Como ler o gráfico de custo-benefício de modelos de IA

O problema

Eu sempre tive a mesma dúvida quando preciso escolher um modelo de Inteligência Artificial: qual deles entrega o melhor resultado gastando o mínimo possível? Essa não é uma dúvida por falta de dinheiro — é uma questão de eficiência. Se vou pagar pelo uso de uma API (que é a porta de entrada para usar a IA em outros programas), quero saber se estou pagando por inteligência de verdade ou apenas por propaganda. E a resposta quase nunca está no site da própria empresa, afinal, nenhuma marca vai destacar que é cara.

Em uma conversa recente, a pergunta inicial foi: “existe alguma plataforma que mostre o custo-benefício dos modelos de IA?”. A resposta rápida é o site Artificial Analysis (artificialanalysis.ai). A resposta completa é que saber interpretar aqueles dados é uma arte, e eu cometi um erro feio na minha primeira leitura.

O que o gráfico mostra

O site Artificial Analysis mostra um gráfico de quadrante interativo, que funciona como um mapa:

No eixo vertical (Y), fica o Quality Index (um índice que mede a qualidade da IA).
No eixo horizontal (X), fica o preço cobrado por cada 1 milhão de tokens (tokens são como pedacinhos de palavras que a IA processa para ler e responder).

Cada IA é representada por um ponto nesse gráfico. A área do canto inferior direito (alta qualidade com preço baixo) é onde fica o melhor custo-benefício. Já o canto superior esquerdo (qualidade máxima, mas preço muito alto) é onde ficam os modelos “de fronteira”, ou seja, os mais avançados do mercado.

A conclusão óbvia parece ser “escolha sempre o canto inferior direito”. Isso é verdade em partes. O problema é que o Quality Index não é uma nota simples e direta — ele é uma média calculada a partir de vários testes específicos (chamados de benchmarks), como se fosse o boletim escolar da IA em várias matérias:

GPQA / GPQA Diamond: perguntas difíceis de nível de doutorado em física, química e biologia.
SciCode / HumanEval / SWE-bench: capacidade da IA de escrever programas de computador e resolver problemas de engenharia de software.
MATH / AIME: resolução de problemas matemáticos complexos.
MMLU: testes de conhecimentos gerais.

O índice final é uma média ponderada desses testes. Se o seu objetivo é apenas criar códigos de programação, a nota do SWE-bench importa muito mais para você do que a de MATH. Se você trabalha com matemática, o MMLU e o GPQA são os mais importantes. Olhar apenas para a nota geral esconde o fato de que duas IAs com o mesmo Quality Index podem ser opostas: uma excelente em programação e péssima em matemática, e a outra o inverso.

A tabela de referência (meados de 2026)

Os preços são calculados a cada 1 milhão de tokens, divididos entre entrada (o texto que você envia para a IA, ou input) e saída (a resposta que a IA gera, ou output). Veja um resumo do mercado no momento em que analisei:

Modelo	Input (USD/1M)	Output (USD/1M)	Categoria
Claude Fable 5	10,00	50,00	Fronteira
GPT-5.6 Sol	5,00	30,00	Fronteira
Claude Opus 4.8	5,00	25,00	Fronteira
Gemini 3.1 Pro	1,25	5,00	Alto valor
GLM-4.7 (Zhipu)	0,60	2,20	Custo-benefício
DeepSeek V3	0,27	1,10	Baixo custo
GLM-4-Plus (Coding Plan)	assinatura	assinatura	Plano fixo

Esses valores mudam com o tempo, mas o mais importante é entender como analisar esses dados. Um modelo de fronteira chega a custar de 10 a 50 vezes mais por token do que um modelo de baixo custo. A pergunta sincera que devemos fazer é: ele entrega de 10 a 50 vezes mais qualidade? Segundo o Quality Index, a resposta é não — a categoria de fronteira entrega talvez 20% a mais de qualidade. O restante do preço cobrado paga por menor tempo de espera (latência), capacidade de ler textos mais longos (contexto) e confiabilidade em tarefas extensas.

O erro que cometi: o que é “GLM Max”

Foi aqui que cometi um erro que vale a pena registrar. Olhando o gráfico do Artificial Analysis, vi uma opção chamada “GLM-5.2 (max)”. De primeira, pensei: “se é max, deve ser um modelo gigante, com mais capacidade de processamento e mais caro”. Eu estava errado.

A palavra (max) não tem a ver com o tamanho físico ou a versão do modelo. Ela se refere ao nível de esforço de raciocínio configurado na hora de fazer o pedido para a IA via API. A empresa Zhipu criou no modelo GLM-5.2 um botão de ajuste para esse “esforço cognitivo”, muito parecido com a opção reasoning_effort que a OpenAI lançou na sua linha o1. Você pode chamar exatamente o mesmo modelo em três modos diferentes:

Low / Standard: a IA pensa menos, responde mais rápido e custa menos por token.
High: a IA faz mais raciocínio interno antes de responder, fica mais lenta e mais cara.
Max: a IA usa o nível máximo de reflexão, que é justamente o que aparece como “GLM-5.2 (max)” no gráfico.

Trata-se da mesma IA, com o mesmo “cérebro”. A única diferença é quanto tempo ela para para pensar antes de dar a resposta. A Zhipu cobra mais caro no modo Max porque esse pensamento interno extra consome mais poder dos computadores (servidores). A linha (max) no Artificial Analysis é simplesmente essa mesma IA rodando em seu esforço máximo.

Na prática, isso muda tudo. Eu posso usar o GLM-5.2 no meu dia a dia no modo “Standard”, que é rápido e barato, e só ativar o modo “Max” quando tiver tarefas realmente difíceis (como encontrar um erro sutil em um código, refazer uma estrutura complexa ou resolver matemática avançada). Não preciso trocar de IA para ter mais inteligência — basta mudar uma opção na chamada da API.

Como ajustar o esforço na prática

Na API da Zhipu, esse ajuste de esforço é feito enviando uma informação extra no texto da requisição:

curl https://open.bigmodel.cn/api/paas/v4/chat/completions \
  -H "Authorization: Bearer $ZHIPUAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.2",
    "thinking": {"type": "enabled", "effort": "max"},
    "messages": [{"role": "user", "content": "..."}]
  }'

O trecho "thinking" é o que ativa esse raciocínio aprofundado, e a opção effort pode ser alterada de low até max. No modo low, a IA pula a fase de reflexão e responde direto. No modo max, ela passa por uma etapa interna de raciocínio em cadeia antes de mostrar a resposta final.

O perigo é deixar tudo configurado em max por padrão. O custo por token sobe muito, o tempo de resposta aumenta bastante e, para 90% das tarefas do dia a dia (como escrever um texto, formatar um arquivo JSON ou explicar um conceito), o modo low ou standard entrega o mesmo resultado em uma fração de segundo. O esforço máximo só vale a pena quando pensar passo a passo realmente altera a qualidade da resposta.

Onde configurar isso nos meus agentes

A última dúvida do meu dia foi: “como eu configuro esse ajuste de esforço nos programas e assistentes que uso?”. Cada ferramenta tem o seu próprio caminho:

LiteLLM proxy: você ajusta o campo thinking no pedido que é repassado para a Zhipu, configurando isso direto no arquivo de texto YAML.
Kilo Code: a opção thinking precisa ser inserida dentro do bloco de parâmetros do modelo, no arquivo kilo.jsonc.
Claude-glm alias (ponte de conexão): como essa ponte faz o meio de campo entre sistemas, precisei alterar o código do tradutor para que ele não descartasse o comando thinking.
OpenCode / opencode CLI: ajusta-se através de uma variável nas configurações do provedor.

A grande lição é que mudar o esforço da IA não é um botão geral no sistema — é uma configuração enviada a cada mensagem, e o programa que você usa precisa saber enviar essa informação. Programas mais antigos (como versões antigas do LiteLLM ou pontes de integração caseiras) jogam esse campo fora. Ferramentas mais recentes conseguem repassar a configuração corretamente.

O que aprendi

A primeira lição é analisar bem os gráficos de dados antes de escolher uma IA. O site Artificial Analysis mostra dados reais, não opiniões. Antes de assinar qualquer plano pago, vale a pena cruzar o preço com o Quality Index e se perguntar: “será que essa IA 10 vezes mais cara é realmente 10 vezes melhor para o que eu preciso?”. Quase nunca é.

A segunda é que a palavra “max” nem sempre significa um modelo maior, mas sim mais esforço de pensamento. Esse foi o erro que mais me custou tempo. Eu achava que precisava trocar de modelo para ter respostas mais inteligentes, quando só precisava fazer o mesmo modelo pensar com mais calma. Mudar apenas um parâmetro de configuração trouxe mais ganho de qualidade do que trocar de IA.

E a terceira: notas gerais escondem especialidades. Dois modelos com um Quality Index parecido podem ter pontos fortes completamente opostos. Antes de escolher, analise a nota detalhada de cada teste (SWE-bench para programação, GPQA para raciocínio lógico, MATH para matemática) e escolha com base no que é importante para o seu trabalho. O verdadeiro custo-benefício só existe quando o ganho de qualidade acontece na área que você realmente precisa.