Mesmo modelo, conta diferente: quanto custam LLMs de peso aberto em 6 hosts de inferência

Publicado em 06/08/2026 · números de referência, verifique antes de orçamentar

DeepSeek V4 é DeepSeek V4. Os pesos são idênticos, independentemente de você passar por isso Groq, Junto, Fogos de artifício, DeepInfra, Novita ou OpenRouter — mesma arquitetura, mesma qualidade de saída, sem diferença de ajuste fino entre hosts. O que não é idêntico é a conta. Aumentamos nosso preço por 1 milhão de tokens em todos os seis para exatamente o mesmo modelo, duas vezes, e a diferença entre os locais de hospedagem mais baratos e mais caros em um nível consistente 31% - todas as vezes.

A carga de trabalho que estamos precificando

Um RAG de tamanho médio ou back-end de assistente de codificação em execução DeepSeek V4: 50 milhões de tokens de entrada e 10 milhões de tokens de saída por mês. Essa é uma gama de produção real – um bot de suporte ou ferramenta de codificação interna com algumas centenas de usuários ativos, não um projeto de brinquedo.

Etapa 1: DeepSeek V4, seis hosts

Os preços são estimativas de referência, agosto de 2026. Informar preço desatualizado →

US$ 19,60 a US$ 25,73 em pesos idênticos para uso idêntico – um US$ 6,13/mês, diferença de 31% com zero diferença de qualidade para explicá-lo. Com 10x o volume (500M de entrada / 100M de saída, um produto genuinamente ocupado), isso é $ 196 contra $ 257, um US$ 735/ano diferença apenas do menu suspenso do host.

Etapa 2: Llama 4 Maverick, mesmos seis hosts

Para verificar se isso não era uma peculiaridade do DeepSeek, executamos os mesmos seis hosts no Llama 4 Maverick na mesma carga de trabalho de 50M/10M:

Mesma classificação, mesma ordem, mesma 31% de spread de Novita na parte inferior até Fireworks na parte superior. Isso não é uma coincidência - é um multiplicador fixo que cada host aplica ao mesmo preço de referência e se aplica a todos os modelos abertos que verificamos em nosso conjunto de preços, desde o parâmetro 12B Gemma até o parâmetro 400B+ Llama 4 Behemoth.

De onde vem a faixa de 31%

• Preços juntos e OpenRouter exatamente 100% da lista. Ambas são plataformas de estilo agregador – especialmente o OpenRouter é um mercado, não um operador de infra-estrutura – portanto, nenhum deles tem uma estrutura de custos que lhes permita reduzir a taxa de referência. Você paga o preço de etiqueta pela conveniência de uma chave de API em dezenas de modelos.
• Novita e DeepInfra rodam em 80% e 85% da lista. Ambos competem principalmente em preço para serviços abertos e possuem um conjunto de recursos mais enxuto – menos regiões, painéis mais finos, menos suporte empresarial – do que os nomes maiores. O desconto é real, mas a rede de segurança menor também o é se algo quebrar às 2 da manhã.
• Groq fica em 95%, um pequeno desconto fora da lista em vez de um grande – o argumento da Groq é a velocidade de inferência em seus próprios chips LPU, não sendo o item de linha mais barato, e o preço reflete esse posicionamento.
• Fireworks ultrapassa 5% da lista, o único host dos seis mais caro do que a taxa de referência, consistente com seu SLA empresarial e foco na implantação dedicada, em vez do autoatendimento de menor custo.

O que isso não te diz

A paridade de preços entre modelos não significa que os hosts sejam intercambiáveis. Estamos comparando apenas a taxa por token – não a latência, o histórico de tempo de atividade, a cobertura da região, os limites de taxa ou como cada host se comporta sob um pico de tráfego. Um desconto de 20% no Novita não vale nada se um bot de suporte expirar durante o horário de maior movimento. Se você tem pré-receita e é sensível aos custos, comece com o host mais barato e um substituto. Se você já está com um volume significativo, compare a latência e o tempo de atividade em seu próprio tráfego antes de mudar apenas para a coluna de preço – a diferença de US$ 735/ano do nosso exemplo é dinheiro real, mas não é o único número que importa.

A conclusão

Peso aberto não significa preços abertos. O download gratuito do modelo não impede que seis empresas diferentes cobrem seis taxas diferentes para executá-lo para você, e o spread - 31% de cima para baixo, na mesma ordem, em todos os modelos que verificamos - é grande o suficiente para fazer diferença quando você ultrapassa alguns milhões de tokens por mês. Antes de se comprometer com um host, execute seu próprio volume de token por meio do ferramenta API LLM mais baratae compare os provedores diretamente em suas páginas: Groq, Junto, Fogos de artifício, OpenRouter. É a mesma lição que o imposto fronteiriço entre níveis de modelo: o nome do modelo na fatura informa menos do que o logotipo do fornecedor próximo a ele.

Os números são estimativas de referência (agosto de 2026) do nosso próprio conjunto de dados de preços. Os preços do host de inferência mudam frequentemente e descontos por volume, taxas de uso comprometido e preços regionais podem mudar a classificação – sempre confirme as taxas atuais na página oficial de preços de cada fornecedor antes de fazer o orçamento.