LLMs: quais existem e como pensar custo-benefício

O mapa dos principais LLMs hoje:

• Fechados (flagship): OpenAI (GPT), Anthropic (Claude), Google (Gemini), xAI (Grok). Topo de capacidade.
• Abertos / open-weights: Meta (Llama), DeepSeek, Mistral, Qwen. Rodam na sua infra, com custo potencialmente muito menor.

O erro clássico é caçar “o melhor modelo”. O que importa é custo-benefício por tarefa. Três regras práticas:

1. Use tiers. Todo provedor tem versões flagship (caras, poderosas) e mini/flash/lite (baratas, rápidas). A maior parte das tarefas roda bem nas baratas — reserve a flagship para o que é difícil de verdade.
2. Olhe o preço de saída, não só de entrada. Modelos costumam cobrar o token de saída várias vezes mais caro que o de entrada. É aí que a conta estoura.
3. Considere open-source. Para alto volume ou dados sensíveis, hospedar um modelo aberto pode sair muito mais barato que uma API fechada.

Preços mudam quase toda semana. Em vez de decorar números, consulte comparativos ao vivo (ex: Artificial Analysis) e calcule o custo misturado do seu caso real.

A estratégia vencedora, segundo a própria indústria, é híbrida: o modelo caro onde ele se paga, o barato onde ele basta.