Tokens e palavras em português: por que o mesmo texto custa mais

1. O que é um token

Modelos de linguagem não leem letras nem palavras. Antes de chegar ao modelo, o texto passa por um tokenizador, que o corta em pedaços chamados tokens. Um token pode ser uma palavra inteira, um pedaço de palavra, um sinal de pontuação ou um espaço grudado na palavra seguinte.

O tokenizador tem um vocabulário fixo de pedaços. Sequências que estão no vocabulário viram um token só; o resto é quebrado em vários pedaços menores. Por isso o mesmo conteúdo pode gerar números bem diferentes de tokens conforme o idioma, o assunto e o modelo. Nas médias que o calc.dev.br usa, o português sempre rende menos caracteres por token que o inglês.

E é o token que a API cobra: o preço de todos os modelos é dado por milhão de tokens de entrada e por milhão de tokens de saída.

2. Quantos caracteres cabem num token

O calc.dev.br estima tokens pela média de caracteres por token de cada tokenizador e idioma. Essas médias estão no arquivo de preços do site e são as mesmas usadas no contador de tokens e no conversor de tokens em palavras:

Quanto menos caracteres por token, mais tokens o mesmo texto gera. Duas coisas saltam da tabela:

• O português rende menos que o inglês em todos os tokenizadores.
• Os modelos Claude 5.x geram mais tokens que o Claude Haiku 4.5 para o mesmo texto. A Anthropic informa, na página de preços, que o tokenizador usado do Claude 4.7 em diante produz cerca de 30% mais tokens para o mesmo texto. O preço por token não conta a história inteira: é preciso saber quantos tokens o seu texto vira em cada modelo.

3. De palavras para tokens

Para converter palavras em tokens, a conta usa também o tamanho médio da palavra. Em português, adotamos 6,0 caracteres por palavra, contando o espaço; em inglês, 5,7.

Para as 3 milhões de palavras das apostilas:

O mesmo número de palavras em português gera de 20% a 23% mais tokens que em inglês. É uma comparação de volume igual de palavras; numa tradução real, o número de palavras também muda de um idioma para o outro.

Na outra direção, 1 milhão de tokens em português equivale a cerca de 600.000 palavras no GPT-5.6, 425.000 nos Claude 5.x e 550.000 no Haiku 4.5. É útil para saber quanto texto cabe na janela de contexto de 1 milhão de tokens: no Claude Opus 5.5, cerca de 850 páginas de 500 palavras.

4. A conta das 2.000 apostilas

Agora o preço. Cada apostila vai numa chamada própria: 1.500 palavras de entrada e um resumo de 300 palavras de saída, convertidos pelo tokenizador de cada modelo. Somando as 2.000 chamadas:

Por apostila, o custo vai de US$ 0,0005 a US$ 0,0706. São valores pequenos para um trabalho feito uma vez. Mas o mesmo raciocínio vale para um produto que processa textos todos os dias, e aí a diferença de tokens entre idiomas e tokenizadores vira dinheiro todo mês.

Compare com o mesmo volume de palavras em inglês no Claude Opus 5.5: US$ 47,17, contra US$ 56,47 em português. A diferença, de 20%, é o "imposto do idioma" de quem trabalha em português.

5. A saída pesa mais que a entrada

Repare na tabela: a saída tem cinco vezes menos tokens que a entrada, mas não custa cinco vezes menos. Em todos os modelos do calc.dev.br, o token de saída é de 5 a 6 vezes mais caro que o de entrada. No Claude Opus 5.5, por exemplo, a entrada custa US$ 4,00 e a saída, US$ 20,00 por milhão de tokens.

Por isso, em português, pedir respostas mais curtas economiza mais que encurtar o prompt. Um resumo de 300 palavras em vez de 500 corta 40% da saída, a parte mais cara de cada chamada. Em produtos de chat, limitar o tamanho máximo da resposta é a primeira medida de custo.

6. Estimativa ou contagem exata?

As médias de caracteres por token servem para planejar, mas não substituem a contagem real. Textos técnicos, com números, siglas, nomes próprios ou código, geram mais tokens que a média.

Para cobrança exata, há dois caminhos:

• Antes de enviar: a Anthropic oferece um endpoint de contagem de tokens gratuito. A documentação recomenda recontar o prompt no modelo que você vai usar, sem reaproveitar contagens feitas em modelos anteriores ao Claude 4.7, por causa do tokenizador novo.
• Depois de enviar: as respostas das APIs trazem o número real de tokens de entrada e de saída no campo de uso. Somar esses campos durante uma semana de teste dá a média real do seu produto.

7. Quanto da janela de contexto uma apostila ocupa

Outra pergunta comum de quem processa documentos: dá para mandar várias apostilas numa chamada só? Uma apostila de 1.500 palavras em português tem cerca de 3.529 tokens nos modelos Claude 5.x e 2.500 no GPT-5.6. A janela de contexto do Claude Opus 5.5 é de 1.000.000 tokens, que comporta, em tese, umas 283 apostilas de uma vez.

Na prática, juntar tudo numa chamada raramente é a melhor ideia para resumos individuais. O preço por token é o mesmo, então não há economia na entrada, e a saída máxima por resposta (128.000 tokens no Opus 5.5) limita quantos resumos cabem numa resposta. Chamadas separadas, uma por apostila, também deixam refazer só o resumo que saiu ruim.

8. Dá para pagar menos pelo mesmo trabalho

Duas ferramentas de preço servem bem a um trabalho como este, que não tem pressa:

• Batch API. A Anthropic cobra 50% menos na entrada e na saída de requisições processadas em lote, de forma assíncrona. No Claude Opus 5.5, as 2.000 apostilas sairiam por cerca de US$ 28,24 em vez de US$ 56,47.
• Cache das instruções. Se cada chamada começa com as mesmas instruções de resumo (formato, tom, tamanho), esse trecho pode ir para o cache e ser cobrado a uma fração do preço nas chamadas seguintes. Só compensa se as instruções passarem do tamanho mínimo do cache do modelo: 512 tokens no Opus 5.5, 4.096 no Haiku 4.5.

Nenhuma das duas muda a contagem de tokens do português. Elas mudam o preço de cada token.

9. O que fazer com isso

• Orce em tokens, não em palavras. Converta o seu volume com o tokenizador do modelo que vai usar.
• Compare modelos pelo custo do trabalho, não pelo preço por milhão. Um preço por token menor pode perder para um tokenizador que gera menos tokens.
• Controle a saída. Ela é o token mais caro e, em português, também é longa.
• Meça com o seu texto. Cole uma amostra real no contador de tokens e confirme com a contagem da API antes de fechar o orçamento.

Perguntas frequentes

Quantos tokens tem uma palavra em português?

Em média, 1,7 token por palavra no GPT-5.6 e 2,4 nos modelos Claude 5.x, pelas médias do calc.dev.br.

Escrever o prompt em inglês economiza?

Economiza tokens no prompt, já que o inglês rende mais por token. Mas se a resposta precisa sair em português, a saída, que é a parte mais cara, continua em português.

Por que o mesmo texto dá números diferentes no GPT e no Claude?

Porque cada fornecedor usa um tokenizador próprio, com um vocabulário de pedaços diferente. Até modelos do mesmo fornecedor podem usar tokenizadores diferentes.

Para converter o seu volume, use o conversor de tokens em palavras abaixo, já preenchido com as 3 milhões de palavras deste caso.