Tokens de raciocínio: quanto o thinking pesa na conta

Por que a saída custa mais do que você vê

Nos modelos atuais da Anthropic, o raciocínio vem ligado. A página oficial de raciocínio da Claude Platform mostra que, sem o campo thinking no pedido, o Opus 5.5, o Sonnet 5.5, o Haiku 5.5 e o Fable 5.1 já usam o raciocínio adaptativo. O modelo decide a cada pedido se vai pensar e quanto.

A documentação diz três coisas sobre a cobrança:

1. Os tokens de raciocínio são cobrados como saída. Isso vale mesmo quando o texto do raciocínio não volta para você.
2. O modo de exibição não muda a conta. Com display: "summarized", você vê um resumo. Com display: "omitted", não vê nada. Nos dois casos, paga o raciocínio inteiro que o modelo gerou. O resumo não tem custo extra.
3. O raciocínio conta para max_tokens. O teto de saída do pedido inclui o raciocínio e a resposta juntos.

A própria documentação avisa: o número de tokens de saída cobrados não bate com o que aparece na resposta.

Passo 1: meça o raciocínio real

A resposta da API traz o campo usage.output_tokens_details.thinking_tokens. Ele mostra quantos dos tokens de saída cobrados foram raciocínio. O total cobrado continua sendo output_tokens. Para ter só a parte da resposta, subtraia um do outro.

No caso deste guia, os números são de exemplo:

Antes de aplicar a conta ao seu caso, rode uma amostra de algumas centenas de chamadas e tire a média de thinking_tokens. O raciocínio muda muito de um pedido para outro. Uma pergunta simples pode vir sem raciocínio nenhum.

Passo 2: a conta por chamada e por mês

Premissa de exemplo: 2.000 e-mails por dia, em 22 dias úteis, ou 44.000 chamadas por mês. Preços pela tabela do site, atualizada em outubro de 2026.

No Haiku 5.5, o raciocínio responde por 60% do custo de cada chamada do exemplo. Em reais, pelo dólar de referência do site, o mês no Haiku 5.5 vai de R$ 88,17 para R$ 220,42.

O raciocínio pesa porque a saída custa várias vezes a entrada. No Haiku 5.5, um token de saída custa 5 vezes um token de entrada.

Passo 3: o raciocínio que fica na conversa

Numa conversa com vários turnos, há um segundo custo. Pela documentação, o Haiku 5.5, o Sonnet 4.6 e os Sonnet posteriores, o Opus 4.5 e os Opus posteriores e o Fable 5.1 mantêm no contexto os blocos de raciocínio de todos os turnos anteriores. Esses blocos são cobrados de novo como entrada, a cada turno. Os Haiku até o 4.5 e os Opus e Sonnet mais antigos guardam só o último turno e descartam o resto sozinhos.

Exemplo no Sonnet 5.5: uma conversa de 10 turnos, com 1.200 tokens de raciocínio por turno. No último turno, o contexto carrega 10.800 tokens de raciocínio antigo. Somando todos os turnos, são 54.000 tokens de entrada a mais na conversa.

A documentação diz que, nos modelos que guardam todos os turnos, o raciocínio antigo fica no cache junto com o resto do histórico. Com o cache bem montado, esse custo é pequeno. Sem cache, ele cresce a cada turno.

Se precisar de espaço na janela, a documentação indica a estratégia de limpeza de blocos de raciocínio, clear_thinking_20251015.

Passo 4: como reduzir o raciocínio

A alavanca principal é o esforço (output_config.effort). Os níveis vão de low a max. Pela documentação, o padrão é medium no Opus 5.5 e no Haiku 5.5 e high na maioria dos outros modelos.

Três avisos da documentação ajudam a não errar:

• Pedir no prompt nem sempre funciona. No Sonnet 5.5, pedir no prompt de sistema para pensar menos não reduz o raciocínio de forma confiável. No Haiku 5.5, mandar responder direto não impediu o raciocínio nos testes da Anthropic. Baixe o esforço.
• Mudar o esforço quebra o cache. O nível de esforço entra no prompt. Trocar de nível entre pedidos invalida os pontos de cache. Escolha um nível por conversa e mantenha.
• Esforço menor pode piorar a resposta. Teste a qualidade nos casos que importam antes de mudar em produção.

Quanto custa quebrar o cache por trocar o esforço? No Sonnet 5.5, com um prefixo de exemplo de 30.000 tokens, cada troca grava o prefixo de novo em vez de lê-lo. São US$ 0,0720 a mais por troca, ou US$ 72,00 a cada mil trocas.

Raciocínio no modelo pequeno ou modelo maior?

Uma dúvida comum é trocar o raciocínio por um modelo maior sem raciocínio inicial. No Sonnet 5.5, o modo between_tools desliga o raciocínio antes da resposta. A conta do exemplo ajuda a decidir:

• Haiku 5.5 com 1.200 tokens de raciocínio: US$ 0,00100 por chamada.
• Sonnet 5.5 sem raciocínio inicial (só a resposta): US$ 0,00800 por chamada.
• Sonnet 5.5 com o mesmo raciocínio: US$ 0,02000 por chamada.

Mesmo pensando, o Haiku 5.5 sai 8 vezes mais barato que o Sonnet 5.5 sem raciocínio, pelos preços do site. A escolha, então, é de qualidade, não de preço. Se o Haiku 5.5 acerta os seus e-mails, o raciocínio dele custa pouco. Se erra, o modelo maior pode compensar, mas a conta muda de patamar.

Passo 5: dimensione o max_tokens

Como o raciocínio conta para o teto, um max_tokens pensado só para a resposta pode cortar a chamada no meio. Com um teto de 1.024 tokens e 1.200 de raciocínio no exemplo, não sobraria espaço para os 300 tokens da resposta. A resposta vem com stop_reason: "max_tokens".

A documentação dá dois caminhos: subir o max_tokens ou baixar o esforço. Se a resposta precisava do raciocínio, suba o teto. Se o modelo pensou demais para uma tarefa simples, baixe o esforço.

Erros comuns

• Estimar a fatura só pela resposta visível. O raciocínio entra como saída. No exemplo, a saída cobrada é 5 vezes a visível.
• Achar que display: "omitted" economiza. Esconder o raciocínio não muda o que é cobrado.
• Ignorar o raciocínio antigo no histórico. Nos modelos que guardam todos os turnos, ele volta como entrada.
• Trocar o esforço no meio da conversa. Isso derruba o cache.
• Pedir no prompt para pensar menos e não medir. Confira thinking_tokens antes e depois.

Perguntas frequentes

O raciocínio do Claude é cobrado?

Sim, como tokens de saída. No exemplo, ele leva a chamada no Haiku 5.5 de US$ 0,00040 para US$ 0,00100.

Se eu esconder o raciocínio, pago menos?

Não. Com display: "omitted" ou "summarized", a cobrança é a mesma: o raciocínio inteiro que o modelo gerou.

Como saber quantos tokens foram de raciocínio?

Leia usage.output_tokens_details.thinking_tokens na resposta. Em streaming, esse dado chega só no último evento message_delta.

Quanto o raciocínio soma no mês?

No exemplo de 44.000 chamadas, o Haiku 5.5 vai de US$ 17,60 para US$ 44,00. No Sonnet 5.5, de US$ 352,00 para US$ 880,00.

Dá para desligar o raciocínio?

No Haiku 5.5, sim, com thinking: {type: "disabled"} no esforço high ou abaixo. No Sonnet 5.5, o mínimo é between_tools. No Opus 5.5 e no Fable 5.1, não. Neles, a saída é baixar o esforço.

O raciocínio dos turnos antigos é cobrado de novo?

Nos modelos que guardam todos os turnos, sim, como entrada. Numa conversa de 10 turnos no Sonnet 5.5, isso soma US$ 0,1080 sem cache e US$ 0,0054 com cache.

Quer fazer a conta com os seus números? Use a calculadora de custo de API de IA e some o raciocínio medido à saída.