Estimar o custo de IA de um cliente

O custo de IA de um projeto é o que o provider (OpenAI ou OpenRouter) cobra pelos tokens que o agente usa. A Zatten não cobra nada sobre isso: a chave é da agência (BYOK) e a conta vai direto ao provider. A conta é simples:

custo por atendimento = tokens de entrada × preço de entrada + tokens de saída × preço de saída

O trabalho está em medir os tokens com conversas reais e em lembrar o que pesa na entrada. Este roteiro leva a um número por atendimento completo, que é como o cliente final entende custo. Como ordem de grandeza, um agente de orçamentos real em produção custa cerca de R$0,30 por atendimento completo.

Preços mudam. Nunca copie preço desta página nem de memória: busque na fonte (passo 2) e escreva a data e o câmbio junto do resultado.

O custo da Meta por mensagem é outra conta, separada da IA. Ver o fim da página.

Passo 1: medir os tokens de um atendimento

Use a fonte mais precisa que o projeto tiver, nesta ordem.

a) API de histórico (tokens reais por mensagem)

O histórico de mensagens traz os tokens que cada resposta da IA consumiu. É o caminho principal: dado real, do próprio projeto, sem depender de nada ligado.

Escolha 3 a 5 atendimentos completos e típicos (do primeiro “oi” ao fechamento ou à transferência). Peça os números ou ids à pessoa, ou tire da exportação de Contatos.
Puxe o histórico pela API, com a chave do cliente (A API do dia a dia):
curl -s "https://api.zatten.com/api/v1/messages/history?leadNumber=5511999998888&llm_format=false" \ -H "x-api-key: $ZATTEN_API_KEY"
Cada mensagem vem com from (LEAD, ATTENDANT, USER), type, message, created_at e os campos input_tokens e output_tokens. Para conversas encerradas, pegue o thread_id em GET /leads/{numero}/threads e passe thread_id na consulta.
Some input_tokens e output_tokens de todas as mensagens do atendimento. O total já inclui o que é reenviado a cada turno (prompt, tools, histórico).
Tire a média dos atendimentos escolhidos.

b) LangSmith (detalhe de cada chamada)

Com o LangSmith ligado, cada conversa aparece com os tokens de cada chamada ao modelo, separando tools e raciocínio, e o custo calculado. Use quando quiser saber onde os tokens vão (prompt grande? tool que devolve demais?). Ver Observabilidade com LangSmith.

c) Métricas do painel (média do projeto)

Em Métricas (/metrics), a tabela diária mostra Tokens Input, Tokens Output e Msgs IA (respostas da IA). Para um período:

tokens de entrada por resposta = Tokens Input ÷ Msgs IA
tokens de saída por resposta = Tokens Output ÷ Msgs IA

Multiplique pelo número de respostas da IA num atendimento típico. O card Gastos com IA (aproximado) fica zerado no LangChain Agent (só o motor antigo o preenche): não use. Ver Métricas.

d) Estimar pelo texto (projeto novo, sem conversas ainda)

Sem histórico para medir, estime:

Escreva 2 ou 3 conversas típicas do nicho (ou use as de um cliente parecido, citando de onde vieram).
Converta texto em tokens: cerca de 4 caracteres por token em português. Arredonde para cima.
Some o que vai em toda chamada ao modelo:
- o prompt do agente (langchain.config.instructions.system_prompt no get_template);
- as descrições e os schemas de todas as tools;
- o bloco de contexto do lead e o bloco “Agora” (algumas centenas de tokens).

Depois que o projeto tiver conversas reais, refaça a conta pelo item a.

O que pesa na entrada

A cada resposta, o modelo recebe de novo tudo: prompt, tools, contexto do lead e o histórico da conversa até ali. Por isso a entrada cresce a cada turno e costuma ser muitas vezes maior que a saída.

Turno k: entrada ≈ prompt + tools + contexto + histórico dos turnos anteriores
- mensagem nova.
Cada tool chamada é mais uma chamada ao modelo: reenviar tudo, mais o pedido da tool e o resultado.
Raciocínio (reasoning) é cobrado como saída, mesmo sem aparecer para o lead.
Cache de prompt: o começo repetido (prompt e tools) pode sair mais barato no provider. A conta sem cache é o teto.

Passo 2: buscar o preço do modelo

OpenRouter. A lista pública de modelos, em JSON, sem chave: https://openrouter.ai/api/v1/models. Em cada modelo, pricing.prompt (entrada) e pricing.completion (saída) estão em **US

por token**. Multiplique por 1.000.000 para ter US

por milhão. pricing.input_cache_read é a entrada lida do cache.

curl -s https://openrouter.ai/api/v1/models | jq -c '.data[]
  | select(.id=="openai/gpt-5-mini")
  | {id,
     entrada_por_milhao: ((.pricing.prompt|tonumber)*1000000),
     saida_por_milhao: ((.pricing.completion|tonumber)*1000000),
     modalidades: .architecture.input_modalities}'

OpenAI direta. Página de preços: https://developers.openai.com/api/docs/pricing (em US$ por milhão de tokens, entrada e saída). Anote a data da consulta.

Passo 3: custo por atendimento

custo (US$) = (tokens de entrada ÷ 1.000.000) × preço de entrada por milhão
            + (tokens de saída ÷ 1.000.000) × preço de saída por milhão

Passo 4: projeção mensal

custo do mês = custo por atendimento × atendimentos por mês

Pergunte à pessoa quantos atendimentos o cliente tem por mês, ou use Métricas. Atendimentos completos são diferentes de contatos: um contato pode voltar várias vezes no mês.

Passo 5: comparar 2 ou 3 modelos

Mesma conta de tokens, preços diferentes. Antes de recomendar o mais barato, confira:

Modalidades: o modelo entende áudio e imagem, se os leads mandam? (architecture.input_modalities no OpenRouter)
Tools: o modelo precisa aceitar tools. No OpenRouter, o painel só lista modelos que aceitam (supported_parameters com tools).
Raciocínio: modelos com raciocínio gastam mais saída.

Ver Escolher o modelo.

Passo 6: apresentar ao cliente

Fale em custo por atendimento e por mês, nunca em tokens. Mostre a data dos preços e o câmbio usado. Exemplo de frase:

“Com o modelo X, cada atendimento completo custa cerca de R $0,30 de IA. Para 1.000 atendimentos por mês, cerca de R$ 300. Preços do provider em 06/10/2026, câmbio de R $5,50 por US$ .”

Diga também que é uma estimativa, que o valor real aparece no painel do provider e nas Métricas, e que dá para reduzir trocando de modelo ou encurtando o prompt.

Exemplo resolvido

Exemplo ilustrativo. Os tokens são supostos, não medidos de um projeto real. Os preços foram lidos em https://openrouter.ai/api/v1/models em 06/10/2026. O câmbio de R $5,50 por US$ é ilustrativo. Refaça com dados reais e preços do dia.

O atendimento típico (suposto):

prompt + tools: 4.000 tokens; contexto do lead + “Agora”: 200 tokens;
10 mensagens do lead (30 tokens cada) e 10 respostas da IA (80 tokens cada);
2 tools chamadas no meio do atendimento (resultado de 300 tokens cada);
raciocínio: cerca de 150 tokens por chamada ao modelo (12 chamadas).

Tokens de entrada. Turno k = 4.000 + 200 + 30 + 110 × (k − 1).

10 turnos: 10 × 4.230 + 110 × (0 + 1 + … + 9) = 42.300 + 4.950 = 47.250
2 chamadas extras pelas tools: cerca de 5.000 cada = 10.000 (arredondado)
Total: cerca de 57.600 tokens de entrada

Tokens de saída. 10 × 80 (respostas) + 2 × 50 (pedidos de tool) = 900. Com raciocínio: 900 + 12 × 150 = 2.700. Sem raciocínio: 900. Preços em 06/10/2026 (US$ por milhão de tokens, OpenRouter):

Modelo	Entrada	Saída
`openai/gpt-5-mini`	0,25	2,00
`openai/gpt-4.1-mini`	0,40	1,60
`openai/gpt-5.4-mini`	0,75	4,50

Custo por atendimento:

Modelo	Entrada	Saída	Total (US$)	Total (R$, a 5,50)	1.000 atendimentos/mês
`gpt-5-mini` (com raciocínio)	57.600 × 0,25 / 1M = 0,0144	2.700 × 2,00 / 1M = 0,0054	0,0198	≈ R$0,11	≈ R$109
`gpt-4.1-mini` (sem raciocínio)	57.600 × 0,40 / 1M = 0,0230	900 × 1,60 / 1M = 0,0014	0,0245	≈ R$0,13	≈ R$135
`gpt-5.4-mini` (com raciocínio)	57.600 × 0,75 / 1M = 0,0432	2.700 × 4,50 / 1M = 0,0122	0,0554	≈ R$0,30	≈ R$304

Repare: a entrada é a maior parte do custo nos três, porque o prompt e as tools são reenviados em toda chamada. Cortar 1.000 tokens do prompt economiza mais que encurtar as respostas.

E o custo da Meta?

Na conexão oficial (Cloud API e coexistência), a Meta cobra por mensagem entregue, por categoria (marketing, utilidade, autenticação, serviço) e pelo país do lead. As mensagens de serviço (respostas dentro da janela de 24h) passaram a ser cobradas em 01/10/2026. Essa conta é da Meta, separada da IA e do plano da Zatten. Na conexão por QR Code não há cobrança da Meta por mensagem.

Preços da Meta: https://developers.facebook.com/documentation/business-messaging/whatsapp/pricing
Mensagens de serviço: https://developers.facebook.com/documentation/business-messaging/whatsapp/pricing/non-template-messages

As três contas juntas (Zatten, IA e Meta) estão em Quanto custa operar um projeto.

Armadilhas

Contar só a última resposta. Cada tool é uma chamada a mais ao modelo, com tudo reenviado. Ignorar as tools subestima o custo.
Esquecer o prompt e as tools. Não estão no histórico, mas vão em toda chamada.
Esquecer o raciocínio. É cobrado como saída.
Preço por token x por milhão. A API do OpenRouter dá US $**por token** (ex.: `0.00000025`); a página da OpenAI dá US$ por milhão.
Conversa atípica. Um atendimento muito longo ou muito curto distorce a média. Use 3 a 5 e tire a média.
Histórico limitado. A API devolve até o limite de histórico do projeto; uma conversa muito longa pode vir cortada.
Resumo e transcrição também custam. Se o agente resume conversas longas ou transcreve áudio, são chamadas a mais. Ver Conversas longas e Mídia.

Para saber mais

Quanto custa operar um projeto e Quanto cobrar do cliente final
Escolher o modelo, Providers: OpenAI e OpenRouter
Observabilidade com LangSmith, Métricas
Modelos do OpenRouter: https://openrouter.ai/models (JSON: https://openrouter.ai/api/v1/models)
Preços do OpenRouter: https://openrouter.ai/pricing
Cache de prompt no OpenRouter: https://openrouter.ai/docs/guides/best-practices/prompt-caching
Tokens de raciocínio no OpenRouter: https://openrouter.ai/docs/guides/best-practices/reasoning-tokens
Preços da OpenAI: https://developers.openai.com/api/docs/pricing
Cache de prompt na OpenAI: https://developers.openai.com/api/docs/guides/prompt-caching
Custos no LangSmith: https://docs.langchain.com/langsmith/cost-tracking
Câmbio oficial (Banco Central): https://www.bcb.gov.br/conversao
Termos para buscar: “custo por token”, “price per million tokens”, “prompt caching”, “reasoning tokens billing”, “WhatsApp pricing per message”.

Começar

MCP e template

No dia a dia

Referências

Estimar o custo de IA de um cliente

Passo 1: medir os tokens de um atendimento

a) API de histórico (tokens reais por mensagem)

b) LangSmith (detalhe de cada chamada)

c) Métricas do painel (média do projeto)

d) Estimar pelo texto (projeto novo, sem conversas ainda)

O que pesa na entrada

Passo 2: buscar o preço do modelo

Passo 3: custo por atendimento

Passo 4: projeção mensal

Passo 5: comparar 2 ou 3 modelos

Passo 6: apresentar ao cliente

Exemplo resolvido

E o custo da Meta?

Armadilhas

Para saber mais

​Passo 1: medir os tokens de um atendimento

​a) API de histórico (tokens reais por mensagem)

​b) LangSmith (detalhe de cada chamada)

​c) Métricas do painel (média do projeto)

​d) Estimar pelo texto (projeto novo, sem conversas ainda)

​O que pesa na entrada

​Passo 2: buscar o preço do modelo

​Passo 3: custo por atendimento

​Passo 4: projeção mensal

​Passo 5: comparar 2 ou 3 modelos

​Passo 6: apresentar ao cliente

​Exemplo resolvido

​E o custo da Meta?

​Armadilhas

​Para saber mais

Passo 1: medir os tokens de um atendimento

a) API de histórico (tokens reais por mensagem)

b) LangSmith (detalhe de cada chamada)

c) Métricas do painel (média do projeto)

d) Estimar pelo texto (projeto novo, sem conversas ainda)

O que pesa na entrada

Passo 2: buscar o preço do modelo

Passo 3: custo por atendimento

Passo 4: projeção mensal

Passo 5: comparar 2 ou 3 modelos

Passo 6: apresentar ao cliente

Exemplo resolvido

E o custo da Meta?

Armadilhas

Para saber mais