Claude Haiku 4.5: como calcular o custo por resposta utilizável

Que custo está a ser calculado?

O preço de uma chamada, o gasto de uma tarefa e o custo de uma resposta aceite são medidas diferentes. Para orçamentar uma utilização real do Claude Haiku 4.5, convém começar por definir o denominador: quer saber quanto custa cada tentativa enviada ao modelo, cada resposta recebida, cada resultado que cumpre as regras de aceitação ou cada tarefa concluída após uma revisão humana?

A diferença é importante quando uma resposta pode ser descartada, corrigida ou pedida novamente. Uma chamada que devolve texto gera consumo, mesmo que esse texto não seja utilizado. Se a equipa dividir o gasto total apenas pelas chamadas bem-sucedidas, pode ocultar as tentativas falhadas; se o dividir por todas as chamadas, não estará a expressar quanto custa produzir uma resposta que realmente serve o processo.

Neste guia, «resposta aceite» significa uma saída que cumpre os critérios definidos pela equipa para essa tarefa. Pode ser, por exemplo, uma etiqueta válida, um objeto que respeita um esquema ou um resumo aprovado numa revisão. Não significa que o modelo garanta a exatidão, que a saída seja segura para qualquer utilização ou que não exija aprovação posterior. É uma unidade de cálculo operacional, não uma garantia de qualidade.

A tarifa publicada é apenas um dos componentes do orçamento. O cálculo pode somar, em separado, a inferência, as novas tentativas, a validação externa, a revisão humana e outros recursos do sistema. Manter estes elementos separados permite comparar execuções e explicar a origem de um valor sem apresentar uma estimativa como se fosse uma fatura garantida.

A tarifa do Claude Haiku 4.5 e o seu âmbito

A Anthropic publica para o Claude Haiku 4.5 uma tarifa padrão da Claude Platform de 1 USD por milhão de tokens de entrada e 5 USD por milhão de tokens de saída. É uma base útil para uma estimativa reproduzível, mas deve ser registada juntamente com o canal utilizado, o modelo exato e a data em que foi verificada. Não se deve presumir que o preço de um canal de terceiros ou de outra modalidade de serviço seja idêntico.

A documentação do fornecedor também apresenta modalidades de preço diferentes, incluindo as relacionadas com o processamento em lote e os tokens de cache. Este guia não as inclui nos cálculos de exemplo: o objetivo é explicar o cálculo com as tarifas padrão indicadas, e não determinar qual modalidade se aplica a uma utilização específica. Antes de preparar um orçamento, consulte a tabela de preços em vigor e as condições aplicáveis ao canal que pretende utilizar.

O identificador do modelo é importante para que um teste possa ser repetido e para confirmar que as execuções correspondem à mesma versão. A documentação de ciclo de vida consultada identifica o modelo como claude-haiku-4-5-20251001 e apresenta-o como ativo, sem data de descontinuação anunciada nessa consulta. Esse estado pode mudar; não deve ser tratado como uma garantia de disponibilidade futura.

Para verificar os valores, registe a tarifa aplicada e guarde a data da consulta. Se o orçamento for utilizado durante vários meses, programe uma revisão dos preços e das condições antes de transformar a projeção num compromisso. Uma alteração do preço unitário afeta o resultado mesmo que o número de tarefas e os tokens observados se mantenham iguais.

A fórmula: custo de inferência por resposta aceite

Com os preços padrão indicados, o custo de inferência de uma tentativa de texto é estimado da seguinte forma: (tokens de entrada × 1 USD / 1.000.000) + (tokens de saída × 5 USD / 1.000.000). A fórmula separa os dois lados da interação porque cada milhão tem um preço diferente. Se forem analisadas várias chamadas, some o custo estimado de todas as tentativas, não apenas o das respostas que acabaram por ser aceites.

Em seguida, divida o gasto total de inferência pelo número de respostas aceites. Para uma utilização com diferentes tipos de tarefa, calcule primeiro o custo e a taxa de aceitação de cada tipo e some os resultados ponderando pelo volume. Uma média simples das percentagens pode distorcer o custo se as tarefas diferirem muito em tokens ou frequência.

Uma aproximação útil quando existem dados agregados consiste em multiplicar o custo médio por tentativa pelo número médio de tentativas necessárias para obter uma resposta aceite. A aproximação só é adequada se explicar como foi calculada essa média e se ela representar a utilização analisada. Se a primeira tentativa e as seguintes tiverem comprimentos diferentes, calcule o gasto de cada grupo em separado, em vez de assumir que todas custam o mesmo.

Os tokens observados devem vir de execuções representativas, e não de um comprimento ideal escolhido para tornar a projeção mais favorável. A referência da API de mensagens documenta campos de utilização para entrada e saída; esses dados permitem comparar o consumo registado com a hipótese de cálculo. Registe a unidade e o intervalo de medição para não confundir tokens com caracteres, palavras ou pedidos.

Três cenários ilustrativos

Os exemplos seguintes mostram como a ordem de grandeza muda quando variam o número de tokens e a proporção de tentativas aceites. São cálculos hipotéticos, não medições publicadas do Claude Haiku 4.5 nem previsões de desempenho. Assume-se que as tentativas têm, em média, o mesmo comprimento, que cada tentativa tem uma probabilidade constante de aceitação e que se volta a tentar até obter uma aceitação. Com estas hipóteses, o custo esperado por saída aceite corresponde ao custo médio por tentativa dividido pela taxa de aceitação.

Numa classificação breve, suponha 600 tokens de entrada e 80 de saída por tentativa, com uma taxa de aceitação de 95%. A tarifa resulta num custo de 0,001 USD por tentativa: 0,0006 USD de entrada e 0,0004 USD de saída. Sob as hipóteses anteriores, o custo de inferência esperado é de aproximadamente 0,00105 USD por resposta aceite.

Numa extração estruturada, suponha 1.800 tokens de entrada e 450 de saída, com uma taxa de aceitação de 85%. A tentativa custa 0,00405 USD: 0,0018 USD de entrada e 0,00225 USD de saída. O custo esperado por resposta aceite é de aproximadamente 0,00476 USD. Neste exemplo, não se acrescenta uma cobrança separada pela validação do esquema: a validação deve ser registada como despesa externa se efetivamente consumir recursos faturáveis.

Numa síntese limitada, suponha 3.000 tokens de entrada e 1.200 de saída, com uma taxa de aceitação de 80%. O custo por tentativa seria de 0,009 USD e o custo esperado por resposta aceite, de aproximadamente 0,01125 USD. Com a tarifa assumida, a saída representa dois terços do custo da tentativa. O exemplo mostra por que não basta contar pedidos: o comprimento da resposta também altera o orçamento.

Que variáveis mais influenciam o resultado?

Nestes exemplos, cada token de saída tem um preço unitário cinco vezes superior ao de cada token de entrada. Isso não significa que a saída represente sempre a maior parte da fatura: depende da quantidade de tokens de cada tipo. Num pedido com muita entrada e uma resposta muito breve, a entrada pode continuar a representar uma parte importante do custo. Numa tarefa que produz texto longo, a saída pode ser o principal componente.

A aceitação afeta o custo por resultado, mesmo sem alterar o preço de cada tentativa. No modelo simplificado, uma taxa menor implica mais tentativas esperadas por cada aceitação. Esta relação não é universal para qualquer sistema: podem existir limites ao número de novas tentativas, percursos alternativos, revisão manual ou diferentes causas de rejeição. Por isso, para planear uma utilização real, é preferível calcular a partir das tentativas registadas e dos resultados aceites na mesma amostra.

O comprimento da saída também pode variar consoante o tipo de pedido e o comportamento da utilização. Um limite máximo de saída não equivale a uma previsão do consumo médio: para orçamentar, meça os tokens observados e acompanhe o percentil que lhe interessa. Uma média pode ser insuficiente se as saídas longas forem frequentes ou dispendiosas para o processo seguinte.

Não atribua todas as falhas ao modelo sem as classificar. Uma rejeição pode resultar de um esquema rigoroso, de uma entrada incompleta, de uma interrupção do serviço ou de uma regra de negócio. Esta separação ajuda a decidir o que corrigir e evita inflacionar a taxa de novas tentativas do modelo com problemas de validação ou integração que podem ter outras soluções.

Novas tentativas, validação e revisão humana

O custo de inferência de uma resposta aceite deve incluir todas as tentativas que geraram consumo até se obter o resultado. Se a primeira tentativa for descartada e depois for feito um novo pedido, ambas fazem parte do gasto. Se a política permitir um número máximo de novas tentativas, meça a taxa de aceitação final e o total de tokens consumidos ao abrigo dessa política específica; uma fórmula que pressuponha tentativas ilimitadas não descreverá essa operação.

A validação externa pode ter um custo mesmo que não volte a invocar o modelo. Uma verificação local do formato pode consumir recursos de computação; uma validação através de outra ferramenta pode gerar cobranças; uma intervenção manual consome tempo de trabalho. Não misture esses custos com os tokens do Claude Haiku 4.5. Registe-os em separado e, se existir uma tarifa interna por hora, indique como converteu o tempo humano em dinheiro.

A revisão humana pode ser aplicada a todas as respostas ou apenas a uma amostra ou aos casos duvidosos. Em cada caso, indique que proporção foi revista, quanto tempo demorou e que parte acabou por ser aceite, corrigida ou descartada. Sem estes dados, não é possível deduzir o custo da revisão a partir da tarifa da API.

Para as equipas, a medida mais útil costuma ter duas perspetivas: o custo de inferência por resposta aceite e o custo total do processo por tarefa concluída. A primeira ajuda a compreender o consumo do modelo. A segunda inclui os componentes necessários para entregar o resultado no contexto real da organização. Ambas devem utilizar o mesmo período, volume e definição de sucesso.

Modelo para uma projeção mensal

Para projetar o gasto mensal, separe as tarefas por tipo e estime o volume mensal com base em dados de utilização ou num pressuposto explícito. Para cada tipo, registe a média observada de tokens de entrada e saída, a taxa de aceitação, o número de tentativas por resultado e a proporção que exige revisão. Se a composição mudar ao longo do mês, utilize uma distribuição por tarefa, em vez de uma única média global sem ponderação.

Multiplique as tentativas mensais previstas para cada tipo pelo respetivo custo médio de inferência por tentativa e some os tipos. Em seguida, divida o gasto agregado pelo número previsto de respostas aceites para apresentar o custo médio por saída utilizável. Para obter o custo mensal total do processo, acrescente linhas separadas para o gasto de validação, revisão, ferramentas e infraestrutura que conseguir medir.

Como controlo, compare a projeção com uma amostra de registos reais. Confirme que o período dos tokens corresponde ao período das respostas aceites e que as tarefas incompletas não foram contabilizadas como sucesso. Se o custo previsto e o observado divergirem, procure alterações na composição das tarefas, no comprimento da saída, na taxa de novas tentativas ou na tarifa aplicada antes de ajustar os pressupostos.

Limites da estimativa e verificações antes de orçamentar

Os cenários deste guia não preveem o consumo de uma aplicação específica. Os comprimentos e as taxas de aceitação são pressupostos inventados para fins de cálculo; não são médias oficiais nem resultados comparativos de qualidade. Para os substituir, é necessária uma amostra própria que reflita as entradas, instruções, restrições, regras de validação e políticas de novas tentativas reais.

Também não se deve considerar o custo de inferência como o custo total da tarefa. Os exemplos não incluem revisão humana, validação com cobranças externas, ferramentas, infraestrutura nem modalidades tarifárias diferentes da tarifa padrão indicada. Estes componentes dependem do desenho e do canal de cada implementação.

Antes de aprovar um orçamento, volte a confirmar o identificador e o estado do modelo, a tarifa em vigor e o âmbito do canal. A tarifa pode mudar, e as modalidades de cache ou de processamento em lote não devem ser tratadas como equivalentes à tarifa padrão sem que as respetivas condições sejam verificadas. Guarde a referência consultada e a data para que outra pessoa possa reconstruir a estimativa.

Em suma: um preço por milhão de tokens permite avaliar o consumo, mas não determina por si só o custo de uma saída que a equipa possa utilizar. O comprimento da entrada e da saída, as tentativas descartadas e a taxa de aceitação estabelecem o custo de inferência por resultado; a revisão e o resto do processo completam o custo operacional. O valor útil é aquele que declara o denominador, os dados e as exclusões.

Continue a explorar

Correções e transparência

Se encontrar informação incorreta ou desatualizada, envie-nos a página e a fonte que devemos rever.