Guia técnico

Economia de IA no WhatsApp: quanto custa e como cortar a conta da IA

A feature virou commodity; o custo, não. Veja as 3 contas de IA que você paga, quanto sai a IA por conversa (MBA nativo vs. sua stack) e as 6 alavancas que cortam a fatura sem perder qualidade, com gráfico comparativo por volume.

Tem a senha deste guia ou da comunidade? A da comunidade vale para todos os materiais.

Quero fazer parte e receber esse tipo de conteúdo

Guia técnico

Economia de IA no WhatsApp: quanto custa e como cortar a conta da IA na operação

A feature virou commodity; o custo, não. Este guia mostra as 3 contas de IA que você paga na operação de WhatsApp, quanto sai a IA por conversa (Meta Business Agent nativo vs. sua stack com Claude), um gráfico comparativo por volume e as 6 alavancas que mais derrubam a fatura sem perder qualidade.

Última atualização: 18 de julho de 2026

US$ 2 / 1MMeta Business Agent (por token)

US$ 1 / 1MClaude Haiku 4.5 (entrada)

~0,1×Custo de leitura em cache

50%Desconto na Batch API

TL;DR para quem tem pouco tempo

Numa operação de WhatsApp você paga três contas de IA que se somam: a tarifa da Meta por mensagem (template), o Meta Business Agent (MBA) por token quando a IA nativa responde, e a sua IA própria (Claude, Llama) por token quando o seu bot responde. Confundir as três é o primeiro jeito de estourar o orçamento.
O MBA é cobrado por token (Llama), na faixa de US$ 2 por 1M de tokens, com a Meta citando 20 a 25 mil tokens por mensagem. Ou seja: barato de ligar, mas escala com o uso, não com a mensagem.
Sua IA própria não tem preço único: Haiku 4.5 (US$ 1 entrada / US$ 5 saída por 1M) é ~5× mais barato que Opus 4.8 (US$ 5 / US$ 25). Usar Opus para triar FAQ é o segundo jeito de queimar dinheiro.
A conta que importa é por conversa, não por token. Uma conversa de atendimento consome dezenas de milhares de tokens somando system prompt, contexto e histórico a cada turno. É esse número que multiplica pelo seu volume.
Dá para cortar a fatura de IA em metade ou mais sem perder qualidade, mexendo em 6 alavancas: roteamento antes do token, model tiering, prompt caching, Batch API, effort baixo e corte de histórico. O gráfico abaixo mostra onde cada modelo estoura o seu orçamento.
Para builder de CRM/BSP: quem controla o roteamento (qual modelo responde qual turno) controla a margem. É aí que mora o produto, não no "coloco IA no seu WhatsApp".

Onde some o dinheiro: as 3 contas de IA

Antes de otimizar, separe as contas. Elas têm unidades de cobrança diferentes e se somam na fatura. Misturar as três é a origem da maioria das surpresas no fim do mês.

Meta · por mensagem

Tarifa de template

Marketing ~R$ 0,35, utilidade e autenticação ~R$ 0,03 por mensagem
Serviço na janela de 24h: grátis até 30/set/2026
Não é conta de IA, mas entra no custo total do canal
Independe de quem gerou o texto (IA ou humano)

MBA nativo · por token

Meta Business Agent (Llama)

Cobrado por token consumido, não por mensagem
Referência: ~US$ 2 por 1M de tokens
Meta cita 20 a 25 mil tokens por mensagem respondida
Grátis hoje; tiers pagos e per-token chegam depois

Sua IA · por token

Claude / modelo próprio via API

Cobrado por token, com preço de entrada e saída separados
Haiku ~5× mais barato que Opus na mesma conversa
Você controla cache, modelo, effort e histórico
É a única conta em que dá para cortar de verdade

Leitura para builder: a tarifa da Meta por mensagem você não controla (é do canal). O MBA nativo você também não controla (é a Meta que roda o modelo). A conta que está na sua mão é a sua IA própria: modelo, cache, effort e histórico. É lá que 100% da economia acontece, e é lá que o seu produto se diferencia.

Quanto custa cada modelo (referência)

Preço por 1 milhão de tokens. A coluna de custo por conversa assume ~24 mil tokens somando os turnos (85% entrada, 15% saída) e câmbio US$ 1 = R$ 5,19. Serve de âncora; o gráfico logo abaixo deixa você mexer nas premissas.

Modelo	Contexto	US$ / 1M entrada	US$ / 1M saída	~R$ / conversa
Claude Haiku 4.5	200K	US$ 1	US$ 5	~R$ 0,20
MBA nativo (Llama)	Meta	~US$ 2 (flat/token)		~R$ 0,25
Claude Sonnet 5	1M	US$ 3 (US$ 2 introd.)	US$ 15 (US$ 10 introd.)	~R$ 0,40
Claude Opus 4.8	1M	US$ 5	US$ 25	~R$ 1,00

Sonnet 5 está em preço introdutório (US$ 2 / US$ 10) até 31/ago/2026. Existe ainda o Fable 5 (US$ 10 / US$ 50) para raciocínio pesado, fora da faixa de atendimento em massa.

Gráfico: custo de IA por volume (MBA nativo vs. sua stack)

Cada linha é o custo de IA acumulado conforme as conversas do mês crescem. A inclinação é o custo por conversa de cada opção. A linha tracejada é o seu orçamento de IA: onde uma linha cruza o tracejado é o teto de conversas que aquele modelo aguenta no mês. Mexa nos controles para ver o seu caso.

Tokens por conversa: 24 mil

Orçamento de IA / mês: R$ 500

Estimativa. Câmbio US$ 1 = R$ 5,19 (PTAX). Custo de entrada 85% / saída 15% por conversa. MBA nativo tratado como token flat (~US$ 2 / 1M). Preço introdutório do Sonnet 5 aplicado. Valores reais variam com prompt, cache, mercado e câmbio. Para uma simulação completa das tarifas por mensagem, use a calculadora de custos da API oficial.

A conta de uma conversa, passo a passo

Token não é a unidade que estoura a fatura; conversa é. O que engorda a conta é o contexto que você reenvia a cada turno: system prompt, instruções, histórico e a mensagem nova. Numa conversa de 5 turnos, o mesmo system prompt viaja 5 vezes.

// Conversa de 5 turnos, IA propria via API
// A cada turno reenviamos: system + historico crescente + msg nova
entrada_total = ~20.400 tokens   // 85% (system + contexto + historico)
saida_total   = ~3.600 tokens    // 15% (respostas)

// Haiku 4.5 (US$ 1 entrada / US$ 5 saida por 1M):
custo = 20400*1/1e6 + 3600*5/1e6 = US$ 0,0384  -> ~R$ 0,20

// Opus 4.8 (US$ 5 / US$ 25 por 1M), MESMA conversa:
custo = 20400*5/1e6 + 3600*25/1e6 = US$ 0,192  -> ~R$ 1,00

// A conversa nao mudou. So o modelo. 5x na fatura.

O gargalo quase sempre é a entrada, não a saída. Em atendimento, você lê muito (system + histórico) e escreve pouco. Por isso as duas alavancas com maior retorno são as que atacam o custo de entrada: prompt caching (leitura a ~0,1×) e corte de histórico. Trocar de modelo vem depois.

6 alavancas para cortar a conta de IA

Em ordem de retorno. As três primeiras costumam derrubar metade da fatura sem tocar na qualidade percebida pelo cliente.

1. Roteie antes de gastar token

A resposta mais barata é a que não chama a IA. Antes de mandar o turno para o modelo, tente resolver com regra, FAQ ou template: saudação, status de pedido, horário de funcionamento e opt-out não precisam de LLM. Só o que sobra vai para o modelo.

2. Model tiering: Haiku triando, Opus só no difícil

Um modelo para tudo é caro dos dois lados: Opus desperdiça em FAQ, Haiku engasga no complexo. Roteie por dificuldade. Na prática, a maior parte do volume é triagem barata; o caro fica reservado para o que realmente escala.

// Model tiering: triagem barata, raciocinio caro so quando precisa
const model = precisaRaciocinio(msg) ? "claude-opus-4-8" : "claude-haiku-4-5";

// Prompt caching: system prompt estavel no inicio -> leitura a ~0,1x
system: [
  { type: "text", text: PROMPT_FIXO, cache_control: { type: "ephemeral" } }
]

// Effort baixo em tarefas simples -> menos tokens de raciocinio
output_config: { effort: "low" }

3. Prompt caching no que se repete

Se o seu system prompt e as instruções são estáveis (e deveriam ser), coloque-os no início e marque para cache. A leitura sai a cerca de 0,1× do preço de entrada. Numa conversa de vários turnos, é o mesmo prefixo sendo relido barato a cada volta. Regra de ouro: conteúdo estável primeiro, conteúdo volátil (timestamp, ID, pergunta) depois. Qualquer byte que mude no prefixo invalida o cache.

4. Batch API no que não é tempo real

Resumo de conversas, enriquecimento de base, classificação em massa, geração de relatórios: nada disso precisa responder em segundos. Manda em lote e paga 50%. É desconto direto, sem perda de qualidade, para tudo que roda de madrugada.

5. Effort baixo e saída estruturada

Para triagem e extração, você não precisa do modelo "pensando" em voz alta. Effort baixo gera menos tokens de raciocínio. E pedir saída estruturada (JSON com schema) elimina o retry por resposta malformada, que é custo dobrado silencioso: você paga a resposta quebrada e paga de novo a correta.

6. Corte o histórico que não trabalha mais

Você não precisa reenviar 30 turnos para responder o turno 31. Limite a janela de contexto, resuma o que passou ou limpe resultados de ferramenta antigos. Cada mil tokens de histórico morto é dinheiro reenviado a cada turno, multiplicado pelo seu volume.

Erros que estouram a fatura

Opus para tudo. O erro mais caro e o mais comum: usar o modelo mais forte na triagem. Custa até 5× o Haiku pela mesma conversa.
Cache que nunca acerta. Um timestamp ou ID no começo do system prompt invalida o cache a cada requisição. Você paga o preço cheio achando que está cacheando. Verifique se a leitura em cache é maior que zero.
Reenviar o histórico inteiro. Conversas longas sem corte de janela viram um custo de entrada que só cresce, turno após turno.
Tempo real onde caberia lote. Rodar resumo e enriquecimento em tempo real joga fora os 50% da Batch API.
Ignorar o custo por token do MBA nativo. "É grátis hoje" não é "é grátis sempre". A Meta já sinaliza cobrança por token; projete esse volume à parte antes da virada.

MBA nativo vs. IA própria: prós e contras de custo

Sem torcida. Quando cada opção compensa, do ponto de vista de quem paga a conta.

✓ MBA nativo (Meta) ganha quando

O volume é baixo e você não quer manter stack de IA.
O caso é FAQ e catálogo simples, sem lógica de negócio.
Está grátis hoje: ótimo para validar sem custo fixo.
Não há time para operar prompt, cache e roteamento.

✓ IA própria ganha quando

O volume escala: aí cada alavanca de economia vira margem.
Haiku sai mais barato por conversa que o token flat do MBA.
Você quer controlar modelo, cache, effort e histórico.
O diferencial do seu produto é a lógica em cima da IA, não a IA.

Não é ou/ou. A arquitetura madura usa as duas: MBA nativo (ou Haiku) faz a triagem barata; a sua stack assume o que gera receita e o humano fecha o que é premium. O CRM é o painel que decide, a cada turno, qual conta pagar. Quem controla esse roteamento controla a margem.

Checklist de economia (esta semana)

Separar as 3 contas de IA no seu relatório: Meta por mensagem, MBA por token, sua IA por token.
Medir o custo real por conversa (não por token) nos últimos 30 dias.
Ligar model tiering: Haiku na triagem, Opus só onde o raciocínio paga.
Cachear o system prompt e conferir que a leitura em cache é maior que zero.
Mover resumos e enriquecimento para a Batch API (50%).
Limitar a janela de histórico e cortar contexto morto.
Rodar o gráfico acima com o seu volume e orçamento reais e definir o teto por modelo.

Referências

Documentação oficial de pricing da API do Claude (modelos, tokens de entrada/saída, prompt caching, Batch API, effort).
Meta for Developers: AI Providers pricing (Meta Business Agent por token) e tabela de preços por mensagem da WhatsApp Business Platform.
Calculadora de custos da API oficial do WhatsApp Founders (tarifas por mensagem e comparativo IA própria vs. Meta Business Agent).

Leituras relacionadas na comunidade

Fontes: documentação de pricing da API do Claude (Anthropic), Meta for Developers (AI Providers pricing e tabela de mensagens) e a calculadora de custos do WhatsApp Founders. Preços de IA em rollout e sujeitos a alteração pelos provedores; valores em reais dependem de câmbio, prompt, cache e volume. Estimativas para planejamento, não cotação. Última consolidação: 18 de julho de 2026.