Como o faturamento da API Anthropic funciona de verdade

Resposta rápida: pelo que você realmente paga

A Anthropic cobra a API Claude por token, de forma pré-paga. Você compra créditos no console de desenvolvedor, e cada requisição debita esse saldo em três medidores: tokens de entrada (tudo que você envia), tokens de saída (tudo que o modelo gera, incluindo tokens de pensamento) e tráfego de cache de prompt (escritas custam 1.25x a taxa de entrada, leituras custam 0.1x). Não existe assinatura para a API em si, e uma assinatura Claude Pro ou Max não inclui créditos de API. Saída é o medidor caro. O Claude Sonnet 4.6 custa $3.00 por milhão de tokens de entrada e $15.00 por milhão de tokens de saída, uma diferença de 5x. O Claude Opus 4.7 custa $5.00 na entrada e $25.00 na saída. Se sua fatura estiver mais alta que o esperado, verifique o volume de saída e o crescimento do histórico de conversa antes de qualquer outra coisa.

Os três medidores: tokens de entrada, saída e cache

Entrada cobre mais do que a mensagem do usuário. O prompt de sistema, todo o histórico de conversa, definições de ferramentas, resultados de ferramentas e imagens contam como tokens de entrada em toda requisição que os inclui. Saída cobre tudo que o modelo escreve de volta, e em modelos com capacidade de raciocínio isso inclui tokens de pensamento que você talvez nunca mostre ao usuário. O cache de prompt é o terceiro medidor, e o que a maioria das equipes deixa sem usar. Você marca um prefixo estável (um prompt de sistema longo, um documento, uma lista fixa de ferramentas) com um breakpoint cache_control. A primeira requisição paga um prêmio de escrita de 1.25x a taxa de entrada para o cache padrão de 5 minutos; toda requisição que reutiliza o prefixo dentro da janela lê de volta a 0.1x. Um cache de 1 hora também está disponível, com taxa de escrita de 2x. Abaixo está a tabela completa de taxas para os dois modelos principais da Claude nos preços oficiais de tabela.

Um exemplo real: um chatbot, um dia

Pegue um chatbot de suporte no Claude Sonnet 4.6 nas taxas oficiais: 10,000 requisições por dia, cada uma carregando um prompt de sistema de 2,000 tokens mais 1,500 tokens de histórico e mensagem do usuário, respondida com uma resposta de 500 tokens. A tabela mostra a mesma carga de trabalho com e sem o prompt de sistema em cache. Sem cache, o dia custa $180.00, cerca de $5,400 por mês. Colocar o prompt de sistema em cache (assumindo cerca de 300 expirações de cache por dia na janela de 5 minutos) reduz para aproximadamente $128 por dia, cerca de $3,840 por mês. Note o que não mudou: o custo de saída. O cache só afeta a entrada, e é por isso que a disciplina de saída importa mais do que qualquer outra alavanca isolada.

Por que a Anthropic surpreende as equipes na fatura

Quatro padrões explicam a maioria das conversas do tipo "por que a fatura é várias vezes maior que o estimado". 1. Saída custa 5x a entrada, e pensamento conta como saída. As estimativas se ancoram na taxa de entrada porque é o número citado primeiro. Mas respostas longas, formatação verbosa e raciocínio estendido são todos cobrados na taxa de saída. Um modelo que raciocina por 3,000 tokens antes de responder em 500 cobra 3,500 tokens de saída para o que parece uma resposta curta. 2. O histórico é recobrado a cada turno. A API não guarda estado, então cada turno reenvia toda a conversa como entrada. Um chat com média de 20 turnos não custa 20x um único turno; custa muito mais, porque o turno 20 carrega os 19 turnos anteriores como entrada. O custo de entrada cresce aproximadamente com o quadrado do tamanho da conversa, a menos que você reduza ou resuma. 3. Assinaturas e créditos de API são coisas separadas. Claude Pro e Max cobrem os apps Claude, não a API. Equipes assumem que a assinatura absorve o tráfego de API, e depois descobrem que o console vinha silenciosamente debitando de um saldo pré-pago com recarga automática ativada. 4. Tudo na requisição é entrada, e atribuir o custo é difícil. Definições de ferramentas, resultados de ferramentas, imagens e prompts de sistema são cobrados como entrada em toda requisição que os inclui. Espalhe isso por várias chaves de API, ambientes e funcionalidades sem registro por chave, e ninguém consegue dizer qual funcionalidade gastou o dinheiro até a fatura chegar.

Anthropic vs OpenAI, lado a lado

Os dois provedores medem da mesma forma: por token, com taxas separadas de entrada e saída, créditos pré-pagos por padrão. As diferenças que realmente afetam sua fatura estão na mecânica de cache e nos controles de gasto. A divergência prática está no cache. A OpenAI aplica cache de prompt automaticamente, sem taxa de escrita e com desconto na parte em cache. A Anthropic exige que você posicione os breakpoints cache_control você mesmo, cobra um prêmio de escrita e devolve isso com leituras muito mais baratas, a 0.1x a taxa de entrada. Para cargas de trabalho com prompts longos e estáveis, o cache da Anthropic feito corretamente é a alavanca mais forte; feito errado (um timestamp no prompt de sistema, uma lista de ferramentas instável), ele silenciosamente nunca é acionado e você paga o preço cheio mais os prêmios de escrita.

Como estimar o custo da sua API Anthropic antes de lançar

Toda resposta da API inclui um objeto usage com input_tokens e output_tokens exatos, além de cache_creation_input_tokens e cache_read_input_tokens quando o cache está ativo. Esse objeto é a verdade absoluta. Tokenizadores client-side feitos para outros provedores subcontam tokens da Claude, então não estime com eles. O procedimento: envie algumas requisições representativas, leia o objeto usage e calcule a média das contagens. Depois aplique a fórmula: custo = (input_tokens / 1,000,000 x taxa de entrada) + (output_tokens / 1,000,000 x taxa de saída), mais os termos de escrita e leitura de cache se você usar cache. Multiplique pelo volume diário esperado, e para produtos com múltiplos turnos adicione margem de crescimento, porque o histórico aumenta a entrada a cada turno. A Anthropic também expõe um endpoint count_tokens se você quiser as contagens antes de enviar qualquer coisa.

curl https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-sonnet-4-6",
    "max_tokens": 1024,
    "messages": [{"role": "user", "content": "Summarize this ticket: ..."}]
  }'

# A resposta inclui a verdade absoluta para seu modelo de custo:
# "usage": {"input_tokens": 2412, "output_tokens": 486,
#           "cache_read_input_tokens": 0, "cache_creation_input_tokens": 0}

Cinco formas de reduzir sua fatura da API Anthropic

A quinta tática é onde um gateway se justifica. A APIsRouter é um gateway compatível com OpenAI que registra modelo, tokens de entrada, tokens de saída e o custo exato em dólares por requisição, por chave de API, para que cada funcionalidade ou ambiente tenha sua própria chave e sua própria linha na visualização de uso. Ela lista o Claude Sonnet 4.6 a $2.40 de entrada e $12.00 de saída por milhão de tokens e o Claude Opus 4.7 a $4.00 e $20.00, 20% abaixo do preço de tabela oficial, cobrado no modelo pay as you go sem assinatura; o primeiro depósito em /topup é dobrado. Apontar uma integração existente do SDK da OpenAI para lá é uma mudança de duas linhas:

• Coloque em cache seus prefixos longos e estáveis. Um prompt de sistema ou documento que se repete entre requisições cobra um décimo da taxa de entrada em cada leitura de cache após a primeira escrita.
• Reduza o histórico e limite max_tokens. Resuma ou descarte turnos antigos em vez de reenviá-los, e defina max_tokens para o que a tarefa precisa, para que uma resposta descontrolada não cobre milhares de tokens de saída extras.
• Roteie por tarefa, não por hábito. Reserve o Opus para as etapas que realmente precisam dele e envie classificação em massa, extração e rascunhos para modelos mais baratos, como deepseek-v4-flash ou glm-5.
• Coloque em lote tudo que for assíncrono. A API de Batches processa requisições em até 24 horas pela metade do preço, ideal para backfills, avaliações e jobs noturnos.
• Coloque visibilidade de custo por chave na frente do seu tráfego. A maioria das surpresas de faturamento é um problema de atribuição: ninguém consegue dizer qual funcionalidade ou cliente gastou o dinheiro até a fatura chegar.

from openai import OpenAI

client = OpenAI(
    api_key="sk-APIsRouter-...",
    base_url="https://api.apisrouter.com/v1",
)

response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[{"role": "user", "content": "Summarize this ticket: ..."}],
)

# As contagens de tokens voltam em toda resposta; o console do gateway
# também registra o custo exato desta requisição sob esta chave.
print(response.usage.prompt_tokens, response.usage.completion_tokens)

Perguntas frequentes