Custos da API GPT 6.1 Terra em fluxos de produção: orçamento para novas tentativas e cache
Estime os custos da API GPT 6.1 Terra por fluxo concluído, incluindo novas tentativas, gravações em cache, regras de recuperação e mudanças de faixa de contexto.
Resumo · TL;DR
Um modelo reproduzível de custos para fluxos de produção com GPT 6.1 Terra, com um orçamento ilustrativo de novas tentativas e cache, análise de faixas e checklist de recuperação.
Principais pontos
- Planeje o orçamento por fluxo concluído, não apenas por solicitação à API: novas tentativas, chamadas de recuperação, tokens de saída e regravações em cache afetam o resultado.
- No exemplo ilustrativo de 10.000 fluxos, o custo estimado da API com cache é de $110.75 pelas tarifas oficiais ou $17.277 pelas tarifas publicadas da OneMux, antes de outros custos de serviço.
- O cálculo do ponto de equilíbrio do cache depende de como gravações e leituras são cobradas; verifique os registros reais de uso antes de aplicar o exemplo à produção.
- Uma solicitação que ultrapasse 272.000 tokens de entrada pode passar para uma faixa de preço superior. Por isso, acompanhe o tamanho da solicitação completa, não apenas do prefixo estável.
Nesta página (9)
Comece pelo custo por fluxo concluído
Em um fluxo de produção que usa GPT 6.1 Terra, estime o custo de todas as tentativas necessárias para concluir uma tarefa, não apenas da primeira solicitação. Inclua a entrada e a saída das novas tentativas, as gravações em cache após expiração ou alterações no prompt e quaisquer chamadas de recuperação. Depois, divida o total pelo número de tarefas concluídas.
A carga de trabalho ilustrativa abaixo custa $110.75 pelas tarifas oficiais apresentadas ou $17.277 pelas tarifas da OneMux para 10.000 tarefas concluídas, segundo as premissas de contabilização do cache indicadas. São estimativas de tokens da API, não cobranças observadas. O custo real depende das regras de cobrança do provedor, dos acertos de cache, das falhas e do tamanho das solicitações.
A OneMux é a editora deste guia e oferece acesso a modelos por meio de uma API compatível com OpenAI. O mesmo método de estimativa é útil para avaliar uma conexão direta com o provedor ou outra rota.
Retrato dos preços do GPT 6.1 Terra
O retrato do catálogo de modelos da OneMux foi capturado em 13 de novembro de 2026. Todos os preços abaixo estão em dólares americanos por milhão de tokens. A proporção publicada entre os preços da OneMux e os oficiais é 0.156, equivalente a um desconto de 84,4%, para os preços de entrada e saída apresentados nas duas faixas. São preços publicados, não uma garantia do valor final da fatura; consulte os preços atuais antes de planejar o orçamento.
| Faixa de contexto de entrada | Entrada oficial | Saída oficial | Entrada OneMux | Saída OneMux | Proporção de preços publicada |
|---|---|---|---|---|---|
| ≤272K tokens | $1.00 | $5.00 | $0.156 | $0.78 | 0.156 |
| >272K tokens | $2.00 | $7.50 | $0.312 | $1.17 | 0.156 |
Os preços de cache também variam conforme a faixa, o período de retenção e a rota:
| Faixa de contexto de entrada | Leitura de cache oficial | Gravação oficial, 30 min | Gravação oficial, 12 h | Leitura de cache OneMux | Gravação OneMux, 30 min | Gravação OneMux, 12 h |
|---|---|---|---|---|---|---|
| ≤272K tokens | $0.05 | $1.25 | $2.50 | $0.0078 | $0.195 | $0.39 |
| >272K tokens | $0.10 | $2.50 | $5.00 | $0.0156 | $0.39 | $0.78 |
A análise de cache da OrcaRouter descreve as tarifas oficiais de cache e o limite de 272K. Seus exemplos tratam a gravação em cache como uma cobrança separada, seguida de leituras pagas. Use essa convenção aqui apenas como premissa de estimativa: confirme a contabilização real de gravações, leituras e solicitações iniciais da rota na documentação e nos registros de uso. Não presuma que houve um acerto de cache apenas porque um prompt parecia reutilizável.
Exemplo detalhado: 10.000 tarefas com novas tentativas
Suponha que um fluxo processe 10.000 tarefas em um período contábil. Todas são concluídas. A carga usa a faixa inferior de contexto e tem:
- 11.000 tentativas no total: 10.000 tentativas iniciais mais 1.000 novas tentativas. Cada tentativa envia a entrada completa e produz a saída pressuposta, inclusive as tentativas malsucedidas.
- 50.000 tokens de prefixo estável e 2.000 tokens de entrada variável por tentativa.
- 1.000 tokens de saída por tentativa.
- 100 gravações do prefixo estável pela tarifa de gravação de 30 minutos, além de 11.000 leituras de cache desse prefixo. Esta é uma convenção ilustrativa de cobrança, não uma afirmação sobre o comportamento observado do cache.
- Nenhuma chamada de recuperação separada, cobrança de ferramentas, imposto ou custo de infraestrutura. O custo de gerar ou recuperar a entrada fora da API do modelo está excluído.
As 100 gravações representam expiração ou substituição ao longo do período. Não são uma gravação por tarefa. As 1.000 novas tentativas representam 10% das tarefas iniciais, não uma taxa de falha medida para o modelo.
| Componente de custo | Cálculo de tokens | Custo oficial | Custo OneMux |
|---|---|---|---|
| Gravações de prefixo | 100 × 50.000 = 5 milhões de tokens | 5 × $1.25 = $6.25 | 5 × $0.195 = $0.975 |
| Leituras de prefixo | 11.000 × 50.000 = 550 milhões de tokens | 550 × $0.05 = $27.50 | 550 × $0.0078 = $4.29 |
| Entrada variável | 11.000 × 2.000 = 22 milhões de tokens | 22 × $1.00 = $22.00 | 22 × $0.156 = $3.432 |
| Saída | 11.000 × 1.000 = 11 milhões de tokens | 11 × $5.00 = $55.00 | 11 × $0.78 = $8.58 |
| Total | 10.000 tarefas concluídas | $110.75 | $17.277 |
Isso equivale a $0.011075 por tarefa concluída pelas tarifas oficiais e $0.0017277 pelas tarifas da OneMux. Para uma comparação equivalente sem cache, as mesmas tentativas enviam 572 milhões de tokens de entrada comuns e produzem 11 milhões de tokens de saída: $627.00 oficial ou $97.812 OneMux. Essas estimativas mantêm constantes a quantidade de tarefas, as tentativas e a saída; elas não determinam a economia de cache que uma carga de trabalho real alcançará.
Quando uma gravação em cache se paga
Segundo a convenção de gravação mais leitura do exemplo, cada milhão de tokens de prefixo lidos na faixa oficial inferior economiza $0.95 em relação à entrada comum: $1.00 menos $0.05. Uma gravação de 30 minutos custa $1.25 por milhão, então duas leituras economizam $1.90 e superam esse custo de gravação. Uma gravação de 12 horas custa $2.50, então três leituras economizam $2.85 e superam esse custo.
Esse ponto de equilíbrio se aplica por prefixo estável e janela de retenção. Ele exclui a entrada variável e a saída, pois se pressupõe que permaneçam inalteradas. Se a gravação inicial for cobrada de outra forma, ou se uma solicitação corresponder apenas parcialmente ao prefixo armazenado em cache, refaça o cálculo usando o uso efetivamente cobrado. A análise original também alerta que alterações no conteúdo inicial do prompt podem impedir a reutilização.
Mantenha instruções estáveis, definições de ferramentas e documentos em uma ordem consistente; coloque IDs de solicitação, timestamps e material específico da tarefa depois deles, quando o comportamento de cache documentado da API permitir. Meça as taxas de acerto e gravação em vez de tratar essa organização do prompt como uma garantia.
Defina regras de novas tentativas e recuperação antes de fazer previsões
Uma nova tentativa pode repetir cobranças por tokens e, mais importante, repetir uma ação externa. Deixe explícita a política do fluxo:
- Classifique a falha. Repita falhas transitórias de transporte ou de limite de taxa com backoff limitado; encaminhe solicitações inválidas ou falhas de validação para correção ou revisão, em vez de repeti-las indefinidamente sem alterações.
- Defina um limite de tentativas e um teto de custo. Planeje o número máximo de tentativas permitidas, além da média. Um timeout ainda pode ter gerado saída cobrável; portanto, confira os registros de uso em vez de presumir que não houve custo.
- Proteja ações com efeitos externos. Use uma chave de idempotência no nível da aplicação ou um estado durável da tarefa antes de repetir uma operação que possa enviar uma mensagem, alterar um registro ou chamar uma ferramenta. Após um timeout ambíguo, verifique se a ação já foi concluída.
- Contabilize a recuperação separadamente. Um prompt de correção, uma chamada de preparação para revisão humana ou uma chamada a um modelo de fallback é uma tentativa adicional, com entrada, saída e preço próprios. O exemplo detalhado não pressupõe nenhuma; adicione-as quando existirem.
- Registre o denominador. Acompanhe tarefas concluídas, tarefas malsucedidas, tentativas, entrada e saída cobradas, leituras e gravações em cache e custo por faixa. Um custo baixo por tentativa pode esconder um custo alto por conclusão.
Fique atento ao limite de 272K
A faixa é descrita em termos do contexto de entrada, portanto examine a solicitação inteira, incluindo o material variável — não apenas o prefixo reutilizável. Pelas tarifas oficiais apresentadas, 270.000 tokens de entrada sem cache custam $0.27, enquanto 273.000 à tarifa superior custam $0.546, supondo que a tarifa superior se aplique à entrada completa, como nos exemplos da fonte. As tarifas de saída também mudam conforme a faixa. Verifique o tratamento de cobrança aplicável antes de confiar em uma estimativa próxima ao limite.
Para tarefas próximas do limite, remova o contexto desnecessário ou recupere uma seção relevante menor e, em seguida, verifique a qualidade da tarefa. Um prompt menor só é uma melhoria operacional se o fluxo continuar sendo concluído de forma confiável; novas tentativas adicionais podem anular uma economia aparente.
Conclusão
Comece com uma distribuição de tentativas, contagens realistas de tokens e frequência de gravação em cache; calcule a entrada comum e a entrada em cache; depois, divida pelas tarefas concluídas. Trate o resultado como uma previsão até que os registros de uso confirmem a contabilização do cache, a seleção da faixa e o custo das tentativas malsucedidas.
Fontes
- Página do modelo GPT 6.1 Terra na OneMux e preços da OneMux — retrato do catálogo fornecido, capturado em 13 de novembro de 2026.
- OrcaRouter: cache do GPT-6.1 Terra — análise fornecida sobre tarifas oficiais de cache, premissas de ponto de equilíbrio e limite de contexto longo.
Retrato dos preços publicados
Capturado em 2026-11-13T19:30:05.480Z do catálogo publicado da OneMux. Os preços mantêm as unidades de cobrança do site; esta não é uma comparação em tempo real. A cobrança por faixa, cache ou tempo pode variar. Valores desconhecidos não são zero.
| Modelo | Entrada oficial | Saída oficial | Entrada OneMux | Saída OneMux | Proporção de preços publicada |
|---|---|---|---|---|---|
| GPT 6.1 Terra | $1 | $5 | $0.156 | $0.78 | 0.156 |
Preços atuais da OneMux. Compare os custos de cargas de trabalho somente quando as unidades de entrada, saída e cobrança forem equivalentes; consulte a página de cada modelo para conhecer as condições das faixas.
Perguntas frequentes
Como incluir novas tentativas nas estimativas de custo do GPT 6.1 Terra?
Conte a entrada e a saída de todas as tentativas, inclusive as malsucedidas quando forem cobradas, e adicione quaisquer chamadas de recuperação separadas. Divida o custo total pelas tarefas concluídas, não pelas tentativas.
Quando uma gravação em cache do GPT 6.1 Terra atinge o ponto de equilíbrio?
Pelos preços oficiais apresentados para a faixa inferior, supondo uma cobrança separada de gravação seguida de leituras pagas, uma gravação de 30 minutos atinge o ponto de equilíbrio após duas leituras completas e uma de 12 horas após três. É necessário verificar a cobrança real e a correspondência do cache.
A faixa de 272K depende apenas do prefixo em cache?
A faixa é descrita pelo contexto de entrada, portanto faça a estimativa usando a solicitação completa, incluindo a entrada variável. Confirme a aplicação das faixas pelo provedor na documentação de cobrança e nos registros de uso.
Artigos relacionados
Guides
Custos da API GPT 6.1 Terra para alterações em repositórios e verificação de testes
Estime os custos de tokens do GPT 6.1 Terra para um fluxo de alteração de repositório e verificação de testes, com premissas explícitas de cache e aritmética reproduzível.
Guides
Custo da API GPT 6.1 Terra: avaliação reproduzível do cache
Estime os custos da API GPT 6.1 Terra com hipóteses explícitas sobre tokens, preços publicados pela OneMux e oficiais, e um teste reproduzível para verificar se o cache de prompts ajuda na sua carga de trabalho.
Guides
Custos da API GPT 6.2 Astra em fluxos de produção: uma estimativa que considera novas tentativas
Estime os custos de fluxos com GPT 6.2 Astra usando preços de tokens comparáveis, premissas explícitas de novas tentativas e um exemplo mensal reproduzível.
Guides
Custo da API Gemini 4 Carbon: estimativa de carga de trabalho com retentativas
Estime os custos de tarefas com Gemini 4 Carbon usando premissas explícitas de tokens, regras de retentativa e um registro reproduzível.