Quanto custa um agente de inteligência artificial? A estimativa mais comum multiplica o número de solicitações pelo preço de uma chamada ao modelo. Esse método subestima o custo, porque um agente não executa uma única chamada: ele executa várias iterações antes de responder, e cada iteração processa mais texto que a anterior.
O custo de um agente é determinado pela sua arquitetura: quantas iterações ele executa, qual modelo cada etapa utiliza e quanto contexto é reprocessado a cada iteração. Esta página apresenta esse raciocínio em quatro etapas, com um único exemplo: o assistente de atendimento de uma loja online que responde à pergunta “Onde está o meu pedido?”. Cada etapa introduz um conceito, e os valores podem ser alterados para observar o efeito no custo.
Execução local
Requer apenas Python 3.8 ou superior. Não há pacotes a instalar, chave de API ou conta de nuvem.
git clone https://github.com/julianamarialop/agent-cost-math
cd agent-cost-math
python agent_cost.py --architecture architecture.example.json
python agent_cost.py --architecture architecture.example.json --live
python live_prices.py --check
A opção --live consulta os preços no momento da execução, na página de preços da Anthropic e na Azure Retail Prices API. O comando live_prices.py --check compara a tabela de preços do repositório com essas fontes e encerra com erro quando há divergência. Para estimar outra arquitetura, edite o arquivo architecture.example.json, com uma entrada por componente: papel, volume mensal, modelo e, nos componentes iterativos, o limite de iterações.
Sobre a calculadora
Os cálculos desta página são executados pelo mesmo código Python publicado no repositório, carregado no navegador. Os resultados da página e da linha de comando são, portanto, idênticos. A calculadora não invoca nenhum modelo: realiza apenas cálculos sobre os preços publicados pelos fornecedores, atualizados diariamente.
