//
Busque em todas as páginas da documentação
Quando Claude responde a uma pergunta, ele não está pesquisando em um banco de dados por uma resposta pré-escrita.
Ele está gerando texto uma pequena peça de cada vez, escolhendo cada peça com base em padrões que aprendeu durante o treinamento.
Entender este único mecanismo, chamado previsão de próximo token, explica muito sobre por que Claude se comporta da maneira que o faz.
Explica por que as respostas podem variar ligeiramente entre execuções, por que Claude às vezes afirma algo incorreto com total confiança e por que conversas mais longas podem mudar a forma como ele responde.
Esta página detalha o que é um token, como Claude escolhe o próximo e por que esse processo é fundamentalmente diferente de uma consulta.
Um token é a unidade básica de texto que Claude lê e escreve.
Um token é frequentemente uma palavra curta inteira, mas também pode ser parte de uma palavra mais longa, um sinal de pontuação ou alguns caracteres.
A palavra "documentação" pode ser dividida em dois ou três tokens, enquanto "o" geralmente é um único token.
Claude não pensa em letras ou frases inteiras. Ele pensa nesses pedaços do tamanho de tokens.
Quando você envia uma mensagem para Claude, essa mensagem é primeiro dividida em uma sequência de tokens.
Claude então gera sua resposta da mesma forma: um token, depois outro, depois outro, até decidir que a resposta está completa.
Cada novo token é escolhido olhando para tudo o que veio antes dele, incluindo sua mensagem original e todos os tokens que Claude já gerou em sua própria resposta.
É por isso que o processo é chamado de previsão de próximo token. Em cada etapa, o modelo está resolvendo uma única pergunta estreita: dado tudo até agora, qual token é mais provável de vir a seguir?
Uma maneira simples de criar intuição para isso é pensar em como você completaria a frase "A capital da França é ___". A maioria das pessoas pensaria imediatamente em "Paris".
Isso não é porque você consultou naquele instante. É porque seu cérebro viu esse padrão tantas vezes que a conclusão parece automática.
A previsão de próximo token do Claude funciona em um princípio semelhante, exceto que foi treinado em um conjunto de texto vastamente maior e mais variado, e seu "instinto" é uma função matemática aprendida em vez de uma memória humana.
Por baixo da previsão de próximo token está uma distribuição de probabilidade.
A cada etapa, Claude não escolhe apenas um token candidato. Ele calcula uma pontuação de probabilidade para cada token em seu vocabulário, que pode ser de dezenas de milhares de tokens possíveis.
A maioria desses tokens recebe uma pontuação próxima de zero, porque não faria sentido dado o texto até agora.
Um pequeno número de tokens recebe pontuações altas, porque se encaixam bem no padrão.
Claude então amostra dessa distribuição para realmente escolher o próximo token, usando controles (como temperatura) que afetam com que frequência ele escolhe o token único mais provável em vez de um ligeiramente menos provável, mas ainda razoável.
É por isso que perguntar a Claude a mesma pergunta duas vezes pode, às vezes, produzir uma redação ligeiramente diferente, embora o raciocínio subjacente seja semelhante.
O token escolhido é então adicionado à sequência, e todo o processo se repete para escolher o token seguinte.
Este loop sequencial, de um token por vez, é o motivo pelo qual a geração leva tempo proporcional ao comprimento da resposta. Uma resposta mais longa significa mais etapas de previsão, não uma grande consulta.
Isso também significa que tudo o que Claude já escreveu se torna parte do que ele considera ao escrever a próxima parte. Se a resposta de Claude começa em uma linha de raciocínio particular, os tokens posteriores são influenciados por esse texto anterior, para o bem ou para o mal.
Isso é diferente de como um mecanismo de busca ou um chatbot baseado em regras funciona. Um mecanismo de busca recupera um documento indexado existente. Um chatbot baseado em regras corresponde à sua entrada contra scripts pré-escritos.
Claude, por outro lado, constrói sua resposta do zero, token por token, guiado por padrões que absorveu do treinamento, não recuperando uma resposta armazenada que já existia em algum lugar.
Entrada até agora: "A mitocôndria é a"
Claude pontua tokens candidatos seguintes (simplificado):
"usina de energia" -> muito provável
"membrana" -> um pouco provável
"banana" -> extremamente improvável
Claude amostra "usina de energia", então repete o processo para o próximo token.Os padrões que Claude usa para prever tokens vêm do treinamento em uma quantidade enorme de texto e código, aprendidos antes de uma data fixa de corte de conhecimento.
Isso significa que a previsão de próximo token é fundamentalmente um processo de correspondência de padrões baseado no que o modelo absorveu durante o treinamento, não uma conexão em tempo real com fatos atuais.
Em uma conversa de chat simples, Claude não tem acesso padrão em tempo real à internet, a menos que um recurso de pesquisa ou navegação esteja explicitamente ativado, portanto, suas previsões refletem padrões de tempo de treinamento mais o contexto que você forneceu na conversa.
Esta também é a causa raiz da alucinação. Como Claude está sempre prevendo um próximo token plausível em vez de verificar um fato contra uma fonte, ele pode gerar uma frase confiante, fluente e bem formada que, por acaso, está incorreta, especialmente para fatos obscuros, números exatos ou citações.
O modelo não tem um sinal separado de "Eu realmente não sei disso" embutido no próprio mecanismo de geração. Fluência e correção não são a mesma coisa, e a previsão de próximo token garante apenas a primeira.
Diferentes modelos Claude aplicam este mesmo mecanismo central com diferentes quantidades de computação e diferentes treinamentos. Claude Haiku 4.5 prevê tokens de forma rápida e barata, adequado para tarefas de alto volume ou sensíveis à latência.
Claude Sonnet 5 equilibra velocidade e profundidade para a maioria dos trabalhos diários e de codificação. Claude Opus 4.8 e Claude Fable 5 aplicam raciocínio mais profundo, incluindo tokens visíveis de "pensamento" passo a passo, antes de produzir uma resposta final, o que tende a melhorar a precisão em problemas mais difíceis e de várias etapas.
| Abordagem | Ponto Forte | Ponto Fraco | Melhor Ajuste |
|---|---|---|---|
| Previsão rápida de próximo token (ex: Haiku 4.5) | Baixa latência, baixo custo | Menos profundidade em raciocínio complexo de várias etapas | Tarefas de alto volume, simples e sensíveis à latência |
| Previsão com pensamento estendido (ex: Fable 5, Opus 4.8) | Mais confiável em raciocínio complexo | Mais lento, mais caro por resposta | Tarefas de pesquisa, análise e raciocínio de alto risco |
| Previsão aumentada por recuperação (Claude com ferramentas de busca/navegação) | Fundamenta previsões em fontes externas atuais e verificáveis | Requer que o recurso seja explicitamente habilitado e disponível | Perguntas que necessitam de fatos atuais ou verificáveis |
Não. Claude gera um token por vez, e cada novo token é escolhido usando tudo o que foi escrito até agora, incluindo os tokens que ele já produziu naquela mesma resposta.
Como a geração de próximo token envolve amostragem de uma distribuição de probabilidade em vez de sempre selecionar uma resposta fixa, pequenas variações na redação são normais e esperadas.
Não. Uma consulta a um banco de dados recupera um registro armazenado e pré-existente. A previsão de próximo token constrói novo texto prevendo continuações prováveis com base em padrões aprendidos, sem que nada seja recuperado do armazenamento.
A formulação fluente e confiante vem do mesmo mecanismo de previsão, independentemente de o conteúdo subjacente ser preciso. Não há uma verificação de certeza separada embutida na geração básica.
Não de forma fixa. Cada token é escolhido com base no que veio antes dele, então a resposta toma forma progressivamente em vez de existir como um plano completo desde o primeiro token, embora os modos de pensamento estendido adicionem uma etapa de raciocínio visível antes da resposta final.
É o conjunto de pontuações de probabilidade que Claude atribui a cada token seguinte possível em uma determinada etapa, com tokens muito mais prováveis pontuando muito mais alto do que os implausíveis.
Não. Em uma conversa de chat simples, Claude depende de padrões aprendidos antes de seu corte de conhecimento mais o contexto na conversa, a menos que um recurso de pesquisa ou navegação seja explicitamente habilitado.
O mecanismo central é compartilhado, mas os modelos diferem na profundidade da computação. Modelos mais rápidos como Claude Haiku 4.5 preveem rapidamente com menos profundidade, enquanto modelos como Claude Opus 4.8 e Claude Fable 5 aplicam raciocínio estendido antes de finalizar uma resposta.
Como os tokens são produzidos sequencialmente, uma etapa de previsão por token. Uma resposta mais longa requer mais etapas de previsão, não uma única consulta maior.
Sim. Como cada previsão depende do texto precedente exato, mudar sua redação muda o contexto a partir do qual Claude está prevendo, o que pode alterar quais tokens parecem mais prováveis em cada etapa.
Versões de Stack: Escrito contra a linha de modelos Claude atual em ~junho de 2026 - Claude Fable 5, Claude Opus 4.8, Claude Sonnet 5 (o padrão) e Claude Haiku 4.5. Nomes de modelos, preços e recursos do produto mudam rapidamente - verifique as especificações atuais em platform.claude.com/docs antes de confiar nelas.