Eu quero pagar por uma tarefa concluída, e desconto no token sozinho não me diz quanto isso custa. Dá pra gastar menos por chamada e contratar, sem perceber, uma reunião interminável entre agentes. A conta precisa chegar até a entrega que alguém consegue aceitar.
Em 21 de agosto de 2026, a OpenAI reduziu o preço do GPT-5.6 Sol para US$4 por milhão de tokens de entrada e US$20 por milhão de saída, como preço promocional. Um desconto desses dá vontade de dividir o trabalho entre agentes em paralelo, cada um responsável por uma parte.
O problema começa na divisão. Se cada agente precisa descobrir a mesma informação antes de avançar, parte do orçamento compra repetição. Depois vem a comparação das respostas e a resolução de divergências. Isso pode valer o custo numa investigação difícil. Pra uma tarefa simples, dá pra terminar com mais coordenação do que trabalho útil. Paralelismo precisa de um motivo além de haver vaga livre.
O mesmo vale pra escolha do modelo. A escolha econômica começa pelo tipo de resultado exigido e pelo custo de corrigir uma tentativa ruim. Um modelo barato que deixa trabalho pela metade pode exigir outra rodada com contexto adicional.
Prefiro dividir o trabalho em atividades que devolvam algo aproveitável por conta própria. Uma busca pode trazer evidência enquanto outra frente avança. Dois agentes renegociando a mesma decisão a cada passo merecem outra organização. O número de executores só interessa depois que cada responsabilidade fica compreensível.
Como o preço é promocional, uma configuração escolhida por causa dele precisa ser revista quando a promoção acabar. Multiplicar o preço novo por consumo imaginado serve pra planejar; a economia aparece quando observo a execução. A regra que uso é custo por entrega aceita, contando tentativas descartadas e a atenção gasta pra coordenar.