Quanto custa a API do GPT-6.2 Astra e quando o input em cache compensa?

Ilustração de tabela de preços da API do GPT-6.2 Astra com tokens de input, output e cache
Resposta rápida

No Standard com contexto curto, a API do GPT-6.2 Astra cobra US$ 8,00 por milhão de tokens de input, US$ 0,40 por milhão no input em cache e US$ 40,00 por milhão de output. A escrita de cache custa US$ 10,00 por milhão na retenção padrão de 30 minutos e US$ 20,00 na de 12 horas. Na retenção padrão, basta reaproveitar o mesmo prefixo uma vez para a escrita se pagar. Na de 12 horas, são necessárias pelo menos duas leituras.

A OpenAI lançou o GPT-6.2 Astra em 17 de novembro de 2026, junto com o GPT-6.2 Sol, conforme o anúncio oficial. Antes disso, o identificador gpt-6.2-astra só tinha aparecido de forma não oficial, por volta de 1 e 2 de novembro.

Este post é para quem roda agente com o mesmo prompt base repetido a cada chamada: instruções de sistema, descrição de ferramentas, regras do projeto e por aí vai. A pergunta aqui é bem prática: o cache muda a conta ou é só detalhe da tabela? Todos os valores estão em dólares, sem conversão para reais.

Tabela de preços da API do GPT-6.2 Astra por milhão de tokens

Os valores abaixo são do nível Standard com contexto curto, publicados na página do modelo GPT-6.2 Astra na documentação da OpenAI.

ItemPreço por milhão de tokens
InputUS$ 8,00
Input em cache (leitura)US$ 0,40
Escrita de cache (retenção padrão de 30 minutos)US$ 10,00
Escrita de cache (retenção de 12 horas)US$ 20,00
OutputUS$ 40,00

Esses números não são aleatórios. O guia de Prompt caching define uma regra geral para o GPT-5.6 e modelos posteriores: a escrita de cache custa 1,25x o input sem cache na retenção padrão de 30 minutos e 2,5x na retenção de 12 horas.

No Astra 6.2 isso bate certinho: 1,25 x 8 dá US$ 10, e 2,5 x 8 dá US$ 20. Já a leitura sai a 0,05x do input comum, que são os US$ 0,40.

Ou seja, gravar no cache custa MAIS que mandar o input normal, e ler do cache custa uma fração dele. É justamente essa diferença que decide se compensa.

Quanto o GPT-6.2 Astra ficou mais barato que o GPT-6 Astra

Segundo o TokenPost, o GPT-6.2 Astra custa 20% menos que o GPT-6 Astra. O input caiu de US$ 10 para US$ 8 e o output de US$ 50 para US$ 40 por milhão de tokens.

O corte maior foi no cache: de US$ 1 para US$ 0,40, ou seja, 60% a menos.

Então, se o seu agente já dependia bastante de prefixo repetido no GPT-6 Astra, a parte cacheada da conta foi a que mais encolheu.

O que muda o preço: contexto longo e níveis Batch, Fast e Ultrafast

A tabela acima vale só para contexto curto no Standard. Duas coisas mexem nela.

A primeira é o tamanho do input. Pela página do modelo, acima de 272K tokens de input as tarifas de input e de cache dobram, e o output passa a custar 1,5x a tarifa de contexto curto.

Tome cuidado com um detalhe: isso vale para a requisição INTEIRA, não só para os tokens que passaram do limite. Agente que vai acumulando histórico sem podar pode cruzar essa linha sem você perceber.

A segunda é o nível de serviço. Os multiplicadores sobre o Standard são:

  • Batch: 50% do Standard
  • Fast: 2x o Standard
  • Ultrafast: 3x o Standard até 28/02/2027 e 6x a partir de 01/03/2027 (horário do Pacífico)

Se você usa Ultrafast hoje, já vale anotar essa data, porque o multiplicador dobra.

Quando o input em cache compensa num agente que repete o mesmo prompt base

A resposta curta: compensa quando o mesmo prefixo é reaproveitado dentro da janela de retenção. A conta é simples, bora ver.

Retenção padrão de 30 minutos. A escrita custa US$ 10 contra US$ 8 do input comum, um sobrecusto de US$ 2 por milhão de tokens. Cada leitura posterior custa US$ 0,40 contra US$ 8, uma economia bem maior que esse sobrecusto.

Por isso, uma única reutilização do mesmo prefixo já cobre a escrita. Da segunda chamada em diante, é economia.

Retenção de 12 horas. A escrita custa US$ 20, bem acima dos US$ 8 do input comum. A economia de uma leitura sozinha não cobre essa diferença, mas a de duas leituras já passa dela.

Então o de 12 horas precisa de pelo menos duas leituras para se pagar. Em troca, ele segura o prefixo por muito mais tempo, o que favorece cargas espaçadas ao longo do dia.

Se liga nos exemplos abaixo. Os números são apenas ilustrativos, calculados a partir das tarifas, com um prompt base hipotético de 10.000 tokens.

Agente com chamadas em sequência

Imagine 100 chamadas seguidas dentro de 30 minutos, todas com o mesmo prefixo de 10.000 tokens.

  • Sem cache: 1 milhão de tokens a US$ 8, ou seja, US$ 8,00 só no prompt base
  • Com retenção de 30 minutos: uma escrita de 10.000 tokens a US$ 10 por milhão mais 99 leituras somando 990.000 tokens a US$ 0,40 por milhão

A parte fixa do prompt fica uma fração do que seria sem cache.

Agente que roda poucas vezes ao longo do dia

Agora imagine 4 execuções no dia, com horas de intervalo entre elas.

  • Sem cache: 40.000 tokens cobrados a US$ 8 por milhão
  • Com retenção de 30 minutos: se cada chamada chega depois que a janela expirou, cada uma pode cair como nova escrita a US$ 10 por milhão, acima dos US$ 8 do input comum. Fica pior que não usar cache
  • Com retenção de 12 horas: uma escrita de 10.000 tokens a US$ 20 por milhão mais 3 leituras somando 30.000 tokens a US$ 0,40 por milhão. Pela regra acima, duas leituras já pagam a escrita, então a terceira entra como economia

É aqui que o TTL de 12 horas brilha: poucas chamadas, mas espalhadas.

Tem ainda um bônus que não aparece na fatura. O guia de Prompt caching cita até cerca de 80% menos latência nos tokens cacheados, o que conta muito em agente que faz várias chamadas por tarefa.

Por que o cache pode não acontecer: prefixo, mínimo de 1.024 tokens e TTL

A OpenAI aplica o cache automaticamente, mas ele só acerta se a requisição começar com os mesmos tokens. A API reaproveita o prefixo mais longo do prompt que já foi computado antes, conforme o guia de Prompt caching.

Que prefixo? É o começo do prompt, token por token. Se você coloca a data atual, o nome do usuário ou qualquer dado variável no topo das instruções, o prefixo muda em toda chamada e o cache não acerta.

Por isso a regra é: parte fixa primeiro, conteúdo variável depois.

Outro limite: o prompt mínimo que pode ser cacheado é de 1.024 tokens no GPT-5.6 e posteriores, e o prefixo cacheado cresce em incrementos de 128 tokens. Prompt base muito curto nem entra no cache.

Sobre a retenção, ela é configurada só na Responses API. O campo prompt_cache_options.ttl aceita "30m" (o padrão) ou "12h". O TTL também pode ser definido por breakpoint explícito, e o campo prompt_cache_options.mode aceita "implicit" ou "explicit".

Se o seu agente usa outra API, não assuma que a opção de 12 horas está disponível nela.

O que conferir na fatura e na resposta da API antes de migrar

O primeiro lugar para olhar é a própria resposta da API. Ela traz o campo cached_tokens em usage.prompt_tokens_details, segundo o guia de Prompt caching.

Mas atenção: esse campo conta apenas as leituras cobradas. Ele não inclui os tokens cobrados como escrita, nem a troca de 30 minutos para 12 horas.

Na prática, isso quer dizer que olhar só o cached_tokens mostra a economia e esconde o sobrecusto. A escrita precisa ser estimada à parte, a partir do tamanho do prefixo e de quantas vezes ele é gravado de novo.

Além disso, vale checar:

  • Se alguma requisição passa de 272K tokens de input, porque aí a requisição inteira muda de tarifa
  • Qual nível de serviço está em uso (Standard, Batch, Fast ou Ultrafast), já que o multiplicador vale sobre toda a conta
  • Se o prompt base realmente passa de 1.024 tokens e se a parte variável está depois dele

Conclusão

O próximo passo é pegar uma amostra real de requisições do seu agente e medir duas coisas: quantos tokens do prompt são fixos e com que frequência esse prefixo se repete dentro de 30 minutos e dentro de 12 horas.

Com esses dois números, aplique as tarifas acima. Chamadas em rajada tendem a ficar no TTL padrão, execuções espaçadas pedem o de 12 horas, e vale comparar tudo com o multiplicador do Batch.

Para continuar acompanhando preço, lançamento e uso prático de modelos de IA, fique de olho nos próximos conteúdos do Hora de Codar.

Fontes consultadas

Consulta em .

Explore os vídeos do canal Hora de Codar.

Escrito por | Matheus Battisti

Matheus Battisti
Fundador da Hora de Codar

Programador apaixonado pelo mundo das tecnologias, sempre buscando em aprender e se aprofundar em linguagens, frameworks e o que mais for necessário para executar um bom trabalho. Agora tem uma nova missão que é de passar seu conhecimento adiante para formar novos programadores e especializar mais os que já são.

Formações

Formação Vibe Coding

Formação Vibe Coding

Do Prompt ao Produto: Crie Software Real com IA

  • 474 aulas
  • 20 projetos
  • 39h 30min

Blog | Mais populares