OpenAI x Anthropic: LLMs 80% mais baratos

O começo da queda

Preços de LLMs despencaram de um jeito que ninguém operando agentes esperava ver tão rápido. Entre junho e setembro de 2026, OpenAI e Anthropic cortaram input, output e principalmente cache read em até 80%. Para quem roda coding agent todo dia, isso não é notícia de mercado, é mudança direta no custo por tarefa, na margem do SaaS e na arquitetura que você escolhe para escalar.

Eu venho testando esses modelos em harnesses como Codex e Claude Code e a sensação é estranha. Está mais barato, está melhor, e mesmo assim dá um frio na barriga. Quando dois labs derrubam preço nessa velocidade sem cortar qualidade aparente, ou a eficiência de inferência deu um salto real ou estamos no meio de uma guerra de preços para prender desenvolvedor no ecossistema. Provavelmente são as duas coisas ao mesmo tempo.

O fato: o que aconteceu

Em 26 de junho a OpenAI lançou o GPT-5.6 Sol a 5 dólares de input e 30 de output por milhão de tokens, com cache a 0,50, e o Luna pequeno a 1 dólar de input e 6 de output. O Terra intermediário passou batido. Quatro dias depois a Anthropic respondeu com o Claude Sonnet 5 a 2 dólares de input e 10 de output, preço que era para ser temporário de lançamento e acabou virando permanente em agosto.

Em julho o jogo esquentou. A Anthropic lançou o Opus 5 a 5 de input e 25 de output, mirando recuperar o trono dos agentes de código que o Opus 4.5 tinha conquistado. Benchmarks até passaram o Fable 5 em alguns pontos, mas o feedback real foi misto. E então, no dia 30 de julho, a OpenAI fez um movimento esquisito: cortou o Luna em 80%, para 0,20 de input e 1,20 de output, com cache a 0,02. Ninguém corta 80% sem motivo forte.

Agosto foi morno, só com a OpenAI dando 20% de desconto temporário no Sol. Setembro foi a virada. A Anthropic lançou o Fable 5.1 a 10 de input e 50 de output, igual ao Fable 5, mas com cache read de 1 dólar para 0,25. Queda de 75% no cache. A OpenAI respondeu com o GPT-6 Astra na mesma faixa de 10 e 50, mas sem o desconto no cache. No dia 22, os dois atiraram juntos: GPT-6 Sol a 2 e 10, GPT-6 Luna a 0,10 e 0,50, e Claude Opus 5.5 a 4 e 20 com cache a 0,20. Uma semana depois, como o GPT-6 Sol veio fraco, saiu o GPT-6.1 Sol com performance de Astra e cache pela metade. No acumulado, 75% mais barato em três meses.

Como funciona: por que o cache manda no custo

Para entender o corte, você precisa olhar para onde o dinheiro vai de verdade quando usa agente de código. Não é input novo nem output. É cache read. Em um loop agêntico, a cada turno você reenvia quase toda a conversa anterior, arquivos abertos, diffs, logs de ferramenta. Isso representa de 96% a 99% do total de tokens gastos. E a taxa de hit fica entre 90% e 100% dependendo do provedor.

Ou seja, quando a Anthropic corta o cache do Fable de 1 para 0,25, ela não está dando um descontinho de rodapé. Ela está cortando 70% a 75% do custo real de uma sessão longa de coding agent. O mesmo vale para o movimento da OpenAI de levar o cache do Sol para 0,10, que é 5% do input. É inferência técnica plausível que os dois otimizaram muito o serving com destilação, quantização melhor, kernels mais eficientes, batching e reutilização de KV cache em larga escala. O comunicado do Opus 5.5 deixa escapar: 'requer menos compute para servir'. Tradução de operador: modelo mais barato de rodar por token, mesmo que seja tão capaz ou mais.

O detalhe que muda a conta da API

Na prática, seu custo por milhão deixa de ser dominado por input e output caros e passa a ser quase todo cache barato. Um run que custava 12 dólares com Fable 5 pode cair para 3 ou 4 dólares com Fable 5.1 sem mudar prompt. No GPT-6.1 Sol, a história é parecida. Latência também tende a melhorar porque servir modelo menor e com cache eficiente reduz tempo até primeiro token em contexto longo. Não é mágica, é engenharia de inferência somada a pressão competitiva. E tem um efeito colateral importante para assinaturas: Codex e Claude Code ficam mais baratos de operar por trás, o que segura preço de assinatura mesmo com uso explodindo.

O que isso muda na prática

Quem ganha primeiro é quem roda agente em escala. Times com milhares de sessões diárias de refatoração, testes e revisão veem a conta mensal cair pela metade ou mais. SaaS construído em cima de Opus ou Sol ganha margem de respiro imediata. Quem perde é quem apostou que modelo grande e caro seria um fosso defensável. Se Sol e Opus 5.5 entregam nível Astra e Fable por uma fração do custo, fica difícil justificar pagar tier premium só pelo nome.

• Troque o default do seu router: coloque GPT-6.1 Sol ou Opus 5.5 como padrão para tarefas de código e deixe Astra e Fable 5.1 só para casos realmente cabeludos.
• Reative cache agressivo: congele system prompt, instruções de repo e contexto de arquivos para maximizar hit de cache, porque agora cada ponto de hit vale ainda mais.
• Reprecifique seu produto: se você repassa custo de token, refaça a planilha agora e teste baixar preço ou aumentar limite de uso para ganhar volume.

A ação prática que eu faria esta semana é simples: rode o mesmo eval que você já tem, com 50 a 100 tarefas reais do seu repo, comparando o modelo caro antigo contra o barato novo, medindo taxa de sucesso, tokens totais e custo por tarefa concluída. Não confie só em benchmark público. Em três testes que vi, o modelo mais barato empatou no sucesso e cortou 60% do custo. Se isso se repetir aí, você acabou de ganhar orçamento para dobrar o número de agentes.

Isso escala ou só move o gargalo?

Aqui está a tensão que me incomoda. Baratear 80% parece ótimo, mas o paradoxo de Jevons mora nesse mercado. Quando fica barato, todo mundo roda mais loops, com mais contexto, mais tentativas, mais agentes paralelos. O custo por tarefa cai, o custo total sobe. Você sai do gargalo do preço por token e cai no gargalo de throughput, rate limit, fila e observabilidade. Já estou vendo time que economizou no token e estourou prazo porque não tinha tracing decente para 10 agentes rodando juntos.

Tem outro ponto: esses preços são sustentáveis ou são subsídio para lock-in? Luna a 0,10 de input e cache a 0,01 cheira a custo abaixo do real para dominar o long tail de automações pequenas. Se amanhã o desconto temporário do Sol acabar ou o cache voltar a subir, quem arquitetou tudo contando com preço atual quebra. E tem o risco técnico: modelo que custa menos compute para servir pode ter sido destilado para passar em evals de código, mas perder robustez em edge cases longos. Vale testar com contexto sujo, repo grande, histórico bagunçado, não só com exemplo limpo.

Conclusão

No fim, a queda de até 80% não é promoção, é sinal de commoditização acelerada dos LLMs para código. A pergunta que fica é direta: com agente ficando tão barato, o seu limite agora é custo ou é a sua capacidade de orquestrar, avaliar e confiar no que ele faz sozinho?