O que são tokens de IA?

Um token é um pedaço de palavra, não uma palavra

Os modelos não leem letras nem palavras. Antes que sua mensagem chegue ao modelo, um tokenizador a divide em pedaços a partir de um vocabulário fixo de dezenas de milhares de fragmentos. Palavras comuns são um token. Palavras raras são dois ou três. "The" é um token; "tokenization" costuma ser dois ou três; uma URL longa pode ter dezenas.

A regra prática que a OpenAI publica para texto em inglês: um token tem cerca de quatro caracteres, ou cerca de três quartos de uma palavra. Então 100 tokens são aproximadamente 75 palavras, e 1.000 tokens são uma página e meia.

Duas coisas fazem essa contagem variar. O código é mais denso, chegando perto de um token a cada três caracteres, por causa dos símbolos e da indentação. E idiomas menos representados nos dados de treinamento do tokenizador custam mais: o mesmo significado em tailandês, hindi ou árabe pode levar de duas a três vezes mais tokens do que a versão em inglês, o que importa se você paga por token e escreve em um deles.

Você pode conferir por conta própria. Cole qualquer texto na calculadora de custo de tokens e ela mostra a contagem e o preço em cada modelo.

Tokens de entrada e de saída têm preços diferentes

Toda mensagem tem duas metades. Os tokens de entrada são tudo que o modelo lê: sua pergunta, as instruções do sistema, a conversa até então, qualquer arquivo que você anexou. Os tokens de saída são o que o modelo escreve de volta.

Os provedores cobram os dois em taxas diferentes, e a diferença não é pequena. A tabela é o preço de tabela por milhão de tokens do índice de custo de modelos de IA, com preços obtidos na OpenRouter em 2026-08-20.

A saída é mais cara por causa de como o modelo funciona. Ler a entrada acontece em uma única passagem paralela sobre todos os tokens de uma vez. Escrever a saída acontece um token de cada vez, e cada novo token exige outra passagem por todo o modelo. Uma resposta de 500 tokens são 500 passagens sequenciais.

Quanto custa uma mensagem real, na prática

Pegue uma troca típica: uma pergunta de 300 palavras com um parágrafo de contexto, respondida em 400 palavras. Isso equivale a cerca de 400 tokens de entrada e 530 tokens de saída.

• No GPT-5.6 Luna: 400 × $0.20 por milhão mais 530 × $1.20 por milhão, o que dá $0.00008 mais $0.00064, cerca de $0.0007. Sete centésimos de centavo.
• No Claude Sonnet 5: 400 × $2 mais 530 × $10, por milhão, o que dá $0.0008 mais $0.0053, cerca de $0.006. Pouco mais de meio centavo.
• No GPT-5.5: 400 × $5 mais 530 × $30, por milhão, o que dá $0.002 mais $0.0159, cerca de $0.018. Quase dois centavos.

Note que a metade da saída representa de 80 a 90 por cento da conta em todas as linhas. O formato da mensagem, não apenas o modelo, é que define o custo: uma pergunta de uma linha que pede um ensaio de 2.000 palavras é o padrão caro, e um documento longo com uma pergunta de uma linha sobre ele é o padrão barato no mesmo modelo.

Ampliando a visão, a variação em todo o catálogo é a verdadeira história. Todo modelo precificado no índice de custo de modelos de IA aparece na linha abaixo pelo custo de uma resposta padrão. O mais barato, o Ling-3.0-flash, custa $0.000053; o mais caro, o Claude Opus 4.7 em seu modo rápido, custa $0.105: uma diferença de cerca de 2.000 vezes para os mesmos 1.500 tokens.

O outro multiplicador é o histórico. Em um chat, o modelo relê toda a conversa a cada turno, então a contagem de entrada cresce a cada mensagem. Uma conversa de 40 turnos envia a primeira mensagem 40 vezes. É por isso que threads longas ficam mais lentas e por que o que é uma janela de contexto é o limite que você acaba atingindo.

Por que uma assinatura esconde o medidor, mas não o remove

Planos para o consumidor cobram uma mensalidade fixa, e por baixo dessa mensalidade cada provedor continua contando tokens. Essa contagem aparece como limites de mensagens, o aviso de "você atingiu seu limite" e a troca silenciosa para um modelo menor quando o orçamento acaba.

A Whizi mede da forma oposta. Cada modelo tem um preço fixo em créditos por mensagem: 1 crédito para o modelo da casa, 10 para o Claude Sonnet 5, 20 para o Claude Opus 5 e o GPT-5.5, e 100 no topo da escada. O número nunca depende de quão longa foi sua mensagem ou a resposta. A escada é ancorada em um turno real de tokens, 3.000 tokens de entrada e 800 de saída no modelo da casa, o que custa cerca de $0.00156 em gasto com provedores e define um crédito. Como funcionam os créditos da Whizi tem a tabela completa.

A troca é deliberada. Um medidor por token é exato e imprevisível; um crédito por mensagem é um pouco generoso com mensagens longas e um pouco mais rígido com as curtas, e você sempre sabe o preço antes de apertar enviar.

Tokens também são o limite de capacidade

O segundo motivo pelo qual os tokens importam é a capacidade. Todo modelo tem uma janela de contexto medida em tokens: o máximo que ele consegue considerar de uma vez, entrada e saída combinadas. O Claude Haiku 4.5 comporta 200.000 tokens. O GPT-5.6 Terra, o Claude Sonnet 5 e o Gemini 3.7 Flash comportam cerca de 1 milhão. A 750 palavras por 1.000 tokens, um milhão de tokens são aproximadamente 750.000 palavras, ou cerca de 1.500 páginas.

A janela não é de graça. Preenchê-la custa tokens de entrada a cada turno, então um documento de 300.000 tokens com dez perguntas resulta em 3 milhões de tokens de entrada, o que custa $6 no Claude Sonnet 5 a preço de tabela. A recuperação (retrieval), em que o aplicativo busca no documento e envia apenas as páginas relevantes, existe exatamente para evitar essa conta. O que é RAG explica o mecanismo, e comparação de janelas de contexto tem o limite de cada modelo em uma única tabela. Envie as páginas que a pergunta precisa, nunca o arquivo inteiro.