Preço do Claude caiu até 10 vezes por token, mas a margem de quem constrói sobre a API não cresceu igual

O corte que aparece na tabela, não no anúncio

A Anthropic não fez um press release de corte de preço. A mudança está na documentação de pricing (docs.anthropic.com/en/docs/about-claude/pricing), na tabela comparativa entre gerações de modelo. É ali, não em nenhuma nota de imprensa, que quem cobra por uso de LLM↳LLMs48 conteúdosConsiderações básicas de hardware para modelos de linguagem em código aberto: Memória, Desempenho e ViabilidadeMarketing Tech · out 2025Modelos de linguagem sob ataque: o lado obscuro da IA generativaDevSecOps · mai 2025Criando um LLM – modelo de linguagem de grande escala – do zero com TransformersAI · abr 2024Ver tudo em AI → precisa ler os números antes de fechar o próximo contrato com cliente.

E a leitura correta não é "Claude ficou mais barato". É mais específica: ficou muito mais barato em um segmento e continua caro, de propósito, em outro. Essa diferença é a aposta estratégica por trás da tabela, e é ela que muda a conta de quem constrói produto em cima da API.

Onde o preço realmente despencou

O corte mais agressivo está no Claude Haiku. A geração 4.5 cobra $1/MTok de input e $5/MTok de output. A geração 5.5, para prompts de até 100.000 tokens, cobra $0.10/MTok de input e $0.50/MTok de output. É um corte de 10 vezes nos dois lados.

Um exemplo simples ilustra o tamanho disso: um produto que processa 100 milhões de tokens de input por mês em tarefa de classificação ou roteamento pagava $100 na geração 4.5. Na 5.5, paga $10. Isso não é ajuste fino de preço, é reformulação de que tipo de produto vira viável rodar em volume.

O Sonnet também caiu, mas de forma mais modesta: de $3/$15 por MTok (Sonnet 4.6) para $2/$10 (Sonnet 5.5), queda de um terço. O Opus caiu de $15/$75 na versão 4 original para $4/$20 na 5.5, uma redução de quase 75% ao longo das gerações.

Onde o preço não mexeu (e por que isso é a parte importante)

Claude Fable 5.1 e Claude Mythos 5.1, os modelos de topo de linha da Anthropic hoje, cobram $10/MTok de input e $50/MTok de output. É exatamente o mesmo preço das versões anteriores, Fable 5 e Mythos 5. Nenhum corte ali.

Em resumo: a Anthropic comoditiza a camada de tarefa repetitiva (classificação, extração, roteamento, onde o Haiku vive) e defende o preço da camada de raciocínio de ponta (onde Fable e Mythos vivem). Isso não é acidente de planilha, é segmentação de mercado: quem compete por volume de produção corta preço, quem compete por capacidade única mantém margem.

Para quem decide arquitetura de produto, a implicação é direta: a economia de escala do LLM não é uniforme. Ela aparece com força total só para quem consegue empurrar a carga de trabalho para o modelo mais barato sem perder qualidade suficiente para o caso de uso.

O tokenizer novo cobra parte da conta de volta

A própria documentação tem uma nota que muda a leitura do corte: modelos a partir da série 4.7 (incluindo Sonnet 5.5, Opus 5.5 e o Mythos Preview) usam um tokenizer novo que gera aproximadamente 30% mais tokens para o mesmo texto, em comparação com o tokenizer anterior usado até o Sonnet 4.6.

Isso significa que o corte nominal de preço por token não se traduz, um para um, em corte de custo por tarefa. Fazendo a conta: se o Sonnet 4.6 cobra $3/MTok de input e o Sonnet 5.5 cobra $2/MTok mas precisa de 30% mais tokens para processar o mesmo texto, o custo efetivo por aquele texto fica em torno de $2,60, não $2. A economia real cai de 33% para algo perto de 13%.

Essa não é uma conta que a Anthropic esconde, está documentada. Mas é uma conta que o founder precisa fazer sozinho, porque nenhum card de pricing mostra o custo por tarefa real, só o custo por token nominal.

As multiplicadoras que ninguém calcula no pitch deck

O preço base por token é só o ponto de partida. A tabela de pricing lista pelo menos quatro multiplicadores que mudam o custo final de um request, e que raramente entram no modelo financeiro de quem está validando unit economics:

• Residência de dados: usar inference_geo: "us" para garantir que a inferência fique nos EUA adiciona um multiplicador de 1.1x sobre todas as categorias de token, incluindo cache. Para quem atende cliente com exigência contratual de dado nos EUA (financeiro, saúde), isso é custo fixo, não opcional.
• Fast mode: no Opus 5.5, o modo rápido cobra $8/MTok de input e $40/MTok de output, o dobro do preço padrão ($4/$20). É uma segunda linha de produto dentro do mesmo modelo, para quem precisa de latência baixa em feature voltada ao cliente final.
• Cache: um acerto de cache custa 10% do preço de input padrão na maioria dos modelos, mas cai para 5% no Opus 5.5 e Sonnet 5.5, e para 2,5% no Fable 5.1 e Mythos 5.1. Arquitetura com prompt longo reutilizado (system prompt grande, histórico de conversa) muda de custo dependendo de qual modelo está por trás.
• Batch: processamento assíncrono dá 50% de desconto fixo em input e output, em qualquer modelo da tabela. Não funciona com fast mode, mas é o desconto mais simples de capturar para qualquer workload que não precisa de resposta em tempo real.

Quem roda em Amazon Bedrock ou Microsoft Foundry via marketplace tem uma camada a mais: o faturamento usa Claude Consumption Units, convertidas a $0.01 por CCU a partir do preço padrão em dólar. Desconto negociado aparece como "menos CCUs medidas", não como percentual visível na fatura, o que torna mais difícil para o time financeiro auditar o impacto real de qualquer acordo enterprise.

O contraponto: desconto de hoje pode ser subsídio de guerra

O argumento mais forte contra tratar esse corte como ganho permanente de margem é simples: preço de commodity caindo 10 vezes em uma geração de modelo não é necessariamente custo de inferência caindo 10 vezes. Pode ser também disputa de mercado, com a Anthropic, a OpenAI e o Google competindo para ser a camada barata que processa o volume de produção de quem constrói produto de IA.

Se for isso, o preço de hoje não é piso estrutural, é posição tática. Um founder que constrói todo o modelo de margem do produto em cima do Haiku a $0.10/MTok corre o risco de ver esse número subir de novo se a pressão competitiva mudar, ou se o modelo específico for descontinuado e substituído por um sucessor com pricing diferente, como já aconteceu entre gerações nesta própria tabela.

A defesa contra esse risco não é ignorar o corte, é não embutir o preço atual em contrato de longo prazo com cliente final sem cláusula de reajuste. Separar preço de custo de infraestrutura do preço cobrado do cliente dá margem de manobra para a próxima mudança na tabela, seja ela corte ou alta.

O que muda pra quem decide

A tabela de pricing da Anthropic dá a quem constrói sobre a API três decisões concretas, não uma só. Primeiro, segmentar tarefa por modelo: classificação, extração e roteamento de alto volume migram para Haiku, onde o corte é real e grande; raciocínio complexo e trabalho agente de longo prazo seguem em Opus ou Fable, onde a Anthropic não baixou o preço e não vai competir em custo ali.

Segundo, separar o que é tempo real do que não é. Qualquer workload que tolera atraso (geração de relatório, processamento em lote, enriquecimento de dado) vai para o Batch API e já embute 50% de desconto, sem precisar negociar nada. Terceiro, modelar o custo por tarefa, não por token: o tokenizer novo cobra de volta parte do corte nominal, e caching, fast mode e residência de dados mudam a conta final mais do que a linha de preço no topo da tabela.

Quem só olha o número grande ($2/MTok, $0.10/MTok) está lendo a metade da história que a Anthropic conta. A outra metade está nas notas de rodapé, e é lá que mora a margem real do produto.

Fonte: Anthropic — Pricing & Release Notes (docs oficiais)