Os preços dos tokens caem e as faturas de IA sobem: a elasticidade decide quem ganha

Em 1865, o economista William Stanley Jevons publicou "The Coal Question", que observava que as melhorias na eficiência das máquinas a vapor não haviam reduzido o consumo de carvão da Grã-Bretanha. Haviam-no aumentado. Uma energia mais barata por tonelada de carvão tornou as máquinas dignas de uso em mais lugares, e os usos adicionais superaram a economia em cada um. Satya Nadella invocou a observação em janeiro de 2025, quando o lançamento do modelo R1 da DeepSeek levou investidores a se perguntar se uma IA mais barata reduziria a necessidade de data centers. "O paradoxo de Jevons ataca de novo", escreveu, argumentando que, à medida que a IA se torna mais eficiente e acessível, seu uso cresceria. A frase era conveniente para uma empresa que vende serviços de IA, e deve ser lida com isso em mente. O padrão que ela aponta, porém, é real, e os números dos tokens o mostram.

O Google informou em maio de 2024 que processava 9,7 trilhões de tokens por mês em seus produtos. Na conferência de desenvolvedores um ano depois, a cifra era de 480 trilhões, cerca de cinquenta vezes maior. Em outubro de 2025, Sundar Pichai citou 1,3 quatrilhão, e em maio de 2026 disse 3,2 quatrilhões, quase sete vezes o número de 2025. Críticos observam que esses totais medem o trabalho feito pela infraestrutura do Google e não o número de pessoas atendidas, e que o ritmo de aumento desacelerou no verão de 2025. Mesmo com essas cautelas, a direção é clara. No mesmo período, o preço de atingir um dado nível de capacidade caiu dezenas de vezes por ano, segundo as estimativas da Epoch AI. Os preços caíram muito, e o volume subiu mais depressa.

Para quem precisa orçar IA, a lição é que o preço unitário é o número menos importante. A fatura é preço vezes quantidade, e a quantidade responde ao preço, à capacidade e ao projeto. Um plano construído com uma tabela de preços e uma projeção de uso estática tende a errar, e a errar na direção indesejada.

A aritmética da elasticidade

Os economistas descrevem a resposta da quantidade ao preço como elasticidade. Se a demanda tem elasticidade constante ε, um preço que cai por um fator f eleva a quantidade a f elevado a ε, e o gasto total muda por f elevado a ε menos 1. Quando ε é maior que 1, um corte de preço eleva o gasto. Quando é menor que 1, o gasto cai. Exatamente em 1, o gasto não muda.

Um exemplo com números redondos. Um recurso trata 1 milhão de requisições por mês a US$ 0,02 cada, ou US$ 20.000. Um modelo novo ou um roteador reduz o custo por requisição dez vezes, para US$ 0,002. Se a elasticidade é 0,5, o volume sobe para cerca de 3,2 milhões, e o gasto cai para US$ 6.300. Com 0,7, o volume chega a 5 milhões e o gasto cai pela metade, para US$ 10.000. A elasticidade unitária leva o volume a 10 milhões e deixa o gasto em US$ 20.000. Um valor de 1,5 leva o volume a 31,6 milhões e o gasto a US$ 63.000, mais que o triplo, enquanto 2,0 traria 100 milhões de requisições e uma fatura de US$ 200.000. O mesmo corte de preço entrega economia num cenário e uma fatura dez vezes maior em outro.

A elasticidade é uma propriedade do caso de uso. Tende a ser alta onde o preço é o que impede a tarefa de ser feita, e a oferta de tarefas é grande: classificar todo documento que chega em vez de uma amostra, resumir toda reunião, verificar toda transação, redigir uma mensagem personalizada para cada cliente. Cada uma dessas tem um preço abaixo do qual vale a pena fazê-la para todos os itens, e acima do qual só para alguns. Tende a ser baixa onde o volume é limitado por outra coisa, como o número de clientes que uma equipe consegue atender ou o número de declarações regulatórias devidas.

Quatro jeitos de o consumo ultrapassar o preço

Vários mecanismos empurram o volume para cima mais depressa do que o preço cai, e vale separá-los.

O primeiro é o de casos de uso novos que cruzam um limiar de viabilidade. Uma tarefa que custa US$ 0,50 por item vale a pena para itens de alto valor e não para os demais. A US$ 0,005, vale para tudo. O mercado da atividade não cresce cem vezes; cresce o conjunto de itens para os quais ela faz sentido.

O segundo é o aumento dos tokens por tarefa. Os modelos de raciocínio geram longas cadeias internas antes de responder, e esses tokens são cobrados como saída. Agentes percorrem ferramentas em laço e revisam. O relato da Anthropic sobre seu sistema de pesquisa informa que agentes usam cerca de quatro vezes os tokens de um chat, e sistemas multiagentes cerca de quinze vezes. Um preço por token que cai pela metade pode ser engolido por uma tarefa que usa dez vezes mais tokens.

O terceiro é o contexto mais longo. Recuperação, memória, prompts de sistema e histórico de conversa são reenviados a cada chamada. Uma requisição que antes levava uns dois mil tokens pode levar dezenas de milhares, porque os modelos conseguem usá-los e a equipe de produto consegue pagá-los.

O quarto é o uso ambiente. Quando uma capacidade fica barata, ela é acrescentada em toda parte: todo e-mail ganha um resumo, todo chamado uma resposta sugerida, todo documento uma etiqueta. Cada uma é uma chamada pequena, e o número delas é grande.

Uma fatura que sobe enquanto os preços caem

Eis um assistente de suporte inventado, acompanhado por três anos. No primeiro ano, ele atende metade dos 2 milhões de chamados anuais da empresa, com uma única chamada de cerca de 4.000 tokens por chamado a uma média de US$ 5 por milhão de tokens, o que dá US$ 0,02 por chamado e US$ 20.000 para 1 milhão de chamados. No segundo ano, a equipe passa a um modelo mais barato, a US$ 2 por milhão de tokens, um corte de 60%. Também acrescenta recuperação sobre a base de conhecimento e históricos mais longos, de modo que cada chamado passa a usar 12.000 tokens, e estende a cobertura aos 2 milhões de chamados. A fatura é 2 milhões × 12.000 × US$ 2 por milhão, ou US$ 48.000. No terceiro ano, o preço cai para US$ 1 por milhão. A equipe acrescenta um agente que consulta pedidos e redige reembolsos, usando 40.000 tokens por chamado, e abre os canais de e-mail e chat, o que leva o volume a 3 milhões de chamados. A fatura é 3 milhões × 40.000 × US$ 1 por milhão, ou US$ 120.000.

Ano	Preço por milhão de tokens	Tokens por chamado	Chamados	Fatura anual
1	US$ 5	4.000	1 milhão	US$ 20.000
2	US$ 2	12.000	2 milhões	US$ 48.000
3	US$ 1	40.000	3 milhões	US$ 120.000

O preço por token caiu cinco vezes, e a fatura subiu seis. Os fatores se multiplicam: os tokens por chamado cresceram dez vezes, os chamados triplicaram e o preço caiu a um quinto, o que dá 10 × 3 × 0,2 = 6. O custo por chamado dobrou, de US$ 0,02 para US$ 0,04, e se isso é uma boa notícia depende do que o chamado recebe. Se o assistente agora resolve 70% dos casos do início ao fim, onde antes redigia sugestões que os atendentes reescreviam, a economia melhorou enquanto a fatura crescia. O sentido de decompor a fatura em preço, intensidade e volume é ver qual fator se moveu e julgar se cada um foi uma decisão que alguém tomou.

O teto também se move

A queda de preços que a Epoch mede vale para um nível fixo de capacidade. Uma empresa que quer o melhor modelo disponível enfrenta outra série, porque surgem novas faixas no topo. A tabela de preços da Anthropic em outubro de 2026 mostra o antigo carro-chefe Opus 4.1 a US$ 15 por milhão de tokens de entrada e US$ 75 por milhão de saída, hoje aposentado exceto em certas plataformas de nuvem, o atual Opus 5.5 a US$ 4 e US$ 20, e uma faixa acima dele, o Fable 5.1, a US$ 10 e US$ 50. Um comprador que se manteve no mesmo nível de capacidade pagou muito menos nesse período. Um comprador que sempre comprou o topo da linha viu o preço do topo subir. Qual série se aplica a um dado produto depende de ele precisar da fronteira ou poder usar o que a fronteira fazia um ano atrás, e a resposta é uma escolha de projeto que pertence ao orçamento.

Os totais do setor contam a mesma história do lado do fornecedor. A Menlo Ventures estimou, numa pesquisa noticiada em meados de 2025, que o gasto corporativo com APIs de LLM subiu de cerca de US$ 3,5 bilhões em novembro de 2024 para US$ 8,4 bilhões em meados de 2025, num período em que os preços de modelos comparáveis caíam. A estimativa vem de uma pesquisa e tem os limites habituais, e é coerente com um volume crescendo mais depressa que as quedas de preço.

Onde o paradoxo não se aplica

A observação de Jevons não é uma lei da natureza. Economistas da energia que estudam o efeito rebote costumam constatar que ganhos de eficiência num dado uso, como aquecimento residencial ou direção, são em parte compensados pelo aumento do uso e raramente mais que compensados. O retrocesso total, em que o consumo total sobe, é um caso especial que ocorre quando a demanda é muito sensível e o recurso é um insumo de uso geral. A inferência de IA parece caber no padrão, já que é de uso geral e a demanda por tarefas cognitivas parece muito elástica até agora, mas aplicações individuais diferirão.

Dentro de uma empresa, a dinâmica é outra ainda. Quando funcionários usam uma ferramenta sob licença fixa, não veem preço algum, e a demanda é limitada por atenção e fluxo de trabalho, não por custo. O uso então cresce com a capacidade e a adoção. O preço por assento do fornecedor é fixo, mas o custo do fornecedor por assento não é, como mostram os usuários mais intensos de recursos agênticos. Isso produz um problema de precificação para quem vende e um problema de medição para quem compra, e os dois levam ao mesmo remédio.

O que isso significa para o planejamento

Várias práticas decorrem da aritmética.

Oriente o orçamento por fluxos de trabalho e volumes. Para cada caso de uso, estime o número de unidades de trabalho por mês, os tokens por unidade no projeto atual e o preço por token, e trate os três como variáveis. Depois rode os cenários: volume 3 vezes maior, 10 vezes maior, tokens por unidade 4 vezes maiores porque alguém acrescentou um agente. Um orçamento que não consegue absorver o segundo cenário não é um orçamento.

Meça o custo onde ele é incorrido. Etiquete cada chamada com a funcionalidade, o cliente e, quando possível, o desfecho a que serviu. Custo por chamado resolvido, por sinistro processado ou por documento redigido é um número sobre o qual um dono de negócio consegue raciocinar. Custo por milhão de tokens não é. Defina alertas para o custo por unidade além do gasto total, porque a alta de cada um tem uma causa diferente.

Ponha limites onde o uso é aberto. Limites de taxa, cotas por usuário, tetos de passos para agentes e tetos de gasto por tarefa transformam um passivo ilimitado num limitado. Projete a alternativa: quando um teto é atingido, o sistema degrada para um modelo mais barato ou uma resposta mais curta em vez de falhar.

Gaste as economias de propósito. Uma queda de preço pode ser tomada como economia ou reinvestida em capacidade, como um modelo mais forte pelo mesmo custo ou mais cobertura da carga de trabalho. Faça essa escolha de forma explícita. Empresas que embolsam toda economia podem descobrir que seus concorrentes gastaram a deles num produto melhor.

Negocie contratos para um mercado em queda. Descontos por compromisso de gasto faziam sentido quando os preços eram estáveis. Quando o preço de uma dada capacidade pode cair pela metade em um ano, um compromisso de dois anos à taxa de hoje pode travar um preço acima do mercado. Prefira prazos mais curtos, cláusulas de proteção de preço que acompanhem para baixo as tabelas do fornecedor e flexibilidade para mover volume para um modelo mais novo.

O gasto com IA costuma não ser trabalho de ninguém. A equipe de engenharia vê uma linha na fatura da nuvem, as finanças veem um fornecedor e os donos de produto veem funcionalidades. Dê um dono à fatura, em geral um líder de produto ou de plataforma com um parceiro de finanças, e um ritual mensal: revisar o custo por unidade por funcionalidade, compará-lo com a previsão e explicar toda variação acima de um limite definido. Inclua detecção de anomalias, porque as falhas mais caras são acidentes. Um agente preso num laço de novas tentativas, um prompt que inclui por engano uma tabela inteira de banco de dados ou um job em lote disparado duas vezes podem queimar o orçamento de um mês numa tarde, e um teto de gasto rígido por tarefa e por dia transforma tal acidente num relatório de incidente em vez de numa surpresa na fatura.

Estimando a sua própria elasticidade

A elasticidade pode ser estimada a partir dos seus próprios dados. Onde um produto mudou seu custo efetivo por requisição, por uma troca de modelo, um roteador ou uma mudança de cache, compare o volume antes e depois, controlando sazonalidade e quaisquer outras mudanças. Uma relação log-log aproximada ao longo de alguns períodos dá uma primeira estimativa. Onde não existe esse histórico, rode um piloto com configurações padrão diferentes entre equipes ou coortes. O resultado é informativo mesmo que impreciso, porque a decisão que ele sustenta é grosseira: planejar para uma fatura que cai, fica estável ou cresce à medida que os preços caem.

Um hábito de planejamento

Acrescente uma linha a todo caso de negócio de IA: o que acontece com o custo total se o custo unitário cair 10 vezes? Se a resposta for "a fatura cai", declare a premissa de volume que a torna verdadeira. Se for "a fatura sobe", diga se o valor criado sobe mais depressa. Um caso que tem essa linha demonstra que seus autores pensaram no comportamento do cliente além da tabela de preços do fornecedor.

Fontes

1. Jevons, W. S. (1865). The Coal Question: An Inquiry Concerning the Progress of the Nation, and the Probable Exhaustion of Our Coal-Mines. Macmillan.
2. Nadella, S. (27 de janeiro de 2025). Publicação sobre o paradoxo de Jevons após o lançamento do DeepSeek R1, conforme noticiado pela Fortune, GeekWire e NPR Planet Money.
3. Google I/O 2025 e I/O 2026, e evento Google Cloud (outubro de 2025): volumes mensais de tokens noticiados de 9,7 trilhões (maio de 2024), 480 trilhões (maio de 2025), 1,3 quatrilhão (outubro de 2025) e 3,2 quatrilhões (maio de 2026), conforme noticiado pela imprensa especializada, com ressalvas da The Decoder e de outros sobre a interpretação da métrica.
4. Epoch AI. LLM inference price trends. epoch.ai/data-insights/llm-inference-price-trends.
5. Anthropic (junho de 2025). How we built our multi-agent research system. anthropic.com/engineering/multi-agent-research-system.
6. Sorrell, S. (2007). The Rebound Effect: an assessment of the evidence for economy-wide energy savings from improved energy efficiency. UK Energy Research Centre.
7. Cenários ilustrativos de elasticidade: um milhão de requisições por mês a US$ 0,02, corte de preço de dez vezes, demanda de elasticidade constante, conforme declarado no texto.
8. Menlo Ventures (julho de 2025). 2025 Mid-Year LLM Market Update, conforme noticiado pela BigDATAwire e pela TechCrunch.
9. Anthropic. Pricing, documentação para desenvolvedores do Claude (preços de tabela em outubro de 2026). platform.claude.com/docs/en/about-claude/pricing.
10. Fatura ilustrativa de um assistente de suporte: preços, tokens por chamado e volumes declarados no texto.