Calculadora de custo de geração de dados sintéticos
Estime o custo de gerar texto sintético e datasets estruturados com um LLM de propósito geral — exemplos de treinamento, pares de perguntas e respostas, casos de teste, datasets de avaliação, exemplos de atendimento ao cliente, registros JSON estruturados e datasets de instrução. Informe quantos registros você precisa, quantos uma única requisição gera e a complexidade do registro para obter uma estimativa mensal Baixo / Esperado / Alto. Tudo roda localmente no seu navegador — nenhum dado é enviado a nenhum servidor.
- Sem login
- Sem cartão de crédito
- Sem chamadas de API
- Apenas uma estimativa
Configure sua geração de dataset
Custo mensal estimado
Isto estima apenas o custo de inferência de LLM para gerar o dataset. Não inclui custo de treinamento ou fine-tuning de modelo, custos de armazenamento de dados, ou qualquer revisão/curadoria humana dos dados gerados.
Isto é uma estimativa, não uma garantia de cobrança real. O custo real depende do tokenizador do seu provedor, do seu esquema e exemplos reais, e do seu plano de faturamento.
Como esta estimativa funciona
- Instruções/esquema de geração
- Contexto opcional de exemplos-semente
Gera um ou mais registros por requisição, seguindo seu esquema.
Os próprios registros gerados — geralmente a maior parte do custo.
Esta é uma carga de trabalho intensiva em saída — o ênfase oposto ao da classificação. As instruções e quaisquer exemplos-semente são enviados uma vez por requisição; tudo o que é gerado volta como saída, e uma requisição pode produzir muitos registros de uma vez.
Por que o agrupamento em lote muda a matemática
O número de requisições que esta carga de trabalho realmente faz é ceil(registros
necessários ÷ registros por requisição) — nunca uma requisição por registro. Gerar
1.000 registros em lotes de 10 faz 100 requisições, não 1.000; cada uma dessas 100
requisições paga o overhead de instrução/semente uma vez e retorna o equivalente a 10
registros de saída. Agrupar mais registros em menos requisições costuma ser a maior
alavanca isolada sobre o custo total, já que amortiza o overhead fixo de entrada por
requisição entre mais saída.
Por que exemplos-semente aumentam apenas a entrada
O contexto de exemplos-semente — um punhado de exemplos de referência mostrando ao modelo o que você quer — é enviado como entrada em cada requisição, da mesma forma que o contexto recuperado funciona em uma carga de trabalho RAG. Nunca afeta quanto uma requisição gera como saída.
Por que o comprimento do registro e a complexidade do formato impulsionam o custo de saída
Um par de perguntas e respostas curto custa pouco para gerar; um registro longo e detalhado custa proporcionalmente mais. Um formato de saída estruturado ou profundamente aninhado (JSON real com múltiplos campos, ou objetos/arrays aninhados) adiciona uma pequena quantidade de overhead de formatação além do próprio conteúdo de cada registro, da mesma forma que acontece na saída da calculadora de extração de dados.
O que não está incluído: treinamento e fine-tuning
Isto estima apenas as chamadas de geração que produzem um dataset. Não modela o que acontece com esse dataset depois — treinamento de modelo, computação de fine-tuning, custos de armazenamento de dados, ou revisão/curadoria humana dos dados gerados estão todos fora do escopo.
Baixo / Esperado / Alto explicado
Uma instrução mínima, sem exemplos-semente, registros curtos.
Um esquema padrão, um conjunto leve de sementes, comprimento de registro típico. Planeje com base neste número.
Um esquema detalhado, um conjunto pesado de sementes, registros longos. Orce com base neste.
Reduza seu custo
Exemplos de custo mensal de geração de dados sintéticos
Estes exemplos usam as mesmas premissas padrão da calculadora acima — 10 registros por requisição, um esquema padrão, contexto-semente leve, comprimento de registro médio, saída JSON estruturada — com GPT-5.4 Mini. Apenas o número de registros necessários por mês muda entre as linhas.
| Nível de uso | Registros / mês | Baixo | Esperado | Alto |
|---|---|---|---|---|
| Uso leve | 500 | $0.4725 | $0.7181 | $1.08 |
| Uso típico | 5,000 | $4.72 | $7.18 | $10.83 |
| Uso intenso | 50,000 | $47.25 | $71.81 | $108.30 |
E aqui está o custo mensal para três tamanhos de dataset realistas — 1.000 pares de perguntas e respostas, 10.000 registros estruturados, e um dataset sintético grande de 100.000 registros — com GPT-5.4 Mini, cada um com seu próprio agrupamento em lote, comprimento de registro e formato de saída:
| Dataset | Requisições | Baixo | Esperado | Alto |
|---|---|---|---|---|
| 1.000 pares de perguntas e respostas | 200 | $0.3150 | $0.5325 | $0.7950 |
| 10.000 registros estruturados | 1,000 | $9.45 | $14.36 | $21.66 |
| Dataset sintético grande (100.000 registros) | 5,000 | $232.88 | $330.56 | $430.50 |
Ressalvas
- Estas estimativas usam as mesmas faixas de tokens de referência para instrução e comprimento de resposta da calculadora de chatbot do site, e as mesmas faixas de contexto recuperado que sua configuração de base de conhecimento para exemplos-semente, com precisão de ±10–15% para texto em inglês simples.
- As cifras de overhead de formato de saída (texto simples / JSON estruturado / JSON aninhado complexo) são uma premissa descritiva própria deste projeto, não uma cifra publicada por qualquer provedor — nenhum provedor publica uma especificação de overhead de formatação por registro, já que depende inteiramente do esquema exato.
- Quando o número de registros solicitado não se divide igualmente pelos registros por requisição, a requisição final é calculada com o tamanho de saída completo por requisição — uma simplificação pequena e deliberadamente conservadora (nunca subestima), revelada aqui em vez de modelada com precisão exata do último lote.
- Cada provedor usa um tokenizador diferente. A contagem real de tokens pode variar ±5–10% entre provedores para o mesmo conteúdo.
- Custos de treinamento de modelo, fine-tuning, armazenamento de dados e revisão/curadoria humana não estão incluídos. Esta ferramenta estima apenas as próprias chamadas de geração.
- Os preços mostrados são verificados manualmente contra a página oficial de preços de cada provedor a partir de 2026-09-08. Os preços dos provedores de IA mudam com frequência — verifique na página oficial de preços do seu provedor antes de tomar decisões de orçamento.
- O aviso de janela de contexto acima aparece quando os tokens combinados de uma requisição excedem 80% da janela de contexto do modelo selecionado — uma margem de segurança antes do risco de truncamento ou falha, não um limite rígido em 100%.
Isto é uma estimativa, não uma garantia de cobrança real. Sempre confirme no painel de uso do seu provedor e nos preços oficiais antes de comprometer um orçamento.