Modelos de raciocínio com otimização de custos: método comparativo em 4 etapas para equilibrar eficácia e despesas usando níveis de effort

Modelos de raciocínio com otimização de custos: método comparativo em 4 etapas para equilibrar eficácia e despesas usando níveis de effort

Este artigo parte de casos de migração, atendimento ao cliente e código com o GPT-6.1 Sol e o GPT-6.2 Sol para mostrar como primeiro fixar os critérios de aceitação do negócio e, só então, escolher o nível de raciocínio que entrega resultado estável — calculando também o custo de cada tarefa aprovada.

Adiantando a conclusão: ao mudar de nível, o que deve ser comparado é “quanto custa e quanto tempo leva cada tarefa aprovada”; o preço de tabela de uma única chamada é apenas um dos fatores. Nos testes públicos com amostra pequena, o nível low do GPT-6.2 Sol alcançou o mesmo número de aprovações que o medium tanto nas questões de política de atendimento quanto em um conjunto de questões de código, e ainda assim levou menos tempo. Nas questões de código, o custo convertido do preço de tabela do low ficou em cerca de 70% do medium. Para essa conclusão valer, duas condições precisam ser atendidas: suas tarefas devem ser suficientemente parecidas com as tarefas do teste, e o critério de aceitação não pode se limitar à taxa de aprovação — é preciso checar também links inventados, campos de valor monetário e retrabalho. Já em tarefas com conflito entre fontes, dependência complexa de ferramentas ou que tendem a deixar restrições de fora, ainda vale validar separadamente o medium e níveis acima.

reasoning-model-cost-optimization-effort-levels-pt-pt-image-0

Visão rápida da comparação de níveis de effort em modelos de raciocínio

A tabela abaixo resume os conjuntos de evidências usados neste artigo, com a fonte e os critérios indicados em cada linha. Números de fontes diferentes não podem ser somados nem misturados diretamente.

Dimensão de comparação GPT-6.1 Sol GPT-6.2 Sol O que a diferença significa
Níveis disponíveis (documentação da OpenAI) low, medium, high, xhigh, max mesmos cinco níveis, recusa none Ao migrar de modelos que aceitam none/minimal, é preciso ajustar o nível inicial
Preço de tabela da APIYI para contexto curto (tabela geral de 2026-11-20, USD/milhão de tokens) entrada $2, leitura de cache $0,10, saída $10 mesmo valor Em contexto curto, as duas gerações têm preço igual; a diferença de custo vem principalmente do volume de uso
Preço de entrada acima de 272.000 tokens de entrada APIYI e OpenAI Standard listam $4 APIYI lista $3, OpenAI Standard lista $4 Em cenários de entrada longa, surge diferença de preço entre os canais
15 tickets de suporte da eesel (low / medium) 15/15, 3,8 segundos; 15/15, 3,8 segundos 15/15, 3,2 segundos; 15/15, 3,6 segundos Taxa de aprovação igual; a diferença de custo entre níveis é pequena
23 problemas de código do VulcanBench (low / medium) 20/23; 22/23 (lote histórico) 23/23; 23/23 O nível low do 6.2 Sol já atinge a meta; números entre versões vêm de lotes diferentes
Índice Artificial Analysis (citado via OrcaRouter, low / medium) 35; 46 41; 53 Índice agregado de terceiros; os rótulos de nível são mapeados pelo próprio benchmark

reasoning-model-cost-optimization-effort-levels-pt-pt-image-1

O texto segue a seguinte ordem: a seção 1 confirma se é possível integrar e como funciona a cobrança; a seção 2 mostra os resultados medidos nas mesmas tarefas; a seção 3 apresenta os passos de migração e aceitação; a seção 4 trata da troca de nível no meio de conversas com múltiplos turnos. Se você já confirmou o roteamento de modelos e os preços, pode começar a leitura pela seção 2.

Termos que você precisa saber sobre níveis de esforço de raciocínio

Termo Explicação
reasoning.effort Campo da Responses API usado para definir a intensidade de raciocínio do modelo
Tokens de raciocínio Uso de raciocínio consumido pelo modelo para chegar à resposta. Está incluído nos output_tokens cobrados e precisa ser distinguido da saída visível ao usuário
low / medium Dois níveis de raciocínio. Mesmo ao trocar para uma nova versão no mesmo nível, ainda é necessário validar novamente
Preço unitário de leitura de cache Aplica-se apenas à parte da entrada que corresponde a um prefixo reutilizável em cache; não é possível calculá-lo diretamente pelo número total de tokens
Prefixo da requisição O contexto já existente antes da mensagem atual. Alterar o histórico inicial afeta o cache e a reutilização dos itens de raciocínio
configuration_update Item de entrada usado, em sessões Responses compatíveis com esse recurso, para ajustar configurações posteriores
Limite de aceitação Nível mínimo aceitável definido para correção de políticas, aprovação de funcionalidades ou nível de retrabalho
Custo por tarefa aprovada Custo total de chamadas, novas tentativas, ferramentas e retrabalho manual do teste inteiro, dividido pelo número de tarefas aprovadas

1. Antes de otimizar o custo de modelos de raciocínio: quando vale a pena ajustar o nível de esforço

1.1 Situação de integração das duas gerações do Sol na APIYI

De acordo com as atualizações da plataforma APIYI, o GPT-6.1 Sol foi lançado em 2026-09-30, e o lançamento do GPT-6.2 Astra e do Sol foi anunciado em 2026-11-18. A tabela geral de preços de 2026-11-20 mostra que as duas gerações do Sol oferecem, ao mesmo tempo, as rotas responses e chat, e os grupos envolvidos são CodexResponses, Codex_Reverse, Default e SVIP. As capacidades que a conta pode realmente invocar dependem do grupo em que o token está.

Segundo a documentação da OpenAI, as duas gerações do Sol suportam Chat Completions e Responses, mas as chamadas de ferramentas precisam usar Responses, e o nível é configurado via reasoning.effort. Portanto, se o negócio tiver etapas com ferramentas, como consulta de pedidos e execução de código, tanto a avaliação quanto a entrada em produção devem usar a rota Responses de forma uniforme, para evitar que diferenças de comportamento entre as duas rotas contaminem os resultados da comparação.

1.2 Duas bases de preço: preço listado pela APIYI e preço padrão do upstream

ID do modelo (tabela geral da APIYI, 2026-11-20) Entrada normal Leitura de cache Saída Plataformas disponíveis
gpt-6.2-sol $2 $0.10 $10 APIYI apiyi.com, OpenAI oficial
gpt-6.1-sol $2 $0.10 $10 APIYI apiyi.com, OpenAI oficial
gpt-6-sol $2 $0.20 $10 APIYI
gpt-6.2-astra $8 $0.40 $40 APIYI

A tabela acima traz os preços padrão para contexto curto, em dólares por milhão de tokens. A tabela de preços do upstream compilada pela OrcaRouter lista os mesmos preços de entrada, leitura de cache e saída para as duas gerações do Sol e, à parte, a escrita de cache a $2.50. Contextos longos precisam ser verificados separadamente: quando a entrada de gpt-6.2-sol ultrapassa 272.000 tokens, a APIYI atualmente lista $3, e a OpenAI oficial Standard lista $4; para gpt-6.1-sol, ambos listam $4. Para os preços de cache e saída na faixa longa, consulte as regras de cobrança em tempo real de cada canal.

1.3 O custo deve ser lido da resposta real e da fatura

O preço de tabela serve apenas para estimar. A seguir, usamos um conjunto de exemplos hipotéticos para mostrar como o custo se decompõe. Suponha 12.000 Tokens de entrada por rodada, sem gravação de cache e sem taxa de ferramentas:

  • Prefixo preservado: leitura de cache 9.000, saída total 1.000, estimativa de cerca de $0.0169.
  • Prefixo alterado: leitura de cache cai para 3.000, saída total sobe para 1.600, estimativa de cerca de $0.0343.

Na diferença entre os dois casos, cerca de $0.0114 vem dos 6.000 Tokens de entrada que voltam do preço de cache para o preço normal, e cerca de $0.0060 vem dos 600 Tokens de saída extras. Estes são dados hipotéticos; a diferença real deve ser conferida no usage. Se houver gravação de cache cobrada em linha separada, calcule entrada normal, leitura de cache e gravação de cache como três categorias mutuamente exclusivas.

Como conferir a cobrança real: use o x-request-id do cabeçalho da resposta para correlacionar com o registro type=2 no log de consumo do APIYI, converta quota ÷ 500,000 para obter o valor em dólares efetivamente cobrado e, ao mesmo tempo, registre o modelo, o grupo de tokens, a janela de tempo da chamada, o uso de entrada e saída e o número de tentativas.

reasoning-model-cost-optimization-effort-levels-pt-pt-image-2

Abaixo está um exemplo de chamada mínima que já lê os campos de uso necessários para o diagnóstico:

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Interface compatível com OpenAI do APIYI
)

resp = client.responses.create(
    model="gpt-6.2-sol",
    reasoning={"effort": "low"},
    input=[{"role": "user", "content": "根据退款政策判断工单 #1024 是否可退"}],
)

u = resp.usage
print(resp.output_text)
print("输入:", u.input_tokens, "缓存命中:", u.input_tokens_details.cached_tokens)
print("总输出:", u.output_tokens, "其中推理:", u.output_tokens_details.reasoning_tokens)

🚀 Início rápido: vale a pena rodar primeiro o exemplo acima no APIYI apiyi.com com o crédito gratuito para novos usuários, confirmar que o grupo desejado retorna corretamente cached_tokens e reasoning_tokens e só então começar a avaliação em lote.

2. Comparação na mesma tarefa: resultados reais dos níveis low e medium

2.1 Chamados de suporte: o ganho com o nível low é pequeno

Em 2026-11-18, os testadores da eesel fizeram 60 chamadas no total pela Responses API, testando os níveis low e medium em cada uma das duas gerações do Sol. Cada configuração cobriu os mesmos 15 chamados, com temas como reembolsos, consultas de rastreamento e falhas na ferramenta de pedidos, e foi avaliada manualmente com base em uma política fictícia de SaaS.

Configuração (eesel, 15 chamados) Aprovadas Tempo médio Preço de tabela por mil chamadas
GPT-6.1 Sol low 15/15 3.8 s $1.32
GPT-6.1 Sol medium 15/15 3.8 s $1.35
GPT-6.2 Sol low 15/15 3.2 s $1.41
GPT-6.2 Sol medium 15/15 3.6 s $1.42

Nesses dados, a diferença entre low e medium por mil chamadas é de apenas alguns centavos; a escolha do nível se baseia mais na latência do que no custo. Além disso, convertendo pelo uso medido, o GPT-6.2 Sol acabou ficando um pouco mais caro que o 6.1 Sol nesse conjunto de tarefas de suporte. Mais importante: embora as quatro configurações tenham atingido pontuação máxima de aprovação, o autor ainda observou que o 6.2 Sol gerava links de rastreamento que não existiam nas respostas das ferramentas. Isso mostra que, se a validação de suporte olhar apenas para “acertar a política”, esse tipo de problema passa despercebido; a origem dos links e dos campos precisa ser verificada separadamente. Essas evidências se aplicam apenas a este conjunto de chamados, a este critério de avaliação e ao ambiente de testes da OpenAI.

2.2 Tarefas de código: o custo por questão nas configurações baixas merece um teste real

Em 2026-11-19, o VulcanBench executou o Codex com o GPT-6.2 Sol, configuração por configuração, no mesmo conjunto de 23 questões, totalizando 115 execuções. Os valores da tabela abaixo foram convertidos a partir dos recibos de execução com base no preço de tabela da API e não representam a liquidação real na conta APIYI.

Configuração (VulcanBench, 23 questões) Aprovações Tempo médio Custo por questão (preço de tabela) Pontuação composta
GPT-6.2 Sol low 23/23 2.8 minutos $0.23 88.44
GPT-6.2 Sol medium 23/23 4.4 minutos $0.33 88.94
GPT-6.2 Sol max — 11.3 minutos $0.55 88.74
GPT-6.1 Sol low (lote histórico) 20/23 6.9 minutos $0.31 —
GPT-6.1 Sol medium (lote histórico) 22/23 10.6 minutos $0.40 —

Olhando apenas o grupo GPT-6.2 Sol: low e medium têm o mesmo número de aprovações; em low, o custo por questão é cerca de 30% menor e o tempo também é mais curto. Já a pontuação composta de max não superou a de medium. Comparações entre versões exigem cautela: os dados do 6.1 Sol vêm de uma avaliação histórica do mesmo conjunto de questões, portanto pertencem a um lote de teste diferente. A pontuação composta é uma avaliação da qualidade do código, e a taxa de aprovação nos testes é outra métrica; uma não substitui a outra.

O Artificial Analysis Index v5.0.1 citado pelo OrcaRouter (lido em 2026-11-20) oferece outra perspectiva: na faixa low, o 6.2 Sol marca 41 pontos e $0.18 por tarefa, enquanto o 6.1 Sol fica em 35 pontos e $0.16; na faixa medium, são, respectivamente, 53 pontos e $0.41, e 46 pontos e $0.36. Os rótulos de faixa desse ranking abrangente seguem o mapeamento do próprio avaliador, e o framework que você usa pode não adotar o mesmo mapeamento.

💡 Sugestão de escolha: os dois testes acima mostram que o limiar de aprovação, a taxa de novas tentativas e o retrabalho manual podem mudar qual é a “faixa mais vantajosa”, mas nenhum deles representa a conta do seu próprio negócio. A recomendação é refazer o teste na APIYI apiyi.com, com o mesmo grupo e a mesma amostra, antes de decidir.

3. Ordem de migração e critérios de aceitação para otimização de custos em modelos de raciocínio

3.1 Primeiro mantenha a linha de base, depois ajuste o nível

Conforme a recomendação do guia “Using GPT-6.2” da OpenAI, na migração mude apenas uma variável de cada vez:

  1. Se hoje você usa 6.1 Sol low: primeiro troque para 6.2 Sol low como base de comparação, depois teste medium separadamente.
  2. Se hoje você usa 6.1 Sol medium: primeiro troque o modelo mantendo medium; depois que a aceitação passar, compare com low usando o mesmo lote de tarefas.
  3. Integração nova: comece com medium.
  4. Migração de modelos que permitem none ou minimal: comece testando o GPT-6.2 Sol com low.

Para tarefas simples com restrições claras, dá para começar validando com low; para tarefas compostas, vá subindo de nível conforme os resultados. Durante a avaliação, mantenha fixos o comando, as definições de ferramentas, o agrupamento e as amostras de teste. Ao mesmo tempo, segundo a documentação oficial, remova os parâmetros que não se aplicam mais, como temperature, top_p e top_logprobs nas requisições Responses.

3.2 Defina os critérios de aceitação por cenário

Cenário Critérios de aceitação Quando considerar subir de nível
Atendimento ao cliente comum Consistência com as políticas, campos de valor corretos, condições de escalonamento para humano; links e números de pedido precisam vir do retorno da ferramenta Quando envolver conflitos entre políticas ou encadeamento de várias ferramentas
Alteração de código Testes passando, funcionalidades-chave completas, volume de retrabalho na revisão de código Quando a taxa de aprovação no nível baixo cair ou o retrabalho aumentar claramente
Conteúdo curto Cumprimento das restrições, campos factuais, tempo de edição humana Quando surgirem restrições não cumpridas ou erros factuais

O custo por tarefa aprovada é calculado assim: some os custos de chamadas, reexecuções, ferramentas e retrabalho humano, e depois divida pelo número de tarefas aprovadas. Desde que o low atinja o critério combinado, você pode escolher low; se o low exigir muitas reexecuções ou remediação humana, a economia no papel pode ser anulada.

💰 Otimização de custos: ao comparar níveis, você pode criar um token separado no APIYI apiyi.com só para a avaliação; assim os logs podem ser filtrados diretamente por token e modelo, o que facilita calcular o gasto real de toda a bateria de testes.

4. Ajuste do nível de effort no meio de uma conversa de múltiplos turnos

4.1 Usar configuration_update para ajustar o nível e preservar o prefixo

Em uma sessão de agente único do OpenAI HTTP Responses que ofereça suporte a esse recurso, mantenha o reasoning.effort no nível da requisição com o valor inicial inalterado e coloque o item abaixo antes da próxima mensagem do usuário:

{"type": "configuration_update", "reasoning": {"effort": "medium"}}

Essa configuração permanece em vigor até a próxima atualização. A vantagem é não precisar reescrever o histórico anterior, mantendo o prefixo da requisição inalterado. Segundo a documentação da OpenAI, a partir do GPT-6.2, editar o histórico anterior pode acionar prefix_mismatch, fazendo com que itens de raciocínio existentes sejam removidos; trocar de família de modelos ou mudar para um modelo de capacidade menor também pode remover itens de raciocínio. O custo de reescrever o prefixo tem duas partes: a leitura de cache pode diminuir e, após perder itens de raciocínio utilizáveis, podem surgir novas saídas de raciocínio. Conforme as instruções oficiais, excluir um item completo e manter os demais inalterados, ou acrescentar novos itens após os itens de raciocínio, não aciona essa remoção, mas o volume de acertos de cache ainda pode mudar. Além disso, no GPT-6.2, o instructions de nível superior é anexado após o input e cobrado como entrada não cacheada.

4.2 Compactação de contexto e observações sobre o roteamento da APIYI

Ao usar context_management no lado do servidor, a configuração atualizada pode continuar valendo. Se você entregar diretamente ao endpoint independente /responses/compact um histórico que contém um configuration_update antigo, a requisição será rejeitada; a abordagem correta é, conforme as instruções oficiais, separar primeiro os itens de configuração e, após concluir a compactação, acrescentar uma configuração mais recente.

Na APIYI, atualmente a abordagem segura é gerenciar você mesmo o histórico de input, sem depender de previous_response_id. O motivo é que o guia de invocação nativa da APIYI é inconsistente nesse ponto: o corpo do texto diz que a continuação em cadeia não funciona, enquanto o FAQ registra que, em 2026-09-02, isso foi testado e funcionou. A documentação da APIYI também não lista, no momento, os resultados de validação do configuration_update em cada grupo. Portanto, configurações específicas como essa, o retorno de itens de raciocínio criptografados e os campos de diagnóstico de cache devem primeiro ser validados separadamente no canal desejado, com sessões curtas; só depois de confirmar que funcionam é que você deve integrá-los ao fluxo de trabalho oficial.

🎯 Sugestão técnica: primeiro execute um conjunto de sessões curtas de dois turnos na rota Responses da APIYI apiyi.com, comparando cached_tokens, reasoning_tokens e tempo gasto entre duas amostras: “apenas acrescentar” e “reescrever o prefixo”. Depois de confirmar o comportamento, decida como implementar o ajuste de nível no meio da conversa.

Consideração final: A base para escolher o nível deve ser o custo por tarefa que atende aos critérios sob um limiar de aceitação fixo. Na APIYI apiyi.com, rodar uma comparação com seus próprios exemplos e sua fatura esclarece mais do que qualquer ranking.

Referências

  1. OpenAI “Using GPT-6.2”: sugestões de migração e de configuração inicial
    • Link: developers.openai.com/api/docs/guides/latest-model
  2. OpenAI “Reasoning models”: reutilização de configuration_update e dos itens de raciocínio
    • Link: developers.openai.com/api/docs/guides/reasoning
  3. OpenAI “Compaction”: regras de compactação de contexto
    • Link: developers.openai.com/api/docs/guides/compaction
  4. OpenAI “Keep the prefix unchanged”: diagnóstico de prefixo e cache
    • Link: developers.openai.com/api/docs/guides/keep-prefix-unchanged
  5. eesel AI “GPT-6.2 Sol: what’s new, pricing, benchmarks”: teste real com tickets de atendimento ao cliente, 2026-11-18
    • Link: eesel.ai/blog/gpt-6-2-sol
  6. VulcanBench “GPT-6.2 Sol across effort levels”: avaliação de problemas de código nível por nível, 2026-11-19
    • Link: vulcanbench.com/benchmarks/swe-v4-gpt62-sol-v331.html
  7. OrcaRouter “GPT-6.2 vs GPT-6.1 Sol”: tabela de preços e citação do índice agregado, 2026-11-20
    • Link: orcarouter.ai/blog/gpt-6-2-vs-gpt-6-1-sol
  8. APIYI “Tabela geral de preços de modelos”: dados atualizados em 2026-11-20
    • Link: docs.apiyi.com/models

Autor: Equipe técnica da APIYI
Contato técnico: fale com a gente pela página inicial da APIYI apiyi.com; mais instruções de integração estão disponíveis no centro de documentação em docs.apiyi.com

Artigos relacionados

Similar Posts