Tokenizer Claude encarece Opus 4.7 em até 27%; GPT-5.5 dobra — e minha arquitetura segurou a conta

A Anthropic lançou o Opus 4.7 por volta de 14 de maio sem mexer no preço de tabela — $5/M na entrada e $25/M na saída, igual ao 4.6 —, mas com um novo tokenizer Claude que gera 32–45% mais tokens nativos para o mesmo texto. Na prática, foi um aumento de 12–27% no custo em produção que jamais apareceu na página de preços. Na mesma semana, o GPT-5.5 dobrou de preço às claras. Minhas seis rotinas quase não sentiram o impacto — e isso se deve à arquitetura, não à sorte.

Três fornecedores, três mecanismos e o mesmo resultado: custo de IA maior

Em uma única semana, três fornecedores elevaram o custo real da IA por caminhos diferentes — e as páginas de preços mostram exatamente um deles.

A OpenAI fez isso às claras. A entrada do GPT-5.5 passou de $2.50 para $5.00 por milhão de tokens; a saída, de $15 para $30 por milhão — exatamente 2x nos dois lados. Entre os usuários da amostra de migração da OpenRouter, que trocaram o 5.4 pelo 5.5 mantendo as mesmas cargas de trabalho, o custo real subiu +49–92%, conforme a distribuição do tamanho dos prompts. Essa é a versão transparente de um reajuste: o número mudou, dá para discutir com compras e dá para contornar com roteamento.

A Anthropic fez isso sem alarde. O preço de tabela do Opus 4.7 é idêntico ao do 4.6 — a página de preços não mudou um pixel. Quem mudou foi o tokenizer. Para o mesmo texto de entrada, o novo modelo produz 32–45% mais tokens nativos. A Anthropic informou uma faixa de inflação de 1.0–1.35x; a OpenRouter mediu ~45% abaixo de 2K tokens e ~32–34% em escala de produção, acima de 10K. Resultado no custo real: +12–27% em tudo acima de 2K e uma leve economia abaixo disso. Não houve anúncio para provocar reação, evento de churn ou gatilho para compras — a próxima fatura mensal simplesmente chega mais alta.

O GitHub fez isso pela estrutura de cobrança. Em 1º de junho, as unidades de solicitações premium do Copilot passam a ser AI Credits medidos por token, seguindo as tarifas de API publicadas e incluindo tokens em cache. Os preços dos planos básicos permanecem iguais. Quem usa agentes em planos anuais — sobretudo em ciclos de refatoração com contexto longo — sente mais quando os multiplicadores dos modelos se acumulam.

A questão não é escolher o fornecedor vilão. É entender que a página de preços deixou de representar a fatura. O preço de tabela continua necessário, mas já não basta — e qualquer modelo de custos que não faça amostragem dos seus próprios tokens nativos é ficção.

Por que a mudança no tokenizer Claude é a mais preocupante

Dos três mecanismos usados nesta semana, o movimento da Anthropic é o que redefine, de maneira silenciosa, como as equipes de operação precisam calcular os custos de IA.

Os números já estão bem corroborados. A análise de migração da OpenRouter encontrou 32–45% mais tokens nativos em tráfego real de produção. Simon Willison passou os mesmos prompts diretamente pelo tokenizer da Anthropic e obteve uma inflação de ~1.46x nos prompts de sistema. A própria Anthropic informa uma faixa de 1.0–1.35x na nota de lançamento do 4.7. São três medições independentes apontando na mesma direção. O efeito é real — não é artefato de amostragem nem peculiaridade de benchmark.

O perigo operacional está na forma como a mudança chega. Um reajuste explícito vira evento no calendário: o jurídico confere o contrato, o financeiro refaz as projeções e a engenharia testa uma alternativa. A troca de tokenizer é um aumento retroativo sobre tudo o que já foi colocado em produção. Cada prompt no código, cada mensagem de sistema ajustada nos últimos seis meses, cada bloco de contexto em cache — tudo ficou 32–45% mais pesado assim que o cliente passou a acessar o endpoint do novo modelo. Não existe uma linha específica na fatura para mostrar ao CFO. O total apenas ficou maior.

Para o fornecedor, é um instrumento muito melhor do que um reajuste anunciado. Não cria um evento de churn, não abre espaço para perder em páginas comparativas e não gera um ciclo de manchetes do tipo “Anthropic aumenta preços em 27%”. Parece atualização de modelo — e é uma atualização de modelo. Só que a economia muda por baixo dos panos.

Para quem opera essa infraestrutura, muda também a alavanca relevante. Negociar preço de tabela já era um uso ruim do tempo. Agora se tornou irrelevante: a tabela deixou de ser o lugar onde o preço realmente mora.

A arquitetura que absorveu o aumento na prática

Eu rodo seis rotinas de publicação por um único ponto de controle: geração do briefing, redação, edição orientada por voz, checagem de fatos, direção de imagem e uma etapa final de QA. Duas delas usaram Opus no dia da atualização. O teto rígido de $20/dia se manteve. O limite de $1 por execução também. O custo por artigo variou apenas um dígito percentual.

Não foi sorte. Eu já havia implementado quatro alavancas antes das notícias desta semana, porque analisei a mudança do Agent SDK para cobrança separada e o aumento dos limites semanais do Claude Code e concluí que a volatilidade de custos do lado do fornecedor passaria a ser regra, não exceção. Os mecanismos mudam; a arquitetura de controle é a mesma.

Alavanca 1 — prefixo estável em cache. Cada rotina começa com um contrato em Markdown (~3500 tokens) e um bloco de voz da categoria (~1500 tokens), reunidos em um prefixo efêmero com cache de 1 hora. Com o desconto de 90% para tokens em cache, a inflação do tokenizer recai quase toda sobre a pequena parte dinâmica. Segundo a OpenRouter, o cache absorve 9% dos tokens adicionais em prompts de 10–25K, 77% entre 50–128K e 93% acima de 128K. Minha rotina de redação fica em ~14K, então o cache absorve cerca de 9% da inflação; porém, 5K dos 14K tokens são texto estável em cache e, sem essa estrutura, sofreriam a inflação integral. Essa decisão arquitetural responde por 70% do resultado.

Alavanca 2 — roteamento de modelos. A redação roda no Sonnet. A síntese do briefing e a classificação de categoria rodam no Haiku. O Opus fica reservado para as raras etapas de pesquisa profunda. A decisão de preço de um único fornecedor não consegue arrastar a fatura inteira, porque o modelo de fronteira não é o padrão. O roteador ainda preserva opções: quando o GPT-5.5 dobrou de preço, eu poderia transferir qualquer rotina para um concorrente sem reescrever a arquitetura.

Alavanca 3 — disciplina no tamanho dos prompts. A faixa de 2K–10K é a mais penalizada no Opus 4.7 (+27–69% no custo real segundo os dados de migração). É justamente onde costuma morar a engenharia de prompts preguiçosa: exemplos few-shot inchados, definições de papel redundantes e contexto antigo que nunca foi limpo. Comprimir contexto morto deixou de ser mera organização — agora gera retorno econômico direto.

Alavanca 4 — um único ponto de controle dos gastos. Toda chamada paga a modelos passa por uma única função. Checagem antes da execução: o gasto de hoje está abaixo de $20? Checagem depois: esta execução custou menos de $1? Se qualquer resposta for negativa, a rotina para e me envia um alerta. Se um fornecedor dobrar a contagem de tokens de um dia para o outro, meu custo por artigo muda apenas um dígito percentual, não 27%, porque o teto funciona como última barreira. Ele não barateia o modelo; ele limita o pior cenário.

A parte honesta: o prefixo em cache é a alavanca que sustenta o sistema. As outras três funcionam como seguro. Se eu montasse prompts avulsos a cada solicitação, como a maioria das equipes ainda faz, o aumento integral de 32–45% cairia na fatura — e eu perceberia na segunda semana, não na semana zero.

Como reduzir custos com IA ainda esta semana

Se você usa o Opus 4.7, pare de olhar a página de preços e comece a acompanhar sua própria contagem de tokens. Separe 100 chamadas de produção, passe-as pelo endpoint de contagem de tokens da Anthropic no 4.6 e no 4.7 e meça a diferença real nos seus prompts. Depois, transforme a parte estável em um prefixo com cache ainda nesta semana — não na próxima sprint nem no próximo ciclo de planejamento. O cache é a única alavanca que ganha escala com o tamanho do prompt, justamente onde a inflação é pior.

Se você usa o GPT-5.5, faça as contas da migração antes de sair do 5.4. A tarifa duplicada é parcialmente compensada por uma redução de –19 a –34% no tamanho das respostas acima de 10K tokens; portanto, o custo real depende totalmente da proporção entre saída e entrada. Em uma carga de refatoração com contexto longo, o resultado pode ficar praticamente estável. Em um produto no estilo chat, não.

Se você usa o Copilot, consulte a prévia de uso do início de maio antes de 1º de junho. Usuários do plano básico que fazem uma solicitação por vez não vão notar diferença.

O quadro mais amplo é este: a IA virou a linha mais volátil do orçamento de tecnologia. A AWS não dobra de preço da noite para o dia. A medição de banda da CDN não sobe silenciosamente para 1.4x. O Postgres não troca de tokenizer. A camada de IA fez as três coisas em uma semana. Para equipes sensíveis a custo, a arquitetura de controle — estrutura de cache, roteador de modelos, disciplina de tamanho e teto rígido de gastos — deixou de ser opcional. Esse é o preço de operar essa categoria de infraestrutura em produção.

Os fornecedores continuarão fazendo movimentos assim. Construa o ponto de controle — ou absorva cada decisão tomada por eles nos próximos doze meses.