Quanto custa 1M de tokens no Claude?

Quanto custam 1M tokens no Claude?

1M tokens significa 1 milhão de tokens. Essa é a unidade usada para apresentar os preços dos modelos da API Claude. Não existe um preço único. A entrada e a saída têm preços diferentes, e cada modelo tem o seu próprio par de preços. O Claude Haiku 5.5 tem dois pares de preços: um para prompts com até 100,000 tokens e outro, mais elevado, para prompts acima desse limite. Em outubro de 2026, 1 milhão de tokens de entrada custa $1 no Claude Haiku 4.5, $2 no Claude Sonnet 5 e $5 no Claude Opus 5.

A saída é a parte mais cara. Em todos os modelos atuais, o preço da saída é cinco vezes o preço da entrada. Por isso, a proporção entre entrada e saída influencia a fatura mais do que o valor de referência. Uma aplicação que envia documentos longos e devolve respostas curtas tem um custo muito diferente de outra que escreve respostas longas a partir de um prompt curto.

Esta página trata da economia por unidade: quanto custa um token e como estimar a fatura antes de criar a aplicação. Para saber onde os tokens são consumidos durante o trabalho, leia onde os tokens são consumidos numa sessão do Claude Code.

Como são 1M tokens

Um token é um fragmento de texto que o modelo lê ou escreve. O glossário da Anthropic estima um token em aproximadamente 3.5 caracteres em inglês nos modelos anteriores ao Claude 4.7. A visão geral dos modelos da Anthropic afirma que um milhão de tokens contém cerca de 750,000 palavras nesses modelos e, a 3.5 caracteres por token, isso corresponde a aproximadamente 3.5 milhões de caracteres, ou cerca de 3.5 MB de texto simples em inglês. No tokenizer mais recente, introduzido com o Claude Opus 4.7, o mesmo milhão de tokens contém cerca de 555,000 palavras, ou aproximadamente 2.5 milhões de caracteres.

Estimativas publicadas para entradas comuns ajudam a entender melhor essa escala.

[
  {
    "label": "Average web page (10 kB)",
    "tokens": "2,500"
  },
  {
    "label": "Documentation page (100 kB)",
    "tokens": "25,000"
  },
  {
    "label": "Research paper PDF (500 kB)",
    "tokens": "125,000"
  }
]

Nessas taxas, 1M tokens correspondem a cerca de 400 páginas web comuns lidas uma vez, ou a oito artigos de pesquisa desse tamanho. Isso representa uma passagem por uma base de código de tamanho médio, ou um mês de uso leve de chat por uma pessoa.

Considere tudo isso uma estimativa. Código, JSON e texto em idiomas diferentes do inglês concentram menos palavras em um token, portanto essas contagens de palavras representam o limite otimista. Há outro fator que altera a contagem: o Claude Opus 4.7 e versões posteriores, incluindo o Opus 5 e o Sonnet 5, usam um tokenizer mais recente que produz aproximadamente 30 por cento mais tokens para o mesmo texto do que o Sonnet 4.6 e versões anteriores. O Claude Haiku 4.5 usa o tokenizer antigo. Portanto, uma contagem medida no Haiku 4.5 subestima a contagem no Sonnet 5 para uma entrada idêntica, o que significa que uma comparação direta de preço por milhão entre essas versões não é justa. Conte o mesmo prompt nos dois modelos antes de decidir.

Quanto o Claude cobra por milhão de tokens

[
  {
    "label": "Haiku 4.5",
    "input_usd": 1,
    "output_usd": 5
  },
  {
    "label": "Sonnet 5",
    "input_usd": 2,
    "output_usd": 10
  },
  {
    "label": "Sonnet 4.6",
    "input_usd": 3,
    "output_usd": 15
  },
  {
    "label": "Opus 5",
    "input_usd": 5,
    "output_usd": 25
  }
]

O Claude Sonnet 5 custa $2 por milhão de tokens de entrada e $10 por milhão de tokens de saída. A Anthropic começou por vender esse preço como uma tarifa introdutória até 31 August 2026. Depois, tornou-o o preço padrão e cancelou o aumento planeado para $3 e $15. O Claude Opus 5 custa $5 por milhão de tokens de entrada e $25 por milhão de tokens de saída. Os modelos Fable ficam acima desses valores: o Claude Fable 5 e o novo Claude Fable 5.1 têm ambos preços de $10 para entrada e $50 para saída. Por isso, saber se essas tarifas compensam depende das tarefas para as quais realmente os utiliza.

A linha atual da Anthropic é mais recente do que os modelos cujos custos são calculados nesta página. O Claude Opus 5.5 custa $4 para entrada e $20 para saída, o Claude Sonnet 5.5 custa $2 e $10, e o Claude Haiku 5.5 custa a partir de $0.10 e $0.50. O Opus 5, o Sonnet 5, o Haiku 4.5 e o Fable 5 estão agora listados como modelos legados que continuam disponíveis. Por isso, os exemplos abaixo continuam a funcionar tal como estão escritos. Quanto custa o Haiku 5.5 e onde se enquadra aborda o mais barato dos novos modelos.

As tarifas mudam. Considere todos os valores desta página como um exemplo calculado em October 2026 e confirme os valores atuais na página oficial de preços antes de aprovar um orçamento.

Estas tarifas indicam quanto custa utilizar o Claude, mas não se ele é a opção mais barata para a sua carga de trabalho. Três tarefas calculadas no Claude e no ChatGPT mostram em que casos cada API fica mais barata.

O comprimento do contexto não altera a tarifa, com uma exceção. Nos modelos Claude 4.6 e posteriores, exceto no Claude Haiku 5.5, a janela de contexto completa de 1M de tokens é faturada à tarifa padrão. Por isso, um pedido com 900,000 tokens custa o mesmo por token que um pedido com 9,000 tokens. Um prompt longo custa mais porque contém mais tokens, mas não existe uma tarifa separada para contextos longos. O Claude Haiku 5.5 é tarifado pelo comprimento do prompt. Um pedido cujo prompt tenha mais de 100,000 tokens paga $0.50 por milhão de tokens de entrada e $2.50 por milhão de tokens de saída, em vez de $0.10 e $0.50. As leituras e escritas da cache também contam para esse limite.

A aritmética que continua correta depois de uma alteração de preço

Cada fatura resulta de duas multiplicações e uma adição.

cost = (input_tokens  / 1,000,000) * input_rate
     + (output_tokens / 1,000,000) * output_rate

Escrito como código executável:

INPUT_RATE = 2.00    # USD per million input tokens, Sonnet 5, October 2026
OUTPUT_RATE = 10.00  # USD per million output tokens

def cost(input_tokens, output_tokens):
    return (input_tokens * INPUT_RATE + output_tokens * OUTPUT_RATE) / 1_000_000

print(f"{cost(4300, 400):.4f}")

Isto imprime 0.0126. Um pedido que envia 4,300 tokens de entrada e recebe 400 tokens de saída custa cerca de 1,3 cêntimos no Sonnet 5. Mantenha as duas tarifas no mesmo local do código. Quando um preço muda, edite duas linhas e todas as estimativas do sistema são atualizadas.

Uma estimativa calculada para uma aplicação real

Considere um assistente de suporte. O prompt do sistema e a documentação do produto somam 4,000 tokens e são enviados em todos os pedidos, porque a Messages API não mantém estado e o modelo não conserva qualquer informação entre chamadas. A pergunta do utilizador acrescenta cerca de 300 tokens. A resposta tem cerca de 400. Isso corresponde a 4,300 tokens de entrada e 400 de saída por pedido.

Um milhão de tokens de entrada compra cerca de 232 pedidos com esse formato. Com 1,000 pedidos por dia, a aplicação consome 4.3 milhões de tokens de entrada diariamente. Portanto, "1M tokens" representa menos de seis horas de tráfego.

[
  {
    "label": "Opus 5, list rates",
    "cost_per_1k_usd": "31.50"
  },
  {
    "label": "Sonnet 5, list rates",
    "cost_per_1k_usd": "12.60"
  },
  {
    "label": "Sonnet 5, Batch API",
    "cost_per_1k_usd": "6.30"
  },
  {
    "label": "Haiku 4.5, list rates",
    "cost_per_1k_usd": "6.30"
  },
  {
    "label": "Sonnet 5, warm prompt cache",
    "cost_per_1k_usd": "5.40"
  }
]

No Claude Opus 5, esse tráfego custa $31.50 por 1,000 pedidos. No Sonnet 5, custa $12.60. Ao mudar para Claude Haiku 4.5, o custo baixa para $6.30, e uma cache de prompts ativa no Sonnet 5 reduz o custo ainda mais, para $5.40.

Multiplique por 30 para obter o custo de um mês com esse tráfego. O Sonnet 5, com as tarifas públicas, custa cerca de $378 por mês. A mesma aplicação com uma cache ativa custa cerca de $162. A escolha do modelo e a decisão de usar cache valem, cada uma, mais do que qualquer tarifa que consiga negociar com este volume. A escolha do modelo é uma questão própria, e vence o modelo mais barato que passe pelas suas avaliações: como escolher entre Opus, Sonnet e Haiku explica como testar isso corretamente.

O prompt caching reduz a parte repetida

Esse prefixo de 4,000 tokens é idêntico em todos os pedidos, e paga o preço total de entrada por ele sempre que faz um pedido. O prompt caching armazena o prefixo processado e cobra uma tarifa reduzida para o reutilizar.

Nos modelos incluídos no quadro de preços e nos exemplos calculados desta página (Haiku 4.5, Sonnet 5, Sonnet 4.6 e Opus 5), e no Fable 5, uma leitura da cache custa 0.1 vezes a tarifa base de entrada. Alguns modelos mais recentes cobram menos por uma leitura: o Opus 5.5 e o Sonnet 5.5 cobram 0.05 vezes, e o Fable 5.1 e o Mythos 5.1 cobram 0.025 vezes. A escrita na cache custa 1.25 vezes a tarifa base para a duração de 5 minutos, ou 2 vezes a tarifa base para a duração de 1 hora. Assim, nos modelos com tarifa de 0.1 vezes, a cache de 5 minutos compensa após uma leitura, porque a escrita custa mais 0.25 e cada leitura poupa 0.9. A cache de 1 hora precisa de duas leituras para atingir o ponto de equilíbrio.

A forma mais simples de a ativar é usar um único campo de nível superior:

curl https://api.anthropic.com/v1/messages \
  -H "content-type: application/json" \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -d '{
    "model": "claude-opus-5",
    "max_tokens": 1024,
    "cache_control": {"type": "ephemeral"},
    "system": "You are a helpful assistant.",
    "messages": [
      {"role": "user", "content": "What are the key themes in Pride and Prejudice?"}
    ]
  }'

Depois, leia o bloco usage devolvido:

{
  "usage": {
    "cache_creation_input_tokens": 5120,
    "cache_read_input_tokens": 1800,
    "input_tokens": 50,
    "output_tokens": 503
  }
}

Esses três contadores de entrada são faturados a três tarifas diferentes e, em conjunto, representam o volume real de entrada: total_input_tokens = cache_read_input_tokens + cache_creation_input_tokens + input_tokens. Uma estimativa de custo que leia apenas input_tokens ficará muito errada quando a cache estiver ativa.

Há duas situações que impedem a cache de compensar, e ambas falham silenciosamente.

O prefixo tem de ser idêntico ao nível dos bytes. A pesquisa na cache corresponde a um prefixo, pelo que um timestamp ou o nome do utilizador no início do prompt de sistema o altera em todos os pedidos. Nesse caso, paga 1.25 vezes a tarifa base de entrada sempre e nunca faz uma leitura. O sintoma é cache_creation_input_tokens permanecer elevado enquanto cache_read_input_tokens permanece 0. Coloque cache_control no último bloco cujo conteúdo é igual entre os pedidos e coloque depois tudo o que varia. Alterar as definições de tools invalida toda a cache abaixo delas, porque a invalidação percorre a ordem das ferramentas, depois o sistema e depois as mensagens.

O prefixo tem de ser suficientemente longo. O comprimento mínimo armazenável em cache é de 512 tokens no Opus 5, 1,024 no Sonnet 5 e 4,096 no Haiku 4.5. Um prompt mais curto não é colocado em cache e não é devolvido nenhum erro. O prefixo de 4,000 tokens do exemplo acima é colocado em cache no Sonnet 5 e não é colocado em cache no Haiku 4.5, porque 4,000 está abaixo do limite desse modelo. Quando ambos os contadores apresentam 0, nada foi colocado em cache.

O processamento em lote reduz a taxa para metade

A Batch API processa pedidos de forma assíncrona, com um desconto de 50 por cento tanto na entrada como na saída. No exemplo anterior, isso reduz 12.60 USD por 1.000 pedidos para 6.30 USD. O desconto acumula com o armazenamento em cache de prompts, pelo que uma tarefa em lote com cache é a forma mais económica de executar trabalho em grande escala.

A contrapartida é a latência. Por isso, o processamento em lote não é adequado para tarefas em que uma pessoa fica à espera do resultado. É adequado para classificações executadas durante a noite e para preencher documentos em falta.

Por que os custos do chat crescem dentro de uma única conversa

Como a API não mantém estado, o seu cliente reenvia a conversa completa a cada turno. Por isso, o uso de tokens num único chat cresce com o quadrado do seu comprimento, e não de forma linear.

Considere turnos com uma média de 500 tokens. O turno 1 envia 500 tokens de entrada. O turno 2 envia 1,000. O turno 20 envia 10,000. A soma é n(n+1)/2, portanto uma conversa com 20 turnos enviou cerca de 105,000 tokens de entrada, embora a própria transcrição tenha apenas 10,000 tokens.

É por isso que uma funcionalidade de chat custa mais do que a transcrição indica, e que colocar em cache o prefixo estável ou resumir turnos antigos compensa em conversas longas. Um agente que percorre chamadas de ferramentas tem a mesma estrutura, e o problema é ainda maior: cada resultado de ferramenta permanece no histórico e é reenviado em todos os turnos seguintes. Definir um limite rígido de gastos para um agente que executa por sua conta é especialmente importante neste caso, porque esse crescimento é automático e ninguém o está a monitorizar.

Conte os tokens antes de fazer uma estimativa

Pare de calcular a quantidade de tokens a partir da quantidade de palavras. A API faz essa contagem por si, sem custo, com um limite de taxa separado do limite de criação de mensagens.

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 contém um campo:

{ "input_tokens": 14 }

Envie o seu prompt de sistema real e as definições das ferramentas, com uma mensagem de utilizador representativa, e depois introduza o número na função de custo acima. O endpoint aceita o mesmo corpo que um pedido de mensagem, por isso as imagens e os PDFs enviados como base64 também são contados corretamente. O endpoint rejeita ferramentas do servidor, como pesquisa na Web e obtenção de conteúdo da Web, bem como imagens ou documentos transmitidos por URL ou referência de ficheiro. Há duas ressalvas importantes. A contagem é uma estimativa e pode diferir ligeiramente do valor faturado. Além disso, é medida com o tokenizador do modelo indicado, por isso indique o modelo que vai realmente executar.

Não é possível contar os tokens de saída antecipadamente, porque ainda não existem. Limite-os com max_tokens e depois meça a distribuição real a partir de usage.output_tokens no tráfego de produção.

O que mais entra na fatura

Os tokens representam a maior parte da fatura. Alguns itens não são tokens e podem surpreender.

• As definições de ferramentas tornam-se tokens de entrada em todos os pedidos. O prompt de sistema de uso de ferramentas, por si só, acrescenta 286 a 406 tokens no Opus 5, antes dos seus próprios esquemas. Dez descrições de ferramentas detalhadas podem duplicar um prompt pequeno.
• A pesquisa na Web custa $10 por 1.000 pesquisas, além dos tokens consumidos pelos resultados quando estes entram no contexto.
• A obtenção de páginas Web não tem um custo próprio, mas a página obtida transforma-se em tokens de entrada. Uma página de documentação com 100 kB corresponde aproximadamente a 25,000 desses tokens.
• Pedir inferência exclusivamente nos EUA com inference_geo no Claude 4.6 e posteriores aplica um multiplicador de 1.1 a todas as categorias de tokens, incluindo leituras e escritas da cache.

A decisão de comprar a API depende sobretudo do seu volume de utilização. Normalmente, esta questão surge quando um plano atinge o limite de utilização, e as opções para ultrapassar um limite vão desde esperar que a janela seja reposta até transferir esse trabalho para chamadas de API com cobrança por utilização. Abaixo de determinado nível de utilização, um plano mensal fixo é claramente mais vantajoso, e a API comparada com uma subscrição Claude faz essa comparação com números reais.

FAQ

Quanto custam 1M tokens no Claude?

Depende do modelo e de os tokens serem de entrada ou de saída. Em outubro de 2026, 1 milhão de tokens de entrada custa $1 no Claude Haiku 4.5, $2 no Claude Sonnet 5 e $5 no Claude Opus 5. O Claude Haiku 5.5, mais recente, começa em $0.10 por milhão de tokens de entrada para prompts com até 100,000 tokens e cobra $0.50 acima desse limite. A saída custa cinco vezes o preço da entrada em cada um desses modelos. Os preços mudam. Confirme-os na página oficial de preços antes de incluir um valor num orçamento.

1M tokens é o mesmo que 1M palavras?

Não. Nos modelos anteriores ao Claude Opus 4.7, a Anthropic considera que cada token corresponde aproximadamente a 3.5 caracteres em inglês e indica que 1 milhão de tokens contém cerca de 750,000 palavras. No tokenizer mais recente, usado pelo Claude Opus 4.7 e posteriores, 1 milhão de tokens contém cerca de 555,000 palavras, porque esse tokenizer produz aproximadamente 30 por cento mais tokens para texto idêntico do que o Claude Sonnet 4.6 e anteriores. Essas proporções são apenas uma referência. Código, JSON e idiomas diferentes do inglês usam mais tokens por palavra, e as contagens não são diretamente comparáveis entre gerações de modelos. Meça com o endpoint gratuito /v1/messages/count_tokens, indicando o modelo que pretende executar.

O cache de prompts reduz sempre os custos?

Não. A gravação de um cache de 5 minutos custa 1.25 vezes o preço base da entrada. Portanto, um prefixo gravado e nunca lido custa 25 por cento mais do que enviá-lo normalmente. O custo é recuperado a partir da primeira leitura. O cache pode falhar de duas formas, ambas sem erro visível. Se o prefixo colocado em cache mudar entre pedidos, a pesquisa não encontra correspondência, porque compara o prefixo exato. Se o prefixo for menor do que o comprimento mínimo para usar cache no modelo, que é 1,024 tokens no Sonnet 5 e 4,096 no Haiku 4.5, nada é colocado em cache e não é devolvido nenhum erro. Quando cache_creation_input_tokens e cache_read_input_tokens mostram ambos 0, o cache não está a fazer nada.

Porque é que a minha fatura cresceu mais depressa do que o número de mensagens?

Porque a conversa inteira é reenviada em cada turno. A Messages API não mantém estado. Por isso, o turno 20 de uma conversa envia novamente como entrada os 19 turnos anteriores. Com uma média de 500 tokens por turno, uma conversa com 20 turnos envia cerca de 105,000 tokens de entrada, embora a transcrição tenha apenas 10,000 tokens. Os ciclos de agentes comportam-se da mesma forma, porque cada resultado de tool permanece no histórico. Coloque o prefixo estável em cache ou resuma os turnos antigos e remova-os do pedido.