Custos da API GPT Image 2.5 para triagem de atendimento ao cliente
Estime os custos de geração de imagens com GPT Image 2.5 para triagem de atendimento usando premissas explícitas sobre tokens, taxas de aprovação e cálculos reproduzíveis.
Resumo · TL;DR
Um orçamento ilustrativo e reproduzível para gerar recursos visuais de apoio ao atendimento com GPT Image 2.5, incluindo tarifas por token, aprovação humana, novas tentativas e custos externos à API de imagens.
Principais pontos
- Estime as cobranças do modelo de imagem com base no uso real de tokens e nas tarifas aplicáveis, não em um suposto preço fixo por imagem.
- Na carga de trabalho ilustrativa, 1.250 tentativas a $0.141 cada custam $176.25 e geram uma expectativa de 1.000 imagens aprovadas com taxa de aprovação de 80%.
- A revisão humana, as chamadas a modelos de linguagem cobradas separadamente e outros custos do fluxo de trabalho devem ser adicionados à estimativa do modelo de imagem.
- O registro do catálogo da OneMux apresenta os preços de GPT Image 2.5 como desconhecidos; a proporção de preços publicada não basta para calcular uma cobrança em dólares.
Nesta página (9)
A resposta para o orçamento
Para uma equipe de atendimento que gera um recurso visual por tentativa de triagem, uma unidade útil de planejamento é o custo por imagem aprovada por uma pessoa, não o custo por chamada à API. Na carga de trabalho ilustrativa abaixo, 1.250 tentativas custam $176.25 em cobranças do modelo de imagem e geram uma expectativa de 1.000 imagens aprovadas, com taxa de aprovação de 80%. Isso equivale a cerca de $0.176 por imagem aprovada, sem incluir o tempo de revisão e outros serviços.
Este é um cenário, não uma cotação nem uma taxa de aprovação medida. A OneMux, responsável pela publicação deste artigo, oferece acesso a modelos por meio de uma API compatível com OpenAI; o registro de seu catálogo não informa os preços em dólares de GPT Image 2.5 necessários para verificar uma cobrança da OneMux.
Escolha um fluxo de atendimento com escopo definido
Considere uma fila em que um atendente analisa a descrição de um cliente e, quando necessário, solicita um recurso visual para ajudar a explicar uma etapa de solução de problemas. Uma pessoa verifica a imagem gerada antes de anexá-la a uma proposta de resposta. A imagem não determina a prioridade do chamado nem é enviada ao cliente sem aprovação.
Defina os critérios de aceitação antes de medir o custo: a imagem deve representar com precisão o produto ou a etapa relevante, evitar detalhes sem respaldo e ser compreensível junto às instruções escritas pelo atendente. Uma imagem com aparência bem acabada, mas que mostra o conector errado, deve ser reprovada na revisão.
Este exemplo pressupõe uma imagem por tentativa, inclusive nas tentativas posteriormente rejeitadas. Casos reais podem não precisar de imagem, exigir várias revisões ou seguir um fluxo totalmente diferente. Não envie imagens de clientes nem dados de contas sem verificar as regras de privacidade da sua organização e os termos de dados aplicáveis do provedor.
Registro de preços: o que se sabe e o que é desconhecido
O registro do catálogo da OneMux a seguir foi capturado em 19 de novembro de 2026. Seus campos de preço não estabelecem tarifas em dólares por token ou por imagem. A proporção de preços publicada é reproduzida como consta no catálogo; sem preços e condições conhecidos, ela não pode ser convertida em uma alegação de economia.
| Modelo | Preço oficial de entrada | Preço oficial de saída | Preço de entrada OneMux | Preço de saída OneMux | Proporção de preços publicada |
|---|---|---|---|---|---|
| GPT Image 2.5 | Desconhecido | Desconhecido | Desconhecido | Desconhecido | 0.1 |
O catálogo não informa preços de cache nem condições de faixas para essa entrada. Desconhecido não é zero. Verifique os termos aplicáveis ao modelo e à conta antes de comprometer um orçamento; a página de preços da OneMux é um ponto de partida, não um substituto para uma cotação específica da conta.
Separadamente, um artigo da Ofox sobre preços informa as seguintes tarifas da OpenAI para as variantes Flare e Sunburst, citando páginas oficiais dos modelos e afirmando ter conferido as tarifas em 9 de setembro de 2026. São tarifas históricas de referência dessa fonte, não cobranças atuais verificadas da OneMux.
| Categoria de cobrança | Tarifa informada | Unidade |
|---|---|---|
| Entrada de texto sem cache | $5.00 | por milhão de tokens |
| Entrada de texto em cache | $1.25 | por milhão de tokens |
| Entrada de imagem sem cache | $8.00 | por milhão de tokens |
| Entrada de imagem em cache | $2.00 | por milhão de tokens |
| Saída de imagem | $30.00 | por milhão de tokens |
A fonte informa as mesmas tarifas para ambas as variantes, mas tarifas iguais por token não significam uso igual nem custo igual por imagem aprovada. Ela também observa que um modelo de linguagem cobrado separadamente pode estar envolvido quando uma ferramenta de imagem é chamada pela Responses API. Verifique as tarifas atuais, as variantes disponíveis, as regras de cache e eventuais faixas com o provedor que efetivamente faz a cobrança.
Reproduza a estimativa do modelo de imagem
Use as tarifas históricas acima apenas para demonstrar o cálculo. Suponha que cada tentativa tenha 1.000 tokens de entrada de texto sem cache, 2.000 tokens de entrada de imagem sem cache e 4.000 tokens de saída de imagem. Considere que não há desconto de cache nem outra cobrança do modelo de imagem. Essas quantidades de tokens são ilustrativas, não medições para um tamanho ou uma qualidade de imagem específicos.
| Componente | Cálculo | Custo por tentativa |
|---|---|---|
| Entrada de texto | 1,000 × $5 ÷ 1,000,000 | $0.005 |
| Entrada de imagem de referência | 2,000 × $8 ÷ 1,000,000 | $0.016 |
| Saída de imagem | 4,000 × $30 ÷ 1,000,000 | $0.120 |
| Total | $0.005 + $0.016 + $0.120 | $0.141 |
Uma solicitação sem imagem de referência não teria esse componente específico de entrada de imagem, mas seu uso dos demais recursos também pode ser diferente. Para entradas em cache, aplique a tarifa de cache pertinente apenas aos tokens identificados como armazenados em cache; não cobre esses mesmos tokens novamente como entrada sem cache. Reutilizar uma imagem de referência não garante que ela será encontrada no cache.
Converta tentativas em imagens aprovadas
Suponha que cada tentativa custe os $0.141 ilustrativos e que 80% passem pela revisão humana. Divida a meta de imagens aprovadas por 0,80 para estimar as tentativas e, em seguida, multiplique as tentativas por $0.141. Quando necessário, arredonde o número de tentativas para o inteiro superior.
| Meta de imagens aprovadas | Tentativas esperadas com 80% de aprovação | Custo do modelo de imagem | Custo por imagem aprovada |
|---|---|---|---|
| 100 | 125 | $17.625, ou cerca de $17.63 | $0.17625 |
| 1.000 | 1.250 | $176.25 | $0.17625 |
A aprovação é incerta, portanto esses são valores esperados, não garantias de entrega. Com taxa de aprovação de 60%, a mesma meta de 1.000 imagens exige uma estimativa de 1.667 tentativas e custa $235.047, ou cerca de $235.05, considerando o mesmo custo por tentativa. As revisões reais podem consumir quantidades diferentes de entrada e saída; por isso, use uma média medida de todas as tentativas cobradas quando ela estiver disponível.
A aprovação humana tem um custo separado. A título de ilustração, se a revisão de cada uma das 1.250 tentativas levar dois minutos e o tempo do revisor for avaliado em $30 por hora, a revisão acrescentará $1,250. Essa premissa não é uma cobrança de API nem um tempo de atendimento medido. Some eventuais chamadas a modelos de linguagem cobradas separadamente, armazenamento, infraestrutura da aplicação, impostos e outras cobranças aplicáveis para chegar ao orçamento do fluxo de trabalho.
Faça um pequeno piloto antes de definir um limite
- Defina a composição dos casos. Registre quantos chamados precisam de imagem e inclua casos simples e difíceis. Ao calcular o custo por chamado triado, mantenha na contagem os casos que nunca exigem imagem.
- Registre cada tentativa. Anote o provedor, o ID exato do modelo, a data, as configurações da imagem, a quantidade de imagens de referência, o uso informado na resposta, as tarifas aplicáveis e a cobrança real, quando disponível. Registre dados de uso ausentes como desconhecidos, não como zero.
- Revise com os mesmos critérios. Registre aprovações, rejeições, tentativas de correção e tempo de revisão. Uma resposta bem-sucedida da API não é automaticamente um recurso de apoio ao atendimento aprovado.
- Concilie os totais. Divida todas as cobranças do lote, incluindo revisões cobradas, pelo número de imagens aprovadas. Separadamente, divida o custo total do fluxo de trabalho por todos os chamados triados, se essa for sua unidade de orçamento operacional. Não presuma que toda solicitação malsucedida é cobrada ou que toda nova tentativa é gratuita.
- Verifique o suporte à integração. A OneMux oferece acesso por meio de uma API compatível com OpenAI, mas verifique o endpoint documentado, o identificador do modelo e os parâmetros de imagem obrigatórios antes de depender de uma integração específica. O piloto descrito aqui não foi testado na OneMux.
O artigo da Ofox afirma que a calculadora de tokens de saída de GPT Image 2.5 cobre estimativas de saída, não a solicitação completa, e exclui entradas e imagens intermediárias de streaming. Use-a como um dos insumos para o orçamento e depois concilie os valores com o uso e as cobranças reais. As tarifas informadas pela fonte também devem ser verificadas novamente, em vez de tratadas como permanentes.
Conclusão
Na triagem de atendimento, a decisão é se o fluxo completo, com aprovação humana, vale seu custo — não se uma única solicitação de imagem parece barata. Comece com um cenário explícito e depois substitua as quantidades de tokens, a taxa de aprovação, o tempo de revisão e os preços pelos resultados do seu próprio piloto.
Fontes
- Ofox: preços e orçamento da API GPT Image 2.5 — tarifas históricas de modelos informadas, exemplos de cálculo e limitações da calculadora de saída.
- Página do modelo GPT Image 2.5 na OneMux — entrada no catálogo de modelos; o registro de preços fornecido foi capturado em 19 de novembro de 2026.
- Preços da OneMux — consulte os preços publicados atualmente e as condições aplicáveis.
Registro de preços publicados
Capturado em 2026-11-19T15:00:05.621Z do catálogo publicado da OneMux. Os preços mantêm as unidades de cobrança do site; esta não é uma referência em tempo real. A cobrança por faixas, cache ou tempo pode ser diferente. Valores desconhecidos não são zero.
| Modelo | Entrada oficial | Saída oficial | Entrada OneMux | Saída OneMux | Proporção de preços publicada |
|---|---|---|---|---|---|
| GPT Image 2.5 | Desconhecido | Desconhecido | Desconhecido | Desconhecido | 0.1 |
Preços atuais da OneMux. Compare custos de cargas de trabalho apenas quando as unidades de entrada, saída e cobrança forem equivalentes; consulte a página de cada modelo para verificar as condições de faixas.
Perguntas frequentes
Existe um preço fixo por imagem para GPT Image 2.5?
A fonte fornecida descreve tarifas baseadas em tokens, não uma cobrança fixa por imagem. O custo real depende do uso, das tarifas aplicáveis, do cache e de eventuais serviços cobrados separadamente.
A proporção de preços da OneMux estabelece o custo dessa carga de trabalho?
Não. O registro do catálogo fornecido apresenta os preços de entrada e saída em dólares como desconhecidos. A proporção publicada de 0.1 não basta para calcular uma cobrança em dólares nem para fundamentar uma alegação de economia.
As imagens rejeitadas devem entrar no orçamento?
Sim. Inclua todas as cobranças efetivamente feitas pelo lote, inclusive revisões cobradas e imagens rejeitadas. Divida o total pelo número de imagens aprovadas na revisão humana.
Artigos relacionados
Guides
Estimativa de custo da API GPT 6.2 Astra para triagem de suporte com aprovação humana
Estime os custos de tokens do GPT 6.2 Astra em um fluxo de triagem de suporte ao cliente com aprovação humana, com exemplos de faixas de contexto e cache.
Guides
Custos da API GPT Image 2.6 Flare para triagem de suporte: uma estimativa detalhada
Estime os custos da API GPT Image 2.6 Flare para um fluxo de suporte aprovado por humanos, usando premissas explícitas de tokens, novas tentativas e revisão.
Guides
Estimación de costos de la API DeepSeek V4.1 Flash para clasificar tickets de soporte
Una estimación reproducible del costo de usar DeepSeek V4.1 Flash para clasificar tickets de soporte y enviarlos a revisión humana, con supuestos claros y advertencias sobre precios.
Guides
Estimar os custos da API Muse Spark 1.3 Contributor para triagem de suporte com aprovação humana
Estimativa reproduzível de custos para classificar pedidos de suporte com Muse Spark 1.3 Contributor para revisão humana, com pressupostos explícitos sobre tokens, cache, preços e volume de trabalho.