O caso: uma loja on-line usa o Claude Haiku 4.5 para classificar 20.000 perguntas de clientes por dia. Cada chamada leva 3.000 tokens de instruções fixas, com cache_control marcado, mais 250 tokens da pergunta, e devolve 150 tokens. A equipe ligou o cache de prompt há um mês, mas a fatura não caiu um centavo. Os campos cache_creation_input_tokens e cache_read_input_tokens voltam sempre zerados. O que está errado?
Resposta curta: o prefixo é curto demais para o modelo. O Haiku 4.5 só guarda em cache prefixos a partir de 4.096 tokens, e a API não avisa quando fica abaixo disso. Hoje o mês custa US$ 2.400,00. Migrando para o Haiku 5.5, cujo mínimo é 512 tokens, o cache passa a funcionar e o mês cai para cerca de US$ 114,86. Volumes, tamanhos e taxa de acerto são exemplo, não medição de uma empresa real.
O cache falha em silêncio
A documentação da Anthropic é direta sobre isso. Prompts menores que o mínimo do modelo não entram no cache, mesmo com cache_control. O pedido é processado normalmente, sem cache, e nenhum erro é devolvido.
Ou seja: o código roda, a resposta chega, e você paga o preço cheio de entrada em todas as chamadas. O único sinal está no campo usage da resposta. Se cache_creation_input_tokens e cache_read_input_tokens vierem os dois em zero, o prompt não foi guardado. A própria documentação aponta o tamanho mínimo como a causa provável.
O mínimo muda de modelo para modelo. Pela página de cache de prompt da Anthropic, consultada em 19/10/2026, a regra é esta:
| Mínimo para cachear | Modelos |
|---|---|
| 512 tokens | Fable 5.1, Opus 5.5, Opus 5, Sonnet 5.5, Fable 5, Haiku 5.5 |
| 1.024 tokens | Opus 4.8, Sonnet 5, Sonnet 4.6, Sonnet 4.5 |
| 2.048 tokens | Opus 4.7 |
| 4.096 tokens | Opus 4.6, Opus 4.5, Haiku 4.5 |
O detalhe que pega muita gente: o Haiku 4.5, modelo barato e popular para classificação, tem o mínimo mais alto da tabela. Um prompt de sistema de 3.000 tokens funciona no cache do Sonnet 4.5, mas nunca no Haiku 4.5.
Passo 1: quanto o caso custa hoje
Sem cache, toda a entrada paga o preço normal. Pela tabela de preços do site, atualizada em outubro de 2026, o Haiku 4.5 cobra US$ 1,00 por milhão de tokens de entrada e US$ 5,00 por milhão de saída.
A conta de um mês:
- Chamadas: 20.000 por dia × 30 dias = 600.000.
- Entrada por chamada: 3.000 + 250 = 3.250 tokens.
- Saída por chamada: 150 tokens.
Total: US$ 2.400,00 por mês, cerca de R$ 12.023,04 pelo dólar de referência do site. Só as instruções fixas, repetidas em todas as chamadas, somam US$ 1.800,00 desse valor. É esse pedaço que o cache deveria cortar.
Passo 2: três saídas possíveis
Há três caminhos para o cache funcionar. Comparamos todos com a mesma taxa de acerto de exemplo, 95%, e cache de 5 minutos. Com 20.000 chamadas por dia, o prefixo é lido o tempo todo e quase nunca expira no horário comercial.
Saída A: aumentar o prefixo no Haiku 4.5
Parece contraditório, mas mandar mais tokens pode sair mais barato. Se a equipe acrescentar exemplos de classificação às instruções e levar o prefixo a 4.200 tokens, ele passa do mínimo de 4.096 e entra no cache.
Na leitura do cache, o Haiku 4.5 cobra US$ 0,10 por milhão, um décimo da entrada normal. Na gravação de 5 minutos, cobra US$ 1,25. Com 95% de acerto, o prefixo maior custa US$ 396,90 no mês, contra US$ 1.800,00 do prefixo menor sem cache.
O mês completo fica em US$ 996,90. A queda é de 58% sem trocar de modelo. E os exemplos extras ainda tendem a melhorar a classificação.
Saída B: migrar para o Haiku 5.5
O Haiku 5.5 tem mínimo de 512 tokens, e o prefixo atual já passa disso com folga. Mas há um ajuste a fazer na conta. A Anthropic informa que os modelos a partir do Claude 4.7 usam um tokenizador novo, que gera aproximadamente 30% mais tokens para o mesmo texto. Por isso, na conta, o mesmo prompt vira cerca de 3.900 tokens de instruções, 325 de pergunta e 195 de saída. O aumento real depende do texto.
Mesmo assim, o preço por token é bem menor. Sem cache, o Haiku 5.5 custaria US$ 312,00 por mês. Com cache e 95% de acerto, cai para US$ 114,86.
Atenção: a migração mexe no código. O Haiku 5.5 rejeita parâmetros como temperature e top_p, e o raciocínio adaptativo vem ligado por padrão, o que pode aumentar os tokens de saída. Teste antes de virar a chave.
Saída C: subir para o Sonnet 5.5
Se a classificação precisa de mais qualidade, o Sonnet 5.5 também cacheia a partir de 512 tokens e cobra só US$ 0,10 por milhão na leitura do cache. Com os mesmos tamanhos ajustados, sai por US$ 2.074,80 por mês com cache, contra US$ 6.240,00 sem cache.
Passo 3: a comparação lado a lado
| Cenário (mês, exemplo) | Cache funciona? | Custo em US$ | Custo em R$ |
|---|---|---|---|
| Haiku 4.5, prefixo de 3.000 | Não | US$ 2.400,00 | R$ 12.023,04 |
| Haiku 4.5, prefixo de 4.200 | Sim | US$ 996,90 | R$ 4.994,07 |
| Haiku 5.5, sem cache | Não | US$ 312,00 | R$ 1.563,00 |
| Haiku 5.5, com cache | Sim | US$ 114,86 | R$ 575,38 |
| Sonnet 5.5, com cache | Sim | US$ 2.074,80 | R$ 10.393,92 |
A leitura da tabela é simples. Para quem quer ficar no Haiku 4.5 por enquanto, encher o prefixo até passar de 4.096 tokens já resolve boa parte. Para quem pode migrar, o Haiku 5.5 com cache é o mais barato do caso.
Quando o prefixo é grande e o cache ainda falha
O tamanho mínimo é a causa mais comum, mas não a única. Se o seu prefixo passa do mínimo e o usage continua zerado, confira estes pontos, todos descritos na documentação de cache da Anthropic:
| Sintoma | Causa provável | O que fazer |
|---|---|---|
| Gravação em toda chamada, leitura nunca | Algo muda no prefixo: data, hora, nome do cliente | Tire o que varia do começo do prompt e ponha depois do ponto de cache |
| Cache zera depois de um deploy | Definição de ferramentas mudou | Qualquer mudança em nome, descrição ou parâmetro de ferramenta invalida o cache inteiro |
| Cache zera ao ligar ou desligar busca na web | O ajuste muda o nível de sistema | Fixe a configuração entre chamadas |
| Chamadas em paralelo não acertam | A entrada só fica disponível depois que a primeira resposta começa | Espere a primeira resposta antes de disparar as outras |
| Acerto baixo à noite | O cache de 5 minutos expira com pouco tráfego | Avalie o cache de 1 hora para tráfego espaçado |
| Conversas longas perdem o cache | A busca volta no máximo 20 posições por ponto de cache | Use mais de um ponto de cache (o limite é 4) |
Um exemplo do primeiro caso, que é traiçoeiro. Imagine que o prompt de sistema começa com "Hoje é dia X, às HH:MM:SS". O texto muda a cada segundo, e praticamente nenhuma chamada encontra o prefixo igual. No Haiku 5.5, com os tamanhos do nosso exemplo, você pagaria a gravação em toda chamada: US$ 370,50 por mês, mais do que os US$ 312,00 sem cache nenhum. A gravação de 5 minutos custa 1,25 vez a entrada normal, então cache que nunca acerta sai mais caro do que não ter cache.
Checklist antes de ligar o cache
- Confira o mínimo do seu modelo na tabela acima. Conte os tokens do prefixo com o tokenizador do modelo que vai usar, não com o de outro.
- Depois do primeiro deploy, olhe
cache_creation_input_tokensecache_read_input_tokensem algumas respostas. Zero nos dois quer dizer que nada foi guardado. - Deixe no começo do prompt só o que nunca muda: ferramentas, instruções, exemplos. Data, hora e dados do usuário vão depois.
- Acompanhe a proporção entre leitura e gravação. Se a gravação domina, o cache está custando dinheiro.
- Ao trocar de modelo, refaça a conta. O mínimo muda, o preço muda e, a partir do Claude 4.7, o tokenizador também.
Perguntas frequentes
A API dá erro quando o prompt é menor que o mínimo?
Não. O pedido roda sem cache e sem aviso. No nosso caso, isso custa US$ 2.400,00 por mês no Haiku 4.5, o preço cheio, mesmo com cache_control no código.
Qual o mínimo de tokens para cache no Haiku 5.5 e no Sonnet 5.5?
512 tokens nos dois, pela documentação consultada em 19/10/2026. No Haiku 4.5, o mínimo é 4.096, oito vezes maior.
Vale a pena encher o prompt só para passar do mínimo?
Pode valer, quando o tráfego é alto e o acerto também. No exemplo, levar o prefixo do Haiku 4.5 de 3.000 para 4.200 tokens derruba o mês de US$ 2.400,00 para US$ 996,90. Com tráfego baixo, o cache expira, a gravação se repete e a conta piora. Use tokens úteis, como exemplos de classificação, e não texto de enchimento.
Com que taxa de acerto o cache de 5 minutos começa a compensar?
Com uma leitura por gravação ele já se paga. Na conta por chamada, o ponto de equilíbrio do Haiku 4.5 fica em cerca de 22% de acerto: abaixo disso, a gravação a US$ 1,25 por milhão custa mais do que a entrada normal a US$ 1,00.
Um prompt de 400 tokens pode usar cache?
Não em nenhum modelo da tabela. O menor mínimo é 512 tokens. Nesse tamanho, a entrada de uma chamada no Haiku 5.5 custa US$ 0,000040, e o ganho do cache seria pequeno de qualquer forma.
O cache vale nas chamadas da API de Lotes?
Sim, os descontos se somam. Mas, como os pedidos de um lote rodam em paralelo, o acerto é menos previsível. O mínimo de tokens continua valendo.
Quer refazer a conta com o seu prompt, o seu modelo e o seu volume? Use a calculadora de cache de prompt.
Leia também: Cache de prompt: como ele corta a conta da API
