# Como reduzir o custo de tokens de IA: cache, lote, roteamento e prompts menores > As regras de cache e de batch de cada provedor, quando um modelo pequeno deve responder primeiro, como cortar saída e contexto, e um uso real com o preço antes e depois. Source: https://levelfour.ai/blog/como-reduzir-o-custo-de-tokens-de-ia Updated: 2026-10-29 29 de outubro de 2026. Por [Bruno Rocha](https://www.linkedin.com/in/brunorochadasilva/), Founder. Quatro alavancas cortam a maior parte da conta de API de IA, e a tabela de preço de cada provedor diz o tamanho de cada uma. O prompt caching cobra o começo repetido do prompt de 2,5% a 10% do preço de entrada. As APIs de batch da OpenAI, da Anthropic e do Google cobram metade do preço pelo que pode esperar até 24 horas. Modelos pequenos, como o GPT-6 Luna e o Claude Haiku 5.5, custam um vigésimo do GPT-6.1 Sol e do Claude Sonnet 5.5. E o token de saída custa de 5 a 8,3 vezes o de entrada, então encurtar a resposta rende mais que encurtar o prompt. No exemplo mais abaixo, cache, batch e um modelo pequeno na frente levam um mês de US$ 5.850 para US$ 1.404. Os preços vêm das páginas dos próprios provedores, conferidos em 29 de outubro de 2026. As tabelas completas estão no guia [Quanto custa um token](https://levelfour.ai/blog/quanto-custa-um-token.md), que também faz a conta do dólar para o real com IOF. ## Qual a forma mais barata de usar uma API de IA? Use o menor modelo que passa nos seus evals, ponha em cache tudo que se repete, mande para batch tudo que pode esperar e limite o tamanho da resposta. | Alavanca | Quanto o provedor cobra | Quanto corta | | --- | --- | --- | | Prompt caching | Leitura de 2,5% a 10% do preço de entrada; gravação de 1,25 a 2,5 vezes esse preço na OpenAI e na Anthropic | De 90% a 97,5% de cada token em cache | | API de batch | Metade do preço, resultado em até 24 horas | 50% | | Camada Flex (OpenAI, Gemini) | Preço de batch numa chamada síncrona, mais lenta e sujeita a erro de capacidade | 50% | | Modelo pequeno na frente | US$ 0,10 na entrada e US$ 0,50 na saída no GPT-6 Luna e no Claude Haiku 5.5 (este em prompts de até 100 mil tokens), contra US$ 2 e US$ 10 no GPT-6.1 Sol e no Claude Sonnet 5.5 | 95% de cada requisição que o pequeno resolve | | Resposta mais curta | Saída de 5 a 8,3 vezes o preço de entrada | Cada token de saída a menos | Preços da página de cada provedor, conferidos em 29 de outubro de 2026. Dólares por milhão de tokens, camada padrão. [Preços da OpenAI](https://developers.openai.com/api/docs/pricing) · [Preços do Claude](https://platform.claude.com/docs/en/about-claude/pricing) · [Preços da API Gemini](https://ai.google.dev/gemini-api/docs/pricing). Cache e batch mantêm o mesmo modelo e o mesmo prompt, por isso entram primeiro. Roteamento e limite de saída mudam o que o usuário recebe; teste os dois nos seus evals antes de ligar. ## Como funciona o prompt caching na OpenAI, na Anthropic e no Google? Os três guardam o começo do prompt, e uma requisição só acerta o cache quando os primeiros tokens dela batem, um a um, com os de uma requisição anterior. No começo vai o que nunca muda (instruções, definição das tools, documentos de referência); no fim, o que muda a cada chamada (a pergunta do usuário, data e hora, dados da conta). | Provedor | Como ligar | Começo mínimo | Duração | Gravação | Leitura | | --- | --- | --- | --- | --- | --- | | OpenAI, do GPT-5.6 em diante | Ligado por padrão | 1.024 tokens | 30 minutos, ou 12 horas se você pedir | 1,25 vez a entrada; 2,5 vezes por 12 horas | 0,1 vez a entrada; 0,05 no GPT-6.1 Sol e no GPT-6.1 Terra | | Anthropic, Claude 5.5 e Fable 5.1 | `cache_control` no topo da requisição ou em até 4 blocos | 512 tokens | 5 minutos, renovados de graça a cada acerto, ou 1 hora | 1,25 vez a entrada; 2 vezes por 1 hora | 0,1 vez a entrada; 0,05 no Opus 5.5 e no Sonnet 5.5; 0,025 no Fable 5.1 | | Google, API Gemini | Implícito, ligado desde o Gemini 2.5 | 4.096 tokens no Gemini 4 Argon, 3.8 Flash e 3.1 Pro | Não informada | Sem taxa | 0,05 vez a entrada no Gemini 4 Argon; 0,1 no 3.8 Flash, 3.5 Flash-Lite e 3.1 Pro | Do guia de cache e da página de preços de cada provedor, conferidos em 29 de outubro de 2026. [Prompt caching da OpenAI](https://developers.openai.com/api/docs/guides/prompt-caching) · [Prompt caching do Claude](https://platform.claude.com/docs/en/build-with-claude/prompt-caching) · [Context caching do Gemini](https://ai.google.dev/gemini-api/docs/caching). Na OpenAI você não configura nada, e o campo `usage.input_tokens_details.cached_tokens` de cada resposta mostra quanto do prompt veio do cache; no batch, a entrada em cache do GPT-6.1 Sol sai a US$ 0,05 por milhão. A Anthropic pede o `cache_control`: a gravação de 5 minutos se paga na primeira leitura, e a de 1 hora, na segunda. O cache dela segue a ordem tools, system, messages, e mexer num nível quebra esse nível e todos os seguintes, então basta editar a definição de uma tool para perder o cache inteiro. Prompt abaixo do mínimo roda sem cache e sem erro nenhum; se `cache_creation_input_tokens` e `cache_read_input_tokens` vierem zerados, a requisição não usou o cache. O Gemini faz o cache sozinho, e o Google dá o mesmo conselho: conteúdo grande e comum vai no começo do prompt. Do Gemini 4 Argon em diante não existe cache explícito, então é o implícito que você precisa acertar. ## Quando vale usar a API de batch? Quando ninguém está esperando a resposta: o relatório da madrugada, a classificação de tickets, os evals. Os três provedores cobram metade do preço no processamento em lote: - OpenAI: devolve em até 24 horas, aceita até 50 mil requisições ou 200 MB por lote e tem rate limits próprios. [Batch API da OpenAI](https://developers.openai.com/api/docs/guides/batch). - Anthropic: a maioria dos lotes termina em menos de uma hora, o lote aceita até 100 mil requisições ou 256 MB e expira em 24 horas, e a Anthropic não cobra o que expirou. O desconto do batch soma com o do cache, mas o acerto de cache dentro do lote é de melhor esforço, de 30% a 98% pela conta da própria Anthropic. [Batch do Claude](https://platform.claude.com/docs/en/build-with-claude/batch-processing). - Google: o Gemini mira 24 horas, aceita arquivo de até 2 GB e usa o context caching também no batch. [Batch API do Gemini](https://ai.google.dev/gemini-api/docs/batch-api). Entre o tempo real e o batch fica o Flex, uma chamada síncrona com preço de batch. Na OpenAI, `service_tier: "flex"` cobra a tarifa da Batch API, responde mais devagar e pode devolver `429 Resource Unavailable`, que não entra na conta. No Gemini, o Flex custa 50% do padrão, mira de 1 a 15 minutos e, quando falta capacidade, devolve 503 ou 429 sem passar a requisição para a camada padrão; o seu código tenta de novo ou cai para outra opção. [Flex da OpenAI](https://developers.openai.com/api/docs/guides/flex-processing) · [Flex do Gemini](https://ai.google.dev/gemini-api/docs/flex-inference). ## Vale mandar as perguntas fáceis para um modelo menor? Vale, se o modelo pequeno passar nos seus evals. A Anthropic orienta, na própria página de preços, usar o Haiku em tarefas simples, o Sonnet na maior parte da produção e o Opus no raciocínio mais complexo, e a OpenAI indica o GPT-6 Luna para cargas "cost-sensitive, high-volume". [Modelos da OpenAI](https://developers.openai.com/api/docs/models). GPT-6 Luna e Claude Haiku 5.5 (em prompts de até 100 mil tokens) custam US$ 0,10 na entrada e US$ 0,50 na saída, um vigésimo do GPT-6.1 Sol e do Claude Sonnet 5.5 e um centésimo do GPT-6 Astra e do Claude Fable 5.1. No Google, o Gemini 3.5 Flash-Lite sai a US$ 0,30 e US$ 2,50, contra US$ 2 e US$ 10 do Gemini 4 Argon até 30 de novembro de 2026 e US$ 4 e US$ 20 a partir de 1º de dezembro. - Roteador: uma regra escolhe o modelo antes da chamada, pelo tipo de tarefa, pelo tamanho do prompt ou pelo plano do cliente. Não gasta token, mas alguém precisa manter a regra em dia com o tráfego. - Cascata: toda requisição vai primeiro para o modelo pequeno, e só sobe para o grande a que falha numa checagem, como um JSON schema. Quem sobe paga as duas chamadas, e com o pequeno a um vigésimo do preço a cascata compensa enquanto menos de 95% subirem. O Amazon Bedrock vende o roteamento pronto: o Intelligent Prompt Routing escolhe entre modelos da mesma família por US$ 1 a cada mil requisições. Em 300 mil requisições por mês, são US$ 300, mais que os US$ 88,50 do Claude Haiku 5.5 para o mesmo tráfego no exemplo abaixo. [Preços do Amazon Bedrock](https://aws.amazon.com/bedrock/pricing/). ## Quanto um uso real economiza com cache, batch e roteamento? Pense numa empresa com duas cargas no Claude Sonnet 5.5. Um assistente de atendimento responde 10 mil perguntas por dia; cada requisição leva um system prompt de 4.500 tokens mais 500 tokens do cliente e recebe uma resposta de 400 tokens. Toda madrugada, uma rotina resume 5 mil tickets, com 1.500 tokens de instruções fixas mais um ticket de 2.500 tokens na entrada e 300 tokens na saída. Em 30 dias, são 450 mil requisições. | Passo | Assistente | Resumos da madrugada | Mês | Economia | | --- | --- | --- | --- | --- | | Início: Claude Sonnet 5.5, sem cache | US$ 4.200,00 | US$ 1.650,00 | US$ 5.850,00 | Nenhuma | | 1. Começo fixo do prompt em cache | US$ 1.635,00 | US$ 1.222,50 | US$ 2.857,50 | 51,2% | | 2. Rotina da madrugada na API de batch, sem cache | US$ 1.635,00 | US$ 825,00 | US$ 2.460,00 | 57,9% | | 3. Claude Haiku 5.5 responde primeiro e 30% sobem para o Sonnet 5.5 | US$ 579,00 | US$ 825,00 | US$ 1.404,00 | 76,0% | Preços da página de cada provedor, conferidos em 29 de outubro de 2026. Dólares por milhão de tokens, camada padrão. Claude Sonnet 5.5: US$ 2 na entrada, US$ 0,10 na leitura do cache e US$ 10 na saída; batch a US$ 1 e US$ 5. Claude Haiku 5.5, em prompts de até 100 mil tokens: US$ 0,10, US$ 0,01 e US$ 0,50. GPT-6.1 Sol e GPT-6 Luna têm os mesmos preços, então a tabela vale também para a OpenAI. ```text Assistente: 300 mil requisições por mês entrada 1.350 mi em cache + 150 mi novos, saída 120 mi início 1.500 mi x US$ 2 + 120 mi x US$ 10 = US$ 4.200,00 com cache 1.350 mi x US$ 0,10 + 150 mi x US$ 2 + 120 mi x US$ 10 = US$ 1.635,00 Haiku 1.350 mi x US$ 0,01 + 150 mi x US$ 0,10 + 120 mi x US$ 0,50 = US$ 88,50 sobem 30% x US$ 1.635,00 no Sonnet 5.5 = US$ 490,50 cascata US$ 88,50 + US$ 490,50 = US$ 579,00 Resumos da madrugada: 150 mil requisições por mês entrada 225 mi fixos + 375 mi de tickets, saída 45 mi início 600 mi x US$ 2 + 45 mi x US$ 10 = US$ 1.650,00 com cache 225 mi x US$ 0,10 + 375 mi x US$ 2 + 45 mi x US$ 10 = US$ 1.222,50 batch 600 mi x US$ 1 + 45 mi x US$ 5 = US$ 825,00 ``` Só o cache já tira 51,2% do mês, porque o começo fixo é 90% da entrada do assistente e 37,5% da entrada da rotina. O batch leva a rotina de US$ 1.222,50 para US$ 825, e a cascata com o Haiku na frente leva o assistente de US$ 1.635 para US$ 579. Por requisição, o custo cai de 1,3 para 0,312 centavo de dólar. A conta parte de três premissas nossas. O cache fica aquecido o mês todo, então as poucas gravações ficam de fora. Os 30% de escalonamento são um número de exemplo, e o seu sai do seu tráfego. E a linha do batch não conta acerto de cache, que a Anthropic trata como melhor esforço; se todo começo de prompt acertasse, a rotina sairia por US$ 611,25. ## Como gastar menos tokens de saída? Com o começo do prompt em cache, a saída vira o grosso da conta: no exemplo, US$ 1.200 dos US$ 1.635 do assistente. Encurtar a resposta média de 400 para 300 tokens tira 30 milhões de tokens de saída por mês, ou US$ 300 no Claude Sonnet 5.5. - Limite o tamanho. O `max_output_tokens` da OpenAI conta os tokens visíveis e os de raciocínio juntos, e quem bate no limite pode pagar entrada e raciocínio sem receber resposta nenhuma; a OpenAI sugere reservar pelo menos 25 mil tokens no começo com modelos de raciocínio. [Raciocínio na OpenAI](https://developers.openai.com/api/docs/guides/reasoning). - Baixe o esforço de raciocínio, que os três cobram como saída. O `output_config.effort` da Anthropic vai de `low` a `max`, com `medium` como padrão no Opus 5.5 e no Haiku 5.5; o `reasoning.effort` da OpenAI e o `thinking_level` do Gemini fazem o mesmo papel. [Effort no Claude](https://platform.claude.com/docs/en/build-with-claude/effort). - Peça um rótulo ou um JSON curto no lugar de um parágrafo. Os Structured Outputs da OpenAI (`text.format` com `json_schema` e `strict: true`) e o `output_config.format` da Anthropic prendem o modelo ao seu schema. [Structured outputs do Claude](https://platform.claude.com/docs/en/build-with-claude/structured-outputs). ## Como enxugar o contexto e os chunks do RAG? Todo token de entrada entra na conta, inclusive os da mensagem anterior. A OpenAI avisa que, com `previous_response_id`, a entrada de todas as respostas anteriores da cadeia volta a ser cobrada, e um chat de 20 mensagens paga a primeira 20 vezes, a menos que o histórico acerte o cache. [Estado da conversa na OpenAI](https://developers.openai.com/api/docs/guides/conversation-state). Antes de mandar, conte: o `POST /v1/responses/input_tokens` da OpenAI, o `/v1/messages/count_tokens` da Anthropic, que é grátis, e o `countTokens` do Gemini dizem o tamanho do prompt antes da cobrança. - Compacte as conversas longas. A OpenAI compacta pelo `context_management` ou pelo `/responses/compact`, e o context editing da Anthropic apaga, por padrão, os resultados de tool mais antigos quando o prompt passa de 100 mil tokens. A limpeza quebra o começo em cache, então use o `clear_at_least` para que cada uma compense. [Context editing do Claude](https://platform.claude.com/docs/en/build-with-claude/context-editing). - Busque menos chunks. Os vector stores da OpenAI cortam os arquivos em chunks de 800 tokens com 400 de sobreposição, e a busca devolve 10 resultados por padrão. Dez chunks somam 8 mil tokens a cada pergunta, US$ 4.800 por mês em 300 mil perguntas a US$ 2 por milhão, e como mudam a cada pergunta, ficam fora do cache. Com cinco, a conta cai pela metade. [Retrieval da OpenAI](https://developers.openai.com/api/docs/guides/retrieval). ## Bedrock e Agent Platform saem mais baratos que as APIs diretas? Não. Nos endpoints globais, os dois cobram o preço de tabela do dono do modelo, e nos regionais e multirregionais cobram 10% a mais. O que muda a escolha é a fatura: onde ela cai, em que moeda chega e onde os dados ficam. | Modelo e plataforma | API direta | Endpoint global | Endpoint regional ou multirregional | | --- | --- | --- | --- | | Claude Sonnet 5.5 no Bedrock | US$ 2,00 / US$ 10,00 | US$ 2,00 / US$ 10,00 | US$ 2,20 / US$ 11,00 | | Claude Opus 5.5 no Bedrock | US$ 4,00 / US$ 20,00 | US$ 4,00 / US$ 20,00 | US$ 4,40 / US$ 22,00 | | Claude Sonnet 5.5 no Agent Platform | US$ 2,00 / US$ 10,00 | US$ 2,00 / US$ 10,00 | US$ 2,20 / US$ 11,00 | | Gemini 4 Argon no Agent Platform, até 30 de novembro | US$ 2,00 / US$ 10,00 | US$ 2,00 / US$ 10,00 | US$ 2,20 / US$ 11,00 | Entrada / saída, em dólar por milhão de tokens, conferidos em 29 de outubro de 2026. Bedrock pela tabela de preços da AWS para US East (N. Virginia). [Preços do Amazon Bedrock](https://aws.amazon.com/bedrock/pricing/) · [Preços do Agent Platform](https://cloud.google.com/gemini-enterprise-agent-platform/generative-ai/pricing) · [Preços dos modelos de parceiros no Agent Platform](https://cloud.google.com/model-garden/partner-models/pricing). - As APIs diretas também cobram pela região: a OpenAI soma 10% pelo processamento regional nos modelos lançados a partir de 5 de março de 2026, e o `inference_geo: "us"` da Anthropic multiplica o preço por 1,1. - O Bedrock não lista preço de batch para os modelos Claude 5.5; a API da Anthropic e o Agent Platform cobram US$ 1 / US$ 5 no batch do Sonnet 5.5. - No Brasil, a AWS fatura os próprios serviços em reais pela AWS SBL, mas o Claude e os outros modelos que o Bedrock vende pelo AWS Marketplace seguem outro caminho: o Bedrock assina o modelo na primeira chamada, e a AWS, Inc. fatura o Marketplace em dólar, numa segunda fatura. Os modelos da própria Amazon ficam fora do Marketplace. [Acesso a modelos no Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/model-access.html) · [AWS no Brasil](https://aws.amazon.com/legal/aws-sbl/). - O Google Cloud fatura contas do Brasil em reais, com câmbio definido no começo de cada mês, e aceita cartão de crédito (inclusive Elo), Pix em pagamento manual e boleto como forma de pagamento reserva. [Moedas do Google Cloud](https://docs.cloud.google.com/billing/docs/resources/currency). - Na API direta, a Anthropic avisa que "All payments are in USD". ## Como fazer o controle de gastos com IA por time, funcionalidade e chave? Dê a cada time, e a cada funcionalidade que você quer custear, uma unidade de cobrança própria, e leia o custo dela todo dia. Uma queda de 30% no total não diz qual funcionalidade ficou mais barata. Na OpenAI, isso é um projeto por time e uma chave por funcionalidade, lidos pela Costs API por `project_id` ou `api_key_id`; na Anthropic, um workspace por time, lido pela Cost API; no Bedrock, desde 9 de abril de 2026, o Cost and Usage Report 2.0 com a identidade de quem chamou mostra o usuário ou a role do IAM de cada chamada. Acompanhe também o custo por requisição, que no exemplo caiu de 1,3 para 0,312 centavo de dólar. O guia [Como acompanhar o custo de OpenAI, Anthropic e Bedrock por time](https://levelfour.ai/blog/como-acompanhar-custos-de-ia-por-time.md) traz a configuração de cada provedor. ## Que limites seguram a conta de IA? Um limite rígido por time em cada provedor, mais tetos no seu próprio código. - OpenAI: limites rígidos por organização e por projeto. O projeto que passa do limite recebe erro 429 com o código `project_spend_limit_exceeded`, e a própria OpenAI diz que alerta de gasto não impõe teto. [Limites de gasto da OpenAI](https://developers.openai.com/api/docs/guides/spend-limits). - Anthropic: um limite mensal por workspace, menos no Default Workspace, que não aceita limite. [Workspaces do Claude](https://platform.claude.com/docs/en/manage-claude/workspaces). - Google Cloud: um spend cap budget mensal, num projeto e num serviço como a API Gemini ou o Agent Platform, pausa o uso novo ao chegar a 100%. A trava não é instantânea e o Google cobra o excedente, então ponha o teto um pouco abaixo do seu limite real. [Spend cap budgets](https://docs.cloud.google.com/billing/docs/how-to/budgets-spend-caps). - AWS: um budget na tag ou na conta do time e o Cost Anomaly Detection, os dois configurados no guia [Como reduzir custos na AWS](https://levelfour.ai/blog/como-reduzir-custos-na-aws.md). - No seu código: teto de tokens em toda chamada, limite de passos por tarefa de agente e rate limit por usuário final. ## Erros comuns ao cortar o custo de tokens - Data e hora ou o nome do usuário no topo do system prompt, o que muda o começo e erra o cache em toda requisição. - Definições de tool montadas a cada requisição, em outra ordem ou com outro texto. Na Anthropic, isso derruba o cache inteiro. - Limite de saída apertado num modelo de raciocínio, que pode cobrar entrada e raciocínio sem resposta visível. - Rotear pelo preço sem evals. Acima de 95% de escalonamento, a cascata com o Haiku na frente custa mais que o Sonnet sozinho. ## Onde entra a LevelFour? A LevelFour lê as faturas da OpenAI e da Anthropic e as linhas do Bedrock na fatura da AWS ao lado do resto do gasto com cloud e SaaS: a fatura por modelo e por chave, o uso por pessoa e por time. As [virtual tags](https://docs.levelfour.ai/virtual-tags) alocam esse gasto sem mexer nas tags dos recursos, e o time de Pagamentos pode ficar com uma conta da AWS, um projeto da OpenAI e um workspace da Anthropic. Budgets e alertas de anomalia chegam no Slack, no Microsoft Teams, no Jira ou em qualquer webhook. O Cloud Savings entrega a economia que encontra na fatura de cloud, aplicada na sua conta ou como pull request, e o Savings Audit confirma cada uma na fatura. O gasto com IA entra em todos os planos, a partir de US$ 30 por mês. [Veja quanto você pode economizar](https://levelfour.ai/sign-up) em 5 minutos, com acesso somente leitura. ## Perguntas frequentes ### Como reduzir o custo da API da OpenAI? Ponha a parte fixa de cada prompt no começo, para cair no cache, onde a leitura custa um décimo do preço de entrada ou menos. Mande o que pode esperar para a Batch API ou para a camada Flex, pela metade do preço, rode as tarefas simples no GPT-6 Luna, a US$ 0,10 na entrada e US$ 0,50 na saída, e defina um limite rígido de gasto em cada projeto. [Preços da OpenAI](https://developers.openai.com/api/docs/pricing). ### Quanto o prompt caching economiza? A leitura do cache custa de 2,5% a 10% do preço de entrada na OpenAI, na Anthropic e no Google. Num assistente em que o system prompt é 90% de cada requisição, o cache levou o mês de US$ 4.200 para US$ 1.635 no Claude Sonnet 5.5 ou no GPT-6.1 Sol, 61% a menos. [Preços do Claude](https://platform.claude.com/docs/en/about-claude/pricing). ### Vale a pena usar a API de batch? Vale para todo trabalho que ninguém espera ao vivo. OpenAI, Anthropic e Google cobram metade do preço no batch, o que no Claude Sonnet 5.5 dá US$ 1 na entrada e US$ 5 na saída por milhão de tokens. Na Anthropic, a maioria dos lotes termina em uma hora, e o desconto do batch soma com o do cache. [Batch do Claude](https://platform.claude.com/docs/en/build-with-claude/batch-processing). ### O token de saída custa mais que o de entrada? Custa, de 5 a 8,3 vezes mais nos principais modelos: US$ 10 contra US$ 2 por milhão no Claude Sonnet 5.5 e no GPT-6.1 Sol, e US$ 2,50 contra US$ 0,30 no Gemini 3.5 Flash-Lite. Os tokens de raciocínio entram como saída. [Preços da API Gemini](https://ai.google.dev/gemini-api/docs/pricing). ### O Amazon Bedrock é mais barato que a API da Anthropic? Não. No endpoint global, o Bedrock cobra o mesmo preço da Anthropic, US$ 2 na entrada e US$ 10 na saída por milhão de tokens no Claude Sonnet 5.5, e nos endpoints geográficos e regionais cobra 10% a mais. O Bedrock também não lista preço de batch para os modelos Claude 5.5. [Preços do Amazon Bedrock](https://aws.amazon.com/bedrock/pricing/). ### Quais ferramentas ajudam no controle de gastos com IA? Comece pelas dos próprios provedores: prompt caching, APIs de batch, contagem de tokens e limites de gasto por projeto ou workspace. Para ver o gasto com IA por time em todos os provedores, ao lado de cloud e SaaS, use uma ferramenta de FinOps que leia todas as faturas de IA. [As melhores ferramentas de FinOps para IA em 2026](https://levelfour.ai/blog/melhores-ferramentas-de-finops-para-ia.md). ## See what LevelFour can save you [Start free trial](https://levelfour.ai/sign-up) · [Get in touch](https://levelfour.cal.com/) ## About LevelFour The FinOps platform that actually cuts costs. One system of record for Cloud, SaaS, and AI spend. LevelFour applies each saving, or your engineers merge it as code. - **Cloud Savings**: 30% success fee on savings found and applied. No hidden charges, only pay on what you actually save. - **Pro**: $30 per month · Up to $2,500 spend/mo - **Scale**: $200 per month · Up to $7,500 spend/mo - **Enterprise**: Custom · Unlimited spend [Pricing](https://levelfour.ai/pricing.md) · [Guide for agents (llms.txt)](https://levelfour.ai/llms.txt) · [Documentation](https://docs.levelfour.ai) · MCP server: `https://mcp.levelfour.ai/mcp`