Preços de compreensão de conteúdo do Azure em ferramentas Foundry

Este artigo explica o modelo de preços Azure Content Understanding in Foundry Tools. Saiba pelo que você é cobrado e como estimar os custos para sua carga de trabalho.

Para obter taxas de preços específicas, consulte Azure Content Understanding Pricing.

A menos que observado de outra forma, este artigo referencia o comportamento de GA com a versão 2025-11-01da API. Seções que descrevem a resolução da família de fluxo de trabalho e o modo agente alternam para o comportamento de visualização com a versão 2026-06-01-previewda API.

Entender os dois tipos de encargos

O preço do Azure Content Understanding baseia-se em duas categorias de uso principais.

1. Encargos de extração de conteúdo

A extração de conteúdo transforma entradas não estruturadas (documentos, áudio, vídeo) em texto e conteúdo estruturados e pesquisáveis. Essa saída inclui o OCR (reconhecimento óptico de caracteres) para documentos, conversão de fala em texto para áudio/vídeo e detecção de layout. Você paga por unidade de entrada processada:

• Documentos: a cada 1.000 páginas
• Áudio e vídeo: Por minuto

2. Taxas de características generativas

Ao usar funcionalidades de IA que utilizam modelos de linguagem de grande escala (LLMs), você incorre em dois tipos de encargos:

• Encargos de contextualização: prepara o contexto, gera pontuações de confiança, fornece a base de origem e formata a saída. Para obter detalhes, consulte tokens de contextualização.
• Encargos de modelo generativo: custos baseados em token de implantações de modelo da Fábrica da Microsoft (LLMs para geração, inserções para exemplos de treinamento). A Compreensão de Conteúdo usa a implantação de modelo da Fábrica que você fornece para todas as chamadas relacionadas à IA. Você não vê nenhuma cobrança pelo uso de LLM ou token de incorporação na Compreensão de Conteúdo. Essa configuração aparece na implantação do seu modelo do Foundry. Para obter detalhes, consulte encargos de modelo generativo.

Os recursos generativos incluem: extração de campo, análise de figura, segmentação, categorização, treinamento.

Componentes de custo

Seu custo total inclui cada categoria de uso que se aplica ao analisador: extração de conteúdo, tokens de contextualização, tokens de entrada e saída do modelo de conclusão e tokens de modelo de inserção. Se você usar apenas a extração de conteúdo sem recursos de geração, pagará apenas pela extração de conteúdo.

Como estimar seus custos

1. Testar com arquivos representativos

Execute uma pequena análise de teste com seus arquivos e esquemas reais. Para ver o uso de GA e operações de visualização, verifique o usage objeto na resposta da API analisadores:

{
  "usage": {
      "documentPagesMinimal": 0, // Asynchronous: Digital file extraction.
      "documentPagesBasic": 0, // Asynchronous: Read extraction.
      "documentPagesStandard": 2, // Asynchronous: Layout extraction.
      "documentPagesMinimalInline": 0, // Preview: Synchronous digital file extraction.
      "documentPagesBasicInline": 0, // Preview: Synchronous Read extraction.
      "documentPagesStandardInline": 0, // Preview: Synchronous Layout extraction.
      "contextualizationTokens": 2000,
      "advancedContextualizationTokens": 0, // Preview: Advanced contextualization.
      "tokens": {
         "gpt-5.2-input": 10400,
         "gpt-5.2-output": 360
    }
  }
}

Na API, operações 2026-06-01-preview síncronas relatam o uso de extração de conteúdo nas documentPages*Inline propriedades. O uso avançado de contextualização é relatado em advancedContextualizationTokens. Esses nomes de propriedade identificam o uso na resposta da API; eles não são os nomes dos medidores de preços publicados.

2. Obter taxas atuais

Use as páginas de preços do Azure Content Understanding and Foundry Models para obter as taxas atuais para sua região, tipo de implantação e modelos selecionados.

3. Calcular a estimativa

Para cada categoria de uso aplicável, multiplique o uso medido por sua taxa atual. Inclua os encargos de extração e contextualização de conteúdo do Content Understanding, cobranças de token de entrada e saída do modelo de conclusão e inserção de encargos de token quando o analisador usa inserções. Adicione os encargos resultantes para estimar o custo total do volume esperado.

As taxas variam por região, tipo de implantação e modelo, portanto, este artigo não fornece cálculos numéricos. Para ver as opções de modelo atuais, consulte modelos de geração com suporte.

Componentes de custo detalhados

Extração de conteúdo

A extração de conteúdo é a primeira etapa essencial para transformar a entrada não estruturada , seja um documento, áudio ou vídeo, em um formato padronizado e reutilizável. Esse processamento fundamental é necessário para todos os recursos generativos e pode ser usado autônomo.

Preços de extração de conteúdo por modalidade:

• Documentos: três níveis de medidores (mínimo, básico ou padrão) com base na complexidade do processamento
• Áudio: Transcrição de fala em texto (medidor padrão único, preço por minuto)
• Vídeo: Extração de quadros, detecção de cenas e transcrição de fala para texto (medidor padrão único, por minuto)
• Imagens: Nenhuma extração de conteúdo disponível

Medidores de extração de conteúdo do documento

Para documentos, a cobrança é pelo tipo de processamento que o Content Understanding realiza. Cobrança da Compreensão de Conteúdo baseadas no trabalho real realizado em cada página, e não no analisador selecionado.

Medidor mínimo: aplica-se a documentos digitais (DOCX, XLSX, PPTX, HTML, TXT, MSG, EML) em que nenhum processamento de OCR ou layout é necessário. Esse medidor é a opção de menor custo para documentos nativos digitais. Você é cobrado pela taxa mínima, independentemente de qual analisador você usa, mesmo que chame um analisador de layout em um documento digital, você será cobrado apenas pelo processamento mínimo executado.

Medidor básico: aplica-se quando o Content Understanding executa o processamento de OCR para extrair texto de documentos baseados em imagem (PDFs verificados, imagens, TIFFs) sem análise de layout.

Medidor padrão: aplica-se quando o Content Understanding executa a análise de layout, incluindo reconhecimento de tabela e detecção de elementos estruturais de documentos baseados em imagem (PDFs verificados, imagens, TIFFs).

A tabela a seguir mostra qual medidor se aplica com base no tipo de arquivo e no nível de análise:

Capacidades de geração

Os recursos generativos do Content Understanding usam modelos de IA generativos para melhorar a qualidade da saída. Na versão 2025-11-01mais recente da API, você pode escolher um modelo de geração com base em seu caso de uso.

Quando você usa qualquer recurso generativo, a Compreensão de Conteúdo usa a implantação dos modelos Foundry que você fornece. O uso do token para os modelos de conclusão ou incorporação está nessa implantação.

Tokens de contextualização

Contextualização é a camada de processamento no Content Understanding que pré-processa o conteúdo do usuário, prepara dados e contexto para modelos generativos e saída de modelo pós-processos para os resultados estruturados finais. O tipo de processamento de dados, preparação de dados e processamento de contexto aplicado determina o tipo e a quantidade de tokens de contextualização cobrados.

A contextualização padrão aplica recursos de extração de uso geral ao seu conteúdo e esquema.

A contextualização avançada aplica tecnologia especializada para melhorar a qualidade, simplificar a implementação e resolver problemas de compreensão de conteúdo mais complexos.

Com a 2026-06-01-preview API, o valor resolvido config.workflow torna a taxa aplicável explícita:

• Valores de fluxo de trabalho que começam com standard o uso da taxa de contextualização padrão.
• Todas as outras famílias de fluxo de trabalho, incluindo advanced e agentic, usam a taxa de contextualização avançada.

Os clientes definem "default" ou "agentic" ao criar um analisador. O serviço retorna um valor de família de fluxo de trabalho com versão, como standard.2026-06-01-preview, advanced.2026-06-01-previewou agentic.2026-06-01-preview. Para obter as regras de resolução completas, consulte workflow.

Quando você é cobrado: sempre que você usa recursos generativos (extração de campos, análise de figuras, segmentação, categorização, treinamento).

Preço: taxa fixa por unidade de conteúdo.

Os tokens de contextualização são calculados por unidade de conteúdo:

Supondo uma taxa de contextualização padrão de US$ 1,00 por 1 milhão de tokens de contextualização e uma taxa de contextualização avançada de US$ 3,00 por 1 milhão de tokens de contextualização.

Analisadores predefinidos

A tabela a seguir resume os analisadores predefinidos e os medidores de cobrança de processamento de contexto e extração de conteúdo aplicáveis. O medidor de extração de campo é cobrado com base no uso real do modelo generativo.

¹A extração de conteúdo de arquivos baseados em texto usando analisadores com suporte é cobrada com o medidor Mínimo do Documento.

Analisadores personalizados

Quando você cria analisadores personalizados e fornece dados de treinamento rotulados, o sistema aplica o medidor de contextualização avançado. Caso contrário, ele aplica o medidor de contextualização padrão.

Analisadores personalizados criados com a versão 2025-11-01 da API ou anteriores continuam a usar a taxa de contextualização padrão. Se você recuperar um desses analisadores com a 2026-06-01-preview API, a resposta será exibida standard.2025-11-01 em config.workflow. A resposta da 2025-11-01 API não foi alterada.

Ao criar um analisador personalizado com a 2026-06-01-preview API:

• Um analisador personalizado sem dados rotulados standard.2026-06-01-preview resolve e usa a taxa padrão.
• Um analisador personalizado com dados rotulados advanced.2026-06-01-preview resolve e usa a taxa avançada.
• Um analisador personalizado criado com workflow o conjunto para "agentic" resolver agentic.2026-06-01-preview e usa a taxa avançada.

Tarifas de modelos gerativos (LLM)

Cobranças baseadas em tokens dos modelos da Fábrica que impulsionam a extração, análise e outras funcionalidades reais de geração de campo.

Os tokens de entrada incluem:

• Texto e transcrições extraídos
• Tokens de imagem (para análise visual)
• Suas definições de esquema
• Prompts do sistema
• Exemplos de treinamento rotulados com a 2025-11-01 API

Os tokens de saída incluem:

• Valores de campo e dados estruturados
• Pontuações de confiança e fundamentação da origem
• Resultados e descrições da análise

Otimização de custos: compare as taxas atuais para modelos e tipos de implantação com suporte e escolha uma opção que atenda aos requisitos de qualidade, latência, residência de dados e custo.

Custos de incorporações

Cobranças baseadas em tokens para modelos de incorporação usados no treinamento de analisadores personalizados com exemplos rotulados para melhorar a precisão.

• Quando cobrado: somente ao usar o recurso de treinamento com dados rotulados
• Modelos: para obter opções atuais, consulte modelos generativos com suporte.
• Uso típico: o documento inteiro está inserido. O uso pode variar dependendo da densidade do texto, mas cerca de 1.500 tokens por página é uma estimativa inicial útil.

Detalhes do recurso generativo

Cada recurso de geração tem implicações de custo diferentes.

Extração de campo

Gera pares chave-valor estruturados com base na definição de esquema. Os exemplos incluem remetente/receptor de fatura, itens de linha ou elementos de anúncio de vídeo, como o slogan e a aparência do produto.

Impacto de custo: os encargos são dimensionados com a complexidade do esquema e o tamanho do conteúdo.

Análise de figura

Cria texto descritivo para imagens, gráficos e diagramas para tornar o conteúdo visual pesquisável em fluxos de trabalho RAG.

Impacto de custo: tokens LLM por imagem analisada – tokens de entrada para interpretação de imagem e tokens de saída para descrições. O uso aumenta com o tamanho e o número de imagens contidas no documento.

Segmentação

Divide documentos ou vídeos em seções lógicas para processamento direcionado e eficiência aprimorada.

Impacto de custo: custos de token de saída para cada segmento criado. Opcionalmente, você pode encadear analisadores para análise adicional em cada segmento. O encadeamento usa mais extração de conteúdo e uso generativo, equivalente à execução dos analisadores encadeados de forma independente.

Categorização

Atribui rótulos a documentos ou segmentos para classificação e roteamento inteligente para analisadores especializados.

Impacto de custo: LLM e custos de contextualização para classificação. O roteamento para outro analisador adiciona seus respectivos encargos.

Treinamento

Cria analisadores personalizados usando exemplos rotulados para aprimoramentos de precisão específicos do domínio.

Impacto de custo: ambas as versões da API usam tokens de inserção ao adicionar dados rotulados. Com a API, os 2025-11-01 exemplos de treinamento recuperados também adicionam tokens de entrada LLM durante a análise. Com a 2026-06-01-preview API, o analisador compilado não recupera os documentos rotulados no tempo de análise.

Perguntas frequentes

Quando sou cobrado pelo uso de LLM?

Você é cobrado por tokens LLM somente quando fornece ao analisador uma implantação da Fábrica e usa uma funcionalidade de geração na Compreensão de Conteúdo. Analisadores que executam apenas a extração de conteúdo, como prebuilt-readanalisadores prebuilt-layoutpersonalizados ou sem funcionalidades de geração, não incorrem em encargos llm.

Como saber qual medidor de extração de conteúdo se aplica aos meus documentos?

O processamento real executado determina o medidor, não o analisador escolhido:

• Mínimo: documentos digitais (DOCX, XLSX, HTML, TXT etc.) sempre usam o mínimo, independentemente do analisador
• Básico: documentos baseados em imagem com processamento somente OCR (analisador de leitura)
• Padrão: documentos baseados em imagem com análise de layout (analisador de layout)

Para obter mais informações sobre medidores, consulte Os medidores de extração de conteúdo do documento.

Sou cobrado duas vezes pelo uso do modelo do Foundry?

Não. A Compreensão de Conteúdo usa as implantações LLM vinculadas para todas as chamadas LLM e de incorporação. Você é cobrado por essas implantações. Você paga o Content Understanding pela extração e contextualização de conteúdo, e a Foundry pelos tokens do modelo generativo (tokens de entrada/saída e embeddings).

Como a escolha do modelo afeta o custo?

As taxas de token de modelo variam de acordo com o modelo e o tipo de implantação. Compare as taxas atuais e teste arquivos representativos antes de escolher um modelo. Os encargos de extração e contextualização de conteúdo não dependem do modelo de conclusão selecionado.

O que aumenta o uso de token?

Vários recursos podem aumentar o consumo de token:

• A base de origem e as pontuações de confiança adicionam contexto de processamento.
• O modo extrativo adiciona instruções e detalhes de saída.
• Exemplos de treinamento adicionam exemplos recuperados ao contexto do modelo usando a 2025-11-01 API.
• A segmentação e a categorização podem exigir chamadas de modelo adicionais.

Sou cobrado se minha solicitação falhar?

O Reconhecimento de Conteúdo não cobra por extração ou contextualização de conteúdo quando uma solicitação falha com um erro (como um erro 400). Se uma chamada ao modelo de conclusão do Foundry foi bem-sucedida antes da falha, você será cobrado pelo uso desse modelo do Foundry com base nas políticas de cobrança do Foundry.

Dicas de otimização de custo

• Compare modelos e tipos de implantação com suporte para equilibrar os requisitos de custo, qualidade, latência e residência de dados.
• Comece com mini modelos – mini modelos oferecem economias substanciais para a maioria das tarefas de extração
• Usar implantações globais quando a residência e a conformidade de dados permitirem
• Habilitar recursos avançados seletivamente – use apenas a base de origem e pontuações de confiança quando necessário
• Testar arquivos representativos antes de dimensionar para entender o consumo real de token
• Monitore o uso regularmente por meio do portal Azure para identificar oportunidades de otimização

Mais exemplos de preços

Aqui estão exemplos detalhados mostrando como os preços funcionam em diferentes cenários:

Exemplo 1: Processamento de documentos para fluxos de trabalho RAG

Cenário: você precisa extrair conteúdo de documentos para uma solução de Geração Aumentada por Recuperação (RAG). Você usa prebuilt-documentSearch para extrair descrições de textos, layouts e figuras.

Entrada:

• 10 páginas
• Modelo: implantação global gpt-5.2
• Região: Leste dos EUA

Detalhamento de preços:

1. Extração de conteúdo: 10 páginas

   • Custo: (10/1.000) × $5,00 = $0,05

2. Análise de figura:

   Supondo duas figuras por página. Custa cerca de 1.000 tokens de entrada e 200 de saída por figura.

   • Tokens de entrada: 20 figuras × 1.000 tokens/imagem = 20.000 tokens
   • Custo: (20.000 / 1.000.000) × $2.00 = $0.04
   • Tokens de saída: 20 números × 200 tokens/figura = 4.000 tokens
   • Custo: (4.000 / 1.000.000) × $8.00 = $0.032

3. Contextualização: 10 páginas × 1.000 tokens/página = 10.000 tokens

   • Custo: (10.000 / 1.000.000) × $1.00 = $0.01

Custo estimado total: US$ 0,05 + US$ 0,04 + US$ 0,032 + US$ 0,01 = US$ 0,132

Exemplo 2: Processamento de faturas com extração de campos

Cenário: você está automatizando o processamento de fatura usando prebuilt-invoice para extrair dados estruturados (número da fatura, data, fornecedor, total, itens de linha).

Entrada:

• 10 páginas
• Modelo: implantação global gpt-5.2
• Recursos: modo extrativo + estimativa de origem + pontuações de confiança
• Região: Leste dos EUA

Detalhamento de preços:

1. Extração de conteúdo: 10 páginas

   • Custo: (10/1.000) × $5,00 = $0,05

2. Extração de campo: com a estimativa de origem e a confiança habilitadas, o uso do token é aproximadamente 2x mais por página:

   • Tokens de entrada base: 10 páginas × 5.200 tokens/página = 52.000 tokens
   • Custo: (52.000 / 1.000.000) × $0,40 = $0,0208
   • Tokens de saída base: 10 páginas × 180 tokens/página = 1.800 tokens
   • Custo: (1.800 / 1.000.000) × $1,60 = $0,0029

3. Contextualização: 10 páginas × 1.000 tokens/página = 10.000 tokens

   • Custo: (10.000 / 1.000.000) × $1.00 = $0.01

Custo estimado total: US$ 0,05 + US$ 0,0208 + US$ 0,0029 + US$ 0,01 = US$ 0,0837

Exemplo 3: Analisando o conteúdo do vídeo com extração de campo no nível do segmento

Cenário: você está extraindo uma representação estruturada de conteúdo de vídeo para um aplicativo RAG. Para extrair dados estruturados por segmento de vídeo, você pode usar o prebuilt-videoSearch. Segmentos são clipes curtos de 15 a 30 segundos em média, resultando em vários segmentos de saída com um único campo de resumo por segmento.

Entrada:

• 60 minutos (1 hora) de vídeo
• Modelo: implantação global gpt-5.2
• Região: Leste dos EUA

Suposições:

• Tokens de entrada: 7.500 tokens por minuto (com base em quadros de exemplo, transcrição, prompts de esquema e metaprompts)
• Tokens de saída: 900 tokens por minuto (supondo que 10 a 20 campos estruturados curtos por segmento com segmentação automática)
• Contextualização: 1.000.000 tokens por hora de vídeo

Detalhamento de preços:

1. Extração de conteúdo: 60 minutos

   • Custo: 60 minutos × $1/hora = $1,00

2. Extração de campo:

   • Tokens de entrada: 60 minutos × 7.500 tokens/minuto = 450.000 tokens
   • Custo: (450.000 / 1.000.000) × $2.00 = $0.90
   • Tokens de saída: 60 minutos × 900 tokens/minuto = 54.000 tokens
   • Custo: (54.000 / 1.000.000) × $8.00 = $0.43

3. Contextualização: 1.000.000 tokens por hora

   • Custo: (1.000.000 / 1.000.000) × $1.00 = $1.00

Custo estimado total: US$ 1,00 + US$ 0,90 + US$ 0,43 + US$ 1,00 = US$ 3,33

Exemplo 4: Processamento de gravações de call center de áudio

Cenário: você está analisando gravações de call center usando prebuilt-callCenter para gerar transcrições, diarização de falantes, análise de sentimentos e resumos.

Entrada:

• 60 minutos de áudio
• Modelo: implantação global gpt-5.2
• Região: Leste dos EUA

Detalhamento de preços:

1. Extração de conteúdo: 60 minutos

   • Custo: 60 minutos × $0,36/minuto = $0,36

2. Extração de campo:

   • Tokens de entrada: 60 minutos × 604 tokens/minuto = 36.240 tokens
   • Custo: (36.240 / 1.000.000) × $0,40 = $0,01
   • Tokens de saída: 60 minutos × 19 tokens/minuto = 1.140 tokens
   • Custo: (1.140 / 1.000.000) × $1.60 = $0.00

3. Contextualização: 60 minutos × 1.667 tokens/minuto = 100.020 tokens

   • Custo: (100.020 / 1.000.000) × $1.00 = $0.10

Custo estimado total: US$ 0,36 + US$ 0,01 + US$ 0,00 + US$ 0,10 = US$ 0,47

Exemplo 5: Processamento de imagens com legendas

Cenário: você está gerando legendas descritivas para imagens de produto usando prebuilt-imageSearch.

Entrada:

• 1.000 imagens
• Modelo: implantação global gpt-5.2
• Região: Leste dos EUA

Detalhamento de preços:

1. Extração de conteúdo: sem cobrança por imagens

   • Custo: $0,00

2. Extração de campo:

   • Tokens de entrada: 1.000 imagens × 1.043 tokens/imagem = 1.043.000 tokens
   • Custo: (1.043.000 / 1.000.000) × $2.00 = $2.09
   • Tokens de saída: 1.000 imagens × 170 tokens/imagem = 170.000 tokens
   • Custo: (170.000 / 1.000.000) × $8.00 = $1.36

3. Contextualização: 1.000 imagens × 1.000 tokens/imagem = 1.000.000 tokens

   • Custo: (1.000.000 / 1.000.000) × $1.00 = $1.00

Custo estimado total: US$ 0,00 + US$ 2,09 + US$ 1,36 + US$ 1,00 = US$ 4,45

Categorias de uso por carga de trabalho

Use a tabela a seguir para identificar as categorias de uso a serem incluídas em sua estimativa. O uso exato do token depende do conteúdo, do esquema, da configuração do analisador e do modelo selecionado.

Próximas etapas

• Página do Azure Content Understanding
• Início rápido do Content Understanding
• Práticas recomendadas para compreensão de conteúdo
• Analisadores predefinidos