Mesmo Preço Por Token, 2,32x a Conta: o Upgrade de Modelo que Ninguém Aprovou

Um desenvolvedor separou duas janelas de 14 dias dos próprios logs do Codex, removeu duplicatas e comparou. Primeira janela, GPT-5.5 xhigh: 1.667 sessões, 12,17 bilhões de tokens, 7,30 milhões de tokens por sessão. Segunda janela, GPT-5.6 Sol xhigh: 1.715 sessões, 28,22 bilhões de tokens, 16,45 milhões de tokens por sessão. A contagem de sessões subiu 2,9 por cento. Os tokens por sessão subiram 125 por cento. O uso total ficou em 2,32x.

Os preços publicados por token dos dois modelos são idênticos. Ninguém anunciou aumento, porque não houve aumento.

Essa medição é de Vincent Schmalbach, desenvolvedor independente, feita sobre os próprios logs em três assinaturas. Um operador, um fluxo de trabalho, uma máquina. O múltiplo específico é dele, e vale tratá-lo assim. O que se transfere é o método, e o método é constrangedoramente simples: mantenha o tamanho da janela constante, mantenha o fluxo constante, divida tokens por sessões.

O denominador se mexeu com a tabela de preços congelada

Boa parte da governança de custo de IA vigia o lado errado da multiplicação. Preço por milhão de tokens é publicado, versionado e fácil de colocar numa planilha. Tokens consumidos por unidade de trabalho fica sem publicação, sem versão e muda toda vez que o provedor rotaciona qual modelo fica atrás do rótulo de um tier.

As janelas de Schmalbach pegaram exatamente essa rotação. GPT-5.6 Sol virou o modelo topo de xhigh, o rótulo continuou o mesmo, o preço continuou o mesmo, e a profundidade de raciocínio atrás do rótulo praticamente dobrou. Nas palavras dele: “Ao mesmo preço por token, 2,25x os tokens significa aproximadamente 2,25x o custo para uma mistura de tokens semelhante.”

Existe um segundo efeito que uma revisão de tabela de preços deixa passar inteiro. O GPT-5.6 Sol acrescenta uma cobrança de escrita de cache que o GPT-5.5 não tinha. Isso é uma nova dimensão de cobrança, e nenhuma tarifa mudou. Um processo financeiro que compara o preço publicado de cada modelo com o preço publicado do trimestre anterior vai reportar estabilidade duas vezes seguidas enquanto a fatura sobe.

A consequência operacional no caso dele foi direta: três assinaturas que sobreviviam cerca de uma semana de trabalho extremo agora se esgotam em aproximadamente um dia de trabalho médio.

O upgrade que ninguém assinou

Gestão de mudança para gasto de IA costuma pressupor uma decisão. Alguém escolhe o modelo, alguém aprova o orçamento, alguém é dono da linha. A rotação de modelo padrão contorna os três. O rótulo do tier é um ponteiro, e o provedor tem liberdade para reapontá-lo. Sua configuração de fluxo continua dizendo “xhigh”. Seu runtime já está executando outro perfil de custo.

É o mesmo formato de falha do agente que aprova os próprios excessos, tratado em aprovação de orçamento pelo agente, com a autoridade um nível acima. Lá, o agente decide continuar gastando. Aqui, o provedor decide quanto raciocínio a sua requisição inalterada compra. Nos dois casos, o humano dono do orçamento fica fora do circuito no momento em que o custo é determinado.

Correção de compras resolve pouco aqui. Ninguém negocia a saída de um denominador que não mede.

A guerra de preços torna isso menos visível

Agosto de 2026 foi um mês barulhento em precificação de IA. A Contrary Research documentou a OpenAI cortando o Terra em 20 por cento, para US$ 2 de entrada e US$ 12 de saída por milhão de tokens, e o Luna em 80 por cento, para US$ 0,20 de entrada e US$ 1,20 de saída, cerca de três semanas após o lançamento. A Anthropic lançou o Claude Opus 5 pela metade do preço do Fable 5, com desempenho comparável em código. O Google precificou o Gemini 3.6 Flash abaixo do Kimi K3 por tarefa.

O preço do Sol ficou intocado. Esse detalhe se perde com facilidade num resumo de cortes, e é o que importa para quem roda as cargas mais pesadas no tier de topo. A manchete diz que os preços estão despencando. A fatura de um fluxo agêntico intensivo em raciocínio diz outra coisa, porque os cortes caíram sobre modelos que esse fluxo nem usa, enquanto o modelo que ele usa passou a consumir o dobro de tokens para o mesmo trabalho.

A Contrary também reporta que aproximadamente 95 por cento do uso corporativo de IA continua rodando em modelos de fronteira. Se isso se mantiver, a maioria das organizações capturou quase nada desses cortes. Elas ficaram no tier de fronteira, onde o preço não se mexeu e o consumo sim.

Instrumente a razão que o fornecedor não publica

Custo por tarefa concluída é a unidade governável certa, e defendemos isso em a inversão de margem. O que a medição de Schmalbach acrescenta é a proxy utilizável mais barata quando instrumentar conclusão de tarefa é difícil: tokens por sessão, comparados entre duas janelas de mesma duração.

Quatro propriedades fazem isso funcionar.

Janelas de mesmo tamanho tiram sazonalidade e ritmo de sprint da comparação. A deduplicação tira logs contados em dobro, que de outro modo inflam a janela mais recente porque retentativas parecem trabalho. Manter o fluxo constante faz uma mudança na razão apontar para o modelo, em vez de apontar para o usuário. E reportar a contagem de sessões ao lado da razão prova que a diferença veio de profundidade em vez de volume, que é exatamente o que 2,9 por cento mais sessões e 125 por cento mais tokens por sessão demonstram.

Nada disso depende de cooperação do fornecedor. Os logs já estão do seu lado da fronteira.

O gatilho para rodar de novo é qualquer troca de modelo, incluindo as que você não iniciou. O anúncio de que um novo modelo virou o padrão de um tier é um evento orçamentário. Trate como migração de schema: meça antes, meça depois, guarde os dois números.

Adotar o 2,25x de Schmalbach como sua cifra de planejamento repetiria um erro sobre o qual já escrevemos em limiares emprestados. O fluxo dele é dele. Rode as mesmas duas janelas nos seus logs e você terá o seu múltiplo, que pode ser 1,1x ou pode ser 3x, dependendo de quanto do seu trabalho vive em raciocínio profundo.

Roteamento é a alavanca, medição é o gatilho

Com a razão instrumentada, o roteamento de modelos em runtime vira algo governável de fato. Um tier que dobrou o consumo de tokens para uma classe de tarefas que nunca precisou de raciocínio profundo é uma decisão de roteamento esperando para ser tomada. Sem a razão, roteamento vira palpite vestido de otimização.

O inverso também vale. Se o modelo mais profundo conclui tarefas em menos sessões ou com menos retentativas, 2,25x os tokens ainda pode ser o caminho mais barato por tarefa concluída. Essa é uma possibilidade real, e a medição é o que resolve. Schmalbach reportou consumo de tokens, sem taxas de sucesso por tarefa, então os dados dele não respondem a essa pergunta, e nenhuma planilha responde antes de medir os dois lados.

Faça isto agora

Puxe os últimos 28 dias dos logs do seu runtime de IA e divida em duas metades de 14 dias. Remova duplicatas. Divida o total de tokens pela contagem de sessões em cada metade. Se a razão se moveu mais de 20 por cento, descubra qual modelo servia aquele tier em cada janela e verifique se alguma nova dimensão de cobrança apareceu junto. Depois registre a razão de hoje como linha de base, com o modelo por trás dela nomeado de forma explícita, e meça de novo no dia em que o provedor rotacionar o padrão. A tabela de preços vai continuar dizendo que nada mudou. Seu próprio denominador é a única coisa capaz de avisar quando mudou.

Fontes

Vincent Schmalbach. “GPT-5.6 Sol xhigh Uses Twice the Tokens of GPT-5.5 xhigh.” Agosto de 2026. (Medição de um único operador sobre os próprios logs, sem valor de estudo populacional.)
Contrary Research. “The Frontier AI Price Wars Continue.” Agosto de 2026. (Autoria institucional, sem assinatura individual; cifras apresentadas conforme reportado.)

A Victorino ajuda times a instrumentar tokens por unidade de trabalho e a refazer a linha de base a cada troca de modelo, para que uma rotação silenciosa de padrão apareça como medição em vez de fatura: contato@victorino.com.br | www.victorino.com.br