Com APIs de IA, tarefas cujos resultados não precisam ser retornados imediatamente podem ser processadas por um custo menor. OpenAI e Claude (Anthropic) oferecem, juntas, três mecanismos para isso. As duas empresas têm a Batch API (envie solicitações em lote e receba os resultados depois); somente a OpenAI oferece janelas de tempo com desconto para processamento em segundo plano; e a OpenAI está caminhando para encerrar o Flex. Neste artigo, primeiro comparamos as Batch APIs das duas empresas usando os mesmos critérios e, em seguida, explicamos as duas opções exclusivas da OpenAI. Também incluímos medições da ferramenta de tradução do nosso site, comparando o Batch da OpenAI com solicitações normais.

Em resumo

Grandes volumes de tarefas que terminam em uma solicitação

50% de desconto com a Batch API

OpenAI e Claude oferecem metade do preço tanto para entrada quanto para saída. O prazo é de 24 horas. Segundo a Anthropic, muitos lotes do Claude terminam em menos de uma hora.

Tarefas na OpenAI que podem esperar algumas horas

Escolha uma janela de tempo e tenha de 30% a 40% de desconto

Ao enviar, escolha uma janela de 2 horas (30% de desconto) ou de 8 horas (40% de desconto). O desconto vale tanto para uma solicitação única quanto para solicitações seguintes que retornam resultados de ferramentas.

OpenAI Flex

Não crie novas implementações com ele

Ele não está disponível nos modelos GPT-6.2, e a OpenAI está caminhando para encerrar a versão beta. Se você usa o Flex atualmente, decida para onde migrar suas cargas de trabalho.

Verificado em: 22 de novembro de 2026. As fontes são os materiais oficiais da OpenAI e da Anthropic citados ao final de cada seção.

1. Três mecanismos oferecem descontos para tarefas que não são urgentes

As três opções se diferenciam pelo tempo que você pode esperar e pelo fato de a tarefa terminar em uma única solicitação ou não. Se você escolher apenas pelo tamanho do desconto, poderá executar no Batch uma tarefa que envolve chamadas de ferramentas e acabar esperando a conclusão a cada etapa.

MecanismoProvedorDescontoTempo de esperaComo enviarStatus
Batch APIOpenAI · Anthropic (Claude)50%Prazo de 24 horasSegundo a Anthropic, muitos lotes do Claude terminam em menos de uma horaAgrupe muitas solicitações em um único envio e receba os resultados depoisDisponível
Janelas de tempo para processamento em segundo planoOpenAIJanela de 2 horas: 30% · janela de 8 horas: 40%A meta é concluir dentro da janela de tempo selecionadaEnvie as solicitações uma de cada vez; solicitações seguintes que retornam resultados de ferramentas recebem o mesmo descontoBeta pública
FlexOpenAI50% (mesmo preço do Batch)Mais lento que o normal e, às vezes, indisponívelAdicione service_tier: "flex" a uma solicitação normalEm processo de descontinuação · indisponível no GPT-6.2

Fontes: OpenAI, “Batch API”, “Background mode” e “Flex processing”; Anthropic, “Batch processing” (verificados em 22 de novembro de 2026). A Gemini API do Google também oferece uma Batch API, que custa 50% do preço normal e tem uma meta de 24 horas.

2. Comparação das Batch APIs da OpenAI e do Claude

As duas permitem enviar solicitações em lote e receber todos os resultados juntos quando o processamento termina. O desconto é o mesmo, de 50%, mas os métodos de envio, os limites e o armazenamento dos resultados são diferentes.

ItemBatch API da OpenAIMessage Batches API do Claude
Desconto50% de desconto na entrada e na saída50% de desconto na entrada e na saída
Como enviarFaça upload de um arquivo JSONL e, em seguida, crie um loteEnvie uma lista de solicitações diretamente pela API
Limite por lote50.000 solicitações · arquivo de entrada de 200 MB100.000 solicitações ou 256 MB, o que ocorrer primeiro
Limites de criação e filaÉ possível criar 2.000 lotes por hora, e há também um limite específico por modelo para o número de tokens de entrada que podem ficar na fila de processamento (consulte seu valor em Limits no painel)Há limites de taxa para o número de solicitações HTTP à Batches API e para o número de solicitações na fila de processamento (os limites variam conforme o nível de uso)
Prazo24 horas24 horas (segundo a Anthropic, muitos lotes terminam em menos de uma hora)
Quando o prazo expiraAs solicitações concluídas retornam resultados e são cobradas (as solicitações não concluídas são canceladas; a documentação não especifica como elas são cobradas)As solicitações concluídas retornam resultados e são cobradas (solicitações que expiram antes de serem enviadas ao modelo não são cobradas; a documentação não especifica o tratamento das solicitações já enviadas ao modelo)
Como verificar errosAs solicitações com erros aparecem em um arquivo de erros separado do arquivo de saídaO tipo de resultado é errored e a solicitação não é cobrada (as solicitações canceladas são marcadas como canceled e também não são cobradas)
Como recuperar resultadosBaixe o arquivo de saída e associe as solicitações usando custom_id (a ordem das linhas pode ser diferente da ordem de entrada)Os resultados ficam disponíveis quando todas as solicitações terminam ou após 24 horas; associe as solicitações usando custom_id
Armazenamento dos resultados30 dias por padrão (é possível especificar de 1 hora a 30 dias ao criar o lote)29 dias após a criação
O que não é compatívelSolicitações com streamstream · modo rápido (speed) · alternativas no servidor (fallbacks) · max_tokens: 0
Combinação com cacheO Batch tem um preço específico para entrada em cache (metade do preço normal)Os multiplicadores do cache se combinam com o desconto do Batch

Fontes: OpenAI, “Batch API” (limites, expiração e arquivos de resultados) e “Pricing” (entrada em cache); Anthropic, “Batch processing” (limites, tipos de resultado e configurações incompatíveis) e “Pricing” (como os descontos se combinam). Verificado em 22 de novembro de 2026.

Nenhum dos provedores garante que todas as solicitações terminarão em 24 horas. Para trabalhos com prazo definido, planeje separadamente os dois procedimentos a seguir.

  • Reenviar após o prazo: recupere os resultados e os erros e, em seguida, separe as solicitações usando custom_id. Exclua as solicitações concluídas com sucesso. Reenvie as solicitações sem resultado, expiradas e canceladas em um novo lote ou como solicitações normais. Para solicitações com erros, identifique e corrija a causa (como uma entrada inválida) antes de reenviá-las.
  • Mudar para solicitações normais antes do prazo: primeiro cancele o lote e aguarde a conclusão do cancelamento (a OpenAI o marca como cancelled; o Claude, como ended. Na OpenAI, as solicitações em andamento podem levar até 10 minutos para terminar). As solicitações processadas antes do cancelamento são concluídas e cobradas; portanto, recupere os resultados, exclua essas solicitações usando custom_id e envie apenas as restantes como solicitações normais. Se você enviar sem aguardar o cancelamento, poderá pagar duas vezes pela mesma solicitação.

Defina com antecedência quando mudar, subtraindo do prazo o tempo de espera pelo cancelamento, a recuperação e conferência dos resultados, o processamento das solicitações restantes como solicitações normais e uma margem para novas tentativas.

Preços

ModeloNormal (entrada / saída)Batch (entrada / saída)
GPT-6.2 Astra$8 / $40$4 / $20
GPT-6.2 Sol$2 / $10$1 / $5
GPT-6.1 Terra$1 / $5$0,50 / $2,50
GPT-6 Luna$0,10 / $0,50$0,05 / $0,25
Claude Fable 5.2$8 / $40$4 / $20
Claude Opus 5.5$4 / $20$2 / $10
Claude Sonnet 5.5$2 / $10$1 / $5
Claude Haiku 5.5$0,10 / $0,50$0,05 / $0,25

Dólares americanos por 1 milhão de tokens. Fontes: OpenAI, “Pricing”; Anthropic, “Pricing” (verificados em 22 de novembro de 2026). Comprimentos de entrada que alteram o preço: para os quatro modelos da OpenAI na tabela, entradas acima de 272.000 tokens por solicitação são cobradas pelo preço de entrada longa (o mesmo vale para o Batch). Para o Claude Haiku 5.5, entradas acima de 100.000 tokens por solicitação são cobradas por um preço mais alto ($0,25 / $1,25 no Batch). Para os outros três modelos Claude da tabela, o preço não muda conforme o tamanho da entrada.

3. Janelas de tempo para processamento em segundo plano da OpenAI — descontos também valem para chamadas de ferramentas

Adicione background: true a uma solicitação da Responses API e escolha uma janela de tempo com background_options.completion_window para reduzir o preço dos tokens do modelo. O desconto é definido pela janela de tempo selecionada no momento do envio, não pelo tempo que o processamento realmente leva. A janela de tempo é uma meta para concluir a resposta àquela solicitação.

Janela de tempoDescontoUso adequado (exemplo da OpenAI)
soonest (padrão)NenhumGerar um relatório enquanto alguém aguarda
2h30% abaixo do preço normalCompilar as consultas da manhã antes de uma reunião à tarde
8h40% abaixo do preço normalLer documentos durante a noite e revisá-los até a manhã seguinte
POST /v1/responses
{
  "model": "gpt-6.1-terra",
  "input": "(Documentos para ler e instruções)",
  "background": true,
  "service_tier": "default",
  "background_options": { "completion_window": "8h" }
}

Fontes: OpenAI, “Background mode” e “Pricing” (verificados em 22 de novembro de 2026). O exemplo acima é uma versão mínima do exemplo da OpenAI sobre “revisar documentos durante a noite”.

  • Modelos compatíveis: GPT-6.2 Astra · GPT-6.2 Sol · GPT-6.1 Terra · GPT-6 Luna. Beta pública.
  • Requisitos: defina service_tier como default (processamento padrão). Com auto, o desconto só se aplica quando o processamento padrão é selecionado. Não use stream.
  • Recebimento de resultados: salve o ID da resposta retornada, use o webhook response.completed para saber quando ela termina e recupere a resposta pelo ID. Se não puder usar webhooks, consulte o status usando o mesmo ID.
  • Solicitações seguintes: quando o modelo chamar uma ferramenta, envie outra solicitação com o resultado dela. Se você enviar essa próxima solicitação com uma janela de tempo, ela também receberá o desconto. Além disso, usar o mesmo continuation_id definido pelo aplicativo para o mesmo modelo, janela de tempo e projeto aumenta a probabilidade de as solicitações seguintes serem priorizadas. A janela de tempo é uma meta para cada solicitação, não para o processo inteiro. O tempo total é a soma do tempo de espera de cada solicitação e do tempo que o aplicativo leva para executar as ferramentas.
  • O cache é tratado separadamente: caches de prompt criados por solicitações com uma janela de tempo não ficam disponíveis para solicitações normais fora dessa janela. O cache não será utilizado mesmo que o conteúdo seja idêntico.
  • Limites da fila: solicitações com janelas de 2 horas e 8 horas compartilham com a Batch API o mesmo limite para o número de tokens de entrada que podem ficar na fila de processamento.
  • Armazenamento: o processamento em segundo plano armazena temporariamente os dados da resposta mesmo que store esteja definido como false.

A tabela de preços da Messages API do Claude que consultamos em 22 de novembro de 2026 não menciona um mecanismo de redução de preços por janelas de tempo como esse. Neste artigo, comparamos a Batch API e o cache de prompt como opções para o Claude.

4. OpenAI Flex — não crie novas implementações com ele

Com o Flex, adicione service_tier: "flex" a uma solicitação normal para obter o mesmo preço do Batch em troca de respostas mais lentas e indisponibilidade ocasional. Segundo as informações da OpenAI em 22 de novembro de 2026, o status é o seguinte.

  • Modelos compatíveis: ainda está disponível para modelos com preço Flex na tabela de preços (incluindo GPT-6 Astra · GPT-6.1 Sol · GPT-6.1 Terra · GPT-6 Luna).
  • Modelos incompatíveis: GPT-6.2 Astra · GPT-6.2 Sol. Não use também com modelos futuros.
  • Política: a versão beta está em processo de descontinuação.
  • Data de encerramento: ainda não foi anunciada. A OpenAI informa que publicará a data e as instruções de migração na página de documentação quando ela for definida.

Fonte: OpenAI, “Flex processing” (verificado em 22 de novembro de 2026).

Se você usa o Flex atualmente, decida para onde migrar sua carga de trabalho seguindo esta ordem.

  1. Anote quando você precisa receber a resposta para cada tarefa (em alguns minutos, algumas horas ou no dia seguinte) e se precisa de streaming ou de chamadas de ferramentas em várias etapas.
  2. Se precisar de streaming, as únicas opções são solicitações normais e cache (nem o Batch nem as janelas de tempo oferecem suporte a streaming). Se a tarefa termina em uma única solicitação e há tempo para tentar novamente dentro do prazo de 24 horas, use a Batch API. Se não puder esperar 24 horas, mas puder esperar algumas horas, use uma janela de tempo (2 horas ou 8 horas), haja ou não ferramentas envolvidas; essas janelas são metas para cada solicitação, não garantias. Se houver chamadas de ferramentas em várias etapas, estime também se o prazo permite o tempo total entre a primeira solicitação e a resposta final, incluindo a espera por cada solicitação em sequência e o tempo de execução das ferramentas. Caso contrário, use solicitações normais.
  3. Teste algumas solicitações com a opção candidata e, antes de migrar, compare o custo, o tempo de espera e os recursos necessários com o prazo e a configuração atual do Flex.

5. É possível combinar o desconto com o cache?

Em tarefas que enviam repetidamente o mesmo preâmbulo (instruções ou materiais), o custo também varia conforme o desconto do cache de prompt possa ou não ser combinado com o outro desconto.

MecanismoComo se combina com o cache
Batch da OpenAIOs descontos se combinam. O preço do Batch inclui uma tarifa para entrada em cache, que é metade da tarifa de entrada em cache no processamento normal (para GPT-6.2 Sol, $0,10 → $0,05 por 1 milhão de tokens)
Batch do ClaudeOs descontos se combinam. Os multiplicadores de gravação e leitura do cache se somam ao desconto de 50% do Batch (quanto à duração do cache, a Anthropic recomenda usar um cache de 1 hora para preâmbulos compartilhados, pois o processamento em Batch pode levar mais de 5 minutos)
Janelas de tempo da OpenAIDisponibilidade: entre solicitações com janelas de tempo (não há compartilhamento com solicitações normais fora de uma janela de tempo). Preços: a tabela de preços não informa uma tarifa de entrada em cache para solicitações dentro de janelas de tempo (verificado em 22 de novembro de 2026)
OpenAI FlexAplica-se o preço de entrada em cache da tabela do Flex (para GPT-6.1 Sol, $0,05 por 1 milhão de tokens; não é um desconto adicional sobre o preço do Batch)

Fontes: OpenAI, “Pricing”, “Background mode” e “Flex processing”; Anthropic, “Batch processing” e “Pricing” (verificados em 22 de novembro de 2026).

Para saber mais sobre como o cache funciona e o que pode impedir seu uso, consulte “Diferenças entre o cache de prompt da OpenAI e do Claude”.

6. Resultados medidos: custo e tempo do Batch da OpenAI em comparação com solicitações normais

Nosso site usa APIs para criar rascunhos de tradução de artigos. Em 22 de novembro de 2026, traduzimos o mesmo artigo com o GPT-6 Luna da OpenAI (nível de raciocínio: medium), usando solicitações normais e Batch, e comparamos o custo e o tempo registrados pela nossa ferramenta. O fluxo traduz primeiro para o inglês e depois usa a versão em inglês como referência para os outros idiomas. O preâmbulo (instruções e texto de origem) de cada solicitação tem cerca de 15.000 tokens em inglês e cerca de 23.000 tokens nos outros idiomas. Não medimos o Batch do Claude naquele dia.

Custo de uma tradução para o inglês (dólares americanos, calculado com base nos tokens usados)

Solicitação normal$0,0059
Batch$0,0030

Tempo de uma tradução para o inglês (segundos)

Solicitação normal52 segundos
Batch246 segundos

O custo não é o valor cobrado; é calculado multiplicando-se a quantidade de tokens em usage na resposta pelas tarifas da tabela de preços. Solicitação normal: 3 tokens de entrada, 15.389 tokens de gravação em cache e 7.913 tokens de saída, multiplicados por $0,10 para entrada, $0,125 para gravação em cache de 30 minutos e $0,50 para saída (por 1 milhão de tokens), totalizando aproximadamente $0,00588. Batch: 3 tokens de entrada, 15.404 tokens de gravação em cache e 8.199 tokens de saída, multiplicados pelas tarifas do Batch de $0,05, $0,0625 e $0,25, totalizando aproximadamente $0,00301. Na tabela de preços da OpenAI, a gravação em cache (30m write) tem uma tarifa separada da entrada. O tempo de uma solicitação normal vai do envio até a chegada da resposta; no Batch, vai do envio até o recebimento dos resultados e inclui a espera durante as verificações de status a cada 30 segundos.

Neste teste, o custo caiu quase pela metade, enquanto o tempo de espera aumentou alguns minutos. A estrutura HTML das traduções (número de títulos, tabelas e links) correspondeu à fonte japonesa, assim como nas solicitações normais. Essa foi uma verificação estrutural; a qualidade da tradução foi revisada separadamente.

Como exemplo do fluxo completo, quando esperamos a tradução para o inglês antes de enviar os idiomas restantes, precisamos dividir o trabalho em dois lotes. O segundo lote, que agrupou as traduções para espanhol e chinês, levou 154 segundos, e a solicitação em chinês leu cerca de 23.000 tokens do preâmbulo a partir do cache. O total para inglês, espanhol e chinês foi de cerca de 6 minutos e 40 segundos (não é uma comparação com solicitações normais).

Resultados de testes pequenos, com 1 a 2 solicitações; o tempo de processamento varia conforme a demanda do dia. Lotes maiores e horários de maior movimento podem levar mais tempo.

7. Qual opção usar? Quatro perguntas

Uma pessoa está esperando o resultado (chat ou interação com uma tela)Solicitação normal + cache de prompt
Muitas tarefas terminam em uma única solicitação, e o prazo permite tentativas adicionais dentro da janela de 24 horasBatch API (50%)
Na OpenAI, você não pode esperar 24 horas, mas pode esperar algumas horas (seja uma única solicitação ou com chamadas de ferramentas em várias etapas)Janela de 2 horas (30%) ou de 8 horas (40%). Se houver chamadas em várias etapas, estime o tempo do fluxo completo; se não couber no prazo, use solicitações normais
No Claude, a tarefa envolve chamadas de ferramentas em várias etapasEm geral, use solicitações normais + cache. Use o Batch apenas se o prazo permitir esperar entre as etapas do lote e reservar tempo para novas tentativas

As janelas de 2 e 8 horas são metas para concluir cada solicitação, não garantias. Para trabalhos com prazos apertados, escolha solicitações normais em vez de um desconto. A tabela de preços do Claude que consultamos não menciona descontos por janela de tempo; portanto, se você executar no Batch uma tarefa com chamadas de ferramentas em várias etapas, terá de esperar a conclusão de cada lote entre uma etapa e outra. Para tarefas que precisam de streaming, use solicitações normais com qualquer uma das empresas.

Antes de escolher um desconto, pode fazer muita diferença verificar com entradas representativas se um modelo mais barato ainda atende aos seus padrões de qualidade. As diferenças de preço entre modelos costumam ser maiores que os descontos; por exemplo, o preço do GPT-6 Luna na tabela acima é um vigésimo do preço do GPT-6.2 Sol. Veja dicas para escolher um modelo em “Como economizar no uso de IA e nos custos de tokens”.

Resumo

Para tarefas cujos resultados não precisam ser retornados imediatamente, a Batch API reduz o preço pela metade tanto na OpenAI quanto no Claude. O prazo é de 24 horas, e nenhum dos provedores garante que todas as solicitações serão concluídas. As solicitações concluídas até o prazo são cobradas. Reenvie as solicitações sem resultado e corrija a causa dos erros antes de reenviar as solicitações afetadas. A OpenAI também oferece janelas de tempo de 2 horas (30% de desconto) e 8 horas (40% de desconto), selecionadas no momento do envio, que podem ser usadas em tarefas com chamadas de ferramentas em várias etapas. O Flex não está disponível no GPT-6.2 e está em processo de descontinuação; portanto, não o use em tarefas novas. Nas duas empresas, os descontos do Batch podem ser combinados com os descontos do cache para preâmbulos compartilhados.

Perguntas frequentes

Quanto tempo o Batch leva para retornar os resultados?

O prazo é de 24 horas tanto para a OpenAI quanto para o Claude, e nenhum dos dois garante que todas as solicitações serão concluídas nesse período. Segundo a Anthropic, muitos lotes terminam em menos de uma hora. Em nosso pequeno teste (OpenAI, 1 a 2 solicitações), os resultados levaram de 2 a 4 minutos após o envio.

Solicitações que não terminam em 24 horas ainda são cobradas?

Os dois provedores cobram as solicitações concluídas até o prazo. Com base no que a documentação informa, veja como as solicitações não concluídas são tratadas. A OpenAI diz apenas que elas são canceladas e não especifica como são cobradas. O Claude informa que solicitações que expiram antes de serem enviadas ao modelo não são cobradas, mas não especifica como são tratadas as que expiram depois do envio. O Claude também não cobra solicitações com erro ou canceladas.

Estou usando o Flex. Até quando posso continuar usando?

Em 22 de novembro de 2026, a data de encerramento ainda não havia sido anunciada. A OpenAI informa que adicionará a data e as instruções de migração à página de documentação do Flex quando ela for definida. O Flex não está disponível para GPT-6.2 Astra, GPT-6.2 Sol nem modelos futuros; por isso, é mais fácil migrar quando você trocar de modelo.

Posso usar cache e Batch ao mesmo tempo?

Sim. Os multiplicadores se combinam no Claude, e a OpenAI tem um preço específico para entrada em cache no Batch. Colocar os preâmbulos compartilhados no início das solicitações aumenta a probabilidade de eles serem armazenados em cache.

Registro de atualizações

  • 22 de novembro de 2026Publicado.

Fontes