O que são Tokens em IA e por que Afetam o Custo das APIs
Se você usa APIs de modelos de linguagem como GPT-4, Claude ou Gemini, já deve ter visto cobranças por "tokens". Mas o que exatamente é um token, por que textos em português custam mais que em inglês e como otimizar seus prompts para economizar?
Publicado em 16 de outubro de 2026 · Leitura: ~6 minutos
O que é um token?
Um token é a unidade básica que os modelos de linguagem usam para processar texto. Não é exatamente uma palavra nem um caractere — é algo intermediário, determinado por um algoritmo chamado tokenizador (tokenizer).
Na prática, tokens frequentemente correspondem a:
- Palavras comuns em inglês: "the", "cat", "run" → cada uma é 1 token
- Subpalavras: "tokenization" → pode ser "token" + "ization" → 2 tokens
- Pontuação: vírgulas, pontos, aspas → geralmente 1 token cada
- Espaços: geralmente fazem parte do token seguinte
O tokenizador mais comum hoje é o cl100k_base, usado pelo GPT-4, GPT-4o, GPT-3.5 e compatível com Claude. Ele tem um vocabulário de 100.256 tokens.
Por que o português gera mais tokens que o inglês?
Esta é uma das implicações mais importantes para usuários brasileiros: textos em português consomem entre 30% e 80% mais tokens do que o equivalente em inglês. O motivo é que os tokenizadores foram treinados majoritariamente em textos em inglês, então as palavras inglesas são "conhecidas" e viram tokens únicos. Palavras portuguesas menos frequentes são decompostas em subpalavras.
Palavras longas com acentos, palavras compostas e termos técnicos em português são especialmente afetados. "Internacionalização" pode gerar 5 ou 6 tokens, enquanto o equivalente "internationalization" em inglês gera 4.
Como os tokens afetam o custo
As APIs de modelos de linguagem cobram separadamente pelos tokens de entrada (seu prompt + contexto) e de saída (a resposta gerada). A saída costuma ser 3 a 5 vezes mais cara que a entrada.
| Modelo | Entrada / 1M tok | Saída / 1M tok | Contexto |
|---|---|---|---|
| GPT-4o | $2,50 | $10,00 | 128k |
| GPT-4o mini | $0,15 | $0,60 | 128k |
| Claude Opus 5.5 | $15,00 | $75,00 | 200k |
| Claude Sonnet 5 | $3,00 | $15,00 | 200k |
| Claude Haiku 4.5 | $0,80 | $4,00 | 200k |
| Gemini 1.5 Pro | $1,25 | $5,00 | 2M |
Preços em USD por 1 milhão de tokens. Referência: outubro de 2026. Verifique os preços atuais nas páginas oficiais de cada provedor.
Para ter uma ideia prática: 1 página de texto (~500 palavras em inglês) equivale a aproximadamente 750 tokens. A mesma página em português pode ter 900 a 1.100 tokens.
Como reduzir o consumo de tokens
Para quem desenvolve aplicações com APIs de IA, otimizar tokens é reduzir custos diretamente. Algumas estratégias eficazes:
1. Prompts concisos
Evite instruções redundantes. "Por favor, se puder, poderia me dizer qual é a capital do Brasil?" usa muito mais tokens que "Capital do Brasil?" — e gera a mesma resposta.
2. Compressão de contexto
Em conversas longas, resuma o histórico em vez de enviar todas as mensagens anteriores. Um resumo de 200 tokens pode substituir 2.000 tokens de histórico.
3. Escolha o modelo certo
Para tarefas simples (classificação, extração de dados, resumos curtos), modelos menores como GPT-4o mini ou Claude Haiku custam 10 a 20 vezes menos e têm performance comparável.
4. Limite o max_tokens de saída
Defina um limite máximo de tokens na resposta condizente com o que você precisa. Se quer uma classificação de sentimento, não precisa de mais de 50 tokens de saída.
5. Cache de prompts
Claude e GPT oferecem desconto de 50-90% para partes do prompt que não mudam entre chamadas (system prompt, documentos de contexto). Estruture seu prompt para maximizar as partes cacheáveis.
Janela de contexto: o limite que importa
Além do custo, cada modelo tem um limite de contexto — o número máximo de tokens que pode processar em uma única chamada (entrada + saída somados). Modelos como Claude têm janela de 200.000 tokens (equivalente a ~150 páginas de texto); o Gemini 1.5 Pro chega a 2 milhões de tokens.
Para aplicações que precisam processar documentos longos, contratos, livros ou bases de código inteiras, a janela de contexto é tão importante quanto o preço. Ultrapassar o limite resulta em erro — o modelo simplesmente não consegue processar o texto.
Conte os tokens do seu texto
Nossa calculadora usa o tokenizador cl100k_base do GPT-4 para contar tokens em tempo real, com custo estimado por modelo e proporção tokens/palavras.
Ir para o Contador de Tokens →Fontes: OpenAI — "Tokenizer" documentation; Anthropic — "Models overview" and "Token counting" documentation; Google DeepMind — Gemini technical report; Vaswani et al. (2017) "Attention is All You Need"; Sennrich et al. (2016) "Neural Machine Translation of Rare Words with Subword Units" (BPE algorithm).