Custo por sessão de agente de código: onde a conta estoura

Uma sessão de agente de código custa 155,6x mais em um modelo do que em outro na mesma faixa de duração: US$ 3,734 contra US$ 0,024 entre 10 e 49 turnos. No Opus 5.5, a sessão longa custa 4,6x a curta. A conta se planeja por sessão, não por preço de milhão de tokens.

A janela fecha em 18/10/2026, com 30 dias de sessões reais de oito modelos. O que a tabela mede é o custo de uma sessão que termina, e é esse número que aparece na fatura do mês seguinte.

Principais achados

1. A mediana de custo de uma sessão de 10 a 49 turnos varia 155,6x entre o modelo mais caro e o mais barato do conjunto, de US$ 3,734 a US$ 0,024.
2. Na faixa de 2 a 9 turnos a amplitude relativa é maior, 209,8x, porque a sessão curta do modelo mais barato custa US$ 0,005, meio centavo.
3. No Opus 5.5 a sessão de 10 a 49 turnos custa 4,6x a de 2 a 9 turnos e 10,2x a de turno único; no Sonnet 5.5, 3,8x e 8,4x.
4. A primeira requisição de uma sessão em pasta vazia gravou 17.047 tokens em cache a US$ 5 por milhão, US$ 0,085, para uma resposta de quatro tokens; a leitura do mesmo bloco custa US$ 0,20 por milhão, 25x menos.
5. Com 22 dias úteis, 5 sessões curtas por dia somam US$ 34 por mês em Opus 5.5 e US$ 17 em Sonnet 5.5; 10 sessões longas por dia somam US$ 306 e US$ 131.
6. A CLI nativa do agente reportou de US$ 0,16 a US$ 0,31 para sessões de Haiku que custaram meio centavo, entre 32 e 62 vezes o valor real, e superestimou sessões de Opus 5.5 em cerca de 50%.
7. A mesma carga mensal de três rotinas de trabalho custa US$ 1,79 no Haiku 5.5 e US$ 172,62 no Fable 5.1, 96,4x de distância para o mesmo serviço entregue.

Cada linha se sustenta sozinha, com o número, a faixa de duração e a janela que a produziram. Quem citar uma delas cita a estatística inteira, não um pedaço dela.

Como os dados foram coletados?

Base: medianas de custo por sessão de agente de código publicadas por um agregador de inferência, em dólar, numa janela de 30 dias encerrada em 18/10/2026. Oito modelos, três faixas de duração, uma mediana por faixa. A peça calculou amplitudes, múltiplos e envelopes mensais; a medição por sessão é de terceiro.

Mediana é o valor que divide a amostra ao meio: metade das sessões custou menos, metade custou mais. Não é média. A distinção pesa numa distribuição com cauda, porque uma sessão que lê um monorepo inteiro arrasta a média para cima e descreve mal a sessão que o time repete todo dia.

A mediana responde o que a maioria das sessões custa. A média responde o que o mês inteiro custou.

A amostra cobre oito modelos em três faixas: uma requisição, 2 a 9 turnos e 10 a 49 turnos. O valor é o custo total da sessão, não o preço de um turno nem o preço de um milhão de tokens. O agregador publica um ponto central por célula, o que significa que esta peça não vê as sessões individuais, apenas a mediana de cada combinação de modelo e duração.

O que a peça calculou por conta própria: as amplitudes entre modelos (155,6x e 209,8x), os múltiplos por duração em cada modelo, os envelopes mensais com 22 dias úteis e a tabela de camadas de tarefa. Toda conta aparece na seção em que o número é usado, com os fatores à vista, para que o leitor refaça a multiplicação e discorde do arredondamento se quiser.

O que não se pode concluir. A atribuição entre harness e modelo é outro problema, já medido em Cache de prompt e roteamento medidos juntos: onde o custo do agente realmente se forma. O custo de uma sessão depende do tamanho do repositório e de quanto dele a sessão lê, variável que a mediana não controla. Um teste controlado de correção de bugs rodou em projeto pequeno, com cache quente, e ficou abaixo das medianas: serve para comparar configurações, não para orçar. A medição do lado da aplicação, e não da sessão, tem tratamento próprio em Como medir o custo real de uma aplicação de IA além do preço por token.

E a janela tem 30 dias. Preço de modelo e política de cache se movem, então um múltiplo de outubro não é promessa para janeiro.

Quanto custa uma sessão de agente de código por modelo e por duração?

Uma sessão de 10 a 49 turnos custa de US$ 0,024 a US$ 3,734, mediana por modelo: 155,6x de amplitude. Na faixa de 2 a 9 turnos o intervalo vai de US$ 0,005 a US$ 1,049, 209,8x. Oito modelos, três faixas, a mesma janela de 30 dias encerrada em 18/10/2026.

Valores em dólar, mediana por sessão:

A escada tem oito degraus e três colunas, e a primeira coisa que salta é a distância entre o topo e a base na faixa longa: US$ 3,734 contra US$ 0,024. Em valores absolutos, a escolha de camada vale US$ 3,710 por sessão, praticamente o preço inteiro da sessão mais cara. Em valores relativos, ela vale 155 vezes o custo da mais barata.

Na faixa curta a amplitude relativa é maior, 209,8x, porque o denominador encolhe mais rápido que o numerador. A sessão de 2 a 9 turnos do GPT-6 Luna custa meio centavo, e qualquer número dividido por meio centavo fica grande. Amplitude relativa e distância absoluta apontam para lados diferentes aqui, e as duas leituras estão corretas: quem monta política olha a relativa, quem assina a fatura olha a absoluta.

O que esta tabela não faz é explicar a distância entre as linhas. Atribuir a diferença ao harness ou ao modelo é outra pergunta, com resposta publicada no artigo citado na metodologia. O uso aqui é outro: a distância medida vira instrumento de orçamento, porque a pergunta que ela responde é quanto custa uma sessão que termina.

Uma ressalva de escopo, para evitar extrapolação. Os números valem para as três faixas medidas. Uma sessão de 200 turnos não está na tabela, e nada aqui autoriza estimá-la por interpolação linear.

Por que a primeira requisição custa mais que as seguintes?

A primeira requisição grava o bloco de contexto em cache e paga por escrito: 17.047 tokens a US$ 5 por milhão, US$ 0,085, mesmo quando a resposta tem quatro tokens. Todo turno seguinte lê o mesmo bloco a US$ 0,20 por milhão, 25x mais barato. O custo da sessão é piso fixo mais cauda por turno.

O teste que separa as duas camadas é simples e um pouco humilhante: uma sessão de Opus 5.5 aberta em pasta vazia, com uma pergunta trivial. A resposta teve quatro tokens. A sessão gravou 17.047 tokens em cache, cobrados a US$ 5 por milhão na escrita, e a conta fechou em US$ 0,085 antes de qualquer trabalho útil. Quatro tokens de resposta, US$ 0,085 de entrada.

O turno seguinte não paga isso de novo. Ele lê o mesmo bloco a US$ 0,20 por milhão, e o custo marginal de um turno passa a ser a releitura barata do bloco mais o que aquele turno acrescenta, e não o bloco ao preço de escrita. A leitura do bloco inteiro custa US$ 0,0034, um vigésimo quinto da escrita.

É por isso que a mediana de turno único é 0,136 e não 0,085. Um projeto de verdade não abre em pasta vazia: ele soma instruções, arquivos lidos e saída de ferramenta. O valor de 0,085 é piso de cache, não orçamento de sessão.

A leitura corrente trata custo de sessão como preço por token vezes volume, e essa multiplicação erra nas duas pontas. Subestima a sessão curta, que paga um piso desproporcional ao trabalho entregue, e superestima a cauda, que lê a preço de leitura. A sessão tem dois preços, e o primeiro é o caro.

Quanto um mês de uso soma em cada rotina de trabalho?

Com 22 dias úteis, cinco sessões curtas por dia somam US$ 34 por mês no Opus 5.5 e US$ 17 no Sonnet 5.5. Vinte sessões curtas somam US$ 134 e US$ 68; dez longas, US$ 306 e US$ 131. Entre os dois modelos, a rotina pesa 9x e a camada de modelo, 2,3x.

A conta de uma linha, para conferência: 5 sessões a US$ 0,305 dão US$ 1,525 por dia, vezes 22 dias úteis, US$ 33,55, arredondados para 34. Vinte sessões a US$ 0,305 dão US$ 6,10 por dia e US$ 134,20 no mês. Dez sessões longas a US$ 1,390 dão US$ 13,90 por dia e US$ 305,80 no mês, contra US$ 5,96 e US$ 131,12 no Sonnet 5.5.

O número que muda comportamento é a diferença entre as colunas, não o total. Em uso leve, trocar Opus 5.5 por Sonnet 5.5 economiza US$ 17 no mês, valor que não paga a reunião necessária para decidir a troca. Em uso pesado de sessões longas, a mesma troca economiza US$ 175, e aí a decisão se paga sozinha.

Os 22 dias úteis são premissa do envelope, não medição. Quem opera em turno ou cobre fim de semana troca o 22 pelo número real de dias, e a multiplicação continua válida. O que não se troca é a faixa de duração, porque é ela que define qual mediana entra na conta.

Envelope mensal também é o lugar onde custo por sessão encontra custo por pessoa. Dez sessões longas por dia descrevem alguém em dia de investigação; cinco curtas por dia descrevem alguém em manutenção. A distância entre US$ 34 e US$ 306 não vem do modelo. Vem da rotina.

Por que a sessão longa estoura o orçamento mesmo com token barato?

A sessão longa estoura porque cada turno relê um contexto grande e grava o que acrescenta; cada sessão nova volta a pagar o piso. No Opus 5.5, a faixa de 10 a 49 turnos custa 4,6x a de 2 a 9 e 10,2x a de turno único. O múltiplo não desaparece quando o token fica mais barato.

A ordem se inverte quando o eixo é relativo. O GLM-5.3 amplia 8,3x da faixa curta para a longa; o Opus 5.5 amplia 4,6x. A camada barata tem cauda proporcionalmente mais íngreme, e o motivo é aritmético: o piso dela é quase nada, então o crescimento aparece inteiro no múltiplo.

O piso é pago uma vez por sessão, enquanto o bloco em cache continua válido; quando ele expira ou muda, a gravação volta ao preço de escrita. A cauda é paga em cada turno.

Isso desmonta uma política comum, a de tratar o modelo barato como camada de custo fixo. US$ 0,044 numa sessão curta de GLM-5.3 e US$ 0,363 numa longa são o mesmo modelo, e a distância de 8,3x é o tamanho do erro de quem orçou pela faixa errada.

A leitura correta tem duas colunas e nenhuma delas sozinha resolve. Em absoluto, a camada frontier custa mais em qualquer faixa, e é ali que o teto de gasto pede atenção. Em relativo, a camada barata é a que mais surpreende quando a sessão alonga, e é ali que a classificação de tarefa pede disciplina.

Na faixa longa, o Opus 5.5 custa 2,3x o Sonnet 5.5 e 26x o Haiku 5.5. Quem sobe de Sonnet para Opus paga 2,3x; quem sobe de Haiku para Opus paga 26x. A diferença entre esses dois números é a diferença entre uma política de camada e um susto.

Como orçar por tarefa em vez de por preço de milhão de tokens?

Orçar por tarefa é classificar a sessão pela faixa de turnos que ela usa, multiplicar a mediana dessa faixa pelo número de sessões no mês e somar as tarefas que dividem a mesma chave. Quarenta sessões curtas custam US$ 12,20 no Opus 5.5 e US$ 0,28 no Haiku 5.5. O envelope sai dessa soma.

A conta por tarefa tem três passos e nenhum deles é o preço do milhão. Primeiro, classificar a sessão pela faixa de turnos que ela costuma usar. Segundo, multiplicar a mediana daquela faixa pelo número de sessões no mês. Terceiro, somar as tarefas que dividem a mesma chave. O total da última linha é exatamente isso: 40 sessões curtas mais 24 de investigação mais 120 de fundo, cada uma na sua mediana.

A distância entre a primeira e a última coluna é 96,4x para a mesma carga de trabalho: US$ 1,79 no Haiku 5.5 contra US$ 172,62 no Fable 5.1. Nenhuma das duas pontas é absurda em abstrato. A pergunta que decide é qual tarefa exige qual camada, e a resposta custa uma fração do que custa descobrir isso na fatura.

A escolha de rota por qualidade e custo por tarefa já tem artigo próprio, Orquestração multi-modelo na prática: 2 pontos de índice a menos por metade do custo por tarefa. Aqui a variável é outra: duração da sessão e custo fixo de abertura. As duas decisões se somam sem se substituir.

E o envelope só vale se o medidor enxergar a fatura. A CLI nativa do agente calcula custo pela tabela de preços do fornecedor do modelo e erra quando o nome do modelo não é reconhecido. No conjunto medido, reportou de US$ 0,16 a US$ 0,31 para sessões de Haiku que custaram cerca de meio centavo, entre 32 e 62 vezes o valor real, e superestimou sessões de Opus 5.5 em cerca de 50%.

Um teto calculado sobre um medidor que erra 50% é um teto com 50% de folga invisível.

A medição que fecha com a fatura vem do lado do gateway, onde o gasto se forma.

O que esses números mudam na prática

Três decisões saem direto da tabela: qual camada de modelo atende cada tipo de sessão, qual teto de gasto cada chave e cada projeto recebem, e quando abrir sessão nova em vez de continuar a atual. As três são política de time, não configuração de fornecedor.

Política de modelo por tipo de sessão

Rotina curta vai para camada barata. A mediana de 2 a 9 turnos no Haiku 5.5 é US$ 0,007, e nenhuma tarefa de manutenção justifica pagar US$ 0,305 pela mesma sessão no Opus 5.5, 43x mais.

Investigação longa vai para camada frontier. A faixa de 10 a 49 turnos é onde o trabalho deixa de ser mecânico, e subir de Sonnet 5.5 para Opus 5.5 custa 2,3x por sessão. É essa a conta que a investigação longa precisa justificar, não a diferença de preço por token.

Trabalho de fundo vai para camada mínima. Sessões de um turno custam US$ 0,002 no Haiku 5.5 e US$ 0,136 no Opus 5.5, e 120 delas por mês somam US$ 0,24 contra US$ 16,32. Tarefa de fundo em camada frontier é o jeito mais caro de não economizar.

Teto de gasto por chave e por projeto

O teto de uma chave é a soma dos envelopes das tarefas que aquela chave atende, e o teto de um projeto é a soma das chaves. Esse cálculo substitui a estimativa por ordem de grandeza, que é como a maioria dos times define limite hoje.

O artigo Contabilidade de custo de LLM por time, usuário e modelo: o que a planilha não mostra tratou o rateio por time e por usuário. O teto por chave é o passo anterior a esse rateio, porque a chave é a unidade em que o gasto se forma e o lugar onde ele pode ser interrompido.

Sessão nova quando a tarefa muda

O bloco de contexto é pago uma vez por sessão, enquanto o cache se mantém válido. Continuar a sessão para uma tarefa diferente carrega contexto que a tarefa nova não precisa, e cada turno seguinte paga para reler esse bloco alheio. A sessão nova paga um piso e lê menos; a continuação não regrava o bloco enquanto ele vale, e lê o que não devia.

A regra prática cabe numa frase: se o próximo pedido não precisa do que a sessão já leu, abre sessão nova. O custo de ignorar isso aparece no múltiplo: uma sessão que deveria ter fechado na faixa curta e segue para a longa custa 4,6x no Opus 5.5, e nem todo esse múltiplo é trabalho novo.

As três decisões acima só valem se houver onde aplicá-las. O Nexforce Router expõe exatamente as três coisas que essa política precisa: consumo em tempo real por sessão e por agente, teto de gasto por chave de API, por agente ou por projeto, e regras de rota por chave. Nenhum dos três mudou o preço de cache do fornecedor, e nenhum deles participou da medição. A medição é de terceiro; a política é do time.

Perguntas frequentes

A mediana por sessão serve para orçar um repositório grande?

Serve como ponto de partida, não como resposta. O custo depende de quanto do repositório a sessão lê, e a mediana agrega projetos de tamanhos diferentes. A prática que funciona é medir a primeira semana do repositório real e comparar com a mediana da faixa de duração correspondente.

O número inclui o custo de cache de prompt?

Inclui. O valor é o custo total da sessão, e o teste em pasta vazia isola a parcela de cache: 17.047 tokens gravados a US$ 5 por milhão, US$ 0,085, contra US$ 0,0034 para reler o mesmo bloco. A diferença entre os dois é o que separa piso de cauda.

Por que a análise usa mediana e não média?

Porque a distribuição de custo por sessão tem cauda longa: uma sessão que varre um monorepo inteiro puxa a média para cima e descreve mal a sessão típica. A mediana responde a pergunta que o orçamento faz, que é quanto custa a sessão que o time repete.

O teste controlado de correção de bugs pode virar base de orçamento?

Não pode. Ele rodou em projeto pequeno, com cache quente, e ficou abaixo das medianas da tabela. Serve para comparar configurações entre si, com o mesmo repositório e a mesma tarefa, e não para dimensionar gasto de um time com repositórios de tamanhos diferentes.

Referências e como citar esta análise

Para citar o conjunto: NEXFORCE. Custo por sessão de agente de código: onde a conta estoura. Nexforce Blog, 6 de novembro de 2026. Ao citar um número isolado, cite a faixa de duração junto, porque a mediana de 1 turno e a de 10 a 49 turnos não são a mesma estatística, e trocar uma pela outra muda o argumento de quem cita.

A tabela é coletada de novo a cada trimestre, com a mesma janela de 30 dias e as mesmas três faixas. A próxima revisão fecha em janeiro de 2027, e os múltiplos serão recalculados sobre os novos pontos, porque preço de modelo e política de cache se movem mais rápido que qualquer planilha de orçamento.

O número muda a cada trimestre. A pergunta que ele responde, quanto custa uma sessão que termina, não muda.

Próximo passo: medir a própria sessão

O próximo passo é medir a sessão que o time repete, com o custo por sessão visível no Nexforce Router, e comparar o número com a faixa de duração correspondente desta análise.