Por que o Claude é tão caro? Entenda os tokens

Por que o Claude é caro? A resposta curta

O Claude é caro por quatro razões que se acumulam. Os tokens de saída têm um preço cinco vezes superior ao dos tokens de entrada. A API não mantém memória da sua conversa, portanto todo o histórico é enviado novamente e faturado novamente em cada turno. Um agente transforma uma pergunta em dezenas de chamadas à API, e cada chamada inclui esse histórico crescente. Além disso, o modelo de fronteira é tarifado de acordo com a dificuldade do trabalho que executa, e não com o custo de executar um modelo pequeno.

Um token é uma parte do texto. Como referência aproximada, um token corresponde a cerca de quatro caracteres ou a cerca de 0.75 palavras em inglês. Os preços são indicados por milhão de tokens, escrito MTok (million tokens). Todos os preços abaixo correspondem à tarifa publicada da API do Claude em outubro de 2026.

A maioria das faturas inesperadas resulta da segunda e da terceira razões dessa lista. Normalmente, as pessoas acreditam que o que custa dinheiro são as respostas que o Claude escreve. Numa sessão com um agente, o texto produzido representa frequentemente menos de um décimo da fatura.

As tarifas publicadas, para alinharmos os valores

[
  {
    "label": "Haiku 4.5",
    "input_usd": 1,
    "output_usd": 5,
    "cache_read_usd": "0.10"
  },
  {
    "label": "Sonnet 5",
    "input_usd": 2,
    "output_usd": 10,
    "cache_read_usd": "0.20"
  },
  {
    "label": "Sonnet 4.6",
    "input_usd": 3,
    "output_usd": 15,
    "cache_read_usd": "0.30"
  },
  {
    "label": "Opus 5",
    "input_usd": 5,
    "output_usd": 25,
    "cache_read_usd": "0.50"
  }
]

Observe o formato, não os valores absolutos. Todos os modelos cobram exatamente cinco vezes mais pela saída do que pela entrada. O Opus 5 custa 5 dólares por milhão de tokens de entrada e 25 dólares por milhão de tokens de saída. O Haiku 4.5 custa 1 e 5. Assim, a diferença entre o modelo mais barato e o mais caro desta tabela é de cinco vezes, e a diferença entre ler e escrever também é de cinco vezes.

O Sonnet 5 custa 2 e 10 dólares por milhão. A Anthropic apresentou inicialmente esse preço como uma tarifa introdutória válida até 31 de agosto de 2026. Depois, tornou-o o preço padrão e cancelou o aumento previsto para 3 e 15 dólares. As tarifas mudam com o lançamento de novos modelos. Consulte os valores atuais antes de os usar para preparar um orçamento. Os modelos mais recentes mantêm o mesmo formato de cinco vezes: o Opus 5.5 tem tarifas publicadas de 4 e 20 dólares por milhão, o Sonnet 5.5 de 2 e 10, e o Haiku 5.5, lançado em 7 de outubro de 2026, de 0.10 e 0.50. Também não existe um nível gratuito abaixo desta tabela, embora as contas novas comecem com um pequeno crédito e algumas partes da API não tenham qualquer custo.

A última coluna mostra a tarifa de leitura da cache. Ela determina a maior parte das faturas. Voltaremos a este valor depois dos cálculos.

Por que os tokens de saída custam cinco vezes mais do que os tokens de entrada?

Ler e escrever não exigem o mesmo trabalho. Os tokens de entrada são processados numa única passagem. O modelo lê todo o prompt de uma vez, e o processamento é executado em paralelo, razão pela qual um prompt com 60,000 tokens não demora 60,000 vezes mais a ser lido do que um prompt com 1,000 tokens.

Os tokens de saída são produzidos um de cada vez. Cada token novo exige a sua própria passagem pelo modelo e precisa de todos os tokens anteriores como contexto. Escrever 1,000 tokens significa executar 1,000 passagens, uma após outra. Esse trabalho sequencial não pode ser distribuído da mesma forma que a leitura. Por isso, cada token de saída mantém o hardware ocupado durante mais tempo.

É por isso que "tornar a resposta mais curta" é uma alavanca menos eficaz do que se espera. Esta medida atua sobre a metade menor da fatura de um agente.

Por que toda a minha conversa é faturada novamente a cada turno?

A API da Claude não mantém estado. Não existe uma conversa no lado da Anthropic à qual seja adicionada uma mensagem. Cada pedido inclui todo o histórico de mensagens, e o modelo lê tudo antes de gerar qualquer conteúdo. Por isso, o turno 30 é faturado pelos turnos 1 a 29 também.

Isso significa que o custo de uma conversa cresce mais rapidamente do que o seu tamanho. O turno 1 fatura um contexto pequeno. O turno 40 fatura um contexto grande. Ao somar os quarenta turnos, você terá pago várias vezes o número de tokens que chegaram a ser escritos.

[
  {
    "turn": 1,
    "context_tokens": "20,000"
  },
  {
    "turn": 5,
    "context_tokens": "32,000"
  },
  {
    "turn": 10,
    "context_tokens": "45,000"
  },
  {
    "turn": 15,
    "context_tokens": "55,000"
  },
  {
    "turn": 20,
    "context_tokens": "64,000"
  },
  {
    "turn": 25,
    "context_tokens": "74,000"
  },
  {
    "turn": 30,
    "context_tokens": "84,000"
  },
  {
    "turn": 35,
    "context_tokens": "92,000"
  },
  {
    "turn": 40,
    "context_tokens": "100,000"
  }
]

A sessão acima começa com 20,000 tokens. Esse total inclui o prompt do sistema, as definições das ferramentas e os primeiros ficheiros que o agente abriu. No turno 40, o contexto contém 100,000 tokens. Ao calcular a média entre os quarenta turnos, obtém-se aproximadamente 60,000 tokens lidos por pedido.

Por que um agente custa muito mais do que um chat?

Um chat faz uma solicitação por pergunta. Um agente faz uma solicitação por etapa. Ler um ficheiro é uma etapa. Executar um teste é uma etapa. Ler a saída do teste é uma etapa. Editar o ficheiro é uma etapa. Quarenta etapas para concluir uma tarefa é algo normal num agente de programação.

A utilização de ferramentas gera dois custos adicionais. As definições das ferramentas são tokens de entrada em cada solicitação, porque o modelo tem de receber, todas as vezes, a informação sobre as ferramentas disponíveis. A Anthropic publica esse custo adicional: o prompt de sistema para utilização de ferramentas consome 286 tokens no Opus 5 com tool_choice definido como auto, além dos tokens dos seus próprios esquemas de ferramentas. Algumas ferramentas no lado do servidor também têm uma tarifa separada. A pesquisa na Web custa $10 por 1.000 pesquisas, além dos tokens consumidos pelos resultados.

Cada resultado de uma ferramenta também passa a fazer parte permanente do contexto. Um comando que imprime 3.000 linhas adiciona essas 3.000 linhas a todas as solicitações seguintes, até a sessão terminar ou o histórico ser compactado ou limpo. A utilização de tokens por sessão apresentada pelo Claude Code torna isto visível: observe o número de entrada aumentar imediatamente depois de um comando com muita saída.

A aritmética de uma sessão real

Esta é uma hora realista de programação agentiva no Opus 5. Foram feitas quarenta solicitações à API. O contexto cresce de 20,000 para 100,000 tokens, portanto a média é de aproximadamente 60,000 tokens por solicitação. O modelo escreve cerca de 700 tokens por solicitação, numa combinação de chamadas curtas a ferramentas e alguns blocos de código mais longos.

Requests in the session:      40
Average context per request:  60,000 tokens

Total input tokens billed:    40 x 60,000                    = 2,400,000
Input cost on Opus 5:         2,400,000 x $5 / 1,000,000     = $12.00

Total output tokens:          40 x 700                       =    28,000
Output cost on Opus 5:        28,000 x $25 / 1,000,000       =  $0.70

Session total                                                = $12.70

[
  {
    "label": "Input, context re-read",
    "billed_tokens": "2,400,000",
    "cost_usd": "12.00"
  },
  {
    "label": "Output, code and tool calls",
    "billed_tokens": "28,000",
    "cost_usd": "0.70"
  }
]

Observe a divisão. O custo de leitura é de 12.00 dólares e o custo de escrita é de 0.70 dólares, portanto a saída que você efetivamente lê representa cerca de cinco por cento da fatura. O modelo escreveu 28,000 tokens e foi faturado pela leitura de 2,400,000. Ninguém digitou 2.4 milhões de tokens. Os mesmos 100,000 tokens foram lidos repetidamente.

Nível 1: caching de prompts, o fator de maior impacto

O caching de prompts armazena a forma processada de um prefixo estável do seu prompt. Na solicitação seguinte, esse prefixo é lido da cache em vez de ser processado novamente. Escrever na cache custa 1.25 vezes a tarifa de entrada para a cache de cinco minutos, ou 2 vezes para a cache de uma hora. Ler da cache custa 0.1 vezes a tarifa de entrada na maioria dos modelos, incluindo Opus 5. Opus 5.5 e Sonnet 5.5 cobram 0.05 vezes, e Fable 5.1 cobra 0.025 vezes. No Opus 5, isso corresponde a 0.50 dólares por milhão, em vez de 5 dólares.

Aplique isso à sessão acima. Cada um dos 100,000 tokens é escrito uma vez na cache à medida que a conversa cresce. Os outros 2,300,000 tokens de entrada tornam-se leituras da cache.

Tokens written to cache:      100,000
Cache write at 1.25x input:   100,000 x $6.25 / 1,000,000    = $0.63

Tokens read from cache:       2,300,000
Cache read at 0.1x input:     2,300,000 x $0.50 / 1,000,000  = $1.15

Output cost, unchanged                                       = $0.70

Session total                                                = $2.48

Marque a parte que pode ser armazenada em cache com um campo cache_control. Coloque o ponto de interrupção depois do conteúdo que não muda entre as interações: o prompt do sistema e as definições das ferramentas. Um documento longo que você consulta repetidamente deve ficar nesse mesmo bloco estável.

{
  "model": "claude-opus-5",
  "system": [
    {
      "type": "text",
      "text": "<long, stable instructions>",
      "cache_control": {"type": "ephemeral"}
    }
  ],
  "messages": [{"role": "user", "content": "..."}]
}

A ordem do prompt passa a determinar o custo. Um cache hit exige uma correspondência exata desde o início do prompt, portanto tudo o que muda em cada solicitação deve ficar depois de tudo o que não muda. Se você colocar um timestamp no início do prompt do sistema, a cache será invalidada em todas as interações: o prefixo inteiro será um cache miss, e você pagará 1.25 vezes a tarifa de entrada para escrevê-lo novamente.

A resposta informa se funcionou. Envie uma solicitação e consulte o bloco de uso.

curl https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-opus-5",
    "max_tokens": 256,
    "messages": [{"role": "user", "content": "Hello"}]
  }'

Cada resposta inclui um objeto usage como este:

{
  "usage": {
    "input_tokens": 105,
    "cache_creation_input_tokens": 7345,
    "cache_read_input_tokens": 7123,
    "output_tokens": 239
  }
}

Uma solicitação repetida que ainda mostra 0 em cache_read_input_tokens significa que a cache não está sendo utilizada. A causa mais comum é uma alteração antes do seu ponto de interrupção. A cache de cinco minutos também expira, portanto uma solicitação enviada seis minutos depois será um cache miss seguido de uma nova gravação.

Nível 2: encaminhe as tarefas simples para um modelo menor

A maioria das tarefas numa sessão de agente não é difícil. Abrir um ficheiro, executar um formatador, ler um diff. Essas tarefas não precisam do modelo de topo. Encaminhá-las para o Haiku 4.5 reduz a tarifa de entrada de 5 dólares por milhão para 1. O Haiku 5.5 apresenta um preço ainda mais baixo: 0.10 dólares para prompts com até 100,000 tokens. No entanto, todas as tarifas aumentam cinco vezes quando o prompt ultrapassa esse limite, e um contexto longo de agente chega a esse tamanho. Quanto custa o Haiku 5.5 e onde se enquadra apresenta os dois escalões.

[
  {
    "label": "Opus 5, no caching",
    "session_cost_usd": "12.70"
  },
  {
    "label": "Opus 5, cached",
    "session_cost_usd": "2.48"
  },
  {
    "label": "Sonnet 5, cached",
    "session_cost_usd": "0.99"
  },
  {
    "label": "Haiku 4.5, cached",
    "session_cost_usd": "0.50"
  }
]

A mesma sessão custa 12.70 dólares no Opus 5 sem caching, 2.48 com caching, 0.99 no Sonnet 5 com caching e 0.50 no Haiku 4.5 com caching. O caching, por si só, elimina cerca de oitenta por cento da fatura. A escolha do modelo elimina a maior parte do restante.

Há uma ressalva importante. Um modelo mais barato que dê uma resposta errada faz com que volte a pagar toda a sessão, além do seu próprio tempo. Encaminhe as tarefas com base na dificuldade, não no preço. A regra também funciona no sentido inverso: o Claude Fable 5 e o Fable 5.1 têm preços superiores aos do Opus 5, de $10 e $50 por milhão. Por isso, leia o que essas tarifas lhe oferecem antes de encaminhar uma tarefa para esses modelos. Escolher entre Opus, Sonnet e Haiku explica em que situações cada um mantém um desempenho adequado.

Higiene do contexto

Cada token que deixa no contexto é cobrado em todos os turnos restantes. Por isso, remover um token cedo vale muito mais do que removê-lo tarde. Um ficheiro com 5,000 tokens inserido no turno 5 de uma sessão com 40 turnos será lido mais 35 vezes. Isso representa 175,000 tokens de entrada adicionais, quase um dólar no Opus 5 por causa de uma colagem descuidada.

Quatro hábitos que alteram este valor:

• Inicie uma sessão nova para uma tarefa nova, em vez de continuar a sessão de ontem.
• Filtre os comandos ruidosos antes de a saída chegar ao modelo, usando algo como head -50, e não depois.
• Peça apenas a função de que precisa, e não o ficheiro completo.
• Quando uma sessão longa deixar de progredir, peça um resumo e recomece a partir dele. O resumo tem algumas centenas de tokens. A transcrição tem cem mil.

Alavanca 4: processe em lote tudo o que não for interativo

A Batch API processa pedidos de forma assíncrona e reduz em 50 percent o custo dos tokens de entrada e de saída. Se uma tarefa não precisar de uma resposta no segundo seguinte, processe-a em lote. Isto inclui classificação, extração, resumo de um backlog e execuções de avaliação. O desconto do processamento em lote acumula-se com o caching de prompts. Não se aplica a uma sessão interativa, porque não há nada por que esperar.

Estou a ser enganado?

Essa é a verdadeira questão por trás de "porque é que o Claude é caro", por isso a resposta direta é esta. As tarifas são públicas, são iguais para todos nos escalões padrão e são cobradas por token. A exceção é um contrato negociado. Mesmo nesse caso, o preço do Claude Enterprise acrescenta uma cobrança por utilizador aos mesmos tokens medidos, em vez de os substituir. Se a comparação que tem em mente é com outro fornecedor, e não com outro plano, os mesmos trabalhos com os preços das APIs do Claude e do ChatGPT mostram qual fica mais barato em cada caso. Nenhum valor da fatura é discricionário. A tabela de preços não lhe diz se está a obter valor, porque cobra tokens e o que lhe interessa são os resultados.

Calcule antes o preço do resultado. A sessão acima custou 12.70 dólares sem cache. Se entregou uma funcionalidade que lhe teria ocupado uma hora, foi barata. Se passou quarenta turnos a andar em círculos, os mesmos 12.70 dólares não produziram nada, e a tarifa nunca foi o problema.

Esta é a parte que vale a pena recordar. A sua fatura aumenta com os tokens, não com o valor. Uma sessão produtiva e uma sessão desperdiçada com a mesma duração custam o mesmo. É por isso que os quatro fatores têm mais importância do que a tabela de preços: não pode negociar o preço por token, mas decide quantos tokens o trabalho consome.

Por isso, acompanhe os dólares por tarefa concluída, não os dólares por mês. Se esse valor diminuir enquanto ajusta o cache e o encaminhamento, a sua configuração está a melhorar, mesmo quando o total mensal aumenta, porque o total está a aumentar por estar a realizar mais trabalho.

O que não reduz a fatura

Algumas recomendações populares têm pouco efeito. Dizer ao modelo para ser "conciso" reduz o volume da resposta, mas a resposta representava cinco por cento da fatura do exemplo. Encurtar a sua própria pergunta poupa algumas centenas de tokens num contexto de 60,000 tokens. Desativar o extended thinking só ajuda quando os tokens de raciocínio representavam uma parte significativa da resposta. O bloco de utilização mostra se esse é o caso, sem o obrigar a adivinhar.

Uma janela de contexto maior também não aumenta, por si só, o custo. No Claude 4.6 e posteriores, exceto no Haiku 5.5, a janela completa de um milhão de tokens é faturada à tarifa padrão por token. Por isso, um pedido de 900,000 tokens tem o mesmo custo por token que um pedido de 9,000 tokens. O Haiku 5.5 é a exceção: o preço depende do tamanho do prompt, e um prompt com mais de 100,000 tokens paga cinco vezes mais pela entrada, pela saída e pela cache. Nesse caso, a entrada passa de 0.10 para 0.50 dólares por milhão e a saída passa de 0.50 para 2.50. Em todos os outros modelos atuais, o tamanho da janela não define o preço. O preço depende do que escolhe colocar na janela.

Há mais duas questões que devem ser tratadas no planeamento, e não numa única sessão. Se a sua utilização for diária e interativa, compare o pagamento por token com um plano de preço fixo: a comparação de custos entre a API e a subscrição faz esse cálculo. Se o plano de preço fixo for mais vantajoso e estiver também a considerar outro fornecedor, os planos Claude e ChatGPT com preços lado a lado faz a mesma comparação entre os dois. Se um agente executar tarefas sem supervisão num servidor, defina um limite máximo de despesa antes de ajustar qualquer outra coisa. É isso que os controlos de custos para um agente de IA num VPS aborda. Para ter uma noção simples da escala, o que um milhão de tokens Claude compra na prática converte a tabela de preços em páginas de texto.

FAQ

Porque é que a minha fatura do Claude aumentou quando comecei a usar um agente?

Porque um agente envia muitos pedidos por pergunta, e cada pedido inclui toda a conversa até esse momento. Um chat envia um pedido por pergunta. Um agente de programação envia um pedido por etapa, e quarenta etapas para uma tarefa é normal. Cada um desses pedidos é faturado com base no contexto completo, pelo que uma sessão que termina com 100,000 tokens pode totalizar mais de dois milhões de tokens de entrada faturados. Consulte input_tokens e cache_read_input_tokens na resposta da API para ver isso diretamente.

O armazenamento em cache de prompts reduz mesmo tanto a fatura?

No exemplo detalhado, reduziu o custo da sessão de 12.70 dólares para 2.48 dólares, porque uma leitura da cache no Opus 5 custa um décimo da tarifa de entrada. A poupança depende inteiramente da sua taxa de acerto. Com a cache de cinco minutos, recupera o custo após uma única leitura, porque a escrita custa 1.25 vezes a entrada e a leitura custa 0.1 vezes esse valor ou menos. Se o seu prompt mudar perto do início em todos os pedidos, não terá qualquer acerto e pagará o custo adicional da escrita sem benefício. Confirme com cache_read_input_tokens antes de assumir que está a funcionar.

Devo usar Haiku para tudo?

Não. O Haiku 4.5 custa 1 dólares por milhão de tokens de entrada, contra 5 no Opus 5, pelo que a poupança é real em tarefas simples e de grande volume, como classificação e encaminhamento. Uma resposta errada numa tarefa difícil custa mais do que o valor poupado pelo modelo, porque terá de pagar a repetição do pedido e o seu próprio tempo. O padrão que funciona é misto: o modelo pequeno para etapas mecânicas e o modelo de ponta para a etapa que exige avaliação.

A API é mais barata do que uma subscrição do Claude?

Depende da regularidade da sua utilização. Uma subscrição tem um preço mensal fixo com limites de utilização associados. A API cobra por token sem limite máximo, sendo mais barata quando a utilização é baixa ou ocorre em picos, e mais cara quando a utiliza intensivamente em todos os dias úteis. Consulte no bloco de utilização a média de tokens por dia, aplique a tarifa do seu modelo, multiplique pelo número de dias em que o utiliza num mês e compare o resultado mensal com o preço do plano, que para o nível de entrada está indicado em quanto custa o Claude Pro e onde terminam os seus limites de utilização. Se o resultado favorecer a API, cancelar não desperdiça o mês que já pagou, porque o cancelamento só produz efeitos no fim do período de faturação atual e mantém o plano até essa data. Cancelar o plano ou mudar para um nível inferior explica ambas as opções.