A Groq executa modelos de linguagem, fala e raciocínio de pesos abertos no seu próprio hardware LPU e em clusters NVIDIA, oferecendo-os por uma API compatível com OpenAI, com cobrança por token, um nível gratuito para programadores e treze centros de dados em quatro continentes.
Já usou esta ferramenta? Avalie-a
Já usou esta ferramenta? Avalie-a
A Groq é uma nuvem de inferência para IA: uma infraestrutura à qual se enviam pedidos, e não uma aplicação onde se entra para conversar. A empresa descreve-se como a principal neocloud para inferência rápida, reunindo infraestrutura, inferência e controlo numa única plataforma. Todo o discurso do produto assenta numa distinção: o treino produz um modelo, ao passo que a inferência é o que acontece sempre que esse modelo é efetivamente utilizado. O site oficial diz-o sem rodeios: o treino cria a possibilidade, a inferência cria o valor. Cada cliente atendido, cada tarefa de agente concluída, cada commit revisto por um modelo é uma chamada de inferência — e à medida que os produtos se apoiam mais na IA, essa chamada torna-se o estrangulamento.
O que torna a Groq invulgar entre os fornecedores de nuvem é ter começado na camada do silício. A empresa criou a LPU, um processador desenhado especificamente para executar modelos já treinados em vez de os treinar, e hoje opera esse hardware ao lado de computação acelerada da NVIDIA como uma nuvem de produção global. Para quem programa, tudo isso fica escondido atrás de um único ponto de acesso HTTPS. Aponta-se o SDK da OpenAI para https://api.groq.com/openai/v1, troca-se a chave de API e o código existente corre na Groq sem mais alterações. A faturação é por token consumido, nem por lugar nem por mês.
O catálogo a que se acede é deliberadamente aberto. Em vez de alojar modelos proprietários de fronteira, a Groq serve modelos de pesos abertos — GPT-OSS, Qwen, Whisper e, historicamente, a família Llama — a velocidades que as APIs fechadas normalmente não igualam. Essa troca é o ponto central para compreender o produto: abdica-se do acesso aos maiores modelos proprietários e ganha-se latência, débito e previsibilidade de preço. A Groq encaixa muito bem quando a rapidez de resposta é, em si mesma, uma característica do produto, e não encaixa quando é preciso o modelo mais capaz do mercado independentemente do tempo de espera.
Hardware de inferência assente na LPU: a Language Processing Unit é o silício próprio da Groq, concebido para inferência em vez de adaptado a partir de hardware de treino. A Groq publica números ao nível do bastidor: 256 LPU por bastidor, 40 PB/s de largura de banda SRAM, 128 GB de SRAM no chip por bastidor, 315 PFLOPS de computação de inferência em FP8 e um número de destaque de 1.000 tokens por segundo por utilizador. A aposta arquitetural é que manter os pesos do modelo em memória rápida integrada, em vez de os transmitir a partir de memória externa, elimina o piso de latência com que o serviço em GPU esbarra.
Uma API compatível com OpenAI: a migração foi deliberadamente tornada trivial. Muda-se o URL base, muda-se a chave, mantém-se a biblioteca cliente da OpenAI já existente e a aplicação passa a correr noutro hardware. A Groq disponibiliza ainda SDK próprios de Python e TypeScript para equipas que prefiram um cliente nativo. Esta única decisão de desenho explica por que razão a Groq aparece tantas vezes como uma melhoria imediata de velocidade em projetos originalmente escritos para a OpenAI.
Um catálogo de modelos de pesos abertos: o catálogo de produção gira em torno de modelos de pesos abertos: openai/gpt-oss-120b e openai/gpt-oss-20b para texto, além de whisper-large-v3 e whisper-large-v3-turbo para reconhecimento de voz. Os lugares em pré-visualização acolhem modelos mais recentes ou especializados — Qwen3.6 27B, GPT-OSS Safeguard para moderação, Llama Prompt Guard para deteção de injeções e as vozes Orpheus para síntese de fala. A documentação publica, para cada modelo, velocidade, preço, limites de taxa, janela de contexto e comprimento máximo de resposta, pelo que é possível orçamentar uma carga de trabalho antes de escrever código.
Compound: modelos com ferramentas integradas: para além dos pontos de acesso de modelos em bruto, a Groq oferece aquilo a que chama sistemas. O Groq Compound é um sistema de IA alimentado por modelos abertos que recorre seletivamente a ferramentas integradas — incluindo pesquisa web e execução de código — para responder a uma consulta. O Compound e o Compound Mini correm a cerca de 450 tokens por segundo com uma janela de contexto de 131.072 tokens, oferecendo comportamento agêntico sem ser necessário construir o ciclo de chamada de ferramentas.
Transcrição como linha de produto de pleno direito: aqui o Whisper não é uma funcionalidade acessória. Tem unidade de faturação própria — a hora de áudio em vez do token —, dimensões próprias de limitação (segundos de áudio por hora e por dia), um teto próprio de 100 MB por ficheiro e pontos de acesso dedicados de transcrição e tradução. As equipas que constroem atas de reuniões, análise de chamadas ou cadeias de legendagem podem usar a Groq na etapa de áudio sem a adotarem para geração de texto.
Níveis de serviço para diferentes exigências de fiabilidade: um único parâmetro service_tier determina como o pedido é escalonado. on_demand é o valor por omissão e entrega a velocidade habitual da Groq com filas ocasionais em horas de ponta. flex troca fiabilidade por folga: dez vezes os limites de taxa ao mesmo preço, em regime de melhor esforço. performance é o nível empresarial para produção sensível à latência, e auto escolhe o melhor nível disponível em cada momento.
Controlos empresariais e capacidade dedicada: a plataforma é vendida em três camadas sobrepostas. A GroqMetal fornece infraestrutura bare-metal dedicada, a GroqCore acrescenta por cima a pilha de inferência testada, e a GroqAssured junta governação de nível empresarial, auditabilidade e controlo — cada camada incluindo as inferiores. Esta estrutura permite que uma empresa comece na API partilhada e passe a capacidade dedicada sem alterar a integração.
Presença global: a Groq opera treze centros de dados em quatro continentes, de Liberty Lake e Dallas a Vantaa, Sydney, Londres e Riade, com instalações no Canadá e na Arábia Saudita a par das localizações norte-americanas e europeias. Para aplicações sensíveis à latência, a proximidade física dos utilizadores conta tanto como a velocidade do chip.
Interfaces conversacionais em tempo real: quando alguém observa o texto a surgir, a diferença entre 50 e 500 tokens por segundo é a diferença entre esperar e ler. Assistentes de apoio, copilotos dentro do produto e agentes de voz são o encaixe mais evidente, porque a capacidade de resposta percebida é a própria funcionalidade. Um padrão comum combina um modelo pequeno e rápido na Groq com outro mais lento e capaz para escalamentos: servir noventa por cento das consultas simples à velocidade da conversa e encaminhar o resto para outro lado.
Ciclos de agentes e cadeias de chamada de ferramentas: um agente que planeia, invoca uma ferramenta, lê o resultado e volta a planear multiplica a latência pelo número de passos. Uma cadeia de cinco passos a dois segundos cada são dez segundos de espera; a mesma cadeia a 300 milissegundos por passo parece imediata. É aqui que a inferência rápida compõe de forma mais espetacular, e é por isso que a Groq é frequentemente usada por baixo de agentes de programação e automações de fluxos de trabalho, mais do que para geração pontual.
Processamento de texto em massa e classificação: resumir uma acumulação documental, etiquetar tickets de apoio, extrair campos estruturados de dezenas de milhares de registos — estas cargas privilegiam débito e custo unitário em vez da latência de um pedido isolado. O nível flex existe precisamente para esta forma de trabalho, oferecendo dez vezes os limites padrão ao mesmo preço por token, ao passo que o processamento por lotes acolhe tarefas que toleram uma janela diferida.
Transcrição e cadeias de áudio: o Whisper na Groq trata gravações de reuniões, arquivos de podcast, áudio de centros de chamadas e geração de legendas, faturado por hora de áudio em vez de por token. Como a transcrição e a geração de texto vivem atrás da mesma API e da mesma chave, uma cadeia que transcreve uma chamada e depois a resume precisa apenas de uma relação com um fornecedor.
Prototipagem e experimentação com custo controlado: o nível gratuito não exige cartão e dá acesso ao catálogo de modelos com limites reduzidos, o que faz da Groq uma primeira paragem frequente para projetos de hackathon, projetos pessoais e demonstrações internas. Associar um método de pagamento levanta os limites sem compromisso de subscrição, pelo que o custo de avaliar a plataforma fica limitado pelo uso real.
Migrar uma aplicação existente baseada em OpenAI: como a API é compatível ao nível da biblioteca cliente, as equipas usam muitas vezes a Groq como referência de comparação e não como compromisso — correndo as mesmas instruções em ambos os fornecedores para comparar latência, custo e qualidade de saída com uma alteração de configuração de duas linhas. Algumas cargas mudam definitivamente, outras permanecem repartidas por tipo de tarefa.
Crie uma conta na consola da Groq. Registe-se, verifique o e-mail e ficará dentro de uma organização — o que importa, porque as quotas são contabilizadas ao nível da organização e não por utilizador.
Gere uma chave de API. Crie a chave na consola e guarde-a numa variável de ambiente como GROQ_API_KEY. Nunca a coloque no controlo de versões: a chave autoriza despesa por conta da sua organização.
Aponte o cliente para a Groq. Se já usa o SDK da OpenAI, defina base_url como https://api.groq.com/openai/v1 e passe a chave da Groq em api_key. Se está a começar de raiz, instale o pacote oficial groq para Python ou groq-sdk para TypeScript. Um primeiro pedido é uma chamada normal de chat completion com um identificador de modelo como openai/gpt-oss-20b.
Escolha o modelo certo para a tarefa. Leia a página de modelos suportados antes de decidir: indica a velocidade em tokens por segundo, o preço por milhão de tokens, os limites de taxa, a janela de contexto e o máximo de tokens de resposta de cada modelo. Use modelos de produção para tudo o que vá para o ar — os modelos em pré-visualização servem para avaliação e podem ser retirados com pouco aviso.
Defina um nível de serviço e trate os limites de taxa. Deixe service_tier por definir para o comportamento a pedido predefinido, ou coloque-o em flex para trabalho de elevado débito depois de passar a um plano pago. Leia os cabeçalhos de resposta x-ratelimit-remaining-tokens e x-ratelimit-remaining-requests e implemente repetições com espera aleatorizada perante HTTP 429 e, no flex, HTTP 498.
Coloque controlos de faturação antes de escalar. Associe um método de pagamento para levantar os tetos do nível gratuito e defina depois um limite de despesa e alertas de utilização na consola. Vigie o consumo em Dashboard → Usage durante a primeira semana em produção, quando as estimativas são menos fiáveis.
Ajuste o modelo à tarefa em vez de recorrer por omissão ao maior. Na Groq os modelos mais pequenos são bastante mais rápidos e baratos, e em classificação, extração, encaminhamento e geração curta a diferença de qualidade é muitas vezes invisível para quem usa. Compare gpt-oss-20b com gpt-oss-120b nas suas próprias instruções antes de assumir que precisa do maior: a diferença de velocidade ronda o dobro.
Desenhe desde o primeiro dia a contar com a retirada de modelos. O catálogo da Groq roda depressa. Leia o identificador do modelo a partir da configuração em vez de o fixar no código, acompanhe a página de descontinuações e garanta que o e-mail da conta chega a alguém que atue perante avisos de migração. Um identificador de modelo que desaparece torna-se uma indisponibilidade se o código não puder ser reimplantado depressa.
Não tente comprar folga com mais chaves de API. Os limites aplicam-se ao nível da organização e não por utilizador ou por chave, pelo que emitir chaves adicionais não levanta o teto. Se precisa de mais débito, associe um método de pagamento, passe ao nível flex ou fale com a equipa comercial sobre capacidade dedicada.
Meça em separado a latência até ao primeiro token e a latência total. A vantagem da Groq nota-se em ambas, mas respondem a remédios diferentes. Um primeiro token lento indica geralmente fila de espera ou uma região distante; uma conclusão lenta significa geralmente que o modelo está a gerar mais do que o necessário. Limite max_tokens com decisão — uma resposta mais curta é mais rápida em qualquer hardware.
Aproveite a cache de instruções e mantenha o prompt de sistema estável. Os tokens em cache não contam para os limites de taxa, pelo que um prompt de sistema estável entre pedidos reduz o custo e, ao mesmo tempo, compra débito efetivo. Reescrevê-lo a cada chamada deita esse ganho fora.
Implemente bem as repetições, sobretudo no flex. O nível flex é explicitamente de melhor esforço: as falhas por capacidade são esperadas, chegam depressa e podem ser repetidas em segurança. Aí, o recuo exponencial com variação aleatória não é opcional. Trate o HTTP 498 como um «tente já a seguir» e não como um erro a mostrar a quem usa.
Ative a retenção zero antes de enviar dados sensíveis. O ZDR está disponível para todos os clientes mas não vem ativo por omissão, e ativá-lo desativa também as funcionalidades que exigem persistência. Resolva esse compromisso antes do primeiro pedido em produção, não depois.
Mantenha uma via de saída para outro fornecedor. Como a API é compatível com OpenAI nos dois sentidos, manter um segundo fornecedor configurado atrás da mesma interface custa pouco e protege perante incidentes de capacidade, descontinuações e alterações de preço.
Quem desenvolve aplicações com funcionalidades sensíveis à latência: quem tem utilizadores que veem o texto a aparecer — interfaces de conversa, copilotos, produtos de voz — obtém o benefício mais direto, porque a velocidade converte-se em qualidade percebida.
Equipas que constroem agentes e fluxos de vários passos: quando a latência se multiplica entre passos, a inferência rápida vale muito mais do que sugere um teste de pedido único. Frameworks de agentes, assistentes de programação e cadeias de automação são candidatos naturais.
Quem já investiu no SDK da OpenAI: se a base de código está escrita com as bibliotecas cliente da OpenAI, avaliar a Groq custa uma alteração de configuração e não uma reescrita. Esse baixo custo de mudança é o canal de aquisição mais eficaz da plataforma.
Equipas atentas ao custo com grandes volumes de tarefas simples: classificar, etiquetar, extrair e resumir à escala sai muito mais barato em modelos pequenos de pesos abertos do que em modelos proprietários de fronteira, e a faturação por token torna as contas simples.
Startups e quem faz protótipos: um nível gratuito sem cartão e pagamento por utilização sem mínimo de subscrição tornam a plataforma fácil de experimentar e fácil de abandonar — exatamente o que uma equipa em fase inicial procura.
Empresas com requisitos de latência, governação ou residência de dados: a GroqAssured, o nível de serviço performance, a retenção zero e a capacidade bare-metal dedicada existem para organizações que não podem operar num ponto de acesso partilhado de melhor esforço.
Equipas que constroem produtos de áudio e transcrição: o preço do Whisper por hora de áudio, os limites de áudio próprios e os pontos de acesso de tradução tornam a Groq viável como fornecedor de transcrição independentemente de a usar para texto.
https://api.groq.com/openai/v1, cobrindo chat completions, a API Responses, transcrição, tradução e síntese de áudio, lotes, ficheiros e pontos de acesso de afinação.console.groq.com disponibiliza gestão de conta, chaves de API, projetos, permissões de modelos, painéis de utilização, limites de despesa e controlos de dados, a par da documentação completa e da referência da API.Nível gratuito. A Groq oferece um nível gratuito para programação que não exige cartão e dá acesso ao catálogo de modelos com limites de taxa reduzidos. É genuinamente utilizável para prototipagem, projetos pessoais, demonstrações internas e funcionalidades de baixo volume, e a restrição em que se esbarra primeiro costuma ser o número de pedidos por dia, mais do que os tokens. O pormenor estrutural importante é que os limites são contabilizados por organização, pelo que uma conta gratuita não se alarga criando mais chaves.
Pagamento por utilização. Não há mensalidade pelo acesso à API. Os modelos de texto são cobrados por milhão de tokens com tarifas separadas de entrada e saída — por exemplo, gpt-oss-120b a 0,15 $ de entrada e 0,60 $ de saída por milhão de tokens, e gpt-oss-20b a 0,075 $ e 0,30 $ —, enquanto o reconhecimento de voz é faturado por hora de áudio, com whisper-large-v3 a 0,111 $ por hora e a variante turbo a 0,04 $. Associar um método de pagamento eleva substancialmente os limites e desbloqueia os níveis flex e de processamento por lotes, que oferecem maior débito ao mesmo preço por token. As medições independentes da Artificial Analysis situam o intervalo combinado do catálogo entre cerca de 0,05 $ e 0,84 $ por milhão de tokens consoante o modelo, uma amplitude de cerca de dezasseis vezes.
Mecânica de cobrança. As cobranças são progressivas antes de se tornarem puramente mensais: as primeiras passagens dos limiares acumulados de 1 $, 10 $, 100 $, 500 $ e 1.000 $ desencadeiam cobranças imediatas antes de a conta assentar em faturação mensal, com um calendário diferente para clientes na Índia. Não são emitidas faturas abaixo de 0,50 $. Limites de despesa e alertas de orçamento configuram-se na consola, e a utilização é visível quase em tempo real.
Empresa. Contratos com compromisso de despesa, o nível de serviço performance, a capacidade dedicada GroqMetal e a camada de governação GroqAssured são vendidos pela equipa comercial e não em autosserviço. Os contratos empresariais trazem ainda uma vantagem prática para lá da capacidade: os clientes com compromisso de despesa ficam isentos das descontinuações de modelos que se aplicam aos níveis gratuito e de programação. As condições exatas e as tarifas em vigor devem ser confirmadas na documentação oficial e na consola, já que o catálogo e os preços mudam com frequência.
O catálogo de modelos roda de forma agressiva. Este é o risco mais prático. A própria página de descontinuações da Groq documenta um fluxo constante de retiradas: llama-3.1-8b-instant e llama-3.3-70b-versatile foram ambos retirados a 16 de agosto de 2026, qwen3-32b e llama-4-scout um mês antes, e antes deles Kimi K2 e Llama 4 Maverick. A descontinuação aplica-se aos níveis gratuito e de programação, ao passo que os clientes empresariais com compromisso de despesa ficam isentos, o que significa que os utilizadores menos protegidos absorvem a maior parte da rotação. Os modelos em pré-visualização trazem um aviso explícito: podem ser descontinuados com pouco aviso.
A compatibilidade com OpenAI é próxima mas não completa. Vários parâmetros presentes em código escrito para a OpenAI falham logo: logprobs, logit_bias, top_logprobs e messages[].name devolvem um erro 400, e n tem de ser 1. A transcrição de áudio não produz vtt nem srt, e uma temperatura de 0 é silenciosamente reescrita para 1e-8. A migração é fácil no caso comum e mesmo assim pode partir nas margens, por isso convém testar em vez de assumir.
A capacidade está limitada pelo catálogo de pesos abertos. A velocidade é real, mas é velocidade em modelos abertos de dimensão intermédia. Nas medições independentes da Artificial Analysis, a pontuação mais alta do índice de inteligência entre os onze modelos da Groq acompanhados pertence ao Qwen3.6 27B com 38 — bastante abaixo dos modelos proprietários de fronteira. Para o raciocínio mais difícil, a programação de longo curso ou a escrita com nuance, um modelo de fronteira mais lento pode ainda produzir melhores resultados.
Os limites de taxa são organizacionais e multidimensionais. Pedidos por minuto, pedidos por dia, tokens por minuto, tokens por dia e segundos de áudio aplicam-se em simultâneo, e a limitação vem daquele que se esgotar primeiro: um padrão de muitos pedidos minúsculos pode consumir a quota por minuto sem quase tocar na dotação de tokens. Algumas organizações têm ainda limites separados para tokens de entrada e de saída.
O nível flex é explicitamente de melhor esforço. Oferece dez vezes os limites de taxa ao mesmo preço, mas os pedidos falham com HTTP 498 e um erro capacity_exceeded quando não há capacidade disponível. É um desenho deliberado e não um defeito, e por isso o flex é inadequado para caminhos virados ao utilizador sem alternativa de recurso.
A residência de dados está fixada nos Estados Unidos. Embora os pedidos de inferência não sejam retidos por omissão e a retenção zero esteja disponível para todos os clientes, quaisquer dados efetivamente retidos residem em buckets do Google Cloud Platform localizados nos Estados Unidos, com cláusulas contratuais-tipo a cobrir a transferência transfronteiriça. As organizações com requisitos estritos de residência na UE ou na Ásia-Pacífico devem confirmá-lo perante as suas obrigações de conformidade, notando que ativar o ZDR desativa as funcionalidades que dependem de persistência, como trabalhos por lotes e afinação.
A situação societária foi recentemente turbulenta. Em dezembro de 2025, a DataCenterDynamics noticiou que o fundador Jonathan Ross e o presidente Sunny Madra saíam para a NVIDIA no âmbito de um acordo de licenciamento tecnológico não exclusivo, enquanto a Groq continuava como empresa independente sob a direção de Simon Edwards e a GroqCloud operava sem interrupção. A cobertura sobre o valor do negócio foi instável: o número de 20 mil milhões de dólares, amplamente repetido, não foi verificado de forma independente, e os termos da licença não exclusiva nunca foram divulgados. A ronda A de agosto de 2026 avaliou a empresa em 3,5 mil milhões de dólares, cerca de metade dos 6,9 mil milhões da ronda de setembro de 2025. A continuidade do serviço manteve-se ao longo de todo o processo, mas as equipas que ponderem compromissos plurianuais de infraestrutura devem pesar as mudanças de propriedade e de liderança a par da tecnologia.
Os dados de avaliação independentes são escassos. A Groq tem ampla cobertura na imprensa mas muito pouco retorno estruturado em plataformas de avaliação — a ficha na G2 acumula um número insignificante de opiniões, e os diretórios de terceiros classificam a Groq como API de IA, modelo de linguagem de grande dimensão e modelo de IA de código aberto em vez de chatbot de consumo, também sem volume de avaliações relevante. A prova independente mais forte disponível são dados de testes comparativos e não testemunhos de utilizadores, pelo que afirmações sobre a qualidade do apoio ou a fiabilidade a longo prazo devem ser tidas como não verificadas.
Não confundir com o Grok. A Groq (groq.com) é infraestrutura de inferência da Groq LLC. O Grok (grok.com) é um assistente conversacional de consumo da xAI, a empresa de Elon Musk. Os nomes diferem apenas na posição de uma letra e os produtos não têm nada em comum: empresas distintas, públicos distintos, modelos de negócio distintos.
Sim, existe um nível gratuito para programação que não exige cartão e dá acesso ao catálogo de modelos com limites de taxa reduzidos, suficiente para prototipagem e projetos de pouco volume. Associar um método de pagamento eleva substancialmente esses limites e desbloqueia os níveis flex e por lotes; não há mensalidade, apenas cobranças de utilização por token.
São produtos sem qualquer relação, frequentemente confundidos por causa da grafia quase idêntica. A Groq, em groq.com, é uma nuvem de inferência para IA assente em hardware LPU e vendida a programadores sob a forma de API. O Grok, em grok.com, é um assistente conversacional de consumo da xAI. Empresas diferentes, produtos diferentes, modelos de preços diferentes.
Na maioria dos casos sim, com duas alterações: definir o URL base como https://api.groq.com/openai/v1 e fornecer uma chave de API da Groq. Alguns parâmetros não são suportados e devolvem um erro 400 — logprobs, logit_bias, top_logprobs e messages[].name — e n tem de ser 1, por isso teste os seus padrões concretos de chamada em vez de presumir uma troca sem sobressaltos.
A Groq serve modelos de pesos abertos em vez de modelos proprietários de fronteira. O catálogo de produção gira em torno de openai/gpt-oss-120b e openai/gpt-oss-20b para texto e whisper-large-v3 com a variante turbo para voz, com lugares em pré-visualização para modelos como o Qwen3.6 27B, classificadores de segurança e as vozes Orpheus. A lista em vigor está sempre disponível na documentação de modelos e no ponto de acesso /openai/v1/models.
As medições independentes da Artificial Analysis colocam o modelo mais rápido na Groq, o gpt-oss-20b com esforço de raciocínio elevado, numa mediana de 949 tokens por segundo, com um tempo mínimo até ao primeiro token de cerca de 0,77 segundos. Os números de hardware da própria Groq referem até 1.000 tokens por segundo por utilizador. O débito real varia com o modelo, o comprimento da instrução, o nível de serviço e a carga.
A Groq afirma não reter dados de clientes nos pedidos de inferência por omissão. Os dados só são retidos para funcionalidades que exigem persistência, como trabalhos por lotes e afinação, ou temporariamente para diagnóstico de fiabilidade e investigação de abusos, caso em que são guardados até 30 dias. Todos os clientes podem ativar a retenção zero, o que em contrapartida desativa as funcionalidades que dependem de persistência.
A inferência corre em treze centros de dados em quatro continentes, mas quaisquer dados de clientes retidos são armazenados em buckets do Google Cloud Platform localizados nos Estados Unidos, com cláusulas contratuais-tipo a cobrir as transferências quando aplicável. As organizações com requisitos regionais estritos devem confirmá-lo perante as suas próprias regras.
Não. Os limites aplicam-se ao nível da organização, pelo que chaves adicionais partilham a mesma quota. Para ganhar folga, associe um método de pagamento para passar aos limites do nível de programação, use o nível flex para trabalho de elevado débito ou negoceie capacidade dedicada com a equipa comercial.
A utilização é cobrada por token nos modelos de texto e por hora de áudio na transcrição, sem componente de subscrição. No início as cobranças são progressivas: a conta é cobrada quando a utilização acumulada ultrapassa 1 $, 10 $, 100 $, 500 $ e 1.000 $, passando depois a faturação puramente mensal. Não são emitidas faturas abaixo de 0,50 $, e limites de despesa com alertas de orçamento são configuráveis na consola.
A GroqCloud operou continuamente ao longo de mudanças societárias significativas, incluindo o acordo de licenciamento com a NVIDIA, a saída do fundador e uma transição de liderança, e a empresa levantou 350 milhões de dólares numa ronda A em agosto de 2026 com uma avaliação de 3,5 mil milhões. O risco prático tem menos a ver com o desaparecimento da empresa do que com a rotação de modelos: construa com identificadores de modelo configuráveis, acompanhe os avisos de descontinuação e mantenha um segundo fornecedor disponível atrás da mesma interface.