A fórmula do orçamento
Uma estimativa mensal precisa de uma linha de aritmética assim que você tiver três entradas. Anote em uma planilha e atualize sempre que seu tráfego mudar.
cost_per_request = input_tokens * input_rate / 1,000,000
+ output_tokens * output_rate / 1,000,000
monthly_cost = requests_per_day * 30 * cost_per_request
Para modelos Claude, pegue as taxas de entrada e saída da página de preços atual da Anthropic. Não as citamos porque mudam. Para o serviço por trás deste site, as taxas são $0,15 por 1M de tokens de entrada e $0,50 por 1M de tokens de saída, e todos os exemplos abaixo usam esses valores. Se quiser precificar as mesmas cargas de trabalho em outro lugar, apenas as duas taxas mudam.
De onde vêm as requisições por dia e os tokens por requisição? Dos seus logs. Se você ainda não tem nenhum, execute vinte requisições reais, leia o bloco usage em cada resposta e faça a média. O número que você chuta antes de medir geralmente é muito baixo, principalmente por causa do histórico de conversas.
Três orçamentos para apps pequenos
Aqui estão três aplicativos plausíveis, cada um precificado por 30 dias com a fórmula acima.
| App | Solicitações por dia | Tokens por requisição (entrada / saída) | Por requisição | Por mês |
|---|---|---|---|---|
| Bot de suporte para uma pequena loja | 300 | 2,500 / 350 | $0.00055 | $4.95 |
| Auxiliar de escrita em um app de notas | 2,000 | 1,000 / 250 | $0.000275 | $16.50 |
| Plataforma de roleplay | 10,000 | 4,000 / 500 | $0.00085 | $255.00 |
A aritmética para a primeira linha: 2.500 x 0,15 / 1.000.000 = $0,000375 e 350 x 0,50 / 1.000.000 = $0,000175, então $0,00055 por requisição. Então 300 x 30 = 9.000 requisições, e 9.000 x $0,00055 = $4,95.
A última linha: 4.000 x 0,15 / 1.000.000 = $0,0006 e 500 x 0,50 / 1.000.000 = $0,00025, então $0,00085. Com 300.000 requisições por mês, a conta é $255,00.
Adicione margem para o que as médias escondem
Um orçamento baseado em médias falha em dias ruins. Três coisas empurram o gasto real acima da estimativa.
Crescimento do histórico
Apps de chat reenviam turnos anteriores, então mensagens tardias em uma sessão custam mais que as iniciais. Meça tokens em sessões longas, não nas primeiras mensagens, ou coloque um limite no tamanho do histórico e resuma o resto.
Picos de tráfego
Se uma publicação viralizar, as requisições por dia podem dobrar da noite para o dia. Uma margem de 50% sobre a estimativa é um ponto de partida razoável.
Retries
Retentativas do cliente após tempo esgotado adicionam requisições duplicadas. Requisições falhas ou recusadas não são cobradas neste serviço, mas uma tentativa que tem sucesso após uma primeira tentativa lenta é cobrada uma vez, como normal.
Verifique também os limites em relação aos seus picos. Dez mil requisições por dia equivalem a cerca de 7 por minuto em média (10.000 / 1.440). Uma chave completa permite 300 requisições por minuto e 8 simultâneas, então a média está bem dentro do limite. Uma rajada de 50 usuários ao mesmo tempo não está, e você deve enfileirar as requisições em vez de falhar. Uma chave de teste permite 2 simultâneas e 60 por minuto, que é apenas para testes.
Limite o gasto com recargas pré-pagas
Com crédito pré-pago pagamento por uso, o orçamento é também um teto. Você adiciona crédito, a API deduz por token, e quando acaba as requisições param. Não há fatura no final do mês e nem excedente. O crédito nunca expira, então uma recarga maior que a necessidade de um mês não é desperdício.
Recargas são qualquer valor inteiro de $20 a $500, pagas apenas em cripto: USDT na TRC20 ou USDC na Base. Bônus aplicam-se em valores maiores:
- $50 dá +5%, então $52,50 de crédito.
- $100 dá +10%, então $110.
- $200 dá +15%, então $230.
- $500 também ganha o nível +15%, então $575.
Compare isso com os orçamentos acima: o bot de suporte a $4,95 por mês é coberto por cerca de quatro meses por uma recarga de $20 (20 / 4,95 é cerca de 4,0). O auxiliar de escrita a $16,50 cabe em uma recarga de $50 por três meses, já que $52,50 / $16,50 é cerca de 3,2. A plataforma de roleplay a $255,00 está acima até de uma recarga de $200 de $230, então precisa de uma recarga de cerca de $250 ou duas menores. Nessa escala, monitore o saldo de perto.
Monitore o saldo a partir do código
Cada resposta carrega o cabeçalho X-Balance-USD. Você pode lê-lo no SDK Python da OpenAI com o wrapper de resposta bruta e se alertar antes que o dinheiro acabe.
from openai import OpenAI
client = OpenAI(
base_url="https://api.claudeapicosts.com/v1",
api_key="YOUR_KEY",
)
raw = client.chat.completions.with_raw_response.create(
model="uncensored",
messages=[{"role": "user", "content": "Reply with the word ready."}],
max_tokens=10,
)
resp = raw.parse()
balance = float(raw.headers.get("X-Balance-USD", "0"))
print(resp.choices[0].message.content, balance)
if balance < 5:
print("Balance is low: top up soon")
Você também pode consultar GET /v1/balance, ou o estilo OpenAI GET /v1/dashboard/billing/credit_grants, com o mesmo bearer token:
curl https://api.claudeapicosts.com/v1/balance \
-H "Authorization: Bearer YOUR_KEY"
Conecte a verificação a uma tarefa diária e envie-se uma mensagem quando o saldo cair abaixo de duas semanas de gasto esperado. Isso evita que o teto se torne uma interrupção.
O que acontece se o tráfego dobrar
Teste seu plano contra o crescimento antes que ele aconteça. Dobrar as requisições dobra a conta, já que o custo é linear nas requisições. Os três aplicativos acima custariam $9,90, $33,00 e $510,00 por mês. Se os tokens por requisição também crescerem 50%, porque os usuários escrevem mensagens mais longas ou as sessões duram mais, multiplique novamente por 1,5.
Planeje os pontos de decisão com antecedência. Por exemplo, decida que acima de um gasto mensal que você escolher, você irá reduzir o histórico, encurtar o prompt do sistema ou limitar o comprimento da saída antes de adicionar crédito. Ter a regra escrita antes de um pico evita que você pague por um prompt que desperdiça tokens.
Formas de reduzir o número mensal
- Reduza o histórico. Remova os turnos mais antigos ou substitua-os por um resumo curto. Tokens de entrada representam a maior parte da conta para chat.
- Limite a saída. Uma configuração
max_tokense um prompt que pede respostas concisas reduzem o medidor mais caro. - Encurte o prompt do sistema. Ele é enviado com cada requisição, então reduzir 500 tokens economiza 500 x 0,15 / 1.000.000 = $0,000075 por requisição. Em 300.000 requisições por mês, isso é $22,50.
- Armazene suas próprias respostas em cache. Se muitos usuários fizerem a mesma pergunta, armazene a resposta.
Antes de escalar, teste com o crédito de teste grátis: após entrar, reclame $0,50 na página da chave de API sem cartão, válido por 7 dias, um por pessoa. A página de preços tem as taxas e níveis de bônus mais recentes, a documentação explica streaming, chamada de funções e modo JSON, e nosso artigo sobre o custo real de LLMs sem censura aprofunda os fatores de custo. Este serviço é independente e não é a API da Anthropic. É apenas texto, com uma janela de contexto de 100.000 tokens.
