O caso: uma empresa de software montou um assistente interno para a equipe de suporte. Cada pergunta vai ao Claude Opus 5.5 junto com o manual completo do produto, que tem 40.000 tokens. A pergunta em si tem uns 300 tokens e a resposta, uns 400. São 1.500 perguntas por dia, em 22 dias úteis.
Resposta curta: sem cache, o mês custa US$ 5.583,60 (R$ 27.971,60). Com o manual no cache e 90% das chamadas acertando o cache, cai para US$ 1.201,20 (R$ 6.017,53): uma economia de 78%. Mas o cache só compensa no Opus 5.5 acima de uns 21% de acerto; abaixo disso, ele encarece a conta.
1. O que é o cache de prompt
Toda chamada à API cobra pelos tokens de entrada, mesmo que eles sejam idênticos aos da chamada anterior. O cache de prompt resolve isso: você marca até onde vai a parte fixa do prompt, o fornecedor guarda esse trecho processado e as chamadas seguintes que começam exatamente igual pagam um preço bem menor por ele.
No Claude, o cache tem dois preços além da entrada normal:
- Gravação: a primeira vez que o trecho entra no cache. Custa 1,25 vez o preço de entrada para um cache de 5 minutos, ou 2 vezes para um cache de 1 hora.
- Leitura: cada chamada que encontra o trecho no cache. No Opus 5.5 custa 0,05 vez a entrada; no Haiku 4.5, 0,1 vez.
Em dólares, por milhão de tokens:
| Modelo | Entrada normal | Gravação 5 min | Gravação 1 h | Leitura do cache |
|---|---|---|---|---|
| Claude Opus 5.5 | US$ 4,00 | US$ 5,00 | US$ 8,00 | US$ 0,20 |
| Claude Haiku 4.5 | US$ 1,00 | US$ 1,25 | US$ 2,00 | US$ 0,10 |
O cache não muda a resposta. O modelo recebe o mesmo texto; só a cobrança do trecho repetido muda.
2. A conta sem cache
Sem cache, cada pergunta paga o manual inteiro pelo preço cheio. Uma chamada lê 40.300 tokens de entrada e escreve 400 de saída:
- entrada: 40.300 × US$ 4,00 ÷ 1.000.000;
- saída: 400 × US$ 20,00 ÷ 1.000.000;
- total: US$ 0,1692 por pergunta.
Com 33.000 perguntas no mês (1.500 por dia × 22 dias), a conta chega a US$ 5.583,60. Quase tudo isso é o manual sendo relido: a pergunta e a resposta somam menos de 2% dos tokens de cada chamada.
3. A conta com cache: tudo depende da taxa de acerto
Com o cache, cada chamada cai num de dois casos. Se o manual ainda está no cache, ela paga a leitura, barata. Se o cache expirou, ela paga a gravação, que é mais cara que a entrada normal. A taxa de acerto é a fração das chamadas que encontra o cache.
A calculadora de cache de prompt faz a média ponderada dos dois casos. Para o nosso assistente no Opus 5.5:
| Taxa de acerto | Mês com cache 5 min | Mês com cache 1 h | Economia (5 min) |
|---|---|---|---|
| 0% | US$ 6.903,60 | US$ 10.863,60 | -24% |
| 20% | US$ 5.636,40 | US$ 8.804,40 | -1% |
| 30% | US$ 5.002,80 | US$ 7.774,80 | 10% |
| 50% | US$ 3.735,60 | US$ 5.715,60 | 33% |
| 70% | US$ 2.468,40 | US$ 3.656,40 | 56% |
| 90% | US$ 1.201,20 | US$ 1.597,20 | 78% |
| 99% | US$ 630,96 | US$ 670,56 | 89% |
A tabela mostra os dois lados do cache. Com acerto alto, a conta despenca: com 90% de acerto, cada pergunta passa de US$ 0,1692 para US$ 0,0364. Com acerto zero, toda chamada paga a gravação e o mês fica mais caro do que sem cache.
O ponto de empate
Dá para achar a taxa de acerto em que o cache empata com a conta sem cache. Basta igualar o preço médio do trecho fixo ao preço de entrada normal:
No Opus 5.5, com o cache de 5 minutos, o empate fica em 20,8% de acerto. Com o cache de 1 hora, cuja gravação custa o dobro da entrada, sobe para 51,3%. No Haiku 4.5, com cache de 5 minutos, fica em 21,7%. Acima desses números, o cache economiza; abaixo, ele custa dinheiro.
4. Cinco minutos ou uma hora?
O cache padrão do Claude dura 5 minutos, e esse prazo é renovado sem custo cada vez que o trecho é lido. Num horário de movimento, com uma pergunta a cada poucos segundos, o manual nunca sai do cache e o acerto fica perto de 100%. O problema são os intervalos: almoço, fim do expediente, o começo da manhã.
O cache de 1 hora grava mais caro, mas sobrevive a pausas longas. Ele vale a pena quando o tráfego é irregular, com buracos de mais de 5 minutos entre as chamadas. Exemplo: se o tráfego picado derruba o acerto do cache de 5 minutos para 60%, o mês sai por US$ 3.102,00. Se com o cache de 1 hora o acerto ficar nos mesmos 60%, a conta sobe para US$ 4.686,00, porque cada falha custa mais. O cache de 1 hora só ganha se ele elevar o acerto o bastante para compensar a gravação mais cara. Use a calculadora para testar os dois cenários com a taxa que você mede.
Um detalhe da documentação da Anthropic: o prazo conta a partir do início da requisição que grava ou lê o cache, não do fim da resposta. Respostas longas consomem parte da janela.
5. Como montar o prompt para o cache funcionar
O cache só aproveita um prefixo idêntico: o trecho inicial do prompt, byte por byte. Qualquer mudança no começo invalida tudo o que vem depois. Por isso:
- Ordem fixa. No Claude, o prefixo é montado na ordem ferramentas, prompt do sistema e mensagens. Mudar a definição de uma ferramenta invalida o cache inteiro.
- O que nunca muda vai primeiro. Instruções, manual, catálogo, exemplos. O que muda a cada chamada (a pergunta, a data de hoje, o nome do usuário) vai no fim.
- Cuidado com detalhes dinâmicos. Um carimbo de data e hora no começo do prompt do sistema derruba o acerto para zero sem que ninguém perceba.
- Tamanho mínimo. No Opus 5.5, o trecho precisa ter pelo menos 512 tokens para entrar no cache; no Haiku 4.5, 4.096. Abaixo disso, a API processa normalmente e não avisa.
- Até 4 pontos de cache. Dá para marcar, por exemplo, o fim das ferramentas, o fim do manual e o fim do histórico da conversa.
Para medir o acerto real, some os campos de uso de cada resposta da API: os tokens gravados e os lidos do cache aparecem separados. A taxa de acerto do seu sistema é o número que vai na calculadora.
6. E nos modelos da OpenAI?
Nos modelos GPT-5.6, a documentação da OpenAI informa que a gravação no cache custa 1,25 vez a entrada normal, como no cache de 5 minutos do Claude, e a leitura custa 10% da entrada: US$ 0,40 por milhão no GPT-5.6 Sol, US$ 0,20 no Terra e US$ 0,02 no Luna. O prefixo precisa ter pelo menos 1.024 tokens. Com a mesma fórmula, o ponto de empate do cache no GPT-5.6 fica em 21,7% de acerto.
7. Cache e Batch juntos
Se as perguntas não precisam de resposta na hora, há outro desconto que se soma ao cache. A Batch API do Claude processa as requisições de forma assíncrona com 50% de desconto na entrada e na saída, e a página de preços da Anthropic diz que os multiplicadores do cache se aplicam por cima desse desconto.
No nosso assistente de suporte isso não serve: o atendente quer a resposta enquanto o cliente espera. Mas o mesmo manual pode alimentar tarefas sem pressa, como gerar respostas-modelo para as perguntas da semana ou revisar a base de conhecimento. Nesses casos, o mês com 90% de acerto de cache cairia de US$ 1.201,20 para cerca de US$ 600,60, se o volume fosse o mesmo. A calculadora de custo da API tem a opção de Batch para testar.
Vale a mesma cautela de sempre: em lote, as requisições podem não sair em sequência rápida, e o acerto do cache depende de o prefixo ainda estar guardado quando cada uma é processada. Meça o acerto real nos campos de uso antes de contar com a economia.
8. Resumo da conta
- O manual de 40 mil tokens é 98% dos tokens de cada chamada. Sem cache, ele domina a fatura.
- Com 90% de acerto no Opus 5.5, o mês cai de US$ 5.583,60 para US$ 1.201,20, ou de R$ 27.971,60 para R$ 6.017,53.
- O mesmo assistente no Haiku 4.5, também com 90% de acerto, sairia por US$ 359,70 por mês, se a qualidade das respostas for suficiente para a sua equipe.
- O cache tem ponto de empate: 21% de acerto no Opus 5.5 com 5 minutos, 51% com 1 hora.
Perguntas frequentes
O cache de prompt muda a resposta do modelo?
Não. O modelo recebe exatamente o mesmo texto. Só o preço do trecho repetido muda.
Quando o cache deixa a conta mais cara?
Quando a taxa de acerto fica abaixo do ponto de empate. No Opus 5.5 com cache de 5 minutos, isso acontece abaixo de 21% de acerto, porque cada falha paga a gravação, que custa 1,25 vez a entrada.
Preciso de um prompt grande para usar cache?
Precisa passar do tamanho mínimo do modelo (512 tokens no Opus 5.5, 4.096 no Haiku 4.5). Mas a economia só fica relevante quando a parte fixa é uma fatia grande de cada chamada.
Para simular o seu caso, use a calculadora de cache de prompt abaixo, já preenchida com o assistente deste guia.
