Dois modelos. Mesma tarefa. 11x de diferença no custo mensal.
Esse é o cenário real ao colocar um agente de WhatsApp em produção com volume significativo. Não estamos falando de benchmark de raciocínio ou nota no MMLU. Estamos falando da conta que chega no cartão de crédito com 50K mensagens processadas e a margem do produto apertando.
Em maio de 2026, o mercado de LLMs para agentes de atendimento ficou mais polarizado: Gemini Flash-Lite a $0,10/M tokens de entrada versus Claude Haiku 4.5 a $1,00/M. A diferença em dinheiro real é maior do que parece à primeira vista, e a decisão de qual escolher depende de fatores que os benchmarks convencionais não medem.
Por que a maioria dos devs escolhe o modelo errado para WhatsApp?
Leaderboards como LMSYS Arena e HumanEval medem capacidade de raciocínio complexo, geração de código e análise de documentos longos. São métricas excelentes para coding assistants, análise jurídica e geração de relatórios. Para um agente de WhatsApp respondendo perguntas de produto, agendamentos e status de pedido, esses benchmarks são quase irrelevantes.
Um agente de atendimento no WhatsApp tem um perfil muito específico de consumo:
- Mensagem do usuário: 50 a 150 tokens
- System prompt com instruções do negócio: 300 a 600 tokens
- Contexto recente (últimas 5 mensagens): 200 a 400 tokens
- Resposta do agente: 100 a 250 tokens
Total médio: 800 a 1.200 tokens por interação. Nenhum raciocínio encadeado longo. Nenhuma análise de 100K tokens. Mensagens curtas, respostas diretas, alto volume.
Nesse perfil, escolher o modelo pelo benchmark é como comprar um carro de corrida para fazer entregas no centro de São Paulo. O motor é melhor, mas o custo por entrega afunda a operação.
Dado-chave: Para agentes de WhatsApp com 50K mensagens/mês, a diferença entre Gemini Flash-Lite e Claude Haiku 4.5 chega a $100 por mês no custo de API (fonte: DevTk.ai, maio 2026).
O comparativo completo: custo, velocidade e capacidade
Calculamos o custo real por volume mensal com base na precificação de maio de 2026, assumindo 1.000 tokens por interação (70% input, 30% output), perfil típico de agente de atendimento via WhatsApp:
| Modelo | Input ($/M) | Output ($/M) | 10K msgs/mês | 50K msgs/mês | 100K msgs/mês | Velocidade |
|---|---|---|---|---|---|---|
| Gemini Flash-Lite | $0,10 | $0,40 | $1,90 | $9,50 | $19 | ~240 tok/s |
| Claude Haiku 4.5 | $1,00 | $5,00 | $22 | $110 | $220 | ~180 tok/s |
| Claude Sonnet 4.6 | $3,00 | $15,00 | $66 | $330 | $660 | ~120 tok/s |
| GPT-5.5 | $5,00 | $30,00 | $125 | $625 | $1.250 | ~150 tok/s |
Em latência, o Gemini Flash-Lite entrega TTFT (time to first token) abaixo de 300ms em condições normais. Claude Haiku fica entre 350ms e 500ms. Segundo o BenchLM Speed Leaderboard, o Gemini 2.5 Flash lidera em velocidade entre os modelos frontier com ~238 tokens/segundo. Para um usuário de WhatsApp, essa diferença entre "resposta instantânea" e "parece que está digitando" separa 4,8 estrelas de 4,2 no Google Business.
Mais barato sempre vale? Nem sempre.
Aqui está o ângulo que a maioria dos comparativos ignora: o modelo mais barato pode custar mais dependendo do que você precisa que ele faça.
Para FAQ, suporte de nível 1 e agendamento básico, o Gemini Flash-Lite entrega resultado equivalente ao Haiku. A diferença de qualidade em seguimento de instruções simples é mínima e o usuário final não percebe.
Para agentes de vendas com qualificação multiestágio, tratamento de objeções e personalização de proposta, o Claude Haiku (ou Sonnet) tem vantagem real em coerência de raciocínio ao longo de várias mensagens. Se um agente com Haiku converte 35% dos leads qualificados e o Flash-Lite converte 24%, para um negócio com 300 leads qualificados por mês e ticket de R$800:
- Haiku: 105 conversões × R$800 = R$84.000 de receita
- Flash-Lite: 72 conversões × R$800 = R$57.600 de receita
- Diferença: R$26.400 por mês, contra um custo extra de ~$100 no LLM
A escolha do modelo é uma decisão de negócio, não de engenharia.
Como calcular o custo real do seu agente WhatsApp
Fórmula prática para estimar gasto mensal com LLM antes de fechar em um modelo:
# Parâmetros típicos de um agente WhatsApp
tokens_input_por_msg = 700 # system prompt + contexto + msg do usuário
tokens_output_por_msg = 300 # resposta do agente
msgs_por_mes = 50_000
# Preços por milhão de tokens (maio 2026)
# Gemini Flash-Lite: 0.10 / 0.40
# Claude Haiku 4.5: 1.00 / 5.00
# Claude Sonnet 4.6: 3.00 / 15.00
preco_input = 0.10 # troque pelo modelo escolhido
preco_output = 0.40
custo_input = (tokens_input_por_msg * msgs_por_mes / 1_000_000) * preco_input
custo_output = (tokens_output_por_msg * msgs_por_mes / 1_000_000) * preco_output
custo_total = custo_input + custo_output
print(f"Custo mensal estimado: ${custo_total:.2f}")
# Flash-Lite: $9.50
# Haiku 4.5: $110.00
# Sonnet 4.6: $330.00
Três variáveis que aumentam o custo sem você perceber:
- System prompt gordo: cada 1.000 tokens a mais no system prompt adicionam $1/mês por 10K mensagens com Haiku. Mantenha instruções concisas e use RAG para conhecimento dinâmico.
- Histórico longo sem controle: passar 20 mensagens de contexto em vez de 5 multiplica o custo em 2x a 3x. Use janela deslizante com sumarização periódica.
- Retry sem limite: agente que tenta de novo em caso de resposta fora do padrão dobra o gasto em picos. Limite a 1 retry por interação com fallback de mensagem padrão.
Qual modelo para qual caso de uso?
| Caso de uso | Modelo recomendado | Motivo |
|---|---|---|
| FAQ e suporte nível 1 | Gemini Flash-Lite | Custo mínimo, latência baixa, qualidade suficiente |
| Agendamento e triagem | Gemini Flash-Lite | Tarefas estruturadas, sem raciocínio complexo |
| Qualificação de leads | Claude Haiku 4.5 | Melhor coerência em múltiplos turnos de conversa |
| Vendas consultivas | Claude Sonnet 4.6 | Raciocínio sobre objeções e personalização de proposta |
| Suporte técnico complexo | Claude Sonnet 4.6 | Diagnóstico multiestágio, análise de contexto longo |
A estratégia ideal para volume médio a alto é o roteamento por intenção: detecte o tipo de solicitação com um modelo rápido e barato (Flash-Lite para classificação), depois route mensagens complexas para um modelo mais capaz. Na prática, você reduz custo em 40% a 60% sem impactar a qualidade percebida.
Como usar dois modelos no mesmo produto sem dobrar a complexidade
A plataforma Verboo permite configurar modelos diferentes por Assistente, sem manter infraestrutura separada ou gerenciar chaves de API por modelo. Um Assistente de FAQ usa Gemini Flash-Lite. O Assistente de vendas usa Sonnet 4.6. Cada um com seu próprio conjunto de Conhecimento, Instrução e Gatilhos, tudo no mesmo dashboard.
Com 390+ empresas em produção e mais de 27 milhões de mensagens processadas, a Verboo já rodou esse comparativo em escala real. A latência mediana fica abaixo de 500ms independentemente do modelo, porque a camada de orquestração cuida de caching de contexto, sumarização automática e controle de retries. Você paga pelo token útil, não pelo contexto repetido.
A conta final para uma empresa com 50K mensagens/mês divididas entre suporte (70%) e vendas (30%): configuração híbrida com Flash-Lite para suporte e Haiku para vendas sai em torno de $40/mês em LLM, contra $110 se tudo rodar em Haiku. São $70/mês de economia sem nenhuma perda de qualidade nas conversas de atendimento.
A Verboo resolve isso com uma API simples e WhatsApp nativo. Conheça os planos.
