Preço do Datadog LLM Observability em 2026: Quanto Custa de Fato

O nome mudou — e o preço também

A alteração do nome não é apenas estética para quem cuida de compras: a documentação ainda fica em docs.datadoghq.com/llm_observability/ e o âncora de preço continua sendo ?product=llm-observability. Ou seja, o nome antigo não desapareceu completamente, mas deixou de ser o nome oficial do produto.

A segunda mudança ocorreu no próprio modelo de preços, reestruturado entre fevereiro e julho de 2026. Dados confirmados no Internet Archive:

A tabela antiga exibia: “A partir de US$ 8 / por 10K solicitações de LLM monitoradas, por mês” com “Mínimo de 100K solicitações de LLM por mês.” Essa franquia de 100K nunca foi um limite incluído — era um volume mínimo faturável contratual. Além disso, as taxas do add-on de retenção mudaram novamente entre julho e setembro. Com duas mudanças estruturais em sete meses, qualquer valor de publicações com mais de oito semanas provavelmente está desatualizado.

[CAPTURA DE TELA: Datadog — o card do Agent Observability em datadoghq.com/pricing mostrando os níveis Free e Pro e as letras miúdas do valor por 10K spans]

Entendendo o modelo de preços na prática

Free — US$ 0/mês, até 40K LLM spans por mês, 15 dias de retenção de traces, contexto e evals ilimitados, acesso completo a todos os recursos. Pro — US$ 160/mês no plano anual: “100K LLM spans por mês incluídos. Spans adicionais: US$ 3,50 por 10K LLM spans.” Retenção de 15 dias, com três níveis de compromisso para os primeiros 100K: US$ 240 sob demanda, US$ 200 mês a mês (M2M) e US$ 160 no contrato anual.

Há dois detalhes importantes ausentes nos destaques principais. Os níveis de retenção são ambíguos — o Datadog não esclarece se as tarifas de 30/60/90 dias são adicionais ou se substituem a base de US$ 3,50. Por analogia com os APM Indexed Spans na mesma página, parecem substituir, mas isso é apenas uma inferência. [CONFIRMAR] por escrito. Além disso, existe um adicional regional não declarado: o próprio mapa de regiões integrado na página indica us/eu por US$ 160 + US$ 3,50, ap2/uk1 por US$ 192 + US$ 4,20 e ap1 por US$ 200 + US$ 4,38 — ou seja, 25% a mais por um SKU idêntico.

O que conta como um span faturável

Neste ponto, o modelo se mostra melhor do que a sua reputação indica. Conforme a FAQ de preços:

“Um LLM span é uma única chamada para um provedor de LLM, como OpenAI ou Anthropic. Um único workflow de agente pode gerar múltiplos LLM spans... O Datadog cobra apenas sobre os LLM spans, e não sobre spans de ferramentas, busca (retrieval) ou outros spans de workflow ao redor da chamada do modelo.”

Existem sete tipos de span, mas exatamente um é faturável: LLM. Spans de workflow, agent, tool, task, embedding e retrieval são gratuitos. O tipo define a cobrança, não o nível de aninhamento — portanto, chamadas de embedding para RAG não geram custos adicionais, mesmo utilizando um modelo. Quando o total de spans supera os spans de LLM na proporção de cinco para um, esse denominador restrito faz grande diferença, algo que a maioria das comparações por span contra o Datadog costuma ignorar. Uma inconsistência: a documentação do SDK afirma que a cobrança “é baseada no volume de spans enviados”, o que contradiz a indicação explícita de “apenas LLM spans” na página de preços.

[CAPTURA DE TELA: Datadog — trace de um agente exibindo os rótulos de tipo de span (llm, tool, workflow, retrieval) no flame graph]

Como funciona a integração com a cobrança de APM e Logs

É aqui que os valores cobrados costumam surpreender.

Não exige APM. Citação direta: “Não. O Agent Observability é um produto independente e pode ser adquirido sem qualquer outra assinatura do Datadog.”

Não consome as franquias de APM. A página de franquias lista Infrastructure, Infra Pro/Enterprise, APM, APM Pro e Serverless — o Agent Observability não aparece em nenhum ponto. Qualquer span acima do nível Free ou Pro representa um custo novo, que nunca é absorvido pela margem disponível que você já paga no APM.

Os traces de LLM também são cobrados como traces de APM? Não afirmaremos isso de forma definitiva, pois o Datadog não documenta a questão claramente. [CONFIRMAR]. O que pode ser verificado, e é bastante revelador: para o AI Guard, o Datadog promete uma exceção — “Ele inclui uma franquia de APM, de modo que clientes sem APM não são cobrados pela ingestão de traces gerados pelo AI Guard.” Não existe declaração equivalente para o Agent Observability, embora a mesma biblioteca ddtrace / dd-trace alimente ambos. É recomendável prever essa interação em vez de presumir que haja um isolamento.

O volume funciona como opt-out, não opt-in. A ativação do produto exige a variável DD_LLMOBS_ENABLED=1. Porém, uma vez ativado, “Todas as integrações ficam habilitadas por padrão” — assim, ao adicionar OpenAI, LangChain, Bedrock, CrewAI ou MCP, os spans faturáveis começam a ser gerados sem qualquer alteração adicional de código. O desativamento deve ser feito por integração: integrations_enabled=False (Python), plugins: false (Node) ou DD_PATCH_MODULES.

O controle de custos: DD_LLMOBS_SAMPLE_RATE (0.0 a 1.0, padrão 1.0; requer ddtrace do Python >= 4.12.0, dd-trace do Node >= 5.110.0, Java >= 1.66.0). O Datadog declara: “A amostragem não afeta as suas métricas do Agent Observability... essas métricas continuam baseadas em 100% do tráfego instrumentado da sua aplicação.” É possível reduzir o volume de spans sem perder visibilidade nos dashboards — uma decisão de design muito eficiente.

Exemplo prático com cálculo detalhado

Considere uma execução de agente como referência: 1 requisição → 1 trace → 4 chamadas de LLM + 3 chamadas de ferramentas + 2 buscas (retrievals). Total de nove spans, sendo quatro faturáveis.

A — 50.000 execuções/mês = 200.000 LLM spans (450.000 spans no total)
  Base do Pro, primeiros 100.000 spans           =   US$ 160,00
  100.000 adicionais / 10.000 = 10 unidades
  10 x US$ 3,50                              =    US$ 35,00
  Total no plano anual                            =   US$ 195,00 / mês
  Sob demanda: US$ 240 + (10 x US$ 5,00)          =   US$ 290,00 / mês

B — 500.000 execuções/mês = 2.000.000 LLM spans (4.500.000 no total)
  Base do Pro, primeiros 100.000 spans           =   US$ 160,00
  1.900.000 adicionais / 10.000 = 190 unidades
  190 x US$ 3,50                             =   US$ 665,00
  Total no plano anual                            =   US$ 825,00 / mês
  Sob demanda: US$ 240 + (190 x US$ 5,00)         = US$ 1.190,00 / mês

Para calcular com o seu volume: custo = 160 + 3,50 x ((LLM spans - 100.000) / 10.000), com valor mínimo fixado em US$ 160 entre 40K e 100K spans, e US$ 0 para volumes abaixo de 40K.

A mudança de preços foi vantajosa? Em comparação com a regra antiga de US$ 8 por 10K com piso de US$ 80/mês, o ponto de equilíbrio fica próximo de 278.000 LLM spans por mês (cálculo realizado a partir das tarifas publicadas):

Cargas de trabalho pequenas e inconstantes se tornaram gratuitas ou ficaram mais caras; operações de grande volume e fluxo constante ficaram significativamente mais baratas. Caso o seu orçamento tenha sido definido antes de julho de 2026 e a sua operação esteja na faixa intermediária, os valores previstos precisarão ser ajustados.

Recursos e funcionalidades incluídos

Trata-se de uma solução robusta. O posicionamento do Datadog — “Todos os níveis incluem a plataforma completa de engenharia de agentes desde o primeiro dia” — é sustentado pelo conjunto de recursos oferecidos.

Pré-produção: revisão e anotação humana, datasets versionados a partir de traces de produção, Playground, experimentos estruturados e avaliadores offline.

Produção: rastreamento em nível de span para entradas, saídas e metadados em prompts, buscas, chamadas de ferramentas e decisões; monitoramento de latência, tokens e custos; avaliadores incluindo alucinação e drift; escaneamento de segurança para prompt injection, exposição de dados sensíveis e saídas inseguras; correlação com serviços de backend, infraestrutura e RUM sob um único trace ID. O recurso Patterns adiciona agrupamento por tópicos (clustering), enquanto o Insights identifica anomalias e outliers.

Avaliações (Evaluations): LLM-as-a-judge customizado no escopo de span, trace ou sessão, avaliações gerenciadas, feedback do usuário final, evals externas via API, integração com NeMo e filas de anotação (Annotation Queues). O catálogo gerenciado, no entanto, é limitado — a documentação lista apenas Language Mismatch e Sensitive Data Scanning. O Sensitive Data Scanner está incluído sem custo adicional, mas possui franquia: “Para cada 10K LLM spans, você recebe uma franquia de 1 GB de processamento do SDS.” O comportamento do sistema ao exceder esse limite não está documentado. [CONFIRMAR].

A correlação de dados é o principal diferencial de valor: se o Datadog já centraliza suas métricas de infraestrutura, traces de APM, logs e sessões de RUM, ter os traces de agentes integrados ao mesmo sistema de alertas traz um benefício financeiro e operacional real.

Pontos de atenção para as equipes

Três dos pontos a seguir dizem respeito ao próprio produto. O quarto ponto exige uma análise detalhada dos fatos. Vale ressaltar que todas as páginas de "alternativas ao Datadog" consultadas apresentavam informações incorretas sobre tarifas, unidades de cobrança ou níveis de plano.

1. Guardrails não estão incluídos no preço base. O Agent Observability identifica tentativas de prompt injection como uma avaliação. O bloqueio em tempo real é feito pelo AI Guard, exibido na mesma página de preços com a indicação “Orçamento personalizado / Fale conosco para saber o preço.” A FAQ do Datadog confirma: “Sim. O AI Guard é um produto independente. Ele é cobrado separadamente do LLM Observability.” O modelo de medição é diferente — “Cobrado por 1.000.000 de tokens de entrada avaliados, incluindo todo o contexto da conversa” — o que significa recalcular todo o histórico da conversa a cada interação. Não há tarifa pública divulgada.

[CAPTURA DE TELA: Datadog — o card do produto AI Guard exibindo “Fale conosco para saber o preço” e a nota de rodapé sobre o valor por milhão de tokens de entrada]

2. “Evals ilimitados” exigem atenção na cobrança. As avaliações não possuem um SKU separado, mas a documentação do LLM-as-a-judge do Datadog indica: “Nota: Ativar o rastreamento aumenta o número de spans faturáveis enviados ao Datadog.” Uma opção na interface converte o volume de evals em volume de spans faturáveis, detalhe que não é mencionado no destaque de “contexto e evals ilimitados” da página de preços.

3. Alterações silenciosas nos padrões do sistema. A retenção dos resultados de experimentos era de 90 dias por padrão em fevereiro de 2026; atualmente é de 15 dias, oferecendo 3 meses apenas mediante compromisso contratual. Os dados de trace possuem retenção de 15 dias, as métricas de trace permanecem por 15 meses e os datasets versionados por 3 anos.

4. Casos de custos elevados — o que os registros mostram. Não identificamos relatos diretos e comprovados de custos inesperados específicos do Datadog LLM Observability ou Agent Observability. Os casos documentados dizem respeito à plataforma como um todo, são mais antigos e possuem fontes identificadas:

• The Pragmatic Engineer (Gergely Orosz, 11 de maio de 2023) informou que a Coinbase gastou US$ 65 milhões com o Datadog em 2021, fato confirmado por engenheiros e ex-engenheiros da Coinbase. Na teleconferência de resultados do Q1 2023, o CFO David Obstler referiu-se a esse cliente como “um cliente que otimizou o uso antecipadamente” e o CEO Olivier Pomel declarou “reestruturamos o contrato deles.”
• DHH da 37signals, 26 de agosto de 2024: “Nossa fatura de renovação do Datadog chegou a ~US$ 83.000/ano antes de cancelarmos.” Trata-se de um valor informado pela empresa, sem auditoria externa.
• Um comentário no Hacker News (monero-xmr, 6 de maio de 2023): “Também sinto que eles estão me cobrando demais. Mas o produto é excelente.” Opinião individual de um usuário — destaque para a segunda parte do comentário.
• A OneUptime, em 12 de fevereiro de 2026, simulou a fatura de uma equipe de 40 pessoas aumentando de US$ 13.525 para US$ 26.460/mês (+96%) sob a carga de agentes de código com IA. Trata-se de uma simulação feita por um concorrente, e não de dados reais medidos.

Também não encontramos evidências para a afirmação frequente de que o Datadog ativa o LLM Observability automaticamente e inicia a cobrança. A ativação exige uma ação explícita. O cenário correto é: a habilitação do produto é opt-in, mas a geração de volume funciona como opt-out.

Quer evitar a cobrança baseada no número de spans?

Direcione o tráfego por um gateway que registra custos, tokens e traces como uma consequência natural do atendimento à requisição.

Comece gratuitamente

Comparativo de preços entre diferentes soluções

As unidades de medida variam entre as ferramentas, tornando comparações diretas de tabela imprecisas. A seguir, apresentamos a mesma carga de trabalho de referência — 50.000 execuções/mês = 200.000 LLM spans, 450.000 spans no total — calculada nas regras de cobrança de cada fornecedor, considerando valores de tabela e planos anuais quando disponíveis.

Dois esclarecimentos importantes. O volume considerado pelo Datadog é cerca de cinco vezes menor do que o do Opik ou do Arize neste cenário, pois ele desconsidera spans de tool, retrieval e workflow — ou seja, o valor nominal de US$ 350 por milhão de LLM spans não deve ser comparado diretamente aos US$ 50 por milhão de todos os spans do Opik. Além disso, as indicações "não publicada" representam um fato identificado, e não uma omissão da pesquisa: LangSmith, Arize AX e o próprio AI Guard do Datadog realmente não divulgam essas tarifas publicamente. Da lista apresentada, apenas Phoenix, Opik, Langfuse e Helicone oferecem opções gratuitas para auto-hospedagem (self-host); o Datadog não possui versão open-source nem opção de auto-hospedagem.

Onde o TrueFoundry se encaixa — e onde não se aplica

É importante manter a clareza. O Datadog é uma plataforma com escopo muito mais amplo que o TrueFoundry, não se tratando de uma substituição direta item por item. Ele cobre infraestrutura, APM, logs, RUM, testes sintéticos, segurança e monitoramento de bancos de dados. Se a sua necessidade é ter um painel único para toda a infraestrutura da empresa, essa é a função do Datadog, algo que o TrueFoundry não faz. O uso conjunto de ambas as ferramentas é bastante comum.

O diferencial do TrueFoundry está em como a telemetria é coletada e, consequentemente, no seu custo. O AI Gateway atua no fluxo das requisições entre suas aplicações e mais de 1.000 LLMs por meio de uma única API compatível com a OpenAI, adicionando apenas 3 a 4 ms de latência e suportando mais de 350 RPS por vCPU. Como as chamadas para modelos e ferramentas MCP passam obrigatoriamente por ele, as métricas e traces são gerados como consequência do atendimento às requisições — sem cobrança por span, já que spans não são a unidade de faturamento. O modelo de cobrança baseia-se em usuários e requisições no gateway: o plano Developer é gratuito (US$ 0) para até 3 usuários e 10K requisições por usuário/mês; o plano Pro custa US$ 25/usuário/mês, com 20K requisições compartilhadas por usuário e US$ 20 para cada 100K requisições adicionais.

Os traces formam hierarquias reais de spans, e não apenas registros de logs simples. Uma chamada de chat completion protegida por guardrails gera um span raiz ChatCompletion, um span Guardrail, a chamada externa do guardrail, um span Model e a chamada externa do modelo — cada um contendo atributos de custo, token e latência vinculados ao respectivo recurso criador. Essa é a estrutura hierárquica que a observabilidade de agentes de IA exige, sem a necessidade de instrumentar o código do agente.

Como o gateway opera diretamente no caminho das requisições, tornam-se possíveis dois recursos que ferramentas focadas apenas em observabilidade não conseguem oferecer. Os guardrails são executados inline — permitindo ocultação de PII, detecção de prompt injection, moderação e bloqueio em tempo real, sem a necessidade de um SKU adicional cobrado por token. Além disso, os orçamentos são aplicados ativamente, e não apenas relatados: limites de gastos podem interromper requisições por usuário, equipe, modelo ou chave de metadados.

Se você prefere visualizar esses dados dentro do Datadog, o TrueFoundry gera traces compatíveis com OpenTelemetry. A exportação via OTEL a partir do gateway funciona com qualquer backend compatível com OTLP — permitindo que o gateway atue como ponto de coleta e o Datadog como camada de correlação.

A limitação clara é: se a sua arquitetura não prevê o uso de um proxy no caminho das requisições, a maior parte desses recursos não se aplica, e nossas ferramentas de avaliação são menos especializadas do que plataformas focadas prioritariamente em evals, como Braintrust ou DeepEval. O principal diferencial do gateway está na observabilidade e controle ativo de custos.

Quer acompanhar o custo dos seus agentes sem pagar por medição de spans?

Direcione uma aplicação para o gateway e acesse o dashboard de métricas.

Comece gratuitamente

Conteúdos relacionados

• Ferramentas de observabilidade para agentes de IA
• Melhores plataformas de observabilidade de IA para LLMs em 2026
• O que é observabilidade de LLMs?
• Soluções para rastreamento de custos com LLMs
• Observabilidade em um AI gateway

Conclusão

A atualização de preços do Datadog para 2026 apresenta aspectos mais razoáveis do que o mercado costuma apontar: a unidade faturável é a mais restrita da categoria, a amostragem não prejudica a visualização nos dashboards e, em grandes volumes, a taxa marginal chega a ser 56% inferior à de fevereiro. Os pontos desfavoráveis concentram-se nos itens contratados à parte — guardrails comercializados como SKU separado sob consulta, retenção acima de 15 dias com regras de acúmulo pouco claras, ausência de franquia incluída no host e duas mudanças estruturais em sete meses.

A decisão depende da arquitetura desejada para a sua operação. Se a meta é centralizar a correlação de dados em um único fornecedor aceitando a cobrança por medição de spans, o Datadog oferece uma plataforma completa e consistente. Se a prioridade é gerar a telemetria como consequência de um ponto de controle de tráfego que aplica limites de orçamento, executa guardrails em tempo real e permite exportar dados para o Datadog via OTEL, a abordagem nativa via gateway mostra-se mais adequada.

Todos os valores citados correspondem à tabela pública do Datadog consultada em 25 de setembro de 2026 e estão sujeitos a alterações. Recomenda-se confirmar as condições atualizadas em datadoghq.com/pricing antes de fechar a contratação.

Experimente o TrueFoundry AI Gateway gratuitamente →