GuidesOneMux

Custos da API do Claude Haiku 5.5: orçamento para novas tentativas e recuperação

Estime os custos de um fluxo de trabalho em produção com Claude Haiku 5.5 usando premissas explícitas sobre tokens, cache, novas tentativas, recuperação e faixas de contexto.

AI

Resumo · TL;DR

Uma carga de trabalho ilustrativa em produção com 100.000 tarefas, incluindo novas tentativas, chamadas de recuperação e gravações em cache previstas, custa $149.59 às tarifas oficiais citadas ou $44.73 às tarifas publicadas pela OneMux. Os custos reais dependem do uso de tokens, do comportamento do cache, das faixas de contexto e de cobranças adicionais.

Principais pontos

  • Faça o orçamento por tentativas de API, não apenas por tarefas concluídas: novas tentativas e chamadas de recuperação também consomem tokens.
  • Às tarifas citadas para a faixa inferior, uma chamada com 8.000 tokens de entrada, 80% da entrada em cache e 2.000 tokens de saída custa $0.001224 antes das gravações em cache.
  • A estimativa mensal detalhada separa as gravações das leituras de cache e pressupõe que os volumes de tokens cobrados nessas categorias não se sobrepõem.
  • Prompts acima de 100.000 tokens usam as tarifas mais altas da fonte de preços fornecida; meça o prompt completo, não apenas a última mensagem do usuário.
  • A OneMux publica uma razão de preços de 0.29900000000000004 para esse modelo no registro datado do catálogo; as cobranças reais devem ser validadas conforme os termos aplicáveis e o uso.
Nesta página (10)

A decisão: faça o orçamento por tentativas, não por tarefas concluídas

Para um fluxo de trabalho em produção com Claude Haiku 5.5, comece pelo custo de uma tentativa comum de API e depois acrescente novas tentativas, chamadas de recuperação e gravações em cache. Um orçamento baseado apenas nas tarefas concluídas com sucesso deixa de fora as chamadas que têm maior probabilidade de aumentar durante um incidente.

Na carga de trabalho ilustrativa abaixo, 100.000 tarefas mensais geram 112.000 tentativas de API. Com as premissas de cache indicadas e uma reserva separada para gravações em cache, a estimativa é de $149.59 às tarifas oficiais citadas ou $44.73 às tarifas publicadas pela OneMux. São estimativas de custo de tokens, não cotações nem garantias.

Este é um guia de custos da OneMux, empresa que publica este conteúdo e cujo produto é discutido aqui. Os cálculos são úteis tanto para quem acessa o provedor diretamente quanto para quem usa um serviço de acesso a modelos.

Registro de preços e unidades de cobrança

Todos os preços abaixo estão em USD por milhão de tokens. O registro do catálogo da OneMux foi capturado em 12 de novembro de 2026; não se trata de uma consulta de preços em tempo real. A análise de preços fornecida informa as tarifas oficiais padrão e de cache, incluindo uma faixa mais alta para prompts acima de 100.000 tokens de entrada. Consulte os termos atuais antes de definir um orçamento.

Faixa do promptEntrada oficialSaída oficialEntrada OneMuxSaída OneMuxRazão de preço publicada entre OneMux e tarifa oficial
Até 100 mil tokens de entrada$0.10$0.50$0.0299$0.14950.29900000000000004
Acima de 100 mil tokens de entrada$0.50$2.50$0.1495$0.74750.29900000000000004

A razão é um multiplicador de preço, não um valor em dólares. Ela é reproduzida como publicada, sem arredondamento para apresentá-la como desconto. A página do modelo na OneMux apresenta as tarifas específicas do modelo.

Os preços de cache são separados dos preços comuns de entrada e saída:

Faixa do promptLeitura de cache oficialGravação em cache oficialLeitura de cache OneMuxGravação em cache OneMux
Até 100 mil tokens de entrada$0.01$0.125$0.00299$0.037375
Acima de 100 mil tokens de entrada$0.05$0.625$0.01495$0.186875

O catálogo também apresenta uma tarifa distinta para gravação em cache de uma hora: $0.20 na tarifa oficial e $0.0598 na OneMux por milhão de tokens na faixa inferior; $1.00 e $0.299, respectivamente, na faixa superior. O exemplo usa a tarifa padrão de gravação, não a tarifa de uma hora. Processamento regional, ferramentas e outras cobranças aplicáveis podem aumentar o total. Verifique a elegibilidade, a duração e o comportamento de cobrança do cache para o endpoint e as configurações usados.

Uma estimativa mensal reproduzível

Suponha que um fluxo de trabalho classifique um evento operacional e retorne uma decisão estruturada. Os números a seguir são ilustrativos, não representam desempenho medido nem uma recomendação para automatizar uma decisão específica.

PremissaQuantidade mensal ou por tentativa
Tarefas originais100.000 por mês
Novas tentativas adicionais10.000 por mês
Chamadas adicionais de recuperação2.000 por mês
Entrada por tentativa8.000 tokens
Entrada atendida por leituras de cache80% da entrada
Saída por tentativa2.000 tokens
Gravações em cache cobradas separadamente100 milhões de tokens por mês

Pressupõe-se que todas as tentativas tenham a mesma distribuição de tokens e permaneçam na faixa inferior de prompt. Os 100 milhões de tokens de gravação constituem uma categoria de cobrança separada: eles não são contabilizados também entre os tokens de entrada comum ou de leitura de cache abaixo. Isso simplifica o exemplo; use as quantidades reais por categoria de cobrança quando estiverem disponíveis.

Custo de uma tentativa

Às tarifas oficiais citadas para a faixa inferior, divida os 8.000 tokens de entrada em 1.600 tokens de entrada comum e 6.400 tokens de leitura de cache:

  • Entrada comum: 1.600 ÷ 1.000.000 × $0.10 = $0.000160.
  • Leituras de cache: 6.400 ÷ 1.000.000 × $0.01 = $0.000064.
  • Saída: 2.000 ÷ 1.000.000 × $0.50 = $0.001000.
  • Total: $0.001224 por tentativa, sem incluir gravações em cache.

Isso equivale a $0.1224 por milhão de tokens totais de entrada e saída para essa proporção específica de 4:1 entre entrada e saída e a premissa de que 80% da entrada corresponde a leituras de cache. Não é uma tarifa média universal: o resultado muda conforme o tamanho da saída ou a proporção atendida pelo cache.

Acrescente novas tentativas, recuperação e gravações

A carga de trabalho tem 100.000 + 10.000 + 2.000 = 112.000 tentativas. A $0.001224 cada, essas tentativas custam $137.088 às tarifas oficiais. Os 100 milhões de tokens de gravação em cache previstos separadamente custam 100 × $0.125 = $12.50, resultando em um total de $149.588, ou $149.59 arredondado para centavos.

Usando as tarifas publicadas pela OneMux para a faixa inferior e as mesmas categorias:

  • Uma tentativa: entrada $0.00004784 + leituras de cache $0.000019136 + saída $0.000299 = $0.000365976.
  • 112.000 tentativas: $40.989312.
  • 100 milhões de tokens de gravação padrão em cache: $3.7375.
  • Total: $44.726812, ou $44.73 arredondado para centavos.

Para obter uma unidade operacional comparável, divida pelas 100.000 tarefas originais: aproximadamente $0.001496 por tarefa às tarifas oficiais citadas e $0.000447 por tarefa às tarifas publicadas pela OneMux. Esses são custos por tarefa original, incluindo as tentativas adicionais e gravações previstas — não custos por tarefa concluída com sucesso. Se algumas tarefas permanecerem sem solução, o custo por tarefa concluída com sucesso será maior.

Defina regras de novas tentativas e recuperação antes do lançamento

Uma nova tentativa é outra tentativa da mesma operação. Uma chamada de recuperação é uma tentativa separada de resolver um resultado incerto ou inválido. Suas quantidades e volumes de tokens devem ser registrados separadamente: um prompt de recuperação que inclua uma transcrição de erro pode ser maior que o prompt original.

Use uma política com limites em vez de repetir toda falha:

  1. Classifique a falha. Considere um número limitado de novas tentativas para uma falha transitória de transporte ou uma resposta de limite de taxa, com backoff e jitter. Consulte o comportamento de resposta e as orientações para novas tentativas documentados para o endpoint.
  2. Defina um número máximo de tentativas e um prazo. Inclua a tentativa inicial no limite. Encaminhe tarefas que atingirem o limite para uma fila ou revisão por um operador, em vez de repeti-las indefinidamente.
  3. Trate conclusões ambíguas com cuidado. Um timeout não prova que o provedor não realizou trabalho nem que uma ação externa não ocorreu. Reconcilie o resultado antes de repetir uma ação com efeitos externos; use controles de idempotência quando os sistemas relevantes oferecerem suporte.
  4. Trate saídas inválidas como um caminho separado de recuperação. Valide a resposta de acordo com a estrutura exigida pela aplicação. Se uma chamada de reparo for permitida, limite-a e defina o que acontecerá se ela também falhar.
  5. Reserve um orçamento para incidentes. Acompanhe as tentativas por tarefa original, as categorias de tokens cobrados, as tarefas sem solução e o volume de gravações em cache. Configure alertas para mudanças, não apenas para a cobrança mensal final.

Não suponha que uma tentativa malsucedida ou encerrada por timeout seja gratuita. Registre o uso e as cobranças efetivamente informados; quando os dados de uso não estiverem disponíveis, mantenha uma reserva conservadora até que a cobrança possa ser reconciliada.

Monitore o limite de 100 mil tokens no prompt

A análise de preços citada aplica a faixa de contexto superior quando a entrada por solicitação excede 100.000 tokens. Conte as instruções de sistema, definições de ferramentas, histórico de conversa e material recuperado — não apenas a mensagem mais recente. Conforme as tarifas listadas, entrada padrão, saída, leituras de cache e gravações padrão em cache na faixa superior custam, cada uma, cinco vezes a tarifa correspondente da faixa inferior.

Por exemplo, 101.000 tokens de entrada comum e 2.000 tokens de saída, sem uso de cache, custam $0.0555 às tarifas oficiais da faixa superior: $0.0505 de entrada mais $0.005 de saída. Um prompt com 100.000 tokens de entrada comum e a mesma saída custa $0.011 às tarifas da faixa inferior. Isso ilustra um limite entre faixas, não é uma afirmação sobre a distribuição de prompts reais.

Meça o tamanho do prompt antes das chamadas, especialmente nas novas tentativas que acrescentam histórico. Defina uma política para reduzir ou encaminhar solicitações grandes demais e consulte os termos atuais do provedor para saber como a faixa é aplicada.

Antes de aprovar o orçamento

Substitua as contagens de tokens do exemplo pelo uso faturado observado e, em seguida, simule um mês normal e um mês com incidente. Mantenha separadas as leituras e gravações de cache, verifique a faixa aplicável a cada tentativa e acrescente eventuais cobranças não relacionadas a tokens. A OneMux oferece acesso a modelos por meio de uma API compatível com OpenAI, mas a compatibilidade com um fluxo de trabalho específico depende do suporte documentado a endpoints e parâmetros; este exemplo não afirma que uma integração tenha sido testada.

Fontes

Registro de preços publicados

Capturado em 2026-11-12T22:00:06.144Z do catálogo publicado pela OneMux. Os preços mantêm as unidades de cobrança do site; esta não é uma comparação em tempo real. A cobrança por faixa, cache ou tempo pode ser diferente. Valores desconhecidos não são zero.

ModeloEntrada oficialSaída oficialEntrada OneMuxSaída OneMuxRazão de preços publicada
Claude Haiku 5.5$0.1$0.5$0.0299$0.14950.29900000000000004

Preços atuais da OneMux. Compare custos de cargas de trabalho somente quando as unidades de entrada, saída e cobrança forem equivalentes; consulte a página de cada modelo para conhecer as condições das faixas.

Perguntas frequentes

Quanto custa o Claude Haiku 5.5 por milhão de tokens?

A análise de preços fornecida informa $0.10 por milhão de tokens de entrada comum e $0.50 por milhão de tokens de saída para prompts de até 100.000 tokens de entrada. Acima desse limite, informa $0.50 para entrada e $2.50 para saída. Cache e outras cobranças são separados.

As novas tentativas devem ser incluídas em uma estimativa de custo de API?

Sim. Conte a entrada e a saída de cada tentativa, incluindo novas tentativas e chamadas de recuperação, usando as categorias de cobrança e o uso efetivamente informados. Um timeout não comprova que uma tentativa foi gratuita.

O exemplo pressupõe que todos os prompts estejam em cache?

Não. Ele pressupõe que 80% da entrada de cada tentativa seja cobrada como leitura de cache e 20% como entrada comum, além de uma reserva separada de 100 milhões de tokens de gravação em cache por mês. O comportamento real do cache pode ser diferente.

O que acontece com a estimativa quando um prompt ultrapassa 100.000 tokens de entrada?

A análise de preços fornecida diz que a faixa de contexto superior se aplica. Conforme as tarifas listadas, cada preço correspondente de entrada padrão, saída, leitura de cache e gravação padrão em cache é cinco vezes maior que o da faixa inferior.

Artigos relacionados