A memória do Claude custa mais? Entenda a cobrança

As funcionalidades de memória do Claude têm custo adicional?

As funcionalidades de memória do Claude não têm um preço próprio. As tarifas publicadas pela Anthropic são cobradas por milhão de tokens de entrada e por milhão de tokens de saída, com tarifas adicionais para o armazenamento em cache de prompts, e nenhuma delas é chamada token de memória. Armazenar a memória em si não tem custo na API do Claude (interface de programação de aplicações), porque a ferramenta de memória é executada no lado do cliente e o ficheiro fica num armazenamento que lhe pertence.

A memória ainda pode aumentar a sua fatura, porque um facto guardado só altera uma resposta quando está incluído no pedido que o Claude lê. Memorizar significa reenviar. Esse texto chega como tokens de entrada e é cobrado à tarifa normal de entrada do modelo. Dois números determinam o custo: quantos tokens de texto guardado são reenviados em cada interação e se esse texto reenviado pode ser servido a partir da cache de prompts.

Numa subscrição Pro ou Max, não paga por token, pelo que a memória consome o seu limite de utilização, e não o seu dinheiro. O mecanismo abaixo é idêntico. Apenas muda a unidade. Esse limite é finito, por isso vale a pena saber quanto custa o Claude Pro e em que ponto os limites o impedem antes de decidir quanta memória cada interação deve transportar. O Claude Enterprise funciona de forma diferente, porque mede cada token às tarifas da API além do preço por lugar, pelo que um bloco de memória demasiado grande volta a representar um custo monetário, e não apenas consumo do limite. Se reduzir a memória fizer com que a sua utilização fique confortavelmente abaixo do limite de um plano mais pequeno, passar do Max para o Pro é o passo seguinte a considerar, e a alteração ocorre no fim do período que já pagou. Se a comparação que está realmente a fazer for entre fornecedores, e não entre os próprios escalões da Anthropic, comparar os planos do Claude com os do ChatGPT aos preços atuais é o ponto de partida.

O que significa "memória" em cada interface do Claude

Três produtos diferentes usam esta palavra, e confundi-los é a principal razão pela qual esta questão parece confusa.

A ferramenta de memória na API do Claude. Adicione uma entrada à matriz tools e implemente as operações de ficheiros no seu próprio código.

{"type": "memory_20250818", "name": "memory"}

Em agosto de 2026, esta ferramenta está geralmente disponível na Messages API sem um cabeçalho beta, nos modelos Claude 4 e posteriores. É do lado do cliente: o Claude solicita uma operação como view /memories, o seu handler executa-a no armazenamento que controla e devolve o resultado num bloco tool_result. A Anthropic nunca armazena o ficheiro, pelo que não há custos de armazenamento a repercutir. O pagamento é feito pelo ciclo de pedido e resposta. A definição da ferramenta é enviada em todos os pedidos, e o conteúdo do ficheiro devolvido permanece na conversa a partir desse momento.

A Anthropic publica a parte fixa dessa sobrecarga. No Claude Opus 5, com uma escolha de ferramenta auto, o prompt de sistema de utilização de ferramentas tem 286 tokens, conforme documentado em agosto de 2026. Esse custo é cobrado uma vez por pedido sempre que existe qualquer ferramenta, seja de memória ou de outro tipo.

Claude Code. Dois mecanismos são carregados no início de cada sessão. Os ficheiros CLAUDE.md contêm as instruções que escreve. A memória automática contém notas que o Claude escreve para si próprio, em ~/.claude/projects/<project>/memory/. Apenas as primeiras 200 linhas ou 25KB de MEMORY.md são carregadas, consoante o limite atingido primeiro, e os ficheiros de tópicos existentes junto desse ficheiro são lidos a pedido, não no arranque. Tudo o que é carregado no arranque passa a fazer parte do prefixo transportado por todos os pedidos posteriores nessa sessão. Como o Claude Code recupera a memória entre sessões descreve a ordem de carregamento, ficheiro a ficheiro.

Claude na Web. Em claude.ai, a memória é um conjunto de entradas que o Claude escreve e atualiza enquanto conversa, com um espaço de memória separado para cada projeto. Settings > Memory mostra o que está armazenado, e o botão de alternância nessa área disponibiliza Pause memory ou Reset memory. Esta interface é faturada por subscrição, pelo que a memória consome os limites de utilização.

Por que o texto recuperado da memória é cobrado como tokens de entrada

A Messages API não mantém estado. Ela não conserva nada entre chamadas, por isso o cliente envia toda a conversa em cada turno e o modelo lê tudo novamente. A memória não é uma exceção a essa regra. É mais um bloco de texto na mesma solicitação.

A divisão é visível no objeto usage de qualquer resposta.

"usage": {
  "input_tokens": 412,
  "cache_creation_input_tokens": 0,
  "cache_read_input_tokens": 18240,
  "output_tokens": 236
}

input_tokens contabiliza apenas os tokens que não foram lidos da cache nem usados para a criar, o que, na prática, significa os tokens depois do último ponto de cache. O total de tokens de entrada da solicitação é cache_read_input_tokens mais cache_creation_input_tokens mais input_tokens. Um ficheiro de memória que Claude abriu há três turnos permanece nesse total em cada turno seguinte. Fica em cache_read_input_tokens enquanto o prefixo em cache for utilizado e em input_tokens quando não for. O mesmo texto, com dois preços muito diferentes. Os tokens de entrada e de saída têm preços diferentes, e a memória é sempre contabilizada como entrada.

Onde ver estes números no seu próprio uso

Não retire um valor de uma publicação de blog, incluindo esta. Meça o seu próprio bloco de memória. A contagem de tokens é gratuita e tem o seu próprio limite de taxa, portanto a medição não custa nada.

curl https://api.anthropic.com/v1/messages/count_tokens \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "content-type: application/json" \
  -H "anthropic-version: 2023-06-01" \
  -d '{
    "model": "claude-opus-5",
    "system": "You are a scientist",
    "messages": [{"role": "user", "content": "Hello, Claude"}]
  }'

A resposta é um número, como { "input_tokens": 14 }. Execute-o uma vez com o texto da sua memória colado no campo system e outra vez sem esse texto. A diferença é o custo dessa memória em cada turno. Há dois cuidados a ter. A contagem é uma estimativa, e os tokens adicionais que a Anthropic acrescenta para as suas próprias otimizações do sistema não são faturados. Conte também com base no modelo que realmente vai executar, porque o Claude 4.7 e versões posteriores usam um tokenizer mais recente que produz aproximadamente 30 por cento mais tokens para o mesmo texto.

No Claude Code, a mesma pergunta é respondida sem qualquer curl.

• /context mostra o que está carregado neste momento, incluindo os ficheiros de memória, para que possa ver a parte que ocupam na janela antes de escrever qualquer coisa.
• /memory lista os seus ficheiros CLAUDE.md e abre a pasta de memória automática.
• /usage apresenta os totais da sessão, incluindo as leituras e escritas de cache.
• A linha de estado pode apresentar continuamente o uso da janela de contexto, para que o crescimento seja visível enquanto ocorre.

O bloco de sessão /usage tem este aspeto:

Total cost:            $0.55
Total duration (API):  6m 20s
Total duration (wall): 6h 33m 10s
Total code changes:    0 lines added, 0 lines removed
Usage by model:
   claude-sonnet-4-6:  1.2k input, 5.3k output, 940.0k cache read, 50.0k cache write ($0.55)

Leia atentamente a última linha. O valor de 940.0k de leitura da cache corresponde à conversa, incluindo toda a memória, que é enviada novamente em cada turno à tarifa da cache. O valor de 1.2k de entrada corresponde apenas à parte nova. O Claude Code calcula localmente esse valor em dólares com base nos preços de tabela, por isso ignora qualquer desconto que tenha e pode ser diferente do valor da sua fatura. A página Usage na Claude Console é o valor oficial.

Em seguida, execute a comparação diretamente. Faça a mesma pergunta inicial em duas sessões novas, uma normal e outra com a memória automática desativada.

CLAUDE_CODE_DISABLE_AUTO_MEMORY=1 claude

Execute /context em cada uma e compare a entrada dos ficheiros de memória. A diferença corresponde ao custo da memória acumulada no início de cada sessão, antes de qualquer trabalho ser realizado. Uma análise completa da origem do uso de tokens do Claude Code é uma leitura útil juntamente com esses dois números.

Quanto custa repetir memória por milhão de tokens?

O armazenamento em cache de prompts explica por que o mesmo bloco de memória pode custar dez vezes mais em uma interação do que em outra. A Anthropic publica as tarifas do cache como múltiplos do preço base de entrada de cada modelo, portanto essa relação permanece mesmo quando os preços em dólares mudam.

[
  {
    "label": "Base input",
    "price_multiple": 1
  },
  {
    "label": "5 minute cache write",
    "price_multiple": 1.25
  },
  {
    "label": "1 hour cache write",
    "price_multiple": 2
  },
  {
    "label": "Cache read",
    "price_multiple": 0.1
  }
]

Uma leitura do cache custa 0.1 vezes o preço base de entrada. Gravar uma entrada com duração de 5 minutos custa 1.25 vezes o preço base, e usar a duração de 1 hora custa 2 vezes o preço base. A Anthropic informa claramente o ponto de equilíbrio: o cache compensa após uma leitura do cache com a duração de 5 minutos, ou após duas leituras do cache com a duração de 1 hora. O ponto de equilíbrio do cache de prompts é o cálculo a fazer antes de decidir onde a memória deve ficar.

Esses múltiplos transformam a quantidade de repetições em aritmética. O bloco seguinte usa os múltiplos publicados acima. Não é uma medição de nenhuma carga de trabalho em execução. Ele calcula o preço de um bloco de memória de três formas ao longo de uma sessão de 100 interações, expresso como o número equivalente de tokens cobrados à tarifa base de entrada.

[
  {
    "label": "4,000 tokens, never cached",
    "base_rate_equivalent_tokens": "400,000"
  },
  {
    "label": "4,000 tokens, 1 write and 99 reads",
    "base_rate_equivalent_tokens": "44,600"
  },
  {
    "label": "1,000 tokens, 1 write and 99 reads",
    "base_rate_equivalent_tokens": "11,150"
  }
]

Um bloco de memória de 4,000 tokens que não acerta o cache em nenhuma das 100 interações é cobrado como 400,000 tokens à tarifa base. O mesmo bloco, após uma gravação no cache com duração de 5 minutos e 99 leituras do cache, é cobrado como 44,600. Se o reduzir para um quarto do tamanho e mantiver o cache, ele será cobrado como 11,150. O recurso não mudou nas 3 linhas. Apenas o comportamento de repetição mudou. Esses valores ainda são quantidades de tokens, não valores monetários, e converter uma quantidade de tokens em um valor na sua fatura mensal exige uma multiplicação pela tarifa do seu modelo por milhão de tokens. Essa tarifa é definida pelo modelo que você executa. Portanto, se o agente for executado no Claude Fable 5, comece pelas tarifas publicadas por milhão de tokens e pelo trabalho adequado para esse modelo.

A segunda linha pressupõe que cada uma das 99 solicitações posteriores chegue enquanto a entrada do cache ainda estiver válida. Essa é a suposição que mais costuma causar divergências nas faturas reais.

Por que a mesma pergunta custa mais depois de uma pausa?

Uma entrada de cache tem um tempo de vida, e o relógio começa a contar no pedido que a grava ou lê. O padrão é 5 minutos. A opção de 1 hora custa o dobro da gravação indicada acima. No Claude Code, o tempo de vida é de uma hora numa subscrição e diminui para cinco minutos quando são utilizados créditos de utilização; com uma chave de API ou um fornecedor de cloud, o padrão é cinco minutos. Definir ENABLE_PROMPT_CACHING_1H=1 mantém o tempo de vida de uma hora durante a utilização de créditos.

Por isso, uma pergunta de uma linha escrita numa sessão que ficou aberta durante o almoço é dispendiosa porque a entrada de cache expirou enquanto esteve ausente. Todo o prefixo, incluindo a memória, é processado novamente à tarifa de entrada base e gravado outra vez na cache. A duração da pausa determinou esse preço.

Pode confirmar isto em vez de confiar apenas nesta explicação. Num plano Pro, Max, Team ou Enterprise, o detalhamento /usage assinala qualquer comportamento responsável por 10 por cento ou mais da utilização recente, e tanto o contexto longo como as falhas de cache aparecem aí pelo nome. Na API, monitorize cache_creation_input_tokens: o valor volta a aumentar até ao tamanho total do prefixo no primeiro pedido depois de um período de inatividade.

O que invalida silenciosamente a cache

O prefixo colocado em cache segue uma ordem: ferramentas, depois sistema e, por fim, mensagens. Uma alteração num nível invalida esse nível e tudo o que vem depois dele. Editar uma definição de ferramenta elimina toda a cache. Editar o prompt do sistema elimina a cache do sistema e das mensagens.

Esta é a armadilha para quem mantém a memória no prompt do sistema e o reescreve à medida que o agente aprende. Cada reescrita descarta a cópia colocada em cache de tudo o que vem depois dela, pelo que o pedido seguinte volta a pagar uma escrita completa. Mantenha o material estável no início e não o altere. Coloque o material volátil mais tarde na lista de mensagens, onde a sua invalidação tem um custo menor.

Existe uma segunda falha, mais discreta. Cada modelo tem um prefixo mínimo que pode ser colocado em cache: 512 tokens no Claude Opus 5, 1,024 no Claude Sonnet 5 e 4,096 no Claude Haiku 4.5, conforme publicado em agosto de 2026. A documentação da Anthropic é explícita sobre o que acontece abaixo desse limite: "Any requests to cache fewer than this number of tokens will be processed without caching, and no error is returned." Por isso, um ficheiro de memória pequeno marcado com cache_control não faz absolutamente nada, de forma silenciosa. O sintoma visível é cache_creation_input_tokens continuar em 0, embora o prompt contenha claramente um ponto de interrupção.

Reduza a memória que já não justifica o seu lugar

Cada linha de memória consome tokens em todas as interações que a incluem. Por isso, para cada linha, verifique se ela alterou recentemente uma resposta. O Claude Code torna estes limites concretos. Procure manter um ficheiro CLAUDE.md com menos de 200 linhas, porque ficheiros maiores consomem mais contexto e reduzem a fiabilidade com que o Claude os segue. O MEMORY.md está limitado às primeiras 200 linhas ou a 25KB no carregamento. Tudo o que ultrapassar esse limite é descartado no início da sessão seguinte. Assim, um índice demasiado grande consome tokens sem transmitir informação útil.

Dois hábitos ajudam a mantê-lo pequeno. Transfira os detalhes do índice para ficheiros organizados por tópico. O Claude lê esses ficheiros quando necessário, em vez de os carregar no arranque. Transfira as instruções de fluxo de trabalho do CLAUDE.md para skills, que só são carregadas quando invocadas. Nos ficheiros de memória que já começam com frontmatter, o Claude Code regista a hora de escrita no campo modified como um timestamp ISO 8601, na versão 2.1.214 ou posterior. Esse timestamp é a forma mais rápida de identificar um facto que ficou desatualizado. Remover memória desatualizada do agente explica o processo de revisão com mais detalhe.

Quando recuperar informação é melhor do que carregar tudo no contexto

A ferramenta de memória existe para permitir a recuperação just-in-time. Em vez de carregar tudo antecipadamente, o agente regista o que aprende e volta a ler um ficheiro apenas quando uma tarefa precisa dele. Isto altera os cálculos, porque a leitura de um ficheiro consome os respetivos tokens uma vez e depois permanece dentro do prefixo em cache, enquanto um bloco carregado permanentemente tem esse custo em cada turno.

Dos dois gráficos acima resulta uma regra simples. O texto usado em quase todos os turnos deve ficar no prefixo estável em cache. O texto usado num turno em cada vinte deve ficar atrás de uma chamada view. O ponto de equilíbrio varia com o número de repetições, e não com qualquer valor cobrado pela Anthropic.

Na API, também pode permitir que a plataforma reduza a conversa. A edição do contexto limpa resultados antigos de ferramentas quando a conversa ultrapassa um limite definido por si.

{
  "edits": [
    {
      "type": "clear_tool_uses_20250919",
      "trigger": {"type": "input_tokens", "value": 30000},
      "keep": {"type": "tool_uses", "value": 3},
      "clear_at_least": {"type": "input_tokens", "value": 5000}
    }
  ]
}

As predefinições são um acionador de 100,000 tokens de entrada e 3 utilizações de ferramentas mantidas. Leia a interação com o caching antes de o ativar: limpar conteúdo invalida o prefixo em cache no ponto da limpeza, pelo que paga uma escrita na cache no pedido seguinte. É essa a finalidade de clear_at_least. Este mecanismo adia a limpeza até que a poupança seja suficientemente elevada para justificar a escrita. A resposta indica exatamente o que aconteceu em context_management, com cleared_tool_uses e cleared_input_tokens, para que o compromisso possa ser medido e não seja apenas teórico. Gerir a janela de contexto no Claude Code aplica a mesma ideia a uma sessão de programação.

O que tem uma linha de custo própria

A memória não tem um custo próprio, mas algumas funcionalidades têm, e é importante saber quais. Estas são as tarifas publicadas da Claude API em agosto de 2026. Algumas operações não custam nada, mas não existe um nível gratuito na Claude API, apenas um pequeno crédito no registo. Por isso, tudo o que aparece abaixo representa despesa efetiva desde o primeiro pedido.

• Pesquisa na Web: $10 por 1.000 pesquisas, além do custo normal dos tokens de todo o conteúdo que a pesquisa coloca no contexto.
• Execução de código: 1.550 horas gratuitas por organização todos os meses; depois, $0.05 por hora e por contentor. É gratuita quando usada em conjunto com a pesquisa na Web ou a obtenção de conteúdo da Web.
• Claude Managed Agents: tempo de execução da sessão a $0.08 por hora de sessão, além dos custos normais dos tokens.
• Obtenção de conteúdo da Web: sem custo adicional, apenas o custo dos tokens do conteúdo obtido.

A memória não aparece em nenhuma dessas linhas. Ela aparece na contagem de tokens de entrada, exatamente onde pode medi-la e onde a poda e o armazenamento em cache podem reduzi-la. Se estiver a calcular o orçamento de um agente que funciona sem supervisão num servidor privado virtual (VPS), os controlos de custos de um agente de IA num VPS são a próxima medida a implementar, porque um agente com um ficheiro de memória em crescimento e sem poda fica mais caro todas as semanas sem que nada comunique esse aumento.

FAQ

Existe uma cobrança separada pelas funcionalidades de memória do Claude?

Não. A tabela de preços da Anthropic apresenta tarifas por milhão de tokens de entrada, por milhão de tokens de saída e os múltiplos de cache de prompts, sem uma linha específica para memória. Na API do Claude, a ferramenta de memória é gerida no lado do cliente, portanto os ficheiros ficam num armazenamento que já paga. O que a memória acrescenta são tokens de entrada, cobrados à tarifa normal de entrada do modelo em cada interação que os inclui.

Desativar a memória torna o Claude mais barato?

Reduz a quantidade de tokens de cada pedido, o que reduz o custo de cada pedido. A poupança total depende do que acontece depois. Se o Claude tiver de reler três ficheiros e fazer duas perguntas para reconstruir o que a memória já continha, esses tokens custam mais do que a memória. Meça em vez de tentar adivinhar: execute /context numa sessão com a memória automática ativada e noutra iniciada com CLAUDE_CODE_DISABLE_AUTO_MEMORY=1. Depois, compare o total de tokens gastos na mesma tarefa.

Porque é que o meu consumo aumentou se não alterei nada?

A causa mais comum é uma falha de cache depois de uma pausa. As entradas de cache permanecem durante 5 minutos por predefinição, ou durante uma hora com a definição estendida. Por isso, o primeiro pedido depois de uma pausa processa novamente todo o prefixo à tarifa base de entrada e grava-o outra vez. A segunda causa mais comum é uma alteração no prefixo: alterar uma definição de ferramenta invalida todo o cache, enquanto alterar o prompt do sistema invalida o cache do sistema e das mensagens. Num plano de subscrição, a discriminação /usage identifica este comportamento quando ele representa 10 por cento ou mais do consumo recente.

A memória deve ficar no prompt do sistema ou atrás de uma chamada de ferramenta?

Coloque-a no prompt do sistema quando quase todas as interações a utilizarem, porque fica no prefixo em cache e é cobrada à tarifa de leitura do cache. Coloque-a atrás de uma chamada view quando apenas algumas tarefas precisarem dela, porque um ficheiro lido uma vez custa os respetivos tokens uma vez, em vez de custar em cada interação. O número decisivo é a quantidade de reexecuções, e o objeto usage fornece esse número diretamente.

As funcionalidades de memória contam para os limites de utilização da subscrição?

Sim, indiretamente, porque os limites da subscrição são consumidos pelos tokens incluídos em cada pedido. A documentação de ajuda da Anthropic afirma que conversas mais longas que ativam a gestão automática do contexto consomem uma parte maior do limite de utilização. A memória torna cada pedido ligeiramente mais longo, e uma sessão longa repete esse tamanho em cada interação. Como funcionam realmente os limites de utilização do Claude explica o que é reposto e quando.