GPT-5.3-Codex cobra 12x mais caro por 0,1 ponto de IQ à frente

Pagar US$ 14 por milhão de tokens de saída é regra ou exceção no topo do mercado? Em junho de 2026, essa é a tarifa da OpenAI pelo GPT-5.3-Codex, em catálogo desde fevereiro. Logo abaixo dele no índice de inteligência — separados por 0,115 ponto — aparece o MiniMax M3, em catálogo desde 31 de maio, cobrando US$ 1,20 pelo mesmo milhão de tokens. A conta está na mesa: cerca de 11,7 vezes mais caro por uma diferença que cabe na casa decimal.

O que cada modelo entrega pelo preço que cobra

O Codex é o carro de corrida da linha GPT-5. A descrição oficial fala em resultados de fronteira em engenharia de software, combinando raciocínio amplo com capacidade agentic. Velocidade medida pelo catálogo: 118,36 tokens por segundo. Contexto de 400 mil tokens. Omnisciência de 10,867 — sinal de base de conhecimento densa dentro do próprio modelo.

O MiniMax M3 faz o caminho oposto. Aceita texto, imagem e vídeo na entrada (o Codex só lê texto, imagem e arquivo), tem 1.048.576 tokens de contexto, roda a 89,42 tokens por segundo, e declara 428 bilhões de parâmetros totais com 23 bilhões ativos — assinatura clássica de mistura de especialistas, em que só uma fração da rede é acionada por consulta. Pesos abertos, origem chinesa, e o que mais pesa na planilha: US$ 0,30 por milhão de tokens de entrada, US$ 1,20 de saída e cache de leitura a US$ 0,06.

A diferença de IQ que cabe num cochilo

Olhando só o índice de inteligência, os dois estão colados. Codex marca 45,512; M3, 45,397. Em rankings como esse, separações menores que um ponto costumam ser indistinguíveis em uso real. O catálogo traz, nesta data, 459 modelos listados e 61 criadores; o Codex ocupa a terceira posição geral, o M3 a quarta, e o Gemini 3.1 Pro Preview lidera com 47,738. Se você não está brigando por fração de ponto, a escolha deixa de ser sobre inteligência e vira sobre tudo o resto — preço, contexto, multimodalidade, onde o modelo roda.

Onde o Codex vence — e vale o preço

Três cenários ainda fazem o US$ 14/M ser dinheiro bem gasto. Primeiro: fluxos agentic curtos e de baixa latência, em que os cerca de 32% a mais de velocidade (118,36 contra 89,42 tokens/s) se traduzem em iteração mais rápida com o usuário. Segundo: tarefas que dependem da base de conhecimento densa do próprio modelo — a métrica de omnisciência do Codex é cerca de oito vezes a do M3 (10,867 contra 1,35), o que sugere recall factual melhor quando o prompt é genérico e o assunto é amplo. Terceiro: empresas com SLA firmado com a OpenAI, em que trocar de fornecedor pesa mais que trocar de modelo.

Para esses casos, o Codex entrega em trabalho por hora algo que o preço sozinho não conta.

Onde o M3 leva — sem discussão

A maioria esmagadora das chamadas de API hoje é processamento de texto longo a baixo custo. Aí o MiniMax M3 não tem adversário nessa faixa. Pelo mesmo milhão de tokens de saída, você roda 11,7 projetos no M3 para cada 1 no Codex. Some o cache de leitura a US$ 0,06/M — quase três vezes mais barato que o do Codex (US$ 0,175) — e o custo blended cai para US$ 0,525 por milhão, contra US$ 4,8125 do Codex. Multiplicando pelo volume típico de uma startup, a diferença paga um engenheiro.

Os casos em que o M3 é a escolha óbvia: ingestão de vídeo (Codex nem aceita), análise de documentos que estouram 400 mil tokens (a janela do M3 é 2,6 vezes maior), implantação on-premise ou em VPC (pesos abertos, ainda que com 428 GB para hospedar) e qualquer workload em que a tarefa repete padrões — onde o cache barato compensa tudo.

A implicação prática

Se você está montando pipeline novo e o gargalo é custo, comece no M3. Reserve Codex para as chamadas que precisam de velocidade bruta ou base factual ampla — e meça, no seu caso específico, se a diferença de resultado compensa pagar quase doze vezes mais por token.