Comparativo de modelos de IA: preço em reais e benchmarks

Cada célula, cartão e barra desta página traz fonte (URL exata), data do dado na origem, data de coleta, classe, evidência e confiança. Quando falta um desses campos, o número não é publicado. Quando o fabricante não divulga, a célula diz "não divulgado". Nunca estimamos.

A cada rodada, o mesmo critério decide quem entra na tabela, quem fica e quem sai. Ele usa só fontes públicas: a tabela de preços e a documentação de cada fabricante, o ranking semanal de uso por tokens do OpenRouter e o Epoch Capabilities Index (ECI) da Epoch AI. O ranking do OpenRouter entra só nesta decisão; nenhum número dele é publicado.

• R0, ativo: o modelo está na tabela oficial de preços do fabricante, ou tem pesos publicados com licença, e não tem desligamento anunciado para os próximos noventa dias. Uma data de aposentadoria "não antes de" é garantia mínima de disponibilidade, não anúncio de desligamento.
• R1, atual da linha: o modelo mais recente de cada linha que a tabela já acompanha entra.
• R2, linha nova: uma linha que a tabela ainda não acompanha entra quando o modelo está entre os vinte mais usados da semana no OpenRouter, por tokens, ou quando o ECI dele é igual ou maior que a mediana dos modelos da tabela.
• R3, geração imediatamente anterior da mesma linha: fica se cumprir pelo menos uma de quatro condições. O sucessor foi lançado há menos de trinta dias; o sucessor ainda não tem ECI; o modelo está entre os vinte mais usados da semana no OpenRouter; ou o ECI dele alcança o limite inferior do intervalo do sucessor e o preço combinado, com três partes de entrada para uma de saída, fica em no máximo quatro quintos do preço do sucessor.
• R4, sai: modelo de duas gerações atrás ou mais, ou atualização pontual vendida pelo mesmo preço do sucessor.

Quem fica por R3 aparece na tabela com a etiqueta "geração anterior", o nome do sucessor e a data em que a decisão volta a ser avaliada. Quem sai pelo critério deixa a tabela e é citado numa nota logo abaixo dela, com o sucessor, quando houver, e a data da saída; o histórico do modelo continua no dataset e cada entrada ou saída fica registrada no changelog com o motivo. Modelo aposentado pelo fabricante sai pela aposentadoria, não por este critério.

Usamos o mesmo vocabulário do checador editorial do blog: fonte primária (página, documentação ou model card do fabricante), fato confirmado (medição de terceiro independente ou dado de agregador aberto), cálculo próprio (fórmula visível, recalculada pelo validador com tolerância de dois por cento) e inferência editorial (nossa leitura, sempre marcada). Reportagem secundária e alegação de entrevistado não entram na tabela; ficam na seção do que não entrou, com as afirmações reprovadas.

• autorreportado: número do próprio fabricante dono da página. Entra só em grupo com scores da mesma página, nunca comparado com outro fabricante.
• medido por concorrente: número de um fabricante que aparece na página de outro, medido ou citado por quem publica. Segue a mesma regra de grupo do autorreportado e nunca é apresentado como declaração do fabricante do modelo.
• independente: medição de organização que não vende modelo (Epoch AI, ARC Prize) ou dado público (Banco Central).
• preferência humana: votos em pares cegos do Arena, com intervalo de confiança. Sempre exibido com o intervalo: quando os intervalos de dois modelos se sobrepõem, a página diz empate técnico e nunca lista um acima do outro sem essa marca.
• agregador: catálogo comunitário (models.dev), usado para enriquecer, nunca como única fonte de preço.
• medido pela X-Apps: reservado para medições próprias (não há nenhuma nesta versão).

1. Páginas oficiais dos fabricantes para preço, contexto, lançamento e licença de pesos.
2. Epoch AI e o Arena para qualidade comparável entre fabricantes: medição independente e preferência humana vencem número de fabricante quando existem para o mesmo modelo.
3. models.dev para catálogo e conferência; OpenRouter e llm-prices.com apenas como conferência interna, sem nada publicado.

Divergência entre páginas do mesmo fabricante se resolve pela documentação de API, com nota. Divergência acima de cinco por cento entre página oficial e models.dev publica a oficial e registra no changelog. Duas fontes independentes em conflito não publicam até resolução.

Benchmark de mesmo nome muda de versão e de regras. Terminal-Bench 2.1, 3.0 e 4.0 são três catálogos; OSWorld 2.0 partial, strict e OSWorld-Verified são três medidas; HLE completo, HLE-Verified e HLE com ferramentas são três recortes. O id de cada benchmark carrega a versão, o gráfico mostra a versão no rótulo e um aviso fixo lembra que não são comparáveis entre si. Score publicado sem versão fica em grupo próprio. Métrica diferente com o mesmo nome também: o Agents' Last Exam tem catálogo separado para a taxa de aprovação, para o score e para a variante ALE-CLI, porque o mesmo modelo aparece com números muito distantes conforme a coluna; o SWE-Marathon tem catálogo separado para a versão 1.1 e para o ramo anterior a ela calibrado para outra GPU. Em SWE-bench e Terminal-Bench, o harness aparece ao lado do score, porque o mesmo modelo em agentes diferentes resolve quantidades diferentes de tarefas.

Nas páginas por caso de uso o cabeçalho da coluna só cabe a versão curta. A versão completa do recorte, que é o que separa duas medidas com o mesmo nome de catálogo, aparece na ficha de fonte de cada célula, no campo Versão.

O mesmo modelo em esforço máximo e em esforço baixo tem placar e custo diferentes. Cada score carrega a configuração usada; quando a fonte não declara, o rótulo diz "não informado" e o score não entra em comparação cruzada.

Data do dado na origem, data de coleta, data do snapshot (no topo da página) e vigência do preço. A página nunca mostra a data do build. Passados quinze dias desde a data do snapshot, o hero exibe "Em revisão". O prazo é contado da data do snapshot até o dia da visita, não da data do build do site.

Preços oficiais são em dólar por milhão de tokens, e é assim que a tabela publica entrada e saída. Ao lado do preço de saída em dólar, a tabela publica também o mesmo preço convertido em reais pela cotação PTAX de venda do Banco Central, com data e hora visíveis. Essa coluna é conversão de preço de tabela, não estimativa de conta mensal.

A conta mensal fica na seção de custo por caso de uso. Ela é cálculo próprio, derivado no momento em que a página é montada a partir de precos.json e do perfil de carga de cada caso: não existe Medida de custo no dataset, e nenhum valor em reais é digitado na copy. A página mostra três volumes em vez de um número único, com a fórmula, as premissas de carga e a cotação usada ao lado dos valores, e declara as quatro regras que a conta assume (fator de cache, escrita de cache fora do cálculo, tarifa de pico e provedor por modelo).

As premissas de perfil de carga são da X-Apps, aprovadas e datadas em 14 de setembro de 2026, e continuam publicadas por inteiro ao lado dos valores, e não apenas nesta metodologia. Elas não descrevem nenhum cliente e não foram medidas: aprovação aqui significa que a X-Apps assume os números como premissa declarada, não que eles tenham virado medição. O leitor continua podendo conferir cada um ou trocar pelos dele. Os pesos que ordenam o ranking de cada caso de uso seguem como premissa a aprovar, e por isso ainda aparecem marcados.

IOF, spread bancário, marketplace de nuvem, tributação de pessoa jurídica e escrita de cache ficam fora do cálculo e são declarados como tal. Com a escrita de cache fora, o valor é um piso para carga com muito cache.

Comparar preço por milhão de tokens entre fabricantes sem considerar o tokenizador distorce a conta: a Anthropic declara que seus modelos recentes geram mais tokens para o mesmo texto. A nota só aparece na página com a Medida correspondente.

Não há coluna de latência nem de throughput. O llm-stats publica, por provedor, o tempo até o primeiro token (TTFT) e a vazão de saída em caracteres por segundo, medidos no uso real dos últimos sete dias, e os termos de uso dele permitem republicar com crédito visível e link; a coluna fica para uma fase futura, junto com a integração dessa fonte. O OpenRouter devolve nulo e a Artificial Analysis não concede redistribuição. Medição própria a partir do Brasil está prevista para uma fase futura.

Anúncios que publicam resultados só em gráfico entram apenas após transcrição em navegador real, com captura de tela, hash e data gravados no dataset. O valor transcrito chega ao leitor com a marca de transcrito de imagem e a data da transcrição na ficha de fonte. Até a transcrição, o número fica na seção do que não entrou como "aguardando transcrição".

• Epoch AI, 'AI Benchmarking Hub'. Published online at epoch.ai. Retrieved from 'https://epoch.ai/benchmarks/use-this-data' [online resource]. Accessed 6 Sep 2026. Dados sob Creative Commons Attribution 4.0; dados de Aider Polyglot e Terminal-Bench embutidos mantêm licença Apache 2.0.
• models.dev: MIT License. Copyright (c) 2025 models.dev. The above copyright notice and this permission notice shall be included in all copies or substantial portions of the Software.
• LMArena: LMArena, 'Arena Leaderboard Dataset' (lmarena-ai/leaderboard-dataset). Publicado no Hugging Face em https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Acesso em 6 set 2026. A model card não publica frase de citação própria, então a atribuição segue o formato da licença (título, autor, fonte e licença). Lemos o dataset publicado no Hugging Face; nunca raspamos o site do Arena.
• Banco Central do Brasil, cotação PTAX de venda.

Erro encontrado vira correção datada que não sai da página, com o valor anterior e o novo registrados no changelog. Correções podem ser enviadas pelo formulário de contato do site, com a URL da fonte.