Em 7 de outubro de 2026, a Anthropic lançou o Claude Haiku 5.5 com uma manchete fácil de repetir: até 90% mais barato que o Haiku 4.5. O mesmo anúncio traz um número menos citado: na média, a economia fica em torno de 75%. Os dois números são verdadeiros. Eles só não respondem à mesma pergunta. É a mesma lição de TOPS e NPU: o número existe, mas não responde à pergunta que você fez.

A diferença não é detalhe de marketing. É o tokenizador. O Haiku 5.5 usa o tokenizador novo introduzido no Claude 4.7, e a própria documentação diz que o mesmo texto passa a contar aproximadamente 30% mais tokens do que no Haiku 4.5. Como o preço tem uma faixa barata até 100 mil tokens e uma faixa cinco vezes mais cara acima disso, um prompt que estava confortável na faixa barata pode cruzar a linha sem que o texto tenha mudado uma vírgula.

Este texto é uma análise da documentação pública da Anthropic, não um teste de carga. Os preços são os publicados; as contas são simulações com premissas declaradas. O número que importa para o seu caso é o custo por tarefa concluída, e ele só sai de medição.

O que mudou na tabela

O Haiku 5.5 tem duas faixas de preço, medidas em milhões de tokens (MTok):

ItemHaiku 4.5Haiku 5.5 até 100kHaiku 5.5 acima de 100k
EntradaUS$ 1,00US$ 0,10US$ 0,50
SaídaUS$ 5,00US$ 0,50US$ 2,50
Leitura de cacheUS$ 0,10US$ 0,01US$ 0,05
Escrita de cache (5 min)US$ 1,25US$ 0,125US$ 0,625
Escrita de cache (1 h)US$ 2,00US$ 0,20US$ 1,00

A queda de 90% vale para a faixa até 100 mil tokens. Acima disso, a queda é de 50%. O corte de 90% não é uma propriedade do modelo; é uma propriedade de uma faixa de tamanho de prompt.

Há outros dois detalhes que mudam a conta. O desconto de lote (Batch API) é de 50%, e a leitura de cache custa 10% do preço de entrada. Para cargas repetitivas, o cache pode pesar mais que a diferença entre as faixas. Para cargas de uma passada, o tamanho do prompt manda.

O tokenizador é a parte que ninguém coloca na planilha

A documentação do Haiku 5.5 é explícita: ele usa o tokenizador novo introduzido no Claude 4.7, e o mesmo texto conta aproximadamente 30% mais tokens do que no Haiku 4.5. A página geral de modelos da Anthropic dá uma régua de palavras que aponta na mesma direção, com uma diferença: 1 milhão de tokens equivale a cerca de 555 mil palavras no tokenizador atual, contra cerca de 750 mil nos modelos anteriores a ele. A razão 750/555 é 1,35, ou cerca de 35% mais tokens; o número que a Anthropic declara é “aproximadamente 30%”. Para não misturar as duas réguas, este texto usa 30% nos exemplos e trata 35% como o limite superior da aproximação. Se o seu texto estiver mais perto da régua de palavras, refaça a conta com 35%.

Isso significa que o limite de 100 mil tokens é medido no tokenizador novo. Um prompt que você mediu no Haiku 4.5 e que dava 80 mil tokens pode virar 104 mil no Haiku 5.5. O texto é o mesmo; a classificação de preço muda.

A Anthropic diz que cerca de 90% das requisições ao Haiku 4.5 tinham até 100 mil tokens. A empresa também afirma que a economia média fica em torno de 75%. A nota de rodapé do anúncio diz que essa conta considera a divisão entre as duas faixas e a mudança na quantidade de tokens que o Haiku 5.5 usa para concluir o mesmo trabalho, mas não publica a fórmula. A ponderação mais simples não reproduz o número: aplicar 30% a mais de tokens nas duas faixas e ponderar por 90% e 10% dá cerca de 82% de economia, não 75%. A diferença sugere fatores que a nota não quantifica, como o peso das requisições grandes no custo total ou as que cruzam a fronteira por causa do tokenizador. É uma estimativa da Anthropic sobre a carga média do modelo anterior, não uma medição independente e não uma garantia para a sua carga.

A conta, com três cenários

Vamos usar três cenários com a mesma estrutura: entrada e saída, sem cache e sem lote, para isolar o efeito do tokenizador. O custo é por chamada.

CenárioHaiku 4.5 (entrada + saída)Haiku 5.5 no tokenizador novoFaixaEconomia
A: 40k + 1k, vira 52k + 1,3kUS$ 0,045US$ 0,00585até 100k87%
B: 80k + 2k, vira 104k + 2,6kUS$ 0,090US$ 0,0585acima de 100k35%
C: 150k + 5k, vira 195k + 6,5kUS$ 0,175US$ 0,11375acima de 100k35%

No cenário A, o texto continua na faixa barata e a economia chega a 87%, perto do teto de 90% da tabela. No cenário B, o mesmo texto que estava em 80 mil tokens cruza o limite por causa dos 30% a mais e cai na faixa de US$ 0,50 por milhão de entrada. A economia existe, mas é de 35%, não de 90%. No cenário C, o prompt já estava acima do limite; o corte unitário é de 50%, e o tokenizador reduz a economia efetiva para 35%.

A conta do cenário B, aberta:

  • Haiku 4.5: 80.000 tokens de entrada × US$ 1,00/MTok = US$ 0,08; 2.000 de saída × US$ 5,00/MTok = US$ 0,01; total US$ 0,09.
  • Haiku 5.5 com 30% mais tokens: 104.000 de entrada × US$ 0,50/MTok = US$ 0,052; 2.600 de saída × US$ 2,50/MTok = US$ 0,0065; total US$ 0,0585.
  • Economia: (0,09 − 0,0585) / 0,09 = 35%.

Se o mesmo texto tivesse ficado em 100 mil tokens no tokenizador novo — ou seja, se o aumento de 30% não tivesse empurrado o prompt para a faixa cara —, o custo seria US$ 0,0113: 100.000 de entrada × US$ 0,10/MTok = US$ 0,01, mais 2.600 de saída × US$ 0,50/MTok = US$ 0,0013. A economia seria de 87,4%. O valor de US$ 0,009 só apareceria se o texto continuasse com 80 mil tokens na contagem antiga, que é exatamente o erro que o tokenizador novo impede. A diferença entre 87% e 35% não está no modelo: está na posição do prompt em relação à fronteira.

A documentação de preços da Anthropic define a regra da fronteira. O que decide a faixa é o tamanho do prompt: a requisição cujo prompt passa de 100 mil tokens paga a tabela cara inteira, entrada e saída, e não só o excedente; um prompt de exatamente 100 mil tokens ainda fica na faixa barata. O tamanho do prompt soma todos os tokens de entrada, incluindo leituras e escritas de cache, e cada requisição é cobrada por conta própria. É assim que os cenários acima foram calculados. Para quem está perto da linha, a única conduta segura é medir o prompt no tokenizador novo e deixar margem. Um prompt de 90 mil tokens no Haiku 4.5 pode virar 117 mil no Haiku 5.5; a margem de 10% não protege.

Nota de atualização (28/10/2026): a versão publicada em 26/10/2026 dizia que a Anthropic não detalhava como a faixa de 100 mil tokens é cobrada e que, se a cobrança fosse só sobre o excedente, os números mudariam. A documentação de preços, consultada em 28/10/2026, detalha a regra: a requisição com prompt acima de 100 mil tokens paga a tabela cara inteira, e as leituras e escritas de cache contam para o limite. Os cenários e as contas não mudam, porque já tratavam a faixa sobre o total da requisição. Na mesma revisão foram ajustadas a origem da régua de palavras, a explicação da média de 75%, a escrita de cache de 1 hora na tabela e o alerta sobre cache abaixo.

Da chamada à tarefa

O cenário B custa US$ 0,0585 por chamada. Se 1.000 tarefas usam uma chamada cada, o custo é US$ 58,50. Se 5% falham e são refeitas, são 1.050 chamadas: US$ 61,43. O custo por tarefa aceita é US$ 0,0614, não US$ 0,0585. Em 100 mil tarefas, a diferença entre as duas contas é de cerca de US$ 292.

O ponto não é o número; é a unidade. A conta que decide é a que divide o custo total — entrada, saída, retries e cache — pelas tarefas aceitas. Uma chamada barata que falha muito pode sair mais cara que uma chamada cara que acerta de primeira. A mesma ideia de conta por unidade de trabalho aparece no post sobre a conta do WhatsApp com IA.

O que a média de 75% quer dizer

A média de 75% é útil para uma decisão de portfólio: “no conjunto das cargas típicas do Haiku 4.5, o Haiku 5.5 tende a custar cerca de um quarto do anterior”. Ela não é útil para decidir se uma tarefa específica deve migrar. Uma tarefa com saída longa, muitos retries ou prompt perto do limite pode ter economia bem menor; uma tarefa curta e repetitiva pode ter economia próxima do teto de tabela, especialmente com cache e lote.

Também há o efeito da qualidade. A Anthropic apresenta o Haiku 5.5 como o modelo pequeno mais capaz que já lançou, mas ele continua posicionado para classificação, extração, roteamento, resumo e papel de subagente. Em tarefas que exigem raciocínio longo, o ganho de preço pode ser anulado por retrabalho. A conta relevante não é “quanto custa 1 milhão de tokens”, é “quanto custa uma tarefa concluída com a qualidade aceitável”. Foi o que fiz em O que custa um ciclo multiagente: medir em dinheiro, não em token.

Quando o Haiku 5.5 tende a compensar

  • Cargas de alto volume e prompts curtos. Classificação, extração, roteamento, resumo de trechos e respostas de atendimento em tempo real. É o território para o qual o modelo foi desenhado.
  • Subagente de um modelo maior. O Haiku 5.5 executa a tarefa pequena enquanto o Sonnet ou o Opus planeja. O custo total cai porque a maior parte das chamadas é do modelo barato.
  • Cache e lote. Se a carga repete o mesmo prefixo, a leitura de cache a US$ 0,01/MTok muda a conta. Se a latência não é crítica, o lote de 50% de desconto empilha com a faixa barata. Só não conte com o cache para ficar abaixo da fronteira: o prefixo lido do cache entra no tamanho do prompt.
  • Tarefas com saída curta. A saída custa cinco vezes a entrada no Haiku 5.5. Uma tarefa que gera 10 mil tokens de saída para 1 mil de entrada tem um perfil de custo bem diferente de uma que classifica 10 mil tokens e devolve uma palavra.

Quando a conta não fecha

  • Prompt que cruza os 100 mil tokens. A faixa cara multiplica a entrada por cinco. Se o texto está perto da linha, o tokenizador novo pode empurrá-lo para cima.
  • Saída longa. O preço de saída é cinco vezes o de entrada nas duas faixas (US$ 0,50 contra US$ 0,10 na barata; US$ 2,50 contra US$ 0,50 na cara). Geração longa não é o caso de uso econômico do Haiku.
  • Tarefa que exige raciocínio complexo. O modelo pequeno pode falhar mais, e o retry consome a economia. O barato por token pode sair caro por tarefa.
  • Conta feita só com o número de 90%. O número é real, mas vale para uma faixa. A fatura não é uma média ponderada da Anthropic; é a soma das suas chamadas.

O checklist de migração

  1. Meça os tokens no tokenizador novo. Não reuse a contagem do Haiku 4.5. Use a ferramenta de contagem de tokens do próprio provedor, rode uma amostra real no Haiku 5.5 e registre a distribuição de tamanho.
  2. Separe entrada e saída. A proporção muda a conclusão. Uma carga de classificação e uma de geração não se comparam.
  3. Conte os retries e as falhas. Custo por tarefa concluída inclui o que foi refeito. Um modelo mais barato que falha mais pode custar mais.
  4. Rode um lote sombra. Envie a mesma carga para os dois modelos, compare qualidade e custo, e só então migre.
  5. Deixe margem para a fronteira de 100 mil. Se o prompt está a menos de 30% do limite, trate como se já estivesse acima.
  6. Considere cache e lote. Eles podem mudar mais a conta do que a escolha entre as faixas.
  7. Divida pelo que foi aceito. Custo total dividido pelas tarefas aprovadas, não pelas chamadas feitas. A lógica de medir o que foi refeito é a mesma dos gates do harness: o número que importa é o que passou no gate.

O número que fica

O Haiku 5.5 é uma boa notícia para quem tem volume, prompts curtos e uma carga bem medida. O corte de 90% é real, mas é o teto da faixa barata, não o preço médio da sua operação. A média de 75% é uma estimativa da Anthropic sobre a carga do modelo anterior, não uma promessa para o seu caso.

A conta que decide é simples de enunciar e chata de fazer: custo por tarefa concluída, com tokens medidos no tokenizador novo, retries contados e qualidade comparada. Quem pula essa etapa fica com o número do anúncio. Quem faz, às vezes descobre que a economia efetiva chega perto do teto de 90%; às vezes, que fica em 35%.

Fontes