Blank white background with no objects or features visible.

Estamos disponibilizando acesso gratuito ao Gartner Hype Cycle for AI Governance 2026 completo. Obtenha sua cópia →

Análise do Claude Haiku 5.5: Preço e Custo Real por Tarefa

By Ashish Dubey

Updated: November 3, 2026

Published: October 15, 2026

Resumo (TL;DR)
  • O Claude Haiku 5.5 custa $0,10 por milhão de tokens de entrada (input) e $0,50 por milhão de tokens de saída (output) para prompts de até 100K tokens — cerca de 90% abaixo da taxa nominal do Haiku 4.5 e cerca de 75% mais barato para executar em média.
  • Existe uma mudança brusca de tarifa nos 100K tokens. Acima desse limite, o input sobe para $0,50 e o output para $2,50, sendo que a taxa mais alta se aplica a todo o prompt. Uma chamada de 110K tokens custa cerca de 6× mais do que uma de 100K tokens.
  • O preço de tabela não é o custo por tarefa. O que você realmente paga depende do formato de tokens de entrada/saída de cada trabalho. Uma chamada de triagem de chamados custa cerca de $0,00008; uma análise de documento de 120K tokens custa cerca de $0,064 — uma variação de 800× no mesmo modelo.
  • O Haiku 5.5 mantém os recursos avançados: contexto de 1M de tokens, saída máxima de 128K, prompt caching (leituras a $0,01/M) e descontos de 50% na Batch API.
  • O número que importa é o custo mesclado por tarefa em todo o seu tráfego real — e você só enxerga isso se o custo for rastreado por modelo, por equipe e por requisição. O TrueFoundry AI Gateway faz a medição de cada chamada e atribui os gastos.

Para que serve o Claude Haiku 5.5

O Haiku representa o modelo de entrada da Anthropic — o tipo de modelo acionado para tarefas de carga de trabalho pesadas e sensíveis ao tempo. Classificação, extração, roteamento, reescritas curtas, formatação de chamadas de ferramentas, rascunhos de primeira passagem: trabalhos em que uma resposta suficientemente capaz retornada de forma rápida e barata supera uma resposta ligeiramente melhor que custa 20× mais e demora mais tempo.

O Haiku 5.5 foi lançado em 7 de outubro de 2026. O destaque principal é a redução de preço: a Anthropic reduziu a taxa por token em até 90% em comparação com o Haiku 4.5, mantendo os recursos de nível avançado — uma janela de contexto de 1 milhão de tokens, saída máxima de 128K, prompt caching e a Batch API. Pela primeira vez, a versão econômica não é uma versão simplificada.

No entanto, há muita complexidade por trás dessa mudança. Existe uma quebra de nível na tabela de tarifas que faz sua fatura subir silenciosamente. O custo por token dá pouca pista sobre quanto qualquer coisa realmente custa. Esta análise explora ambos os aspectos.

Preços do Claude Haiku 5.5 na íntegra

Aqui está a tabela de tarifas completa ao lado do Haiku 4.5 e do Sonnet 5.5, para que as diferenças fiquem visíveis em ambas as direções.

Claude Haiku 5.5 pricing compared with Haiku 4.5 and Sonnet 5.5
Preços do Claude Haiku 5.5 comparados com o Haiku 4.5 e o Sonnet 5.5

Três pontos se destacam.

O preço de entrada é o grande diferencial. A $0,10 por milhão de tokens de entrada, o Haiku 5.5 custa um décimo do Haiku 4.5 e um vigésimo do Sonnet 5.5. Para trabalhos com muito input — RAG, contexto longo, processamento de documentos —, é onde reside a maior parte da fatura, e é onde o Haiku 5.5 é mais agressivo.

O caching e o batching se somam aos ganhos. As leituras de cache custam $0,01 por milhão de tokens, portanto, um prompt de sistema estável ou um documento reutilizado é quase gratuito em chamadas repetidas. A Batch API concede mais 50% de desconto para trabalhos que toleram tempo de resposta assíncrono. Nenhum dos dois é exclusivo do Haiku, mas ambos potencializam a economia.

Tudo acima de 100K tokens é um modelo diferente em termos de preço. Esse é o detalhe importante, e ele merece sua própria seção.

A mudança brusca de preço nos 100K tokens

O Haiku 5.5 é o único modelo na linha com um preço de dois níveis dependente do comprimento do prompt. Até 100K tokens em uma única requisição, você paga $0,10 / $0,50. No momento em que um prompt ultrapassa 100K, a taxa passa a ser de $0,50 / $2,50 — cinco vezes a taxa de entrada e cinco vezes a taxa de saída — e ela se aplica a todo o prompt, não apenas aos tokens acima do limite.

The Haiku 5.5 100K-token pricing cliff
A mudança de preço do Haiku 5.5 no limite de 100K tokens

O efeito é um degrau, não uma rampa. Uma chamada de 90K tokens com 1K de saída custa cerca de $0,0095. Aumente a mesma chamada para 110K tokens e ela custará cerca de $0,0575 — aproximadamente 6× mais por 22% a mais de entrada. Nada no trabalho mudou; você apenas ultrapassou um limite de preço.

Para a maioria das cargas de trabalho, isso nunca afeta a operação, porque a maioria dos prompts está muito abaixo de 100K. No entanto, três padrões vivem bem no limite: pipelines de RAG que inserem grandes contextos recuperados, análise completa de documentos ou bases de código, e longas cadeias de agentes que acumulam histórico turno após turno. Se qualquer um desses ultrapassar rotineiramente 100K, a vantagem de 20× sobre o Sonnet diminui para cerca de 4×, e o cálculo financeiro para usar o Haiku se torna mais apertado. É fundamental saber quando o seu tráfego está cruzando essa linha — o que, novamente, é um desafio de medição.

Preço de tabela não é custo por tarefa

Aqui está a armadilha em cada manchete que diz "custa $0,10 por milhão de tokens": você não compra tokens, você executa tarefas. E as tarefas têm formatos de tokens completamente diferentes.

Real cost per 1,000 tasks across Haiku 5.5, Haiku 4.5, and Sonnet 5.5
Custo real por 1.000 tarefas no Haiku 5.5, Haiku 4.5 e Sonnet 5.5

Quatro trabalhos representativos, com preços no Haiku 5.5 em seu nível padrão (o trabalho de documento longo usa a taxa >100K):

  • Triagem de chamados — 600 input, 40 output. Cerca de $0,00008 por chamada, ou $0,08 por 1.000.
  • Resposta de suporte — 1.800 input, 350 output. Cerca de $0,36 por 1.000.
  • Resposta com RAG — 12.000 input, 500 output. Cerca de $1,45 por 1.000.
  • Análise de documento longo — 120.000 input, 1.500 output. Cerca de $63,75 por 1.000 — porque ultrapassa o limite.

Trata-se de uma variação de 800× em um único modelo, impulsionada inteiramente pelo formato da tarefa. É por isso que "qual modelo é o mais barato" é a pergunta errada. A pergunta correta é "quanto custa a minha tarefa neste modelo, na minha proporção real de entrada/saída e no meu volume real" — e a resposta muda no momento em que seus prompts ficam mais longos ou sua saída cresce.

Dois números decidem tudo: sua proporção de entrada para saída e se você ultrapassa 100K. Um sumarizador (input enorme, output minúsculo) se comporta de maneira completamente diferente de um gerador de conteúdo (input pequeno, output enorme), porque os tokens de saída custam 5× mais que os tokens de entrada no Haiku. As taxas médias escondem isso. A medição por tarefa traz isso à tona.

Onde as equipes erram no preço do Haiku

Elas fazem o orçamento com base na taxa de entrada. A saída custa 5× o preço da entrada no Haiku. Um agente prolixo que gera respostas longas pode custar muito mais do que o seu volume de entrada sugere. Monitore os tokens de saída, não apenas os de entrada.

Elas ignoram a mudança de tarifa até a chegada da fatura. Um sistema de RAG que passa de 80K para 110K de contexto médio conforme a base de conhecimento cresce não falha — apenas fica silenciosamente ~6× mais caro por chamada. Sem visibilidade por requisição, ninguém percebe até que a equipe financeira questione.

Elas comparam preços de tabela em vez do custo mesclado por tarefa. O modelo que vence em uma planilha de especificações pode perder na sua combinação real de tráfego. A única comparação honesta é medir suas próprias tarefas.

Elas deixam o caching de lado. Um prompt de sistema estável reenviado em cada chamada é puro desperdício a $0,10/M quando poderia custar $0,01/M em cache. Em tráfego de alto volume no Haiku, a taxa de acerto de cache (cache hit rate) é um item de linha relevante.

Quer controle de custos por modelo antes do vencimento da fatura?

Como rastrear o custo real do Haiku no TrueFoundry

O ponto central acima é sempre o mesmo: você não pode gerenciar o que não pode visualizar por tarefa. O TrueFoundry AI Gateway opera à frente de cada chamada de modelo e faz a medição, de modo que "quanto o Haiku realmente nos custa" se torna um painel dinâmico em vez de um exercício de planilha.

Preços públicos e privados, aplicados automaticamente

Quando você adiciona um modelo, o gateway associa uma base de custos. O Public Cost busca as taxas publicadas pelos provedores a partir do catálogo de preços de código aberto da TrueFoundry (github.com/truefoundry/models), preenchido automaticamente e mantido atualizado — incluindo taxas específicas por região e em camadas, que é exatamente como o nível de 100K do Haiku é manipulado. O Private Cost permite inserir taxas negociadas ou personalizadas para contratos e modelos ajustados (fine-tuned).

Configuring public or private cost for a model in TrueFoundry
Configuração de custo do modelo no TrueFoundry AI Gateway. Fonte: documentação do TrueFoundry.

Como o catálogo modela os preços em camadas, o salto do Haiku do nível de $0,10 para o nível de $0,50 acima de 100K tokens é rastreado corretamente por requisição, em vez de ser cobrado por uma média fixa que subestimaria suas chamadas de contexto longo.

Custo por modelo, usuário e equipe — não apenas um total

Assim que as chamadas começam a fluir, o painel de Metrics exibe o gasto total, uma tendência de Cost of Inference e detalhamentos com um clique por modelo, por usuário e por equipe.

TrueFoundry AI Gateway metrics overview with total cost and usage trends
Visão geral de métricas: custo total, tendências de uso e filtros interativos. Fonte: documentação do TrueFoundry.

A visualização por modelo responde a "quanto o Haiku está nos custando em comparação ao Sonnet este mês"; a visualização por equipe dá suporte ao repasse de custos (chargeback); a visualização por usuário identifica o usuário avançado responsável por um terço da fatura.

Cost broken down by model in the TrueFoundry AI Gateway
Detalhamento de custo por modelo. Fonte: documentação do TrueFoundry.

Atribuição por qualquer dimensão e exportação

Além das visualizações integradas, você pode anexar custom metadata — application, environment, customer_id, cost_center — e agrupar os custos com base neles. Tags de contas virtuais e tokens associados a equipes injetam esses metadados automaticamente, garantindo atribuição de custos por aplicação e por cliente sem alterar uma linha do código do cliente. É possível aplicar isso com uma regra de validação de metadados que rejeita requisições sem uma chave obrigatória, e exportar os dados brutos agrupados conforme a necessidade da equipe financeira.

Para entender a mecânica em nível de token por trás desses números — taxas de texto em cache versus imagem em cache, cobrança de áudio e como fluxos cancelados são calculados —, a documentação de rastreamento de custos contém as fórmulas completas.

Um exemplo prático: um bot de suporte no Haiku 5.5

Uma empresa de SaaS opera um assistente de suporte ao cliente: 50.000 conversas por dia, com média de 1.800 tokens de entrada (prompt de sistema + contexto recuperado + histórico) e 350 tokens de saída por resposta.

No Haiku 5.5 no nível padrão, isso equivale a cerca de $0,355 por 1.000 respostas, ou aproximadamente $17,75 por dia — cerca de $533 por mês. O mesmo tráfego no Sonnet 5.5 custaria cerca de $7,10 por 1.000, ou $355 por dia — $10.650 por mês. A escolha do modelo gera uma variação de 20× em uma carga de trabalho idêntica.

Agora adicione o caching. O prompt de sistema e as definições de ferramentas representam ~1.200 desses 1.800 tokens de entrada e nunca mudam. Armazenados em cache a $0,01/M em vez de $0,10/M, o custo de entrada em chamadas repetidas cai substancialmente — as métricas de cache do gateway mostram a economia exata em dólares e a taxa de acerto, permitindo comprovar que a otimização trouxe resultados em vez de apenas presumir.

O ponto principal não são os valores específicos; é que cada fator — nível de modelo, caching, o limite de 100K — é mensurável por tarefa, o que significa que é gerenciável.

Pontos de atenção importantes

  • A mudança de tarifa é por requisição, não por dia. Ela é acionada por um único prompt que excede 100K tokens, portanto, uma única chamada de RAG sobredimensionada paga a taxa mais alta, mesmo que sua média esteja bem abaixo.
  • A saída domina em trabalhos focados em geração. Custando 5× a taxa de entrada, os tokens de saída são onde um agente prolixo consome orçamento. Reduza a saída máxima e a verbosidade do sistema antes de responsabilizar o modelo.
  • O caching precisa de um prefixo estável. Reordene seu prompt para que as partes imutáveis (sistema, ferramentas, documentos recuperados) venham primeiro; os acertos de cache dependem de um prefixo idêntico.
  • O Batch reduz a fatura pela metade para trabalho assíncrono. Enriquecimento noturno, avaliações e classificação em lote não exigem latência síncrona — direcione-os através da Batch API.
  • O custo mesclado varia com o tempo. Conforme os prompts crescem e a combinação de tráfego muda, seu custo real por tarefa se altera mesmo quando a tabela de tarifas permanece a mesma. Acompanhe isso continuamente.

Leituras relacionadas

Conclusão

O Claude Haiku 5.5 é o sinal mais claro até agora de que o nível econômico não é mais um nível de concessões: contexto e saída em escala avançada por um décimo do preço da geração anterior. No entanto, a tabela de tarifas é um ponto de partida, não uma resposta final. Seu custo real é um número mesclado que depende do formato da tarefa, do tamanho da saída, do caching e de seus prompts cruzarem ou não a linha de 100K — e ele muda à medida que seu produto cresce.

As equipes que se destacam no controle de gastos com IA são aquelas que medem o custo onde ele acontece: no gateway, por tarefa, por modelo, por equipe. Essa é a diferença entre saber que você está no modelo mais barato e saber que está realmente gastando de forma eficiente.

Veja o rastreamento de custo por tarefa do Haiku em funcionamento

Try now.

One gateway for all your models, MCP servers, and agents.
No credit card needed.

Start free
Table of Contents

One Gateway for Every LLM, Agent and MCP Server

Book a 30-min with our AI expert

Book a Demo

The fastest way to build, govern and scale your AI

Book Demo
Summarize with
ChatGPT logo by OpenAI
Perplexity AI logo
Blurry red snowflake on white background, symmetrical frosty design with soft edges and abstract shape.

Discover More

No items found.
November 6, 2026
|
5 min read

Guardrails for Claude: PII Redaction and Prompt-Injection Defense

No items found.
November 6, 2026
|
5 min read

Claude Prompt Caching: O Cálculo Real dos Custos

No items found.
November 6, 2026
|
5 min read

Claude vs ChatGPT para Empresas: Segurança, Custo e Controle

No items found.
November 6, 2026
|
5 min read

Claude API Pricing: A Model-by-Model Cost Breakdown

No items found.
No items found.

Recent Blogs

Black left pointing arrow symbol on white background, directional indicator.
Black left pointing arrow symbol on white background, directional indicator.

Frequently asked questions

How much does Claude Haiku 5.5 cost?

$0.10 per million input tokens and $0.50 per million output tokens for prompts up to 100K tokens. Above 100K, it is $0.50 input and $2.50 output, applied to the whole prompt. Cache reads are $0.01/M and the Batch API is 50% off.

Is Claude Haiku 5.5 cheaper than Haiku 4.5?

Yes — substantially. Haiku 4.5 was $1.00 / $5.00 per million tokens, so Haiku 5.5’s standard tier is about 90% cheaper on the headline rate and roughly 75% cheaper to run on average across typical workloads.

What is the 100K-token cliff?

Haiku 5.5 has two price tiers split at 100K tokens per prompt. Crossing 100K moves the entire prompt to the higher rate, so a 110K-token call costs about 6× a 100K-token one. It only affects long-context work.

How do I know my real cost per task?

Meter it at the gateway. TrueFoundry tracks cost per request, model, user, team, and custom metadata, so you see blended cost per task across your actual traffic instead of estimating from the rate card.

Can I track Haiku cost alongside other providers in one place?

Yes. The TrueFoundry AI Gateway normalizes cost across providers, so Haiku, Sonnet, GPT, Gemini, and open models all appear in one dashboard with consistent per-task and per-team attribution.

Does this work in our own cloud?

Yes. TrueFoundry’s data plane runs in your VPC or on-prem, so prompts and usage data stay in your environment while you still get unified cost tracking and governance.

Take a quick product tour
Start Product Tour
Product Tour