title: Contexto de 1 milhão de tokens não é de graça — o custo real por página do chat PDF do Gemini description: "O contexto de 1 milhão de tokens parece mágico até você fazer a conta. Veja quanto custa conversar com um PDF de 1.500 páginas no Gemini 2.5 Flash — e a lógica de preço por trás do nível gratuito de até 200 páginas do GeminiOmni." created_at: 2026-05-06 author_name: Lena Hoffmann author_image: /imgs/authors/lena-hoffmann.jpg image: /imgs/blog/1m-token-context-isnt-free.webp
Quando comecei a construir o /tools/pdf-chat, o argumento de venda veio pronto: o Gemini 2.5 Flash tem uma janela de contexto de um milhão de tokens. Você pode enviar um PDF de 1.500 páginas e conversar com tudo em um único prompt. Sem divisão em chunks, sem RAG, sem pipeline de embeddings, sem erros de recuperação. Mágico.
Mágico, quando você faz as contas, acaba saindo caro.
Este post é uma visão de bastidores sobre quanto realmente custa executar um contexto de um milhão de tokens, como isso moldou os preços do GeminiOmni e quando o RAG tradicional com chunks ainda é a resposta certa. Se você está construindo algo que lida com documentos longos, essa é a compensação que você precisa internalizar antes de definir sua estrutura de planos.
O número principal
O Gemini 2.5 Flash, atualmente o modelo mainstream de 1M de contexto mais barato, tem o preço de US$ 0,30 por milhão de tokens de entrada e US$ 2,50 por milhão de tokens de saída. Esse é o menor preço público para contexto de 1M que conheço, e ainda é 8× mais barato que o Gemini 2.5 Pro com o mesmo tamanho de contexto.
Um milhão de tokens é muitos tokens. Especificamente:
- Um milhão de tokens ≈ 750.000 palavras em inglês ≈ 1.500 páginas de prosa ≈ 3.000 páginas densas de artigos acadêmicos
- Para um PDF escaneado típico (onde o modelo precisa fazer OCR das imagens), espere perto de 800–1.000 páginas por milhão de tokens, porque as imagens consomem o orçamento de tokens
Agora, a multiplicação que ninguém quer fazer em público:
- Enviar um PDF de 200 páginas (~130k tokens) uma vez custa US$ 0,039. Cerca de quatro centavos. Barato.
- Enviar um PDF de 1.500 páginas (~980k tokens) uma vez custa US$ 0,294. Trinta centavos.
- Fazer dez perguntas de acompanhamento, onde cada uma reenvia o PDF completo para contexto, custa US$ 2,94 para o documento de 1.500 páginas. Três dólares.
Esse último número foi o que quebrou meu modelo de precificação.
Por que perguntas de acompanhamento reenviam o PDF inteiro
Esta é a parte que ninguém que escreve posts entusiasmados sobre contexto de 1M menciona. A janela de contexto do Gemini é por chamada, não por sessão. Não há estado persistente no lado do servidor que mantenha seu documento para a próxima mensagem.
Quando você faz a segunda pergunta em uma sessão de chat, o cliente precisa reenviar o PDF completo, mais a nova pergunta, mais a resposta anterior do modelo (para manter a continuidade). Cada turno custa aproximadamente o mesmo que o primeiro turno. Não há desconto de cache.
O Google lançou um recurso de "cache de contexto" que ajuda aqui — você pode armazenar em cache uma entrada longa por até uma hora e pagar uma taxa por chamada mais baixa para reutilizá-la — mas o cache em si também não é gratuito. O custo de armazenamento do cache gira em torno de US$ 1 por milhão de tokens por hora para o Flash. Para um documento de 1.500 páginas, isso é cerca de US$ 1/hora apenas para mantê-lo aquecido.
Três cenários do mundo real resultam disso:
- Perguntas pontuais em um documento novo. US$ 0,04–US$ 0,30 por pergunta. Genuinamente barato. Vale a pena.
- Sessão de chat de dez perguntas em um documento novo, sem cache. US$ 0,40–US$ 3,00. Ainda aceitável para um recurso pago, brutal para um gratuito.
- Mergulho profundo de uma hora com 30+ perguntas em um documento de 1.500 páginas. Com cache ativado: ~US$ 1 para mantê-lo aquecido + US$ 0,05/turno = cerca de US$ 2,50 no total. Sem cache: US$ 9. O cache importa quando você ultrapassa um certo limite de duração da sessão.
Quando o RAG com chunks é realmente mais barato
Esta é a parte herege: para algumas cargas de trabalho, o pipeline antigo de dividir em chunks + embed + recuperar ainda é mais barato que o contexto de 1M, e por uma boa margem.
Especificamente, se você tem um corpus de documentos estável (não um upload novo a cada vez) e muitos usuários fazendo muitas perguntas, o RAG vence:
- Criar os embeddings do corpus: Gemini Embedding 2 a US$ 0,20/1M de tokens — crie os embeddings de um documento de 1.500 páginas uma vez por US$ 0,20, armazene os vetores para sempre.
- Por pergunta: recupere os 5 principais chunks (~5k tokens), envie-os para o Gemini 2.5 Flash. Custo por pergunta: cerca de US$ 0,0015. Isso é um décimo de centavo.
- Comparado ao contexto de 1M: US$ 0,30 por pergunta se você reenviar o documento inteiro.
Para um bot de suporte ao cliente em uma base de conhecimento fixa, o RAG é 200× mais barato. Para um assistente de pesquisa lendo um artigo novo que o usuário acabou de enviar, a sobrecarga de embeddings do RAG não se amortiza e o contexto de 1M vence.
A regra de decisão:
| Carga de trabalho | Use |
|---|---|
| Usuário envia um documento único, faz 1–10 perguntas | Contexto de 1M (sem configuração de embeddings, toda a recuperação é feita pelo modelo) |
| Base de conhecimento estática, muitos usuários, muitas perguntas | RAG (amortize o custo dos embeddings em todas as consultas) |
| Usuário envia vários documentos e quer raciocínio entre documentos | Contexto de 1M (a recuperação do RAG perde referências entre documentos) |
| Revisão de conformidade/legal em um único documento denso | Contexto de 1M (o RAG pode perder cláusulas críticas através dos limites dos chunks) |
O chat de PDF do GeminiOmni está firmemente no cenário de "upload único, 1–10 perguntas" — é por isso que usamos contexto de 1M incondicionalmente.
Como isso moldou o plano de preços
Depois de internalizar a matemática por página, a estrutura de planos para a ferramenta de PDF surgiu quase mecanicamente:
Plano gratuito: até 200 páginas, perguntas ilimitadas. Um PDF de 200 páginas custa ~US$ 0,04 por pergunta. Mesmo um usuário gratuito intenso fazendo 100 perguntas em um mês me custa US$ 4. Isso é um custo de aquisição sustentável — posso bancá-lo contra a taxa de conversão de gratuito para Pro.
Plano Pro: US$ 9/mês, comprimento de documento ilimitado, perguntas ilimitadas. Caso âncora: um usuário envia três documentos de 1.500 páginas por mês, faz 30 perguntas em cada = 90 perguntas × ~US$ 0,30 = US$ 27. Isso inverteria a economia unitária. Duas coisas salvam:
- A maioria dos usuários Pro não chega ao limite. O usuário intenso no percentil 90 me custa cerca de US$ 4/mês. A média é mais próxima de US$ 0,80.
- O cache de contexto reduz o custo por pergunta em sessões longas em aproximadamente 4×.
Não me importo de ter uma margem apertada nos usuários Pro mais intensos, porque eles são os que mais falam sobre como o produto funciona bem e convertem colegas de equipe. Tentar extrair a margem máxima dos 10% principais significaria estragar o produto para eles.
Plano de equipe: US$ 79/mês para 3 assentos com acesso à API. É aqui que a margem real está. As equipes pagam 4× mais que um usuário Pro pelo mesmo perfil de uso, porque estão pagando por colaboração, acesso à API e SLA — não por inferência bruta. Estou confortável com isso porque reflete como o Notion, o Linear e todos os outros SaaS de plano de equipe funcionam.
O que eu faria diferente se estivesse construindo hoje
Algumas opiniões que eu teria coragem de colocar na página apenas depois de dois meses rodando a matemática:
Mostrar o custo por pergunta ao usuário. Quando um usuário envia um documento de 1.500 páginas, a interface deve dizer "cada pergunta neste documento custa cerca de 1 crédito." Esconder o custo dos usuários cria risco moral — eles fazem 50 perguntas quando 5 bastariam, e eu arco com a margem. Preços transparentes autorregulam isso.
Ativar cache por padrão em documentos com mais de 500 páginas. A redução de 4× no custo em sessões longas é grande o suficiente para que "ativar cache" não deva ser uma opção para usuários avançados. Deve ser o comportamento padrão, com uma opção de "desativar cache por privacidade" para os poucos usuários que se importam.
Não prometer "ilimitado" para nada. Cometi o erro de escrever "chat PDF com páginas ilimitadas" no plano Pro. Isso agora é texto que sustenta o produto, e tenho que fazer a economia unitária funcionar mesmo para o usuário mais intenso. No futuro, eu teria escrito "até 5.000 páginas por documento, limite de uso justo no volume mensal." Lição aprendida para o próximo produto.
Leia a seguir
- Converse com qualquer PDF — contexto de 1 milhão de tokens
- Por que o Veo 3.1 Fast supera o Sora para trabalhos de vídeo independentes
- Preços do GeminiOmni — como escolhi os planos
— Lena