OpenAI vende 20x mais Codex. Mas 20x de quê?

O Codex consegue analisar sistemas inteiros, modificar dezenas de arquivos e escrever código em poucos minutos. Ainda assim, existe uma tarefa aparentemente mais difícil: explicar ao assinante quanto do plano foi consumido, por que foi consumido e quando o limite realmente será renovado.

O problema não é a existência de limites. Nenhuma infraestrutura computacional oferece capacidade infinita. O problema é vender uma quantidade relativa de uso sem oferecer ao profissional uma forma igualmente clara de acompanhar essa quantidade.

Na página oficial de preços do Codex, a OpenAI informa que o plano Pro pode oferecer cinco ou vinte vezes mais uso do que o Plus. O plano Pro de US$ 200 é apresentado como a opção de maior capacidade, com vinte vezes o uso do plano inferior.

A oferta parece objetiva. A medição, não.

Vinte vezes mais mensagens? Vinte vezes mais tokens? Vinte vezes mais créditos? Vinte vezes mais tempo de processamento? Vinte vezes uma quantidade que também não foi informada?

Uma multiplicação só esclarece alguma coisa quando o valor de referência é conhecido.

Vinte vezes um número invisível continua sendo um número invisível.

— Wenderson Wanzeller

O limite semanal que não conta toda a história

Dentro do Codex, o usuário pode acessar o perfil e consultar o uso restante. A interface apresenta indicadores para diferentes períodos, inclusive um percentual semanal.

A interpretação natural de um indicador semanal em 100% é simples: toda a capacidade daquela semana está disponível.

Quando esse mesmo indicador aparenta voltar a 100% em dias sucessivos e, pouco depois, o sistema informa que o limite semanal foi atingido, surge um problema de comunicação. O usuário não sabe se ocorreu uma renovação, uma atualização atrasada, uma janela móvel, um ajuste interno ou apenas uma inconsistência visual.

Pode existir uma explicação técnica perfeitamente válida. Mas ela não está visível para quem precisa planejar o trabalho.

É como dirigir um carro cujo painel mostra o tanque cheio todas as manhãs, mas que para na quinta-feira porque havia outro reservatório sendo consumido em segundo plano.

O motorista entende que o combustível acaba. O que ele não consegue entender é por que o marcador contou uma história diferente.

A OpenAI sabe exatamente o que foi consumido

A documentação sobre o uso do Codex nos planos do ChatGPT informa que o consumo depende do modelo, do tamanho da tarefa, da complexidade do trabalho e do local em que a execução acontece.

Projetos maiores consomem mais. Sessões longas exigem mais contexto. Tarefas complexas podem utilizar mais raciocínio, ferramentas e processamento. Duas solicitações parecidas também podem gerar consumos diferentes.

Tudo isso é tecnicamente compreensível.

Em abril de 2026, a OpenAI também passou a alinhar o consumo do Codex à utilização de tokens da API. A tabela oficial de consumo do Codex separa tokens de entrada, entrada em cache e saída. Cada modelo possui uma taxa diferente de créditos por milhão de tokens.

Portanto, a empresa conhece os elementos da conta:

• qual modelo foi utilizado;
• quantos tokens entraram;
• quantos tokens estavam em cache;
• quantos tokens foram produzidos;
• quais ferramentas foram acionadas;
• quanto contexto foi mantido;
• quantos créditos foram consumidos.

O usuário, porém, normalmente recebe apenas um percentual.

Existe precisão no servidor e aproximação no painel.

Não é apenas um limite do Codex

Outro detalhe importante está na documentação: o Codex pode compartilhar o mesmo orçamento de uso agentivo com outros produtos, como ChatGPT Work, ChatGPT para Excel e Workspace Agents, quando esses recursos estão disponíveis no plano.

Isso significa que o saldo apresentado como uso do Codex pode não depender exclusivamente das tarefas visíveis dentro do próprio Codex.

Essa arquitetura de consumo compartilhado pode fazer sentido para a OpenAI. Os produtos usam modelos, agentes e infraestrutura semelhantes. O problema aparece quando a interface não apresenta um extrato capaz de separar essas origens.

Se diferentes serviços retiram capacidade do mesmo reservatório, o painel deveria mostrar quanto cada serviço retirou.

Caso contrário, o usuário abre o Codex, vê o limite reduzido e precisa adivinhar se o consumo veio de uma sessão de programação, de uma tarefa no ChatGPT, de uma automação ou de outro recurso associado à conta.

Isso não é observabilidade. É arqueologia.

“Uso” não deveria ser uma abstração

Na engenharia de software, observabilidade significa conseguir compreender o estado de um sistema a partir dos dados que ele fornece.

Monitoramos CPU, memória, armazenamento, requisições, erros, latência e custos. Não aceitamos que um servidor simplesmente pare e responda que “algum recurso foi consumido”.

Um serviço criado para profissionais de tecnologia deveria aplicar esse mesmo princípio ao próprio modelo comercial.

Não seria necessário revelar algoritmos internos nem expor segredos industriais.

Bastaria apresentar informações operacionais básicas:

• saldo total incluído no plano;
• saldo utilizado;
• saldo disponível;
• data e hora exatas da próxima renovação;
• consumo por modelo;
• consumo por produto;
• consumo por tarefa;
• histórico de alterações do saldo;
• créditos adicionais comprados;
• diferença entre limite de cinco horas e limite semanal.

A OpenAI já possui esses dados. Transformá-los em um extrato compreensível é principalmente uma decisão de produto.

Percentual sem denominador não ajuda a planejar

Mostrar que restam 40% parece informativo. Mas quarenta por cento de quê?

Para quem utiliza o Codex ocasionalmente, essa imprecisão pode representar apenas uma inconveniência. Para um engenheiro de software, uma consultoria ou uma empresa que incorporou a ferramenta ao fluxo de desenvolvimento, ela afeta planejamento, prazo e produtividade.

Uma migração de banco de dados, uma revisão de segurança ou uma refatoração extensa não pode ser organizada com base em um marcador que talvez represente uma janela, uma estimativa ou uma combinação de produtos.

O profissional precisa decidir se inicia uma tarefa longa, se utiliza um modelo mais econômico, se divide o projeto em etapas ou se compra créditos adicionais.

Sem saber o custo aproximado da tarefa e o saldo real disponível, a decisão deixa de ser técnica e vira tentativa.

Inteligência artificial sem previsibilidade de consumo transforma planejamento em jogo de azar.

— Wenderson Wanzeller

O plano Pro precisa de transparência Pro

A OpenAI descreve o ChatGPT Pro como um plano voltado a pessoas que dependem da inteligência artificial para realizar trabalhos complexos e de alta importância.

Essa definição aumenta a responsabilidade do produto.

Quem depende profissionalmente de uma ferramenta precisa conhecer seus limites antes de encontrá-los. Uma plataforma pode impor franquias, aplicar janelas móveis e cobrar de acordo com a complexidade. O que não deveria fazer é obrigar o cliente a descobrir as regras durante uma interrupção.

O problema comercial não está necessariamente na quantidade oferecida. O plano pode até entregar uma capacidade compatível com o preço.

A questão é que o usuário não consegue verificar essa relação de forma independente.

A promessa “20x mais” funciona bem na página de vendas. No ambiente de uso, deveria existir uma representação concreta do que foi multiplicado.

A crítica não é contra os limites

Limites protegem a infraestrutura, controlam custos e reduzem abusos. Eles são parte normal de qualquer serviço tecnológico.

A crítica é contra a falta de rastreabilidade.

Não se trata de exigir uso infinito. Trata-se de saber quanto foi contratado, como o consumo é calculado e qual evento provocou o bloqueio.

Também não é necessário concluir automaticamente que existe uma infração comercial ou regulatória. Essa avaliação depende de fatos, contratos e análise jurídica. A questão técnica aparece antes: a informação apresentada permite que um cliente médio compreenda e antecipe o funcionamento do serviço?

Quando a resposta depende de fóruns, suposições e experiências acumuladas ao longo da semana, a interface ainda não explicou o produto.

Transparência também é uma funcionalidade

Empresas de tecnologia costumam tratar páginas de preços, medidores e limites como elementos administrativos. Não são.

Esses componentes fazem parte da experiência principal do produto.

Um bom painel de consumo reduz chamados de suporte, evita frustração, melhora a escolha dos modelos e permite que o cliente compre créditos com mais segurança. Também ajuda a empresa a demonstrar que a cobrança corresponde ao uso real.

A OpenAI não precisa remover os limites do Codex. Precisa torná-los observáveis.

O Codex já consegue explicar uma base de código que nunca viu. Pode localizar dependências, interpretar logs e descobrir por que uma aplicação parou.

Talvez seja a hora de aplicar essa capacidade ao próprio painel.

Porque o único modelo que deveria permanecer difícil de interpretar é o de inteligência artificial — não o modelo de consumo.

Referência rápida

• Preços e limites do Codex
• Uso do Codex nos planos do ChatGPT
• Planos ChatGPT Pro de 5x e 20x
• Tabela de créditos e tokens do Codex
• Página geral de preços do ChatGPT

Referência rápida

Termos deste artigo

OpenAI

Empresa responsável pelo ChatGPT e pelo Codex, responsável também pela definição dos planos, limites e regras de consumo.

Codex

Ferramenta de inteligência artificial da OpenAI voltada para programação, análise de código e execução de tarefas de desenvolvimento.

Limites de uso do Codex

Restrições aplicadas à quantidade de utilização disponível em determinado período.

Consumo semanal do Codex

Capacidade de uso acumulada durante a semana, apresentada ao usuário por meio de um indicador percentual.

ChatGPT Pro

Plano premium da OpenAI destinado a usuários que necessitam de maior capacidade para tarefas profissionais e complexas.

Codex 20x

Expressão comercial utilizada para indicar que determinado plano oferece até vinte vezes mais capacidade de uso, sem apresentar claramente a unidade multiplicada.

Tokens

Unidades utilizadas pelos modelos de inteligência artificial para processar entradas, contexto e respostas.

Observabilidade

Capacidade de compreender o estado e o comportamento de um sistema por meio de métricas, registros e dados verificáveis.