Você paga quase dez vezes a mais pela IA. Veja como resolver

Quando um fundador me diz que a IA está comendo a margem dele, peço para ver uma coisa só: qual modelo responde a uma pergunta simples como cadê meu pedido. A resposta é quase sempre a mesma. O mais caro. O mesmo que escreve as análises complexas.

Isso é entregar pizza de limusine blindada. Chegar, chega, mas a conta nunca fecha. A boa notícia é que a maior parte do que você paga a mais some com quatro ajustes, e nenhum deles exige reescrever o seu produto.

Todos os números abaixo vêm da tabela oficial de preços da Anthropic em vigor em setembro de 2026. Os outros provedores seguem a mesma lógica, só mudam os valores.

Comece pela tabela de preços#

• Claude Opus 5: US$ 5 por milhão de tokens de entrada e US$ 25 por milhão de tokens de saída.
• Claude Sonnet 5: US$ 2 e US$ 10. A Anthropic também desistiu do aumento para US$ 3 e US$ 15 previsto para 1º de setembro, então o preço de lançamento virou o padrão.
• Claude Haiku 4.5: US$ 1 e US$ 5.

Duas coisas saltam aos olhos. A diferença entre o modelo mais caro e o mais barato é de cinco vezes. E, em todos eles, os tokens de saída custam cinco vezes mais que os de entrada. Toda a economia a seguir nasce desses dois fatos.

Vamos fazer as contas com um caso real#

Imagine um bot de atendimento que recebe 100.000 conversas por mês. Cada requisição carrega 8.000 tokens que nunca mudam (instruções, base de conhecimento, descrição das ferramentas), 500 tokens da pergunta do cliente e 400 tokens de resposta.

A configuração padrão: tudo vai para o Opus 5. Entrada: 850 milhões de tokens por US$ 4.250. Saída: 40 milhões de tokens por US$ 1.000. Total: US$ 5.250 por mês.

Agora vamos aplicar os ajustes um por um.

Ajuste 1. Mande o que é fácil para um modelo barato#

No atendimento, em geral quatro em cada cinco perguntas são rotineiras: status do pedido, devoluções, mudança de endereço. O Haiku dá conta delas tranquilamente. Casos difíceis, reclamações e tudo o que deixa o modelo em dúvida vão para o Opus. Quem decide é o próprio modelo barato ou um conjunto simples de regras, e na dúvida a requisição sobe um nível.

Na ponta do lápis: 80% do tráfego no Haiku custa US$ 840 e os 20% restantes no Opus, US$ 1.050. Total: US$ 1.890. Já ficou quase três vezes mais barato, e a qualidade nas perguntas difíceis não caiu, porque quem cuida delas continua sendo um modelo forte.

O mesmo princípio vale entre provedores: a rotina pode ir para o modelo adequado mais barato do mercado e o trabalho difícil, para o melhor. Só garanta que o roteador seja seu, e não um serviço de terceiros. Como mostra o relatório de ameaças mais recente da Anthropic, é justamente por esses intermediários que vazam conversas e chaves.

Ajuste 2. Pare de pagar duas vezes pela mesma coisa#

Esses 8.000 tokens de instruções e base de conhecimento são idênticos em todas as requisições, e sem cache você paga por eles 100.000 vezes. Com cache, o modelo lê esse trecho da memória e você paga só 10% do preço normal de entrada. Gravar no cache custa 1,25 vez o preço normal de entrada para um cache de cinco minutos e o dobro para um cache de uma hora. Ou seja, um cache de cinco minutos se paga já na segunda requisição.

Implementar isso sai quase de graça: na API da Anthropic você adiciona um único campo cache_control no nível superior da requisição e o sistema posiciona os pontos de cache sozinho. Só existe uma regra: tudo que é fixo vai no começo da requisição e tudo que muda, no final.

A conta: o Haiku agora custa US$ 264 e o Opus, US$ 330. Total: cerca de US$ 600, mais um pouco pela gravação no cache. Comparado aos US$ 5.250 do início, é quase nove vezes menos.

Ajuste 3. Tudo que não é urgente vai em lote#

Marcação de chamados durante a madrugada, resumos, tradução de catálogo, classificação de documentos. Se você não precisa do resultado agora, mande essas tarefas pela Batch API. Ela dá 50% de desconto na entrada e na saída, e o desconto se soma ao do cache. Para o trabalho que pode esperar, é mais uma tesourada que corta a conta pela metade.

Ajuste 4. Respostas mais curtas#

Como a saída custa cinco vezes mais que a entrada, o token mais caro é aquela palavra que sobra na resposta. Peça um formato estruturado em vez de uma redação, defina um limite de tamanho razoável e corte os rodeios educados que ninguém lê. Reduzir uma resposta de 400 para 250 tokens encolhe em quase 40% a parte da conta referente à saída.

Três armadilhas por onde o dinheiro escorre#

O novo tokenizador. Os modelos Claude a partir da versão 4.7 usam um tokenizador que, segundo a Anthropic, gera cerca de 30% mais tokens para o mesmo texto. Ao migrar para um modelo mais novo, refaça o orçamento em vez de comparar só o preço por milhão.

A janela de contexto sem fundo. Um contexto de um milhão de tokens é cobrado pela tarifa padrão nos modelos atuais, o que dá vontade de enfiar toda a sua documentação em cada requisição. Não faça isso. Carregue só os trechos necessários, o resto é dinheiro jogado fora.

As ferramentas do agente. A busca na web pela API custa US$ 10 a cada mil buscas, fora os tokens. Baixar páginas não tem cobrança à parte, mas tudo o que é baixado vira token de entrada. Um agente que faz dez buscas por pergunta logo vira o item mais pesado da sua fatura.

Por onde começar amanhã#

• Meça os tokens de cada funcionalidade do seu produto. A resposta da API já traz a contagem de tokens de entrada, de saída e em cache.
• Encontre as três funcionalidades mais caras e veja qual modelo atende cada uma.
• Ative o cache em todas as requisições com instruções longas.
• Passe as requisições rotineiras para um modelo barato e compare a qualidade em cem exemplos reais.
• Jogue para o processamento em lote tudo o que pode esperar.

A própria documentação da Anthropic recomenda exatamente isso: tarefas simples no Haiku, a maior parte das cargas de produção no Sonnet, o raciocínio mais difícil no Opus, além de cache e lotes. A única diferença é que a maioria dos times passa batido por esse conselho.

IA não é cara. Caro é mandar toda pergunta para a pessoa mais inteligente da empresa.