Custo de RAG por documento e por mês, em reais

Regras que esta conta assume

Fator de cache

O fator de cache é o preço de leitura de cache dividido pelo preço de entrada, quando o fabricante publica o preço de leitura de cache do modelo, e 1 quando esse preço não é divulgado, ou seja, sem desconto. Nunca 0: lido como 0, o fator aplicaria desconto integral sobre toda a parte da entrada servida por cache e subestimaria o custo (no caso código, com proporção de cache de três quartos, a subestimação seria de metade do valor). Dois preços em vigor não trazem preço de cache: os do Qwen3.8-Max e do Qwen3.8-2.4T-A95B, os dois no Model Studio da Alibaba Cloud, que manda consultar o console para o preço de cache desses modelos.

Escrita de cache

Fora do cálculo nesta versão e declarado como tal ao leitor. A escrita de cache custa 1,25x a entrada na janela de cinco minutos e 2x na de uma hora nos preços da Anthropic, e 1,25x nos da OpenAI; a taxa de reescrita do prefixo depende do padrão de uso, que o dataset não mede e que nenhuma fonte publica. Consequência declarada: em carga com muito cache o custo publicado é um piso, não uma estimativa central.

Horário de pico

Modelo com horário de pico na tabela de preços entra na coluna de custo pela tarifa de PICO, que é a tarifa de referência da própria página (a DeepSeek apresenta o fora de pico como desconto de metade), e o fora de pico aparece como nota. Vale para o DeepSeek-V4-Pro e o DeepSeek-V4.1-Flash: pico das 01:00 às 04:00 e das 06:00 às 10:00 UTC, de segunda a sexta, exceto feriados chineses, no máximo 35 das 168 horas da semana. No horário de Brasília (UTC-3) essas janelas vão das 22:00 à 01:00 e das 03:00 às 07:00, fora do horário comercial brasileiro, o que torna a tarifa de pico uma referência conservadora para quem usa o modelo nesse horário.

Provedor por modelo

Quando um modelo tem mais de um preço em vigor, a coluna de custo usa o preço indicado aqui. Muse Spark 1.3: o tier Standard da Meta Model API. O tier Contributor, doze vezes e meia mais barato, fica FORA da coluna de custo porque é o tier em que prompts e respostas do cliente treinam modelos da Meta; ele aparece só na seção de preços, com a pílula de treino de dados. Gemini 3.1 Pro Preview e Gemini 3.8 Flash: o preço da Gemini API do Google (os dois preços em vigor, Gemini API e Vertex AI, têm a mesma entrada, a mesma saída e o mesmo preço de leitura de cache, então a escolha não muda o valor).

Fora do cálculo

IOF, spread bancário, tributação de pessoa jurídica, marketplace de nuvem, Batch, modo rápido, escrita de cache, tokens de raciocínio além da saída declarada e custo de ferramentas ou de infraestrutura.