Quanto custa uma chamada com 1 milhão de tokens

Quais modelos aceitam 1 milhão de tokens

Pela documentação de janelas de contexto da Anthropic, têm janela de 1 milhão de tokens: Fable 5.1, Fable 5, Opus 5.5, Opus 5, Opus 4.8, Opus 4.7, Opus 4.6, Sonnet 5.5, Sonnet 5, Sonnet 4.6 e Haiku 5.5. Todos geram até 128 mil tokens de saída por chamada. Os demais, incluindo o Sonnet 4.5, ficam em 200 mil.

A janela de 1 milhão é o padrão. Não precisa de cabeçalho beta. E, com uma exceção, a chamada longa paga o preço normal por token. A exceção é o Haiku 5.5: acima de 100 mil tokens de prompt, toda a chamada passa para uma faixa de preço mais alta.

Para ter ideia do tamanho: pela tabela do site, 1 milhão de tokens de texto em português equivalem a cerca de 425.000 palavras. Código-fonte rende outra proporção. Meça o seu arquivo com o endpoint de contagem de tokens da API ou com o contador de tokens do site.

Passo 1: o preço de uma chamada cheia

Premissas do exemplo: 900.000 tokens de entrada e 4.000 de saída. A saída inclui o raciocínio do modelo, que a documentação manda cobrar como token de saída.

Preços da tabela do site, atualizada em outubro de 2026. Os valores em reais usam o dólar de referência do site e não incluem IOF nem impostos.

Repare onde o dinheiro vai. No Sonnet 5.5, a entrada responde por 98% da chamada. Numa chamada cheia, a saída quase não pesa. O que pesa é mandar o mesmo milhão de tokens de novo.

Passo 2: dez perguntas sem cache

Cada pergunta é uma chamada nova. Para simplificar, o exemplo supõe perguntas independentes, de 200 tokens, sem levar as respostas anteriores junto. Sem cache, o repositório inteiro é cobrado a preço cheio 10 vezes.

• Sonnet 5.5: 10 × US$ 1,84, mais as perguntas = US$ 18,40
• Opus 5.5: US$ 36,81

É aqui que muita fatura assusta. A primeira chamada parece barata. A décima já custou dez vezes isso.

Passo 3: as mesmas perguntas com cache

O repositório é o mesmo em todas as chamadas. É o candidato perfeito ao cache de prompt: põe o arquivo primeiro, marca o ponto de cache depois dele e deixa a pergunta no fim.

No Sonnet 5.5, gravar o repositório no cache de 5 minutos custa US$ 2,25, uma vez. Cada leitura seguinte custa US$ 0,0900. As 10 perguntas saem por US$ 3,46, contra US$ 18,40 sem cache. No Opus 5.5, US$ 6,93, contra US$ 36,81.

O cache de 5 minutos se renova a cada leitura. Se as perguntas vêm com intervalos maiores, porque a desenvolvedora lê cada resposta com calma, vale o cache de 1 hora. A gravação custa mais, US$ 4,00 por milhão no Sonnet 5.5, e as 10 perguntas ficam em US$ 4,81. Ainda muito abaixo da conta sem cache.

Passo 4: compare com mandar só o que importa

A outra saída é não mandar tudo. Se as perguntas tocam só uma parte do sistema, uma seleção de 80.000 tokens de arquivos relevantes pode bastar. Esse número também é exemplo.

A linha do lote usa o desconto de 50% da API de Lotes, sem contar cache. O lote serve se as respostas podem esperar. Para uma conversa de exploração, em que cada pergunta depende da anterior, ele não ajuda.

A linha do Haiku 5.5 mostra o efeito da faixa de preço: com 80.000 tokens, o prompt fica abaixo de 100 mil e paga o preço baixo. Com o repositório inteiro, a mesma chamada custaria US$ 0,46.

Passo 5: o que o preço não mostra

Encher a janela não é só questão de custo. A documentação da Anthropic diz que a precisão e a lembrança do modelo caem quando o número de tokens cresce. Ela chama isso de context rot. Mais contexto não é automaticamente melhor. Uma seleção bem feita pode dar respostas melhores e custar menos.

Outros pontos da documentação que mudam a conta:

• Tudo conta na janela. Prompt de sistema, mensagens, resultados de ferramentas, imagens, documentos e definições de ferramentas. A saída do turno, raciocínio incluído, também conta.
• Raciocínio antigo fica. No Opus 5.5, no Sonnet 5.5, no Haiku 5.5 e no Fable 5.1, a API mantém por padrão os blocos de raciocínio dos turnos anteriores. Numa conversa que acumula histórico, eles viram entrada nas chamadas seguintes.
• Cache não libera espaço. O prefixo guardado continua ocupando a janela. O cache muda o preço, não o tamanho.
• Tokenizador novo. Os modelos a partir do 4.7 usam um tokenizador que gera cerca de 30% mais tokens para o mesmo texto, segundo a página de preços. Uma estimativa feita com modelo antigo sai baixa.

Quando a chamada cheia faz sentido

Mandar o repositório inteiro não é desperdício em todo caso. Ele compensa quando:

• você ainda não sabe quais arquivos importam, como na primeira leitura de um sistema desconhecido;
• a pergunta depende de partes distantes do código, como um fluxo que passa por muitos módulos;
• montar a seleção custaria mais horas de trabalho do que a diferença na fatura.

No caso, a diferença entre o repositório inteiro com cache e a seleção é de US$ 2,79 nas 10 perguntas. Se a seleção leva uma hora para montar, a conta favorece mandar tudo. Se o trabalho se repete todo dia, com dezenas de perguntas, a seleção ganha. Depois da primeira rodada, use as respostas para descobrir quais arquivos o modelo de fato citou e corte o resto.

Erros comuns

• Passar do limite só com a entrada. Se o prompt sozinho passa da janela, a API devolve erro 400 ("prompt is too long"). Conte os tokens antes de mandar.
• Confundir o limite da saída. Nos modelos 4.5 em diante, entrada mais max_tokens pode passar da janela. A API aceita, e a geração para com stop_reason igual a model_context_window_exceeded se bater no teto.
• Pôr a pergunta antes do arquivo. O cache compara o começo da requisição. Se a pergunta vem primeiro, cada chamada tem um começo diferente e nada é reaproveitado.
• Mudar uma vírgula no arquivo entre perguntas. Qualquer mudança no trecho guardado obriga a gravar tudo de novo: US$ 2,25 por vez no Sonnet 5.5, no caso.
• Esquecer o degrau do Haiku 5.5. O limite de 100 mil soma todos os tokens de entrada da chamada, inclusive os lidos do cache.
• Mandar centenas de PDFs. Uma requisição aceita até 600 imagens ou páginas de PDF. O limite de tamanho da requisição pode chegar antes do limite de tokens.

Perguntas frequentes

Quanto custa mandar 1 milhão de tokens para o Claude?

Só a entrada, sem cache: US$ 2,00 no Sonnet 5.5, US$ 4,00 no Opus 5.5 e US$ 10,00 no Fable 5.1, pela tabela do site. No Haiku 5.5, a chamada passa da faixa de 100 mil e a entrada sai a US$ 0,50. A saída vem por cima.

Contexto longo tem preço mais alto no Claude?

Não, nos modelos com janela de 1 milhão, exceto o Haiku 5.5. Neles, a chamada de 900.000 tokens paga o mesmo preço por token de uma chamada curta. No Haiku 5.5, acima de 100 mil tokens, todos os preços da chamada sobem 5 vezes.

Vale mais a pena usar cache ou lote numa chamada cheia?

Para várias perguntas sobre o mesmo material, o cache rende mais. No caso, US$ 3,46 com cache contra US$ 9,20 em lote, no Sonnet 5.5. O lote ganha quando cada chamada traz um material diferente e a resposta pode esperar.

Quanto custa reler o repositório do cache?

No Sonnet 5.5, US$ 0,0900 por leitura dos 900.000 tokens. No Opus 5.5, US$ 0,1800. É a parte mais barata da conta.

Quanto fica o caso todo em reais?

No Sonnet 5.5, com cache de 5 minutos, cerca de R$ 17,35 pelas 10 perguntas. Sem cache, R$ 92,20. Pelo dólar de referência do site, sem impostos.

Mandar tudo de uma vez dá respostas melhores?

Nem sempre. A própria Anthropic avisa que a precisão cai quando o contexto cresce muito. Teste as duas estratégias com algumas perguntas antes de decidir. No caso, a seleção de 80.000 tokens custa US$ 0,68, contra US$ 3,46 do repositório inteiro com cache.

Quer ver se o seu material cabe e quanto custa? Use a calculadora de janela de contexto e, para as perguntas repetidas, a calculadora de cache de prompt.

Leia também: Janela de contexto: quantas páginas cabem em cada modelo