do anterior e atrás de três modelos, entre eles o líder, com 58.

A combinação só parece estranha para quem trata preço e custo como sinônimos. Um corte de 33% na tabela é um corte na tarifa. Tarifa não determina sozinha o custo por tarefa: consumo, cache e raciocínio também pesam, e cada conjunto de tarefas combina os três de outro jeito. Quanto do desconto sobrevive é leitura qualitativa.

Preço por token e custo por tarefa medem coisas diferentes

Preço por token é tarifa: o que o provedor cobra por milhão de tokens de entrada, de saída e de cache. Custo por tarefa é conta: o gasto dividido pelas tarefas do índice. A primeira se lê na tabela do fornecedor. A segunda depende do consumo, da taxa de acerto e do que conta como tarefa concluída.

Tarifa não é conta.

A composição do número é publicada: entrada, cache hit, cache write, raciocínio e resposta, divididos pelo número de tarefas e ponderados pelo peso de cada avaliação no índice. O método é o mesmo que a peça sobre o custo por tarefa decide a rota usa para desempatar modelos: a conta é de custo, e não de tarifa. Com ele, a avaliadora publica US$ 1,98 no artigo de lançamento e US$ 2,11 na página do modelo, em média ponderada. A diferença entre as duas cifras é de método.

Por que 33% menos no token não virou 33% menos na tarefa

O preço do token LLM caiu 33% e o consumo por tarefa subiu. O modelo gasta 55 mil tokens de saída por tarefa do índice, contra 48 mil do anterior, 14% mais. Raciocínio mais longo compra acerto e cobra token. A fonte chama o custo por tarefa de praticamente igual e não afirma que a conta fecha.

Três mecanismos explicam o descompasso. O primeiro é que tokens de raciocínio entram na fatura de saída: um modelo que pensa mais antes de responder cobra por esse pensamento na mesma linha da resposta.

O segundo é o cache. O cache hit a US$ 0,20 por milhão reduz o custo do contexto repetido, com desconto de 90% nessa tarifa. Um prompt de sistema repetido aproveita; uma entrada nova a cada chamada, não.

O terceiro é a verbosidade. O modelo novo gerou 150 milhões de tokens de saída no índice inteiro, contra mediana de 87 milhões na classe, segundo a página do modelo lida em 26 de outubro de 2026. Ele escreve mais para acertar mais.

Os 33% e os 14% são fatos publicados, e a igualdade do custo por tarefa é descrição da fonte, não resultado que se reconstrua com os dois percentuais. As três cifras não fecham uma conta exata, e qualquer número que fechasse a lacuna seria inventado.

De 13% para 67% no Terminal-Bench: o custo da tarefa que sai pronta

No Terminal-Bench 4.0, o modelo anterior resolvia 13% das tarefas, e falhava 87% das vezes. O Kimi K3.1 Pro resolve 67%, a maior nota que a avaliadora mediu. Uma tarefa de terminal que falha não custa o preço de uma tentativa: custa a tentativa, a repetição e o tempo de alguém conferindo o resultado.

Chame de custo por tarefa concluída o que a operação paga: o gasto total dividido pelas tarefas que passaram no critério de aceite. A diferença em relação ao custo por tarefa do índice está no denominador. Um agente que roda várias vezes e entrega poucas tarefas aceitas dividiu o gasto por um número pequeno.

O eixo agêntico se moveu em mais de uma medição. No GDPval-AA o modelo novo marca 1.846 Elo, terceiro lugar, 312 acima do anterior, atrás de dois modelos com 1.866 e 1.857. No AutomationBench-AA, a taxa vai de 58% para 73%.

A precisão que separa leitura de erro: o custo por tarefa é medido nas tarefas do Intelligence Index, e o Terminal-Bench 4.0 é outro conjunto. As duas cifras não formam uma conta conjunta, e multiplicar uma pela outra produziria um número que fonte nenhuma publica. A 67%, 33 de cada 100 tarefas de terminal seguem sem solução, e cada uma consumiu token, tempo e uma conferência humana.

A conta é a da tarefa aceita. Não a da tentativa.

O líder do índice não é o líder da tarefa agêntica

O líder do Intelligence Index é o Claude Opus 5.5, com 58. O líder do Terminal-Bench 4.0 é o Kimi K3.1 Pro, com 67%, à frente do Claude Sonnet 5.5, com 64%. São dois placares e duas perguntas, e um roteador que consulta apenas o índice pode escolher o modelo errado na carga que o Terminal-Bench mede.

O índice, na versão 4.3.2 lida em 26 de outubro de 2026, é um composto de dez avaliações, entre elas AA-Briefcase, GDPval-AA, AutomationBench-AA e Terminal-Bench 4.0. Cada uma entra com peso definido pelo método da avaliadora, e o resultado é uma média que premia equilíbrio. Um modelo bom em tudo sobe; um excelente em uma coisa e medíocre nas outras não.

O Terminal-Bench mede uma coisa só: se o agente termina a tarefa de terminal. Não mede redação, não mede extração, não mede conversa.

Os dois placares convivem sem se contradizer. A nota do líder do índice no Terminal-Bench não está na fonte lida e não aparece aqui. O que ela publica é a maior nota do conjunto, 67%.

Como decidir a rota com as duas métricas

A decisão tem quatro passos: definir o que conta como tarefa concluída, medir o custo por tarefa na própria carga, comparar com o publicado e revisar a regra quando a tabela ou o índice mudar. O resultado é uma regra de rota por tipo de tarefa, não um ranking de modelos.

A definição vem antes da compra. Um atendimento reaberto conta como concluído?

1. Escrever o critério de aceite por tipo de tarefa, antes de comparar preço.
2. Medir o gasto por chamada com modelo, tokens e resultado no mesmo registro.

Sem isso, o custo por tarefa na própria carga é a fatura do mês dividida por um número que ninguém contou.

1. Comparar o custo medido com o publicado, tratando a diferença como informação.
2. Revisar a regra quando a tabela ou o índice virar versão, como o custo real além do preço por token mostra.

O custo de IA que chega ao financeiro só é auditável quando cada chamada carrega modelo, tokens e resultado. O roteador de LLM do Nexforce Router é um gateway com roteamento entre mais de 300 modelos, API compatível com OpenAI, ranking por preço e desempenho atualizado continuamente, orçamento por chave e por projeto com teto de gasto, fallback e failover entre provedores, cache de respostas e de embeddings, e rastro completo de cada chamada.

O limite: a camada mede e governa a decisão, não decide o que conta como tarefa concluída, e nenhuma ferramenta decide isso no lugar do comprador.

Falta a camada entre a tarifa em dólar e o caixa em real. A estimativa interna da Nexforce é que encargos de importação e conversão cambial elevam o custo efetivo do token em até 55%, e uma fatura de US$ 100 mil chega a US$ 100 mil acrescidos de até 55% em desembolso. No teto, ela sai como US$ 155 mil desembolsados.

Quando o preço do token ainda é o critério certo

O preço por token ainda decide quando a saída é curta, o volume é alto e o acerto raramente é questionado: classificação, extração de campo, tradução de rótulo, resposta de formulário. Nesses casos o custo por token LLM converge para o custo por tarefa, e a métrica mais simples é a mais honesta.

Primeira condição: saída curta. Quando a resposta cabe em poucas linhas e o formato é fixo, o consumo varia pouco, e a tarifa de saída volta a decidir a fatura.

Segunda: volume alto com repetição. Um pipeline que processa a mesma entrada o dia inteiro tem cache previsível, e o desconto de 90% vira componente.

Terceira: erro barato de corrigir. Classificar um ticket na fila errada custa pouco; redigir um contrato com uma cláusula inventada, não.

O benchmark de roteador de modelos entra como apoio, não como veredito: ensina a ler índice composto sem confundir média com desempenho.

Veredito condicional: para saída curta, volume alto e erro barato, o preço por token decide; para carga em que a tarefa precisa sair pronta, o custo por tarefa concluída decide.

Perguntas frequentes

O que é custo por tarefa em um modelo de linguagem? É o gasto dividido pelas tarefas do índice, não o preço de tabela por milhão de tokens. A avaliadora soma entrada, cache hit, cache write, raciocínio e resposta, divide pelo número de tarefas do índice e pondera cada avaliação pelo peso dela no índice v4.3.2, o que produz uma média em dólar por tarefa.

Por que o preço do token caiu 33% e o custo por tarefa ficou igual? Porque o consumo por tarefa subiu com o corte. O modelo novo usa 55 mil tokens de saída por tarefa do índice, contra 48 mil do anterior, e raciocínio é cobrado na mesma linha da saída. A fonte chama a conta de praticamente igual, em US$ 1,98.

O custo por tarefa publicado serve para a minha carga? Serve como referência, não como orçamento. O número publicado é medido nas tarefas do Intelligence Index, e a sua carga não reproduz esse mix. O custo por tarefa concluída depende do critério de aceite, da taxa de acerto e do consumo por chamada, e só aparece quando cada chamada fica registrada com modelo e tokens.

Como um roteador de LLM usa as duas métricas na prática? Pode aplicar regra por tipo de tarefa, mandando a saída curta para o modelo de menor tarifa e a carga agêntica para o de melhor taxa de acerto, e medindo as duas. O que ele não faz sozinho é decidir o que conta como tarefa concluída. Nenhum roteador decide isso.

O modelo novo já tem pesos abertos? Não. A fonte diz que os pesos não foram publicados e projeta que, quando forem, o modelo será o aberto de maior score, com o gap entre líder aberto e proprietário caindo de 12 para 3 pontos. Publicada está a arquitetura: janela de 1M tokens, 2,8 trilhões de parâmetros totais e 104 bilhões ativos.

Referências e Leitura Complementar

• Artificial Analysis, artigo de lançamento, 23 de outubro de 2026: https://artificialanalysis.ai/articles/kimi-k3-1-pro-launch-benchmarks (acesso em 26/10/2026).
• Artificial Analysis, página do modelo, com custo por tarefa em média ponderada e composição do Intelligence Index: https://artificialanalysis.ai/models/kimi-k3-1-pro (acesso em 26/10/2026).

O que fazer com esta conta

A conta que decide não é a da tabela do fornecedor. É a que divide o gasto pelas tarefas que a operação aceitou, com critério de aceite escrito antes da comparação de preço, porque um número que nasce da tarifa e não do aceite não sobrevive à primeira reunião em que alguém pergunta quantas tarefas voltaram sem solução. O critério vem primeiro. Tarifa muda sem avisar o orçamento.