Um modelo de IA novo chegou ao mercado com o mesmo preço de tabela do anterior. O fabricante diz que ele sai até 30% mais barato por tarefa. Uma medição independente diz que ele sai 50% mais caro. As duas afirmações são verdadeiras — e entender por quê é o que separa uma conta de IA previsível de uma fatura que surpreende.
O que foi anunciado
Em 28 de setembro de 2026 a Anthropic lançou o Claude Sonnet 5.5. O preço de tabela ficou igual ao do Sonnet 5: 2 dólares por milhão de tokens de entrada e 10 dólares por milhão de tokens de saída. Token é a unidade em que se mede o texto que entra e sai do sistema.
Segundo a cobertura do lançamento, a empresa afirma que o modelo gera respostas mais de 30% mais rápido e custa até 30% menos por tarefa. A economia não vem de preço menor: vem de o modelo precisar de menos tokens e de menos chamadas a ferramentas para chegar ao mesmo resultado. Clientes citados no lançamento relataram de 12% a 14% menos tokens no próprio trabalho.
O que a medição independente encontrou
A Artificial Analysis, que testa modelos de todos os fabricantes com a mesma bateria de tarefas, publicou números bem diferentes:
- O Sonnet 5.5 subiu 18 pontos em relação ao Sonnet 5 e ficou em segundo lugar no índice de inteligência da casa.
- Para isso, gastou cerca de 193 mil tokens de saída por tarefa — o maior consumo que eles já mediram, e cerca de sete vezes o do GPT-6 Astra, da OpenAI, no mesmo ajuste.
- O custo por tarefa ficou em 7,60 dólares, cerca de 50% acima do Sonnet 5.
Mesmo preço de tabela, tarefa 50% mais cara. E mais inteligente, é verdade.
As duas contas estão certas: a diferença é um botão
Os modelos atuais têm um ajuste de esforço: quanto o sistema pode pensar antes de responder. A medição independente foi feita no esforço máximo. Os aplicativos da própria Anthropic vêm com o esforço médio por padrão, e é nessa faixa que o fabricante mostra economia.
Ou seja: o mesmo modelo, com o mesmo preço por token, pode custar menos ou muito mais que o anterior. Depende de onde está o botão.
Isso muda o que olhar numa proposta. O preço por token virou quase um detalhe. O que decide a fatura é quantos tokens o modelo gasta para terminar o seu trabalho, e isso depende do ajuste de esforço, do tipo de tarefa e de quantas vezes ele precisa usar ferramentas no caminho.
A conta que cabe num guardanapo
A saída custa cinco vezes mais que a entrada, então é ela que pesa. Um exemplo com o preço de tabela deste modelo:
- Uma tarefa que gasta 20 mil tokens de saída custa 0,20 dólar.
- Se o modelo novo gastar 30 mil para entregar a mesma coisa, custa 0,30 dólar.
É 50% a mais, com o preço de tabela idêntico. Multiplique por dez mil tarefas no mês e a diferença deixa de ser detalhe.
O contrário também acontece: se o modelo novo resolver a tarefa com 14 mil tokens, a mesma fatura cai 30%. Quem não mede não sabe de qual lado está.
Como testar antes de trocar de modelo
- Separe vinte tarefas reais do seu negócio. Não exemplos inventados: pedidos de cliente, documentos, atendimentos de verdade.
- Rode as vinte nos dois modelos, com o ajuste que vai usar no dia a dia. Testar no máximo e operar no médio é medir outra coisa.
- Anote os tokens de entrada e de saída de cada tarefa. Todo fornecedor devolve esse número junto com a resposta.
- Marque quais respostas serviram sem retoque. Tarefa que precisou ser refeita conta duas vezes no custo.
- Divida o gasto total pelas tarefas resolvidas. Esse é o seu custo por tarefa, e é o único número que compara dois modelos de verdade.
Leva uma tarde. É menos do que custa descobrir a diferença na fatura do mês seguinte.
Quando o esforço máximo vale o preço
Pagar mais por tarefa não é erro quando a tarefa é difícil e o erro é caro. Um contrato revisado errado, um cálculo fiscal, um código que vai para produção: nesses casos o modelo que pensa mais costuma se pagar. O raciocínio está no texto sobre quando vale pagar muito mais caro por uma IA.
O que não faz sentido é deixar no máximo o que é rotina: classificar mensagens, resumir conversas, responder pergunta frequente. É onde está o volume, e é onde o botão esquecido no ponto errado multiplica a conta.
Isso confirma o que escrevemos quatro dias atrás
No texto sobre o preço da IA ter parado de cair, a recomendação era medir o custo por tarefa, não por mês. Este lançamento mostra o motivo pelo outro lado: nem o preço por token serve mais como régua. Dois modelos com a mesma tabela podem ter faturas opostas.
A própria cobertura do lançamento traz o aviso certo: resultado de teste padronizado não é espelho da sua carga de trabalho. A medição que vale é a das suas tarefas.
Como a gente trabalha
Na implementação de IA, cada tipo de tarefa sai com dois números definidos: o custo por tarefa resolvida e o ajuste de esforço em que ela roda. Quando um modelo novo aparece, a troca é decidida refazendo essa medição, não lendo o anúncio. Para quem está começando a conta do zero, o texto sobre quanto custa ter IA no seu negócio traz as faixas atuais.
Fontes
Artificial Analysis, "Claude Sonnet 5.5 reaches #2 on the Artificial Analysis Intelligence Index", com a nota, o consumo de tokens e o custo por tarefa. Cobertura do lançamento pela VentureBeat em 28 de setembro de 2026, com as alegações de velocidade e economia da Anthropic e os relatos de clientes.
Perguntas frequentes
O que é custo por tarefa em IA?
É quanto custa, em média, para o modelo terminar um trabalho que serviu sem retoque. Calcula-se dividindo o gasto total com tokens de entrada e de saída pelo número de tarefas resolvidas. É o único número que compara dois modelos de verdade, porque o preço por token não mostra quantos tokens cada modelo gasta.
Por que o mesmo preço por token pode dar custos diferentes?
Porque cada modelo gasta uma quantidade diferente de tokens para fazer a mesma tarefa. Um modelo que pensa mais antes de responder consome mais tokens de saída. Com o preço de tabela idêntico, a fatura sobe ou desce conforme esse consumo.
O Claude Sonnet 5.5 é mais barato ou mais caro que o Sonnet 5?
Depende do ajuste. O preço de tabela é o mesmo: 2 dólares por milhão de tokens de entrada e 10 de saída. A Anthropic fala em até 30% menos por tarefa, e a medição independente da Artificial Analysis, feita no esforço máximo, encontrou um custo por tarefa cerca de 50% maior.
O que é o ajuste de esforço de um modelo de IA?
É a configuração que define quanto o modelo pode raciocinar antes de responder. Esforço maior tende a dar respostas melhores em tarefas difíceis e consome muito mais tokens. Os aplicativos costumam vir no nível médio por padrão.
Como testar um modelo novo antes de trocar?
Separe vinte tarefas reais, rode nos dois modelos com o ajuste que vai usar no dia a dia, anote os tokens de entrada e de saída, marque quais respostas serviram sem retoque e divida o gasto total pelas tarefas resolvidas. O resultado é o custo por tarefa de cada modelo.
Quando vale usar o esforço máximo?
Quando a tarefa é difícil e o erro custa caro, como revisão de contrato, cálculo fiscal ou código que vai para produção. Em tarefas de rotina e de grande volume, como classificar mensagens ou resumir conversas, o esforço máximo multiplica a conta sem ganho equivalente.