Como economizar em gastos e tokens de IA: 3 alavancas — prompt caching, escolha de modelo e orçamento de saída
Ao passar de um plano fixo para a cobrança por uso, a conta de IA pode variar muito conforme o uso. Este artigo calcula o efeito de três alavancas — prompt caching, escolha de modelo e orçamento de saída — com os preços unitários e multiplicadores das tabelas oficiais da Anthropic e da OpenAI. O preço da leitura do cache varia conforme o modelo: no GPT-6.1 Sol, no Opus 5.5 e no Sonnet 5.5, equivale a 0,05x o da entrada normal; no Claude, o cache de 5 minutos se paga após uma leitura e o de 1 hora após duas. Enviar dez vezes ao Opus 5.5 um prefixo de 100 mil tokens baixa o custo de entrada de US$ 4,00 para US$ 0,68. Do Opus 5.5 para o Haiku 5.5 o preço unitário cai a 1/40 (com prompts de até 100 mil tokens), e a saída custa 5x a entrada. O que pode esperar custa metade em lote. Também cobre gestão de contexto com /compact, a armadilha multiagente de 15x tokens, alertas de cobrança e sete padrões de desperdício.