Faturamento da API Claude: o que cada modelo custa em 2026

Resposta rápida: como funciona o faturamento da Claude

O faturamento da API Claude é pré-pago e medido por token. Você carrega créditos no Console da Anthropic, e cada requisição debita tokens de entrada (tudo que você envia: prompt de sistema, histórico de conversa, definições de ferramentas) a uma taxa e tokens de saída (tudo que o modelo escreve de volta, incluindo tokens de pensamento em requisições com raciocínio estendido) a uma taxa maior. Cada tier de modelo tem seu próprio par de taxas, então a mesma requisição custa cinco vezes mais no Opus 4.7 do que no Haiku 4.5. Três mecânicas pegam a maioria das pessoas de surpresa. Primeiro, a saída custa cinco vezes o preço da entrada em todo tier atual da Claude, então respostas longas dominam cargas de trabalho com entradas pequenas. Segundo, o chat não guarda estado: cada turno reenvia todo o histórico como entrada, então o custo por mensagem cresce conforme a conversa fica mais longa. Terceiro, o cache de prompt e a Batch API são recursos de faturamento, não apenas de performance, e usá-los muda quanto você paga por token. O restante desta página cobre os preços exatos por modelo, como estimar uma requisição antes de enviá-la, a matemática do cache e as alavancas que de fato reduzem uma fatura da Claude.

Tabela de preços da Claude: tabela oficial vs gateway

Estes são os preços atuais em USD por milhão de tokens para os três tiers ativos da Claude. A coluna oficial é o que a Anthropic cobra pelo Console; a coluna gateway é o custo dos mesmos modelos pela APIsRouter, um gateway compatível com OpenAI que lista modelos globais 20% abaixo do preço oficial, dobra seu primeiro depósito com um bônus de saldo de 100% e vende acesso pay-as-you-go sem assinatura (pague em /topup, a chave chega por e-mail). Seja qual for a rota de faturamento, a medição é idêntica: a mesma requisição consome as mesmas contagens de tokens, e os IDs dos modelos (claude-opus-4-7, claude-sonnet-4-6) permanecem explícitos em toda chamada.

Estime uma requisição antes de enviá-la

Um token equivale a aproximadamente quatro caracteres ou três quartos de uma palavra em inglês, então 1,000 palavras de prompt são cerca de 1,300 tokens. Para estimar uma requisição, some tudo que está na entrada (prompt de sistema, histórico, a nova mensagem do usuário) e estime o tamanho da resposta. Exemplo prático no Sonnet 4.6 nas taxas oficiais: um turno de chat com um prompt de sistema de 1,500 tokens, 5,500 tokens de histórico acumulado e uma resposta de 500 tokens. A entrada é de 7,500 tokens, que custa 7,500 / 1,000,000 x $3.00 = $0.0225. A saída é de 500 tokens a $15.00 por milhão, o que dá $0.0075. Total: $0.03 para esse turno. A 300 turnos assim por dia, você chega perto de $9.00 por dia, cerca de $270 por mês, e o termo de histórico continua crescendo a menos que você o reduza. A mesma aritmética funciona para qualquer modelo: troque pelas taxas da tabela acima. Um helper de três linhas torna isso repetível:

PRICES = {  # USD por 1M tokens, tabela oficial
    "claude-opus-4-7": (5.00, 25.00),
    "claude-sonnet-4-6": (3.00, 15.00),
    "claude-haiku-4-5": (1.00, 5.00),
}

def cost(model: str, input_tokens: int, output_tokens: int) -> float:
    in_rate, out_rate = PRICES[model]
    return input_tokens / 1e6 * in_rate + output_tokens / 1e6 * out_rate

print(round(cost("claude-sonnet-4-6", 7_500, 500), 4))  # 0.03
print(round(cost("claude-opus-4-7", 7_500, 500), 4))    # 0.05

Matemática do cache de prompt: quando vale a pena

A Anthropic precifica prefixos em cache com dois multiplicadores sobre a taxa de entrada base: escrever um prefixo no cache custa 1.25x (para o cache padrão de 5 minutos, renovado toda vez que é acionado; um cache de 1 hora custa 2x para escrever), e lê-lo de volta em requisições posteriores custa 0.1x. Tokens de saída não são afetados. Prefixos abaixo do tamanho mínimo cacheável (1,024 tokens no Opus e no Sonnet) não são colocados em cache de forma alguma. Exemplo prático: um prefixo estável de 8,000 tokens (prompt de sistema mais definições de ferramentas) acionado 50 vezes dentro da janela de cache no Sonnet 4.6. Sem cache, são 400,000 tokens de entrada a $3.00 por milhão, ou seja, $1.20. Com cache, você paga uma escrita (8,000 tokens a $3.75 por milhão, $0.03) mais 49 leituras (392,000 tokens a $0.30 por milhão, cerca de $0.12), aproximadamente $0.15 no total. O custo do prefixo cai para cerca de um oitavo da cifra sem cache. O ponto de equilíbrio chega rápido: uma escrita custa 1.25x, uma leitura economiza 0.9x, então um prefixo reutilizado mesmo duas vezes dentro da janela já sai ganhando. O cache só perde dinheiro quando os prefixos mudam em quase toda requisição, porque cada mudança força uma nova escrita a 1.25x.

Audite o que foi cobrado: o objeto usage

Toda resposta da Claude inclui um bloco usage com as contagens exatas de tokens pelas quais você foi cobrado, então você nunca precisa adivinhar. Envie uma chamada de teste medida:

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": 200,
    "messages": [
      {"role": "user", "content": "Explain prompt caching in one line."}
    ]
  }'

Seis formas de reduzir uma fatura da Claude

Aplicados juntos em uma carga de trabalho estilo chat, roteamento por tier mais redução de histórico mais cache geralmente cortam mais custo do que trocar de provedor de faturamento algum dia conseguiria, porque eles reduzem as próprias contagens de tokens em vez da taxa aplicada a elas.

• Desça de tier quando a qualidade permitir. O Haiku 4.5 lida com classificação, roteamento e extração a um quinto da taxa de entrada do Opus. Reserve o Opus 4.7 para a fração de tráfego que exige raciocínio pesado e use o Sonnet 4.6 como padrão.
• Limite max_tokens. A saída custa cinco vezes a entrada em todo tier da Claude, então uma resposta divagante sem limite é o modo de falha mais caro. Defina um teto que combine com a tarefa.
• Reduza ou resuma o histórico. Como cada turno reenvia toda a conversa, um resumo contínuo que substitui turnos antigos limita o crescimento da entrada em vez de deixá-lo subir linearmente.
• Coloque em cache prefixos estáveis. Prompts de sistema, schemas de ferramentas e documentos de referência acima de 1,024 tokens devem ser marcados para cache; a matemática da seção anterior se aplica a toda chamada repetida.
• Use a Batch API para trabalho offline. A Anthropic cobra requisições em lote pela metade da taxa interativa, o que serve bem para rodadas de avaliação, backfills e jobs noturnos que toleram resultados com atraso.
• Roteie etapas que não são críticas para a Claude para outro lugar. Rascunhos, marcação e reranking de recuperação costumam funcionar bem no deepseek-v4-flash a $0.126 / $0.252 por milhão de tokens, deixando a Claude para a prosa final onde sua qualidade importa.

Perguntas frequentes