Os Dois Botões do Custo de IA: a Datadog Precificou a Troca, a OpenRouter Mediu a Demanda

O time de engenharia da Datadog publicou em agosto de 2026 o extrato por trás de mais de US$ 1 milhão por mês em economia de custos de IA. A maior linha individual veio de uma única decisão: trocar o modelo padrão de Opus 4.8 para Sonnet 4.6, uma mudança que eles descrevem como “uma perda de 8% de proficiência na execução dos workflows da Datadog, reduzindo os custos de IA em 36,7%”, medida em mais de 140 avaliações internas. Essa troca governada vale mais de US$ 687 mil por mês.

O segundo dado da mesma semana vem do lado da demanda. A OpenRouter analisou o programa de descontos da OpenAI entre 27 de julho e 14 de agosto e encontrou que o uso diário de tokens do Luna cresceu 13,8x e o do Terra 5,6x durante a promoção, enquanto o Sol, sem desconto, cresceu 1,11x. Tokens mais baratos produziram muito mais consumo, o padrão que leva o nome de Jevons.

Junte os dois e você tem o quadro completo que falta na maioria das conversas de orçamento de IA. Sua conta tem um lado de oferta e um lado de demanda, e o time financeiro controla nenhum dos dois esperando. Preço caindo cresce o uso. Capacidade subindo cresce o uso. A única alavanca que move a conta na direção escolhida é uma troca governada, precificada com evidência e assinada como decisão.

A troca que a Datadog fez de fato

Cobrimos o roadmap de produto de governança da Datadog quando foi anunciado. Este texto trata de outra coisa: o extrato interno de dogfood, o mesmo gênero de evidência que examinamos quando a Cloudflare reconstruiu seu stack sobre as próprias primitivas. Números internos de um fornecedor carregam interesse de fornecedor, e a Datadog escreve abertamente sobre os próprios produtos aqui, Cloud Cost Management e Workflow Automation entre eles. Leia os números com essa bandeira levantada. Ainda assim, é o detalhamento por mecanismo mais granular que eu já vi publicado sobre gasto com IA.

A troca de Opus para Sonnet merece atenção pela estrutura, além do tamanho. A Datadog recorreu a limite bruto nenhum. Rodou o modelo candidato em mais de 140 avaliações internas, quantificou o custo de capacidade em 8%, quantificou a economia em 36,7% e aceitou a troca explicitamente. A saída do processo é uma frase que um CFO e um CTO conseguem assinar juntos: abrimos mão de tanta proficiência por tanto dinheiro.

Compare com a versão dessa conversa que eu mais encontro. A escolha de modelo é um default que alguém colocou num arquivo de configuração tempos atrás. Ninguém consegue dizer o que o modelo mais forte compra, porque ninguém mediu proficiência nas tarefas dos próprios workflows. A conversa então desaba em reflexos de compras: negociar o contrato, limitar tokens, torcer pelo próximo corte de preço. Nenhum desses movimentos altera a razão capacidade por dólar, porque nenhum deles mede capacidade.

O resto do extrato da Datadog segue o mesmo padrão em escala menor:

• Reduzir o esforço padrão do Claude Code CLI de alto para médio: mais de US$ 288 mil por mês.
• Alertas de custo que avisam o engenheiro quando o próprio gasto dispara: 768 usuários distintos acionaram o alerta, e o gasto caiu mais de US$ 150 mil na primeira semana. Cuidado com as unidades ao comparar: esse é um número de 7 dias ao lado de números mensais.
• Headroom, a camada de otimização de contexto: custo por usuário caiu 27,0% (de US$ 156,70 para US$ 114,40), tokens de entrada caíram 39,3%, tokens de saída caíram 35,7%, validado em teste A/B com mais de 1.000 engenheiros por uma semana.

Cada linha tem a mesma anatomia. Um mecanismo, uma medição, um número que alguém pode auditar. As evals sustentam tudo: sem elas, a troca de Opus para Sonnet é uma aposta na qualidade, a mudança de esforço é um chute e o Headroom é uma caixa-preta. Com elas, cada item vira uma decisão precificada.

O botão que você controla nada

Os dados da OpenRouter explicam por que nada disso acontece sozinho. Durante a janela de descontos, a fatia combinada de Terra e Luna no tráfego da OpenRouter foi de 0,7% para 7,8%, e 5,3 desses 7,1 pontos percentuais saíram da fatia de concorrentes. O uso expandiu além de migrar. Um salto de 13,8x em tokens diários sob desconto é uma curva de demanda falando claro.

As ressalvas importam, e a própria OpenRouter lista várias. A janela de observação pós-programa tem só 6 dias contra um programa de 19 dias, e eles avisam que a história ainda pode mudar. Em 30 de julho, a OpenAI cortou o preço de tabela por cima do desconto de 50% do programa, o que levou o desconto efetivo a cerca de 90% no Luna e cerca de 60% no Terra, então a elasticidade foi medida contra uma queda de preço bem maior do que a manchete sugere. Os números de retenção (cerca de 32% dos mais de 100 mil clientes participantes seguiram usando os modelos depois, 18% no ritmo do programa ou acima) contam clientes, e uma visão ponderada por tokens poderia parecer bem diferente. E o tráfego da OpenRouter é uma janela sobre os usuários de um roteador, longe de um censo do uso corporativo de IA.

Mesmo com todas essas ressalvas, a direção é inequívoca, e bate com o que encontramos em a conta oculta de tokens e em a conta que dobrou com o preço parado: preço por token e gasto total se movem de forma independente, muitas vezes em direções opostas. Quando o preço de uma unidade de trabalho de IA cai, os times encontram mais trabalho que vale a pena ao novo preço. Ótimo para a produção. Fatal para qualquer plano de custo construído sobre a premissa de que cortes de preço do fornecedor vão escorrer para a última linha.

Dois botões, um console

Um CFO olhando para a linha de IA no orçamento tem exatamente dois botões que respondem quando girados.

O primeiro é o botão de capacidade por custo, e ele só existe se você tem evals. A Datadog pôde aceitar 8% por 36,7% porque conseguia medir os 8%. Uma organização sem avaliações em nível de tarefa sobre os próprios workflows nem enxerga esse botão, quanto mais gira. Cada default de modelo, cada configuração de esforço, cada otimização de contexto é uma troca de qualidade por dinheiro, e a troca acontece com ou sem alguém precificando. Sem preço, ela deriva para onde os defaults do fornecedor apontarem.

O segundo é o botão de demanda, e ele gira por política, já que preço quem define é o fornecedor. Regras de roteamento que mandam tarefas simples para modelos baratos. Visibilidade por engenheiro que transforma gasto em algo sentido (o piloto de alertas da Datadog moveu seis dígitos em uma semana só com visibilidade). Defaults de esforço escolhidos de propósito. Os dados da OpenRouter mostram o que acontece quando esse botão fica parado durante uma queda de preço: o consumo expande até preencher o orçamento e continua.

Esperar é a estratégia que gira botão nenhum. Os preços vão continuar caindo e, se os dados de elasticidade generalizarem, sua conta vai ficar onde está ou crescer.

Faça isso agora

Escolha o workflow de IA com o maior gasto mensal. Monte ou empreste um conjunto de avaliação para ele, mesmo que sejam vinte tarefas representativas. Rode o modelo atual e o próximo modelo mais barato contra esse conjunto ainda esta semana. Depois escreva a frase que a Datadog escreveu: trocar nos custa X% de proficiência e economiza Y% do gasto. Se você consegue preencher o Y e o X fica em branco, esse é o achado. Significa que seu gasto com modelo é uma troca sem preço, e a curva de demanda é a única coisa no volante.

---

Fontes

• Datadog. “How Datadog saves over $1 million each month by optimizing AI usage.” Agosto de 2026.
• OpenRouter. “GPT 5.6 Discounts & Jevons Paradox.” Agosto de 2026.

A Victorino ajuda organizações de engenharia a construir a infraestrutura de evals que transforma gasto com IA de default sem preço em troca governada: contato@victorino.com.br | www.victorino.com.br