Claude Sonnet 5: preço promocional até 31 de agosto muda o custo por tarefa? Faça a conta antes de migrar

O Claude Sonnet 5 custa menos por token até 31 de agosto de 2026, mas isso não basta para concluir que a migração ficará mais barata. O modelo usa um novo tokenizer, pode consumir mais tokens para processar o mesmo texto e ativa pensamento adaptativo por padrão. Se a mudança aumentar saídas, chamadas de ferramentas, tentativas ou revisão humana, a tarefa pode encarecer mesmo durante a promoção.

A decisão mais segura é testar agora, mas calcular o orçamento com o preço que entra em vigor em 1º de setembro de 2026. A promoção serve para reduzir o custo do piloto, não para justificar sozinha uma migração permanente.

O preço promocional reduz todas as tarifas em um terço

O Sonnet 5 foi anunciado em 30 de junho de 2026. Na API da Anthropic, o preço introdutório é de US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída até 31 de agosto. A partir de 1º de setembro, os valores passam a US$ 3 e US$ 15, respectivamente.

O cache segue a mesma mudança proporcional:

MTok significa um milhão de tokens. A gravação no cache de cinco minutos custa 1,25 vez o preço normal de entrada; a gravação por uma hora custa duas vezes; uma leitura custa 10% do preço normal de entrada.

Em 1º de setembro, portanto, cada uma dessas tarifas aumenta 50%. Isso não significa que o custo total da tarefa também subirá 50%, porque salários, revisão humana, infraestrutura e ferramentas externas não acompanham automaticamente o preço do token.

O novo tokenizer muda a comparação com o Sonnet 4.6

O preço padrão do Sonnet 5 será igual ao do Sonnet 4.6: US$ 3 por milhão de tokens de entrada e US$ 15 por milhão de saída. A diferença é que o Sonnet 5 usa um tokenizer novo.

Segundo a documentação da Anthropic, o mesmo texto gera aproximadamente 30% mais tokens no Sonnet 5 do que no Sonnet 4.6. O anúncio de lançamento apresenta uma faixa de aproximadamente 1 a 1,35 vez, dependendo do tipo de conteúdo. A própria empresa recomenda recontar os prompts no novo modelo em vez de reutilizar medições anteriores.

Em uma simplificação na qual entrada, saída e cache mantêm a mesma composição:

• durante a promoção, um aumento de 30% na quantidade de tokens combinado a uma redução de um terço no preço produz um custo aproximado de 86,7% do anterior;
• depois da promoção, esse mesmo aumento de tokens pode elevar em cerca de 30% o custo de uma solicitação equivalente;
• para neutralizar esse aumento após 31 de agosto, o Sonnet 5 teria de reduzir em aproximadamente 23% o volume ponderado de tokens, chamadas ou retrabalho por tarefa aprovada.

Essa conta não prova que o Sonnet 5 será mais barato ou mais caro no seu fluxo. Ela mostra apenas o ponto de equilíbrio. Uma melhora de qualidade pode eliminar tentativas, resumir etapas ou reduzir revisão. O efeito oposto também é possível.

Pensamento adaptativo e esforço precisam ficar fixos no teste

Uma troca direta do identificador do modelo pode alterar o consumo. No Sonnet 4.6, solicitações sem configuração de pensamento podiam ser executadas sem esse recurso. No Sonnet 5, o pensamento adaptativo é ativado por padrão, e o limite de saída inclui tanto o pensamento quanto o texto da resposta.

O parâmetro de esforço também influencia texto, pensamento, argumentos de funções e quantidade de chamadas de ferramentas. O Sonnet 5 usa esforço alto por padrão na API e no Claude Code. Para uma comparação válida, registre e fixe o nível de esforço dos dois fluxos. Alterá-lo no meio de uma conversa com cache também pode invalidar o prefixo armazenado.

Há ainda duas mudanças operacionais que podem produzir falhas ou retrabalho durante a migração: o Sonnet 5 não aceita valores não padrão para temperature, top_p e top_k, e o modo manual de pensamento estendido com orçamento fixo foi removido. Solicitações incompatíveis retornam erro e devem ser ajustadas antes de medir o custo.

Calculadora de custo por tarefa

Use cinco grupos de tokens:

Entrada nova: instruções e conteúdo que não vieram do cache.

Saída: todos os tokens de resposta registrados pela API, incluindo os efeitos do nível de esforço e das etapas com ferramentas.

Gravação de cache de cinco minutos: prefixos armazenados com a duração padrão.

Gravação de cache de uma hora: prefixos armazenados com duração estendida.

Leitura de cache: tokens recuperados de um prefixo já armazenado.

A resposta da API separa esses valores nos campos input_tokens, cache_creation_input_tokens, cache_read_input_tokens e output_tokens. O total de entrada processada é a soma da entrada nova com gravações e leituras de cache.

A fórmula básica é:

Custo da API em dólares =
(entrada × preço de entrada + saída × preço de saída + gravação 5 min × preço de gravação 5 min + gravação 1 h × preço de gravação 1 h + leitura × preço de leitura) ÷ 1.000.000

Custo do retrabalho = custo das execuções adicionais necessárias para obter uma tarefa aprovada.

Custo da revisão humana = minutos de revisão ÷ 60 × custo-hora completo do revisor.

Custo total da tarefa em reais = custo da API em dólares × câmbio efetivo + revisão humana + ferramentas externas + taxas e impostos não incluídos no preço da API.

O melhor método é somar os tokens realmente consumidos pelas novas tentativas. Quando isso ainda não estiver instrumentado, use temporariamente:

API com retrabalho = custo da primeira execução × (1 + taxa de retrabalho)

Essa aproximação é conservadora quando a segunda tentativa repete apenas uma parte do fluxo.

Como amortizar o cache

Considere um prefixo compartilhado de 40 mil tokens usado por seis tarefas dentro da duração do cache. A primeira tarefa grava os 40 mil tokens; as cinco seguintes fazem a leitura.

Na média por tarefa:

• gravação amortizada: 40.000 ÷ 6 = 6.666,67 tokens;
• leitura amortizada: 40.000 × 5 ÷ 6 = 33.333,33 tokens.

Não conte os 40 mil tokens como entrada normal em todas as chamadas. Também não suponha que haverá cache hit: o prefixo precisa permanecer idêntico, a chamada deve ocorrer dentro da duração e determinadas mudanças de configuração podem invalidá-lo.

Três cenários reproduzíveis

Os cenários abaixo não são benchmarks do Sonnet 5. São exemplos de preenchimento da calculadora.

Foi usada a PTAX de venda de R$ 5,1154 por dólar, publicada pelo Banco Central para 5 de agosto de 2026. A conversão real da fatura pode ser diferente por causa do dia de liquidação, cartão, marketplace, impostos e contrato.

A revisão humana foi calculada com uma premissa editável de R$ 60 por hora.

Cenário 1 — Triagem curta em lote

Entrada nova de 2.500 tokens, saída de 600 tokens e prefixo compartilhado de 12 mil tokens. São consideradas 20 tarefas dentro do cache de cinco minutos, 5% de retrabalho e um minuto de revisão por tarefa.

Cenário 2 — Relatório com documentos

Entrada nova de 18 mil tokens, saída de 3.500 tokens e prefixo compartilhado de 40 mil tokens. São consideradas seis tarefas dentro do cache de uma hora, 15% de retrabalho e cinco minutos de revisão.

Cenário 3 — Agente multi-etapas

Entrada nova de 60 mil tokens, saída de 12 mil tokens e prefixo compartilhado de 80 mil tokens. São consideradas quatro tarefas dentro do cache de uma hora, 35% de retrabalho e 12 minutos de revisão.

Composição do custo da API durante a promoção

O campo “cache” reúne a gravação amortizada e as leituras. O retrabalho foi aplicado a toda a execução apenas para manter os exemplos reproduzíveis. Em produção, substitua essa porcentagem pelos tokens reais das tentativas adicionais.

Custo completo por tarefa

Nos três exemplos, a API fica 50% mais cara em setembro, mas o custo completo da tarefa aumenta cerca de 3,7%, 5,5% e 8%, respectivamente. O trabalho humano absorve a maior parte do orçamento.

Leitura visual do custo promocional

Triagem curta: API ██ 7% | revisão humana ████████████████████ 93%

Relatório: API ██ 11% | revisão humana ██████████████████ 89%

Agente multi-etapas: API ███ 16% | revisão humana █████████████████ 84%

O gráfico deixa visível o risco da comparação por milhão de tokens: uma pequena mudança no tempo de revisão pode superar toda a economia da promoção.

No cenário do relatório, por exemplo, reduzir a revisão de cinco para quatro minutos economizaria R$ 1 por tarefa. Isso é mais do que o custo integral da API mesmo depois da promoção, estimado em cerca de R$ 0,92.

Quando o Sonnet 5 vale a pena

Migrar agora tende a fazer sentido quando o teste mostra que o modelo mantém ou melhora a taxa de aprovação na primeira tentativa, reduz passos do agente ou diminui materialmente o tempo de revisão. O cálculo deve continuar favorável com os preços de setembro.

Esperar ou limitar a migração a um piloto é mais prudente quando:

• a economia aparece apenas com o preço promocional;
• o fluxo ainda não registra separadamente entrada, saída e cache;
• a nova tokenização está truncando respostas ou estourando orçamentos;
• pensamento adaptativo ou esforço alto aumentam chamadas sem ganho medido;
• erros de compatibilidade estão gerando novas tentativas;
• o tempo de revisão cresce, mesmo com queda no gasto da API.

O preço promocional oferece margem para experimentar. Ele não reduz o risco de ficar preso a um fluxo que deixa de fechar a conta em 1º de setembro.

Como medir durante sete dias

Registre uma linha para cada tarefa, e não apenas para cada requisição:

1. identificador e tipo da tarefa;
2. modelo e nível de esforço;
3. tokens de entrada sem cache;
4. tokens gravados no cache de cinco minutos;
5. tokens gravados no cache de uma hora;
6. tokens lidos do cache;
7. tokens de saída;
8. quantidade de tentativas;
9. aprovação na primeira tentativa;
10. minutos de revisão humana;
11. custos de ferramentas externas;
12. câmbio e taxas usados na conversão;
13. resultado aprovado, rejeitado ou enviado para correção.

A métrica principal é:

Custo por tarefa aprovada = soma da API, retrabalho, revisão e ferramentas ÷ quantidade de tarefas aprovadas.

Não divida pelo número de chamadas. Um fluxo barato que precisa de três chamadas para produzir uma entrega válida pode custar mais do que outro com uma requisição mais cara.

Compare o Sonnet 5 com o modelo atual usando as mesmas tarefas, instruções, ferramentas, limites e critérios de aprovação. Projete os resultados com o preço de setembro. A promoção deve aparecer em uma coluna separada.

Para processos que aceitam execução assíncrona, a Batch API oferece desconto de 50% sobre entrada e saída. Esse fluxo deve ser analisado separadamente, porque muda prazo, arquitetura e experiência operacional; não misture seus resultados com tarefas interativas. Ferramentas executadas no servidor também podem ter cobranças adicionais além dos tokens.

A regra de decisão

Migre quando o custo por tarefa aprovada continuar competitivo no preço padrão, a qualidade atingir o limite definido e os erros operacionais estiverem resolvidos.

Mantenha um piloto quando a vantagem ainda depender do preço promocional ou quando o histórico for curto demais para medir retrabalho e revisão.

Não migre o fluxo inteiro quando a conta melhora por requisição, mas piora por entrega aprovada.

Copie a calculadora, substitua as premissas pelos campos reais de usage e registre o custo por sete dias. O token pode baratear; a tarefa só fica mais barata quando a automação entrega com menos retrabalho e menos intervenção humana.

Para relacionar este cálculo a outras comparações de modelos e métodos, consulte a página IA em Teste.