Como o Preço de Tokens do Claude Realmente Funciona
Cada chamada da API Claude é cobrada em tokens, não em requisições, e nem todo token custa o mesmo.
A mesma requisição pode misturar quatro tipos diferentes de tokens, cada um com seu próprio preço, e o modelo que você escolhe multiplica todos eles de uma vez.
Para um tech lead dimensionando uma carga de trabalho de produção, entender este modelo de custo é a diferença entre um palpite grosseiro e uma linha de orçamento defensável.
Esta página constrói o modelo mental: o que é um token para fins de faturamento, por que entrada e saída são precificadas de forma assimétrica e como o cache divide o lado de entrada em mais dois preços novamente.
Resumo
- Ideia Central: O faturamento do Claude tem quatro categorias de tokens por modelo (entrada, saída, escrita em cache, leitura em cache), e cada uma tem seu próprio preço por milhão de tokens.
- Por Que Importa: O custo real de uma carga de trabalho depende da mistura dessas quatro categorias, não apenas de um único número de "preço por chamada", e essa mistura muda à medida que você adota cache ou batching.
- Conceitos Chave: tokens de entrada, tokens de saída, tokens de criação de cache, tokens de leitura de cache, preço por MToken, nível do modelo.
- Quando Usar: Dimensionar o orçamento de API de um novo recurso, comparar níveis de modelo para uma tarefa ou explicar uma linha de fatura surpresa a um stakeholder.
- Limitações / Trade-offs: O preço é um alvo em movimento entre gerações de modelos e janelas promocionais, então qualquer número citado aqui é um snapshot, não uma constante permanente.
- Tópicos Relacionados: contagem de tokens, cache de prompt, tiering de modelos, precificação da API Batch.
Fundamentos
Um token é a unidade em que o medidor de preços do Claude opera, não uma palavra ou um caractere.
Aproximadamente, um token são alguns caracteres de texto em inglês, então um parágrafo curto pode ter de 40 a 60 tokens, e um prompt de sistema longo pode chegar a milhares.
Cada resposta da API Messages inclui um objeto usage que relata exatamente quantos tokens de cada tipo foram consumidos, então você nunca precisa adivinhar depois do fato.
A versão mais simples do modelo de precificação tem duas categorias: tokens de entrada (tudo o que você envia, incluindo prompt do sistema, definições de ferramentas e histórico de conversas) e tokens de saída (tudo o que o modelo gera de volta).
Tokens de saída são precificados significativamente mais alto do que tokens de entrada para cada modelo Claude, tipicamente cerca de cinco vezes mais.
Essa assimetria existe porque a geração de cada token de saída requer uma passagem completa pelo modelo, enquanto um grande lote de tokens de entrada pode ser processado em conjunto em paralelo durante a leitura inicial.
Um rápido snapshot do preço por milhão de tokens (MToken) em meados de 2026 torna a dispersão entre os níveis concreta:
| Modelo | Entrada / MToken | Saída / MToken |
|---|---|---|
| Claude Haiku 4.5 | ~$1 | ~$5 |
| Claude Sonnet 5 | ~$2 (intro, até 2026-08-31) | ~$10 (intro) |
| Claude Opus 4.8 | ~$5 | ~$25 |
| Claude Fable 5 | ~$10 | ~$50 |
Duas coisas saltam imediatamente: a saída é sempre aproximadamente 5x a entrada dentro de um determinado modelo, e a diferença entre o modelo mais barato e o mais caro é aproximadamente 10x na entrada e 10x na saída.
Mecânicas e Interações
O modelo de duas categorias acima é a versão simplificada.
Uma vez que você introduz o cache de prompt, o lado de entrada se divide em duas categorias adicionais com seus próprios preços: tokens de criação de cache (o custo de escrever um prefixo reutilizável no cache pela primeira vez) e tokens de leitura de cache (o custo com desconto de reutilizar esse prefixo em uma chamada posterior).
Uma escrita em cache custa mais do que um token de entrada normal, tipicamente cerca de 1,25x a taxa de entrada base para o TTL padrão de 5 minutos, porque o sistema faz um trabalho extra para armazenar o prefixo para reutilização.
Uma leitura de cache, por outro lado, é dramaticamente mais barata do que um token de entrada normal, muitas vezes cerca de um décimo da taxa base, porque Claude pula o reprocessamento desse segmento do prompt inteiramente.
Isso significa que o objeto usage de uma única requisição pode relatar tokens de entrada, tokens de saída, tokens de criação de cache e tokens de leitura de cache simultaneamente, cada um cobrado em sua própria taxa:
response = client.messages.create(
model="claude-sonnet-5",
max_tokens=500,
system=[{"type": "text", "text": long_prompt, "cache_control": {"type": "ephemeral"}}],
messages=[{"role": "user", "content": "Summarize the policy above."}],
)
usage = response.usage
# usage.input_tokens, usage.output_tokens,
# usage.cache_creation_input_tokens, usage.cache_read_input_tokensA consequência prática é que o custo misto por requisição de uma carga de trabalho não é um número único, é uma média ponderada entre até quatro preços, e essa média muda toda vez que sua taxa de acerto de cache muda.
Uma carga de trabalho que reutiliza um prompt de sistema grande em milhares de chamadas por dia verá seu custo efetivo por requisição cair acentuadamente após a primeira chamada pagar o prêmio de escrita em cache, porque cada chamada subsequente paga a taxa de leitura de cache muito mais barata em vez do preço total de entrada.
Um erro comum de raciocínio é tratar "tokens de entrada" como um custo fixo único ao comparar modelos: um modelo com um preço de entrada mais alto pode ainda ser mais barato na prática se precisar de menos tokens totais para realizar a mesma tarefa, ou se uma grande parte de sua entrada se tornar leituras de cache.
Considerações e Aplicações Avançadas
Em escala de produção, três alavancas interagem para determinar seus gastos reais: qual nível de modelo lida com uma determinada tarefa, quanto do prefixo de entrada pode ser cacheado e se a carga de trabalho pode tolerar o processamento assíncrono da API Batch por aproximadamente metade do preço.
Nenhuma dessas alavancas é mutuamente exclusiva.
Um pipeline bem ajustado frequentemente roteia tarefas de classificação para Haiku, armazena em cache um prompt de sistema compartilhado entre todos os níveis e envia trabalhos em lote não urgentes através da API Batch, acumulando três descontos separados.
| Alavanca | Economia Típica | Melhor Ajuste |
|---|---|---|
| Tiering de Modelo (Haiku vs Opus/Fable) | Até ~10x em entrada e saída | Roteamento por complexidade da tarefa, não um modelo para tudo |
| Cache de Prompt (leitura em cache vs entrada nova) | Até ~90% em tokens com acerto de cache | Prompts de sistema repetidos, esquemas de ferramentas, contexto compartilhado longo |
| API Batch | ~50% de desconto no preço síncrono | Cargas de trabalho de alto volume e tolerantes à latência |
Nenhum desses números é estático em todo o ciclo de lançamento da indústria.
Gerações de modelos se aposentam e são re-precificadas, janelas de preço introdutório promocionais expiram (o preço introdutório do Sonnet 5 aqui é explicitamente limitado no tempo até 2026-08-31), e as porcentagens de desconto para cache e batching mudaram entre atualizações de provedor no passado.
A conclusão duradoura é a forma do modelo de custo, quatro categorias de tokens, precificadas independentemente, multiplicadas pelo nível de modelo para o qual você roteia, em vez de qualquer figura específica em dólares.
Por essa razão, trate os números neste artigo como um snapshot para raciocinar sobre trade-offs, e verifique os números atuais na página de preços ao vivo antes de finalizar um orçamento ou um ADR.
Equívocos Comuns
- "Tokens de entrada e saída custam o mesmo." Não custam, a saída é precificada aproximadamente 5x mais alta que a entrada para todos os modelos Claude atuais, porque a geração é uma operação fundamentalmente mais cara do que a leitura.
- "Uma escrita em cache é gratuita, ou tem o mesmo preço de uma chamada normal." Uma escrita em cache custa mais do que um token de entrada não cacheado, o desconto só aparece no lado da leitura, em chamadas posteriores que reutilizam o mesmo prefixo.
- "O modelo mais barato é sempre a escolha mais barata." Um modelo mais barato que precisa de mais tentativas, prompts mais longos, ou produz saída de menor qualidade que requer retrabalho humano pode custar mais do fim ao fim do que um modelo mais caro que acerta da primeira vez.
- "Contagem de tokens é o mesmo que contagem de caracteres ou palavras." Um token são aproximadamente alguns caracteres, mas o mapeamento exato depende do texto e do tokenizador, que é por isso que a capacidade de contagem de tokens da API existe em vez de uma fórmula fixa.
- "O preço é fixo e seguro para codificar." Janelas de preço introdutório expiram, gerações de modelos se aposentam, e porcentagens de desconto para cache e batching mudaram antes, então suposições de preço pertencem a um valor de configuração que você pode atualizar, não a uma constante codificada.
FAQs
Por que a saída é mais cara que a entrada para todos os modelos Claude?
A geração de cada token de saída requer uma passagem sequencial pelo modelo, enquanto os tokens de entrada podem ser processados em conjunto durante a leitura inicial do prompt, que é uma operação fundamentalmente mais paralelizável.
Quantas categorias de preço de token existem no total?
Quatro no caso geral: entrada, saída, criação de cache e leitura de cache. Uma requisição sem cache toca apenas as duas primeiras.
Uma escrita em cache é sempre mais barata que um token de entrada simples?
Não, uma escrita em cache é sempre precificada acima da taxa de entrada base, porque faz um trabalho extra para persistir o prefixo para reutilização posterior. As economias só se materializam no lado da leitura.
Um TTL de cache mais longo custa mais?
Sim, uma opção de TTL mais longa (como 1 hora em vez dos 5 minutos padrão) carrega um multiplicador de custo de escrita em cache mais alto, já que a entrada tem que sobreviver por mais tempo antes de poder ser descartada.
Por que a tabela de preços do Sonnet 5 mostra dois números diferentes?
O Sonnet 5 foi lançado com preços introdutórios por tempo limitado que revertem para uma taxa mais alta após uma data fixa (2026-08-31 no snapshot de preços atual). Sempre verifique qual taxa se aplica ao seu período de faturamento.
Se eu nunca usar cache, ainda pago quatro preços de token?
Não, sem nenhum ponto de interrupção de cache_control em sua requisição, apenas tokens de entrada e saída se aplicam. Tokens de criação de cache e leitura de cache só aparecem quando você opta pelo cache.
A diferença de preço de 10x entre Haiku e Fable é justificada?
Reflete uma gradiente real de capacidade e custo de serviço em toda a família de modelos, não uma marcação arbitrária, que é exatamente por que o tiering de modelo por dificuldade da tarefa é uma alavanca de custo real em vez de uma falsa economia.
Posso prever o custo exato de uma requisição antes de enviá-la?
Você pode estimar o lado de entrada de perto usando a capacidade de contagem de tokens da API Messages antes da chamada, mas a contagem de tokens de saída só é conhecida após a geração ser concluída, pois depende do que o modelo realmente escreve.
A mistura de tipos de token muda ao longo da vida de uma conversa?
Sim, em uma conversa multi-turno com um prompt de sistema cacheado, turnos posteriores geralmente mostram uma participação crescente de tokens de leitura de cache em relação a tokens de entrada novos, já que o prefixo compartilhado continua acertando o cache.
Devo codificar esses preços em meu código de aplicação?
Não, trate o preço como uma configuração que você pode atualizar, não como uma constante incorporada à lógica de negócios, pois as janelas introdutórias expiram e as gerações de modelos são re-precificadas em seu próprio cronograma.
Um modelo de baixo custo é sempre a escolha errada para tarefas de raciocínio difícil?
Não necessariamente como uma regra geral, mas um modelo de nível inferior que falha em uma tarefa difícil e precisa ser escalado para um modelo mais forte em uma nova tentativa acaba pagando por ambas as chamadas, o que pode apagar as economias de tiering para essa classe específica de tarefa.
Qual é a maneira mais rápida de verificar uma fatura real contra este modelo?
Some cada categoria de token dos seus objetos usage registrados durante um período de faturamento, multiplique pela taxa por MToken dessa categoria e compare o total com a linha da fatura, essa reconciliação detecta o desvio das suposições de preço precocemente.
Relacionados
- Noções Básicas de Economia de Tokens - contagem de tokens e estimativa de custo antes de enviar uma requisição.
- Sonnet 5 vs Opus 4.8 vs Fable 5: Uma Comparação de Custo por Tarefa - a tabela de preços aplicada aos custos reais de tarefas.
- Tiering de Modelos: Roteando Tarefas Simples para Haiku, Tarefas Difíceis para Opus - transformando o gradiente de preço em uma decisão de roteamento.
- ROI do Cache de Prompt: Quando as Escritas em Cache Realmente Valem a Pena - a matemática do ponto de equilíbrio por trás da divisão escrita/leitura em cache.
Versões da Pilha: Escrito contra a linha de modelos Claude atual a partir de ~junho de 2026 - Claude Fable 5, Claude Opus 4.8, Claude Sonnet 5 (o padrão) e Claude Haiku 4.5 - e o SDK oficial
anthropicpara Python (última versão 0.x). Nomes de modelos, preços e versões de SDK mudam rapidamente - verifique os detalhes atuais em platform.claude.com/docs antes de confiar neles.