Resumo

  • A Microsoft define as unidades de throughput provisionado (PTU) como uma quantidade fixa de capacidade de processamento do modelo e publica essa quantidade como um coeficiente por modelo, de 750 a 14.900 tokens de entrada por minuto por unidade nas seis linhas revisadas.
  • No piso impresso de 15 unidades, a diferença dá 11.250 contra 223.500 tokens de entrada por minuto sob a mesma tarifa por PTU e hora, uma razão de 19,87 que nenhuma página da Microsoft imprime e que aqui vai marcada como conta minha.
  • A capacidade é reconstruível assim que o comprador informa sua mistura de entrada e saída; a tarifa não é, porque todo dólar concreto do corpus tem data de 2024 ou de 2025 e a página de preços manda o leitor para a calculadora.

A definição não traz dígitos

Na página que define a unidade, a Microsoft escreve: «Provisioned throughput units (PTUs) are the unit of measure for provisioned throughput. A PTU represents a fixed amount of model processing capacity.» É a definição inteira. Não há token, não há minuto, não há lista de modelos.

A mesma página avisa de duas coisas que essa frase deixa de fora: que a vazão de tokens entregue por um número qualquer de PTUs depende do modelo, e que cada modelo exige um número mínimo de PTUs para criar um deployment. A página de cobrança acrescenta o segundo termo do contrato: «Provisioned deployments (Regional, Data Zone, and Global) are charged at an hourly rate ($/PTU/hr) based on the number of PTUs deployed.» Cobra-se o deployment, não o consumo. A mesma página registra que a cota de PTU é concedida por assinatura, por região e por tipo de deployment, e que a mesma cota serve para implantar qualquer modelo suportado.

A quantidade fixa está numa célula

O coeficiente mora na página de dimensionamento, numa célula de tabela: «Input TPM per PTU | The maximum input tokens per minute (TPM) that one PTU supports. Use this value when estimating PTUs.» Daí saem as linhas. Estas são as seis que o trecho lido devolveu:

A quantidade fixa está numa célula
Modelo Tokens de entrada por minuto por PTU Mínimo Global e Data Zone Mínimo Regional
gpt-6.2-astra 750 15 25
gpt-4o 2.500 15 50
gpt-6.2-sol 2.950 15 25
gpt-4.1 3.000 15 50
gpt-5 4.750 15 50
gpt-4.1-mini 14.900 15 25

Os mínimos não vêm só da página de dimensionamento. A página de preços imprime os mesmos mínimos por modelo, entre eles 15 PTUs para GPT-4.1 Global e 50 para GPT-4.1 Regional, e declara que seus valores são estimativas, a conferir na calculadora de preços ou com o time de vendas. A menor compra possível fica assim impressa duas vezes, em dois documentos, com dois propósitos.

Com esses dois números impressos, a divisão é minha: 15 vezes 750 dá 11.250 tokens de entrada por minuto; 15 vezes 14.900 dá 223.500; e 223.500 dividido por 11.250 é 19,87. A mesma compra mínima, com a mesma tarifa horária, entrega quase vinte vezes mais capacidade de entrada dependendo do nome que estiver na linha.

A mistura é o comprador que informa

A capacidade não se esgota nos tokens de entrada. A página de dimensionamento publica a cadeia inteira: as PTUs necessárias são a TPM normalizada dividida pelo valor de entrada por PTU do modelo, e a TPM normalizada é a TPM de entrada multiplicada por um menos a taxa de cache, mais a razão saída-entrada multiplicada pela TPM de saída. Essa razão é um peso por modelo: um token de saída consome o equivalente em tokens de entrada que a linha indicar. Nos modelos GPT-6 e posteriores a conta inclui também a entrada em cache e as gravações de cache, e um token de entrada de contexto curto pesa um.

A consequência prática é direta: uma PTU não tem uma capacidade em tokens que o comprador leia e use como está. Tem um orçamento de TPM normalizada, e o comprador entra com a parte que a Microsoft não tem como imprimir, que é a própria mistura de entrada e saída. Sem essa mistura, qualquer número de tokens por minuto é metade de uma conta.

O dinheiro tem data

A página de cobrança descreve a mecânica sem preço: cobra-se a capacidade implantada e não o consumo, o número completo de PTUs é faturado independentemente da utilização, horas parciais são proporcionais e o que passa de uma reserva é cobrado pela tarifa horária. Reservas são de um mês ou de um ano, e o desconto varia conforme a família de modelos e o prazo.

A página de preços imprime a estrutura: uma tabela com colunas de mínimo de PTUs, preço horário por PTU, preço de reserva mensal por PTU e preço de reserva anual por PTU. Na leitura que fiz dessa página, os cabeçalhos e os mínimos por modelo vieram; os valores em moeda não ficaram disponíveis. Por isso este artigo não afirma nada sobre a tarifa vigente, não lê ausência como preço zero e não sustenta que a Microsoft não publique preço.

Os únicos dólares concretos do corpus estão datados. O anúncio de 28 de outubro de 2024 fixou o Global provisionado em 2,00 dólares por hora e anunciou 1,00 dólar por hora a partir de 1º de novembro de 2024, com 1,10 dólar por hora para Data Zone, reserva de um mês a 260 dólares por PTU e reserva de um ano a 221 dólares por PTU. O texto de 9 de outubro de 2025 registra a reserva mensal de uma PTU de GPT-4o em 260 dólares por unidade para deployments globais e avisa que os preços mudam. Nenhum dos dois é a tarifa de hoje; os dois são declarações sobre a própria data.

Com o dólar datado de 1,00 por PTU e hora, e só com ele, o piso de 15 unidades custa 15,00 dólares por hora. Dividido pelo que essas 15 unidades entregam numa hora de entrada contínua, o resultado, que é meu, vai de 1,12 dólar por milhão de tokens de entrada na linha de 14.900 a 22,22 na de 750, passando por 5,65, 6,67, 5,56 e 3,51. A razão entre o extremo caro e o barato é 19,9, a mesma da capacidade, porque uma única tarifa horária está sentada sobre as seis linhas.

Numa base de 730 horas por mês, que também é premissa minha, a reserva de 260 dólares equivale a 0,356 dólar por PTU e hora, e a de 221 dólares por ano chega a 2.652 dólares por PTU e ano, ou 0,303 por hora contra o dólar da tarifa horária.

O muro tem relógio

Passado o limite, não aparece uma fatura maior. A página de operação define a utilização do deployment como as PTUs consumidas num período divididas pelas PTUs implantadas no mesmo período, e fixa a regra: «Throttling at 100%: When a request is made, if current utilization is at 100%, the service returns HTTP 429 immediately, with retry-after-ms and retry-after response headers indicating how long to wait.» As chamadas são aceitas até 100 por cento e picos curtos acima disso são tolerados; depois desse ponto, a resposta é uma recusa com relógio. A página de definição acrescenta que existe um desvio opcional do excedente para um deployment padrão, e que a cota por assinatura, região e tipo de deployment funciona como um segundo reservatório, separado do primeiro.

Onde a conta para

O coeficiente, o mínimo, a razão de saída e a regra do 429 estão impressos. A mistura é o comprador que informa. A tarifa, nos sete documentos lidos, está datada ou delegada: não apareceu neles uma tarifa por PTU vigente em 2026. As seis linhas são as que o trecho da página de dimensionamento devolveu, que pode imprimir mais, e aqui não se afirma que sejam todas. A ilustração de tokens do texto de 2025 não fecha com os 2.500 tokens de entrada por PTU e com o peso por modelo da página de dimensionamento, então fica fora de toda a aritmética de capacidade e é usada apenas pelo dólar datado que traz.

Sobra uma divisão incômoda e útil. O comprador consegue calcular quantos tokens de entrada por minuto está comprando e sabe exatamente o que acontece quando eles acabam. O que ele não consegue ler é o preço. A definição chama a quantidade de fixa; a tabela abre essa quantidade por modelo; o dólar fica na calculadora. A ficha da Microsoft no diretório da BTW registra quem publica a documentação, não a tarifa.