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

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.

Black Week do Nexus
A formação de IA mais completa do Brasil
- 7 formações · 112 cursos · 26 mil alunos
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.
| Item | Preço por milhão de tokens |
|---|---|
| Input | US$ 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 |
| Output | US$ 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.

VPS Hostinger para seu sistema
10% OFF extraVPS com SSD NVMe e backups semanais. O cupom MATHEUSHORADECODAR é aplicado automaticamente pelo link.
Ver planos com 10% OFF →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

Crie sistemas com IA para vender
Prompts, modelos e checklists para criar e publicar seu sistema com IA e preparar a oferta para o primeiro cliente.
Quero o e-book gratuito Receba o livro e os bônus no seu e-mail.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 .
Formações
Formação Vibe Coding
Do Prompt ao Produto: Crie Software Real com IA
- 474 aulas
- 20 projetos
- 39h 30min
Blog | Mais populares
GPT-6 Astra ou Gemini: qual modelo usar para código no dia a dia?
GPT-6 Astra ou Gemini: qual escolher para código no dia a dia? Compare preço, limite de saída e casos de uso e veja o veredito sem enrolação.
Como usar o GPT-6 Astra para entender um repositório legado que ninguém documentou
O GPT-6 Astra promete entender repositórios legados sem documentação. Veja o passo a passo com 1 milhão de tokens de contexto e como validar cada resposta.
Streaming ou resposta completa no GPT-6 Astra: qual escolher na sua aplicação?
Streaming GPT-6 Astra ou resposta completa? Veja quando cada modo faz sentido, como funciona o modo background e por que o preço por token não muda.
