Preços do Claude Haiku 5.5: tokens, cache e o limiar de 100K

Os preços do Claude Haiku 5.5 dependem de onde você o chama e de quanto contexto a solicitação contém. A Anthropic publica tarifas distintas para prompts de até 100.000 tokens e prompts acima desse limiar. No SeedRouter, use a tabela atual abaixo para estimar uma solicitação; não substitua a tarifa exibida no seu aplicativo pela tabela de preços do fabricante.^[1]

Este guia separa a estrutura oficial de preços, a contabilização de cache e os números de uso necessários para uma estimativa. A página do modelo Claude Haiku 5.5 inclui Playground e preços atuais. Se você está escolhendo entre modelos, comece pelo guia Haiku 5.5 versus Sonnet 5.5.

Quanto a Anthropic cobra pelo Claude Haiku 5.5?

A seguir estão os preços publicados pela Anthropic, consultados em 9 de outubro de 2026. Todos os valores são por milhão de tokens. Descrevem seu preço padrão por token, não as tarifas atuais cobradas pelo SeedRouter.^[1]

A tarifa de tokens de saída sozinha não descreve toda a solicitação. Uma resposta curta pode vir após um documento longo, e um documento repetido pode gerar uso de leitura de cache em vez de entrada inteiramente nova. Mantenha essas categorias separadas ao comparar cobranças.

O que muda no limiar de 100K?

A visão geral oficial atribui tarifas diferentes de entrada, saída e cache às duas faixas de tamanho de prompt. Ultrapassar o limiar, portanto, afeta mais do que o custo da entrada extra. Confira as regras de preços do serviço que você realmente usa e guarde o uso informado, especialmente quando a solicitação combina entrada nova e contexto em cache.^[1]

O limiar não é o limite da janela de contexto. Haiku 5.5 tem janela de contexto de 1M tokens e saída máxima padrão de 128.000 tokens. Esses são limites de capacidade; não significam que cada chamada reserva ou cobra pela janela inteira. Um valor alto de max_tokens é um orçamento de saída, enquanto o uso retornado descreve o que o modelo consumiu.^[1]

Uma verificação útil no aplicativo é comparar dois trabalhos reais: um apenas com os trechos relevantes e outro com o documento-fonte completo. Registre se a entrada mais curta ainda produz um resultado aceitável antes de tratar menos tokens como economia.

Como escritas e leituras de cache afetam a cobrança?

Uma escrita de cache cria um prefixo de prompt reutilizável; uma leitura reutiliza um prefixo. Haiku 5.5 exige um prompt mínimo de 512 tokens para cache. Adicionar controle de cache a um prompt mais curto não comprova que ele foi armazenado: confira cache_creation_input_tokens e cache_read_input_tokens na resposta.^[2]

As durações de cinco minutos e uma hora têm tarifas de escrita diferentes. Mantenha o prefixo de maior duração antes de um de menor duração e use no máximo quatro pontos de cache. Instruções repetidas e materiais de referência são bons candidatos quando permanecem inalterados entre solicitações. Texto que muda frequentemente perto do início do prefixo reduz a oportunidade de reutilizá-lo.^[2]

Para cada solicitação, mantenha entrada sem cache, criação de cache, leituras de cache e saída em colunas separadas. Não cobre os mesmos tokens de criação de cache duas vezes somando a contagem agregada de criação ao detalhamento de cinco minutos/uma hora. Use o detalhamento para dividir o total nas categorias apropriadas.

Quais são as tarifas atuais do SeedRouter?

Esta tabela lê as tarifas atuais. É a fonte de preços para uma solicitação feita pelo SeedRouter; as faixas oficiais de contexto acima são uma referência separada.

A seção de preços da página do modelo usa as mesmas tarifas atuais em seus exemplos. Atualize a tabela antes de estimar uma nova carga de trabalho. Uma linha de preço ausente não comprova que o uso correspondente seja gratuito.

Como estimar uma solicitação concluída?

Para tarifas por milhão de tokens, multiplique cada categoria de uso pela tarifa correspondente e divida por um milhão. Some os resultados:

estimated cost = (
  uncached input tokens × input rate
  + output tokens × output rate
  + cache-read tokens × cache-read rate
  + five-minute cache-write tokens × five-minute write rate
  + one-hour cache-write tokens × one-hour write rate
) / 1,000,000

Tokens de pensamento fazem parte do uso de saída. Se uma resposta inclui um detalhamento de tokens de pensamento, não o some ao total de tokens de saída informado. O esforço de pensamento padrão é medium; mudar o esforço pode mudar a quantidade de raciocínio gerado, então compare tarefas concluídas em vez de presumir uma contagem idêntica em cada configuração.^[3]

Para prever uma carga de trabalho, guarde um conjunto representativo de solicitações, seu uso e se o resultado passou nas suas verificações. Inclua novas tentativas causadas por respostas inadequadas. Uma resposta barata que exige uma segunda tentativa tem custo total diferente de uma primeira resposta aceitável. A referência da API explica os campos, motivos de parada e limites a registrar.

Perguntas sobre preços

O preço oficial de contexto curto é o que pago no SeedRouter?

Use a tabela atual do SeedRouter. A tabela publicada pela Anthropic descreve os preços dela; nomes de modelo iguais não comprovam cobranças iguais.

Definir max_tokens como 128000 cobra por todos esses tokens?

Isso define o orçamento máximo de saída. Estime uma solicitação concluída a partir do uso informado, incluindo pensamento, e confira o motivo de parada para saber se a saída atingiu esse limite.^[1]

Um campo de controle de cache garante um acerto de cache?

Não. O prompt deve atender ao comprimento mínimo e corresponder a um prefixo em cache utilizável. A contagem de leitura de cache na resposta comprova que houve reutilização.^[2]

Solicitações com falha são cobradas?

Solicitações que retornam erro não são cobradas. Uma resposta concluída sem erro que para no limite de saída ainda é uma geração concluída; confira seu uso e motivo de parada.

Fontes

1. Anthropic: visão geral e preços do Claude Haiku 5.5.
2. Anthropic: cache de prompts.
3. Anthropic: novidades do Haiku 5.5.