Preços para Compreensão de Conteúdo do Azure em ferramentas Foundry

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

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

Salvo indicação em contrário, este artigo refere o comportamento do GA com a versão 2025-11-01da API . As secções que descrevem a resolução da família de workflow e o modo agente mudam para o comportamento de pré-visualização com a versão 2026-06-01-previewda API.

Compreenda os dois tipos de acusações

O preço do Azure Content Understanding baseia-se em duas categorias principais de utilização:

1. Encargos de extração de conteúdo

A extração de conteúdo transforma a entrada não estruturada (documentos, áudio, vídeo) em texto e conteúdo estruturados e pesquisáveis. Esta saída inclui reconhecimento ótico de caracteres (OCR) para documentos, voz para texto para áudio/vídeo e deteção de layout. Paga por unidade de entrada processada:

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

Encargos de funcionalidades gerativas

Quando utiliza funcionalidades potenciadas por IA que chamam grandes modelos de linguagem (LLMs), incorre em dois tipos de encargos:

• Cargas de contextualização: Prepara o contexto, gera pontuações de confiança, fornece fundamentação da fonte e formata a saída. Para detalhes, veja Tokens de contextualização.
• Custos de modelos generativos: Custos baseados em tokens provenientes de implementações de modelos Microsoft Foundry (LLMs para geração, embeddings para exemplos de treino). A Content Understanding utiliza a implementação do modelo Foundry que você fornece para todas as chamadas relacionadas com IA generativa. Não vês nenhum LLM ou faturação de utilização de tokens incorporada no Content Understanding. Esse uso aparece na implementação do seu modelo Foundry. Para detalhes, veja Cargas do modelo generativo.

As funcionalidades generativas incluem: extração de campo, análise de figuras, segmentação, categorização, treino.

Componentes de custo

O seu custo total inclui cada categoria de utilização que se aplica ao seu analisador: extração de conteúdo, tokens de contextualização, tokens de entrada e saída do modelo de conclusão e tokens de embedding do modelo. Se usares apenas extração de conteúdo sem capacidades generativas, pagas apenas pela extração de conteúdo.

Como estimar os seus custos

1. Teste com ficheiros representativos

Execute uma pequena análise experimental com os seus ficheiros e esquema reais. Para ver o uso para operações de GA e pré-visualização, verifique o usage objeto na resposta da API do Analyzers:

{
  "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 2026-06-01-preview API, as operações síncronas reportam o uso da extração de conteúdo nas documentPages*Inline propriedades. O uso avançado de contextualização é reportado em advancedContextualizationTokens. Estes nomes de propriedades identificam o uso na resposta da API; Não são nomes de medidores de preços publicados.

2. Obter tarifas atuais

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

3. Calcular a estimativa

Para cada categoria de utilização aplicável, multiplique o uso medido pela sua taxa atual. Inclua encargos de extração de conteúdo e contextualização do Content Understanding, cargas de token de entrada e saída do modelo de completão, e cargas de token de embedding quando o seu analisador utiliza embeddings. Adicione as cobranças resultantes para estimar o custo total para o volume esperado.

As taxas variam consoante a região, tipo de implementação e modelo, por isso este artigo não fornece cálculos numéricos. Para opções de modelos atuais, veja Modelos generativos suportados.

Componentes de custo detalhados

Extração de conteúdo

A extração de conteúdo é o primeiro passo essencial para transformar a entrada não estruturada — seja um documento, áudio ou vídeo — num formato padronizado e reutilizável. Este processamento fundamental é necessário para todas as funcionalidades generativas e pode ser usado isoladamente.

Precificação de extração de conteúdo por modalidade:

• Documentos: Três níveis de medição (mínimo, básico ou padrão) baseados na complexidade de processamento
• Áudio: Transcrição de voz para texto (medidor padrão único, preço por minuto)
• Vídeo: Extração de fotogramas, deteção de planos e transcrição de voz para texto (medidor padrão único, preço por minuto)
• Imagens: Sem extração de conteúdo disponível

Medidores de extração de conteúdo de documentos

Para documentos, você é cobrado pelo tipo de processamento que a Compreensão de Conteúdo realiza. A determinação de custos de Compreensão de Conteúdos é baseada no trabalho real efetuado em cada página, não no analisador que escolher.

Medidor mínimo: Aplica-se a documentos digitais (DOCX, XLSX, PPTX, HTML, TXT, MSG, EML) onde não é necessário OCR ou processamento de layout. Este medidor é a opção de menor custo para documentos nativos digitais. É-lhe cobrada a taxa mínima independentemente do analisador que utilize—mesmo que chame um analisador de layout num documento digital, só é cobrado pelo processamento mínimo realizado.

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

Medidor padrão: Aplica-se quando o Content Understanding realiza análise de layout, incluindo reconhecimento de tabelas e deteção de elementos estruturais a partir de documentos baseados em imagens (PDFs digitalizados, imagens, TIFFs).

A tabela seguinte mostra qual o medidor aplicado com base no tipo de ficheiro e nível de análise:

Capacidades generativas

As capacidades generativas da Compreensão de Conteúdos utilizam modelos de IA generativa para melhorar a qualidade do resultado. Na versão 2025-11-01mais recente da API, pode escolher um modelo generativo com base no seu caso de uso.

Quando utiliza qualquer capacidade generativa, a Content Understanding utiliza a implementação dos modelos Foundry que fornece. A utilização do token nos modelos de completação ou embeddings faz parte dessa implementação.

Tokens de contextualização

A contextualização é a camada de processamento na Compreensão de Conteúdos que pré-processa o conteúdo do utilizador, prepara dados e contexto para modelos generativos e pós-processa a saída dos modelos nos 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 capacidades 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 mais complexos de compreensão de conteúdos.

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

• Os valores do fluxo de trabalho que começam standard com utilizam a taxa padrão de contextualização.
• Todas as outras famílias de fluxos de trabalho, incluindo advanced e agentic, utilizam a taxa de contextualização avançada.

Os clientes definem "default" ou "agentic" criam um analisador. O serviço devolve um valor de família de workflow versionado, como standard.2026-06-01-preview, advanced.2026-06-01-preview, ou agentic.2026-06-01-preview. Para as regras de resolução completa, veja workflow.

Quando for cobrado: sempre que utiliza capacidades generativas (extração de campo, análise de figuras, segmentação, categorização, formação).

Preços: Taxa fixa por unidade de conteúdo.

Os tokens de contextualização são calculados por unidade de conteúdo:

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

Analisadores pré-construídos

A tabela seguinte resume os analisadores pré-construídos e os seus contadores de extração de conteúdo e processamento de faturação de contexto aplicáveis. O medidor de extração de campo é cobrado com base na utilização real do modelo generativo.

¹Extrair conteúdo de ficheiros baseados em texto através de analisadores suportados é faturado com o medidor Document Minimal.

Analisadores personalizados

Quando constrói analisadores personalizados e fornece dados de treino rotulados, o sistema aplica o medidor avançado de contextualização. Caso contrário, aplica-se o medidor de contextualização padrão.

Analisadores personalizados criados com a versão 2025-11-01 API ou anterior continuam a usar a taxa de contextualização padrão. Se recuperar um destes analisadores com a 2026-06-01-preview API, a resposta aparece standard.2025-11-01 em config.workflow. A 2025-11-01 resposta da API mantém-se inalterada.

Quando crias um analisador personalizado com a 2026-06-01-preview API:

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

Cargas do modelo generativo (LLM)

Cobranças baseadas em tokens provenientes de modelos Foundry que suportam a extração de campo, análise e outras capacidades gerativas.

Os tokens de entrada incluem:

• Texto extraído e transcrições
• Tokens de imagem (para análise visual)
• As suas definições de esquemas
• Mensagens do sistema
• Exemplos de treino rotulados com a 2025-11-01 API

Os tokens de saída incluem:

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

Otimização de custos: Compare as taxas atuais para modelos suportados e tipos de implementação, e escolha uma opção que satisfaça os seus requisitos de qualidade, latência, residência de dados e custos.

Cargas de embeddings

Cobranças baseadas em tokens para a incorporação de modelos usados quando a treinar analisadores personalizados com exemplos rotulados, a fim de melhorar a precisão.

• Quando carregado: Apenas ao usar a funcionalidade de treino com dados rotulados
• Modelos: Para opções atuais, veja Modelos generativos suportados.
• Uso típico: Todo o documento está incorporado. O uso pode variar consoante a densidade do texto, mas cerca de 1.500 tokens por página é uma estimativa inicial útil.

Detalhes das funcionalidades gerativas

Cada funcionalidade generativa tem diferentes implicações de custo.

Extração de campo

Gera pares estruturados chave-valor com base na definição do seu esquema. Exemplos incluem o remetente/recetor da fatura, itens de linha ou elementos de anúncios em vídeo como slogan e aparência do produto.

Impacto no custo: As cobranças escalam com a complexidade do esquema e o tamanho do conteúdo.

Análise de figuras

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

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

Segmentação

Divide documentos ou vídeos em secções lógicas para processamento direcionado e maior eficiência.

Impacto no custo: Custos de token de saída para cada segmento criado. Opcionalmente, pode encadear analisadores para análises adicionais em cada segmento. O encadeamento utiliza mais extração de conteúdo e uso generativo, equivalente a executar os analisadores em cadeia de forma independente.

Categorização

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

Impacto de custos: LLM e custos de contextualização para classificação. O encaminhamento para outro analisador adiciona as suas respetivas cargas.

Formação

Constrói analisadores personalizados utilizando exemplos etiquetados para melhorias específicas de precisão no domínio.

Impacto no custo: Ambas as versões da API usam tokens de embedding quando adiciona dados rotulados. Com a 2025-11-01 API, exemplos de treino recuperados também adicionam tokens de entrada do LLM durante a análise. Com a 2026-06-01-preview API, o analisador integrado não recupera os documentos rotulados no momento da análise.

Perguntas frequentes

Quando é que me cobram pelo uso do LLM?

Você será cobrado por tokens LLM apenas quando fornecer ao analisador uma implantação no Foundry e utilizar uma funcionalidade generativa em Content Understanding. Analisadores que apenas realizam extração de conteúdo, como prebuilt-read, prebuilt-layout, ou analisadores personalizados sem capacidades generativas, não incorrem em encargos de LLM.

Como sei qual o medidor de extração de conteúdo que se aplica aos meus documentos?

O processamento real realizado determina o medidor, não o analisador que escolher:

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

Para mais informações sobre medidores, consulte Medidores de extração de conteúdo de documentos.

Cobram-me duas vezes pelo uso do modelo Foundry?

Não. A Content Understanding utiliza as implementações de LLM associadas para todas as chamadas de LLM e de embedding. É cobrado nessas missões. Pagas à Content Understanding pela extração de conteúdo e contextualização, e à Foundry pelos tokens do modelo generativo (tokens de entrada/saída e embeddings).

Como é que a escolha do modelo afeta o custo?

As taxas de token modelo variam consoante o modelo e o tipo de implementação. Compare as tarifas atuais e teste os ficheiros dos representantes antes de escolher um modelo. As taxas de extração de conteúdo e contextualização não dependem do modelo de conclusão que selecionar.

O que aumenta o uso de tokens?

Várias funcionalidades podem aumentar o consumo de tokens:

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

Serei cobrado se o meu pedido falhar?

A Content Understanding não cobra pela extração de conteúdo ou contextualização quando um pedido falha com um erro (como um erro 400). Se uma chamada de modelo de conclusão da Foundry foi bem-sucedida antes de ocorrer a falha, será cobrado pela utilização desse modelo com base nas políticas de faturação da Foundry.

Dicas de otimização de custos

• Compare modelos suportados e tipos de implementação para equilibrar custo, qualidade, latência e requisitos de residência de dados.
• Comece com miniaturas – Miniaturas oferecem poupanças substanciais na maioria das tarefas de extração
• Use implementações globais quando a residência e conformidade de dados o permitirem
• Ativar funcionalidades avançadas seletivamente - Usar apenas a fundamentação da fonte e os escores de confiança quando necessário
• Teste ficheiros representativos antes de escalar para compreender o consumo real de tokens
• Monitorize a utilização regularmente através do portal Azure para identificar oportunidades de otimização

Mais exemplos de preços

Aqui estão exemplos detalhados que mostram como funciona o preço em diferentes cenários:

Exemplo 1: Processamento de documentos para fluxos de trabalho RAG

Cenário: É necessário extrair conteúdo de documentos para uma solução de geração aumentada por recuperação (Retrieval-Augmented Generation - RAG). Usas prebuilt-documentSearch para extrair texto, layout e descrições de figuras.

Entrada:

• 10 páginas
• Modelo: Implementação global do GPT-5.2
• Região: Leste dos EUA

Distribuição de preços:

1. Extração de conteúdo: 10 páginas

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

2. Análise de figuras:

   Assumindo dois números por página. Custa cerca de 1000 tokens de entrada e 200 tokens de saída por figura.

   • Fichas de entrada: 20 figuras × 1.000 fichas/imagem = 20.000 fichas
   • Custo: (20.000 / 1.000.000) × $2,00 = $0,04
   • Fichas de saída: 20 figuras × 200 fichas/figura = 4.000 fichas
   • 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 total estimado: $0,05 + $0,04 + $0,032 + $0,01 = $0,132

Exemplo 2: Processar faturas com extração de campos

Cenário: Está a automatizar o processamento de faturas usando prebuilt-invoice para extrair dados estruturados (número de fatura, data, fornecedor, total, itens de detalhe).

Entrada:

• 10 páginas
• Modelo: Implementação global do GPT-5.2
• Características: Modo extrativo + estimativa da fonte + pontuações de confiança
• Região: Leste dos EUA

Distribuição de preços:

1. Extração de conteúdo: 10 páginas

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

2. Extração de campo: com estimativa da fonte + confiança ativada, o uso de tokens é aproximadamente 2x maior por página.

   • Tokens base de entrada: 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 total estimado: $0,05 + $0,0208 + $0,0029 + $0,01 = $0,0837

Exemplo 3: Análise de conteúdo de vídeo com extração de campo ao nível de segmento

Cenário: Está a extrair uma representação estruturada de conteúdo de vídeo para uma aplicação RAG. Para extrair dados estruturados por segmento de vídeo, pode usar o prebuilt-videoSearch. Os segmentos são clipes curtos com uma duração média de 15-30 segundos, resultando em numerosos segmentos de saída com um único campo de resumo por segmento.

Entrada:

• 60 minutos (1 hora) de vídeo
• Modelo: Implementação global do GPT-5.2
• Região: Leste dos EUA

Suposições:

• Tokens de entrada: 7.500 tokens por minuto (baseados em frames amostrados, transcrição, prompts de esquema e metaprompts)
• Tokens de saída: 900 tokens por minuto (assumindo 10-20 campos estruturados curtos por segmento com segmentação automática)
• Contextualização: 1.000.000 de tokens por hora de vídeo

Distribuição de preços:

1. Extração de conteúdo: 60 minutos

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

2. Extração de campo:

   • Fichas de entrada: 60 minutos × 7.500 fichas/minuto = 450.000 fichas
   • 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 de tokens por hora

   • Custo: (1.000.000 / 1.000.000) × $1,00 = $1,00

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

Exemplo 4: Processamento de gravações áudio de call center

Cenário: Estás a analisar as gravações de call center usando prebuilt-callCenter para gerar transcrições, diarização de oradores, análise de sentimentos e resumos.

Entrada:

• 60 minutos de áudio
• Modelo: Implementação global do GPT-5.2
• Região: Leste dos EUA

Distribuição de preços:

1. Extração de conteúdo: 60 minutos

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

2. Extração de campo:

   • Fichas de entrada: 60 minutos × 604 fichas/minuto = 36.240 fichas
   • 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 total estimado: $0,36 + $0,01 + $0,00 + $0,10 = $0,47

Exemplo 5: Processamento de imagens com legendas

Cenário: Está a gerar legendas descritivas para imagens de produtos usando prebuilt-imageSearch.

Entrada:

• 1.000 imagens
• Modelo: Implementação global do GPT-5.2
• Região: Leste dos EUA

Distribuição de preços:

1. Extração de conteúdo: Sem custos pelas 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 total estimado: $0,00 + $2,09 + $1,36 + $1,00 = $4,45

Categorias de utilização por carga de trabalho

Use a tabela seguinte para identificar as categorias de utilização a incluir na sua estimativa. A utilização exata do token depende do seu conteúdo, esquema, configuração do analisador e modelo selecionado.

Próximos passos

• Página de Preços de Compreensão de Conteúdo do Azure
• Compreensão de Conteúdo QuickStart
• Melhores práticas para a Compreensão de Conteúdos
• Analisadores pré-construídos