A questão "quanto custa raspar um milhão de páginas" quase sempre recebe uma resposta inútil: "depende do site". Depende — mas não de forma mística. O custo se desdobra em quatro componentes mensuráveis, e qualquer um deles pode ser calculado antecipadamente, antes que a conta de tráfego chegue. Abaixo está a aritmética prática: de onde vêm os gigabytes, por que o preço "por GB" não diz nada sobre o seu orçamento e quais alavancas realmente cortam o orçamento drasticamente.
A principal métrica — não o preço por gigabyte, mas o preço por solicitação bem-sucedida
Os provedores competem em números na vitrine: $1/GB, $3/GB, $0,30 por mil solicitações. Esses números não são comparáveis entre si, a menos que você os traga para uma única unidade — o custo de uma extração de dados bem-sucedida. É exatamente isso que as análises de mercado enfatizam: os números brutos "por GB" e "por 1000 solicitações" não são comparáveis sem considerar o peso da página e a taxa de respostas bem-sucedidas.
A fórmula que é suficiente para o planejamento:
Orçamento = (número de páginas-alvo ÷ taxa de sucesso) × peso médio da página × preço por GB + despesas fixas
Três variáveis na primeira parte e uma na segunda. Vamos analisar cada uma.
Componente 1: quanto pesa uma página
Esta é a variável mais subestimada. A variação aqui não é em porcentagens, mas em ordens de magnitude, e depende de como você acessa a página:
- Solicitação HTTP comum sem renderização — 50–150 KB. Você recebe apenas o documento HTML.
- Renderização completa em um navegador headless — 100–300 KB com configuração cuidadosa.
- Navegador "como está", sem filtros — 0,2–1 MB ou mais. Você paga por imagens, fontes, scripts de anúncios, análises e players de vídeo que não precisa.
A diferença entre o primeiro e o terceiro ponto pode chegar a vinte vezes na mesma página. Para um milhão de páginas, essa diferença é entre 50 GB e 1000 GB de tráfego.
Componente 2: preço do gigabyte por tipos de proxy
Os intervalos de mercado relevantes para 2026 são os seguintes:
- Data center — $0,50–3 por GB ou taxa mensal por IP.
- Residenciais — $1–8 por GB. Referência de qualidade de preço: cerca de $1/GB — uma ótima oferta, $3–4/GB — média do mercado, $5–8/GB — segmento corporativo.
- Móveis (4G/5G) — $2–15 por GB.
- ISP / residenciais estáticos — $1,5–5 por IP por mês.
- APIs de scraping prontas — $0,30–12 por 1000 solicitações.
A tentação de pegar o mais barato é compreensível, mas ela se quebra com o próximo componente.
Componente 3: taxa de sucesso — um multiplicador oculto do orçamento
Cada solicitação bloqueada ainda é paga: o tráfego foi consumido, mas os dados não estão disponíveis. Portanto, o número real de solicitações é igual ao alvo, dividido pela taxa de sucesso, e o multiplicador cresce de forma não linear:
- sucesso de 95% — sobrecarga de 5%;
- sucesso de 70% — você precisará de cerca de 400 mil solicitações a mais para cada milhão de registros-alvo;
- sucesso de 60% — são necessárias 2,5 vezes mais solicitações.
É por isso que um data center a $0,50/GB em um site protegido acaba sendo mais caro do que residenciais a $3/GB: Cloudflare, DataDome e Akamai marcam os ASN de data center por padrão, e você paga pelo fluxo de rejeições. Estimativas de julho de 2026 indicam que proxies móveis mantêm 90–95% de sucesso contra sistemas modernos anti-bot — onde o data center não consegue passar.
Conclusão prática: o tipo de proxy é escolhido não pelo preço, mas pelo objetivo. Diretórios simples e APIs abertas — data center. Lojas, redes sociais, agregadores com proteção — residenciais. Os sites mais agressivos e as versões móveis dos sites — móveis.
Três cenários para um milhão de páginas
Vamos juntar os números. A condição é a mesma: um milhão de páginas úteis.
Cenário A — "disciplinado". Cliente HTTP sem navegador, 100 KB por página, residenciais a $2/GB, sucesso de 95%. Total: 1,05 milhão de solicitações × 100 KB ≈ 105 GB ≈ $210.
Cenário B — "típico". Navegador headless com filtragem de recursos, 250 KB por página, residenciais a $3/GB, sucesso de 85%. Total: 1,18 milhão × 250 KB ≈ 295 GB ≈ $885.
Cenário C — "sem configuração". O navegador carrega tudo, 800 KB por página, residenciais a $5/GB, sucesso de 65%. Total: 1,54 milhão × 800 KB ≈ 1230 GB ≈ $6150.
A diferença entre A e C é quase trinta vezes, com o mesmo resultado final. Nenhuma das variáveis era exótica: tudo isso são configurações padrão contra uma atenção comum. Para referência: estimativas do setor para uma empresa de médio porte que processa um milhão de solicitações por mês em diferentes sites indicam $1000–3000 por mês — ou seja, entre os cenários B e C.
O que não está incluído no tráfego, mas está na conta
Proxies — geralmente a maior, mas não a única despesa:
- Captcha. A solução custa $0,50–3 por mil. Com 5% das páginas com captcha em um milhão, isso são 50 mil soluções — $25–150. Aceitável. Com 50% — já $250–1500, e a questão deixa de ser técnica.
- Infraestrutura. $20–200 por mês para volumes modestos; $200–500 em pequena escala e $3000–10 000 para fluxos realmente grandes.
- Armazenamento e tráfego de saída. Cerca de $0,023 por GB por mês para armazenamento de objetos e $0,09 por GB de saída em grandes nuvens — uma quantia pequena em centenas de gigabytes, mas significativa em dezenas de terabytes.
- Pessoas. A linha mais cara, que é esquecida. Um parser pronto para produção — leva de 8 a 12 semanas de desenvolvimento, depois 4–8 horas por mês em sites simples e 20+ horas em sites protegidos. Com uma taxa de $75/hora, o suporte a uma fonte protegida custa $1500+ por mês — mais do que todo o tráfego no cenário B.
Cinco alavancas que realmente cortam o orçamento
- Remova o navegador onde não é necessário. Se os dados estão disponíveis em HTML ou em uma API interna — a renderização é desnecessária. Esta é a principal alavanca: menos 60–80% de tráfego.
- Bloqueie recursos se o navegador for necessário. Imagens, fontes, mídia, scripts de anúncios e análises podem ser desativados com uma única regra de interceptação de solicitações, resultando em economia significativa. Uma análise detalhada das técnicas está no material sobre otimização do consumo de tráfego através de proxies.
- Classifique os alvos por complexidade. Passar toda a lista pelo canal mais caro é o erro mais comum de orçamento. Classifique as fontes em "abertas", "moderadamente protegidas" e "agressivas" e atribua a cada uma seu tipo de proxy.
- Construa a política de retries de forma consciente. Repetir cegamente três vezes em caso de falha triplica o tráfego em alvos problemáticos. Vale a pena repetir apenas os códigos de resposta onde a repetição faz sentido, e com um IP diferente, não com o mesmo.
- Cache e não busque a mesma coisa duas vezes. Listas, paginação, passagens repetidas pelo catálogo — aqui é fácil perder dezenas de porcentagens do orçamento.
Quando é mais barato usar uma API pronta e quando usar sua própria pilha
É necessário calcular o custo total de propriedade, e não a linha "por GB". Referências de mercado: um parser próprio para 100 mil páginas por mês custa entre $700–1650, incluindo suporte, enquanto uma API pronta para o mesmo volume custa entre $50–300. Em números maiores, a situação se inverte: 1 milhão de solicitações por mês através da API custa entre $250–2490, enquanto a construção de sua própria infraestrutura para 10 TB por mês é avaliada em cerca de $230 mil por ano, em comparação com $100–150 mil pela compra do serviço.
Regra geral: enquanto o volume é pequeno e há muitos sites — opte pela solução pronta, você paga pelo suporte de terceiros. Quando o volume é estável, os alvos são poucos e bem conhecidos — sua própria pilha de proxies é mais barata, porque você para de pagar o markup pela renderização que não precisa. Uma comparação detalhada entre ambas as abordagens está na análise proxies contra scraping API e web unblocker.
O que muda no outono de 2026
Há um fator que elevará os cálculos. A partir de 15 de setembro de 2026, a Cloudflare começará a bloquear por padrão as categorias Training e Agent para novos domínios — em páginas com anúncios; as mudanças afetarão novos clientes, novos sites de clientes existentes e todos os clientes do plano gratuito. Os crawlers de busca permanecem permitidos. Paralelamente, o Pay Per Crawl se transforma em Pay Per Use: o editor recebe dinheiro não pelo fato de contornar a página, mas pelo uso do conteúdo na resposta da IA.
O contexto é simples: de acordo com a Cloudflare, 52% das solicitações de crawlers em sua rede atualmente são destinadas ao treinamento de IA, em comparação com 22% na primavera de 2025. A rede está se fechando, e o sentido prático para o orçamento é que a taxa de sucesso em fontes protegidas, em média, diminuirá, o que significa que o multiplicador oculto do orçamento do terceiro componente se tornará mais significativo. Inclua isso em seu planejamento, em vez de descobrir pelo faturamento.
Resumindo
O custo de raspagem não é o preço por gigabyte, mas o produto do peso da página, o preço do canal e a inversa da taxa de sucesso. A diferença entre um pipeline cuidadoso e um negligente em um milhão de páginas é medida não em porcentagens, mas em ordens de magnitude. Antes de negociar um desconto com o provedor, calcule quanto você está pagando pelo carregamento de imagens que não está raspando e por repetições que não deveriam ter ocorrido. Normalmente, há mais dinheiro ali do que em qualquer desconto.
```