Novo tokenizer do Claude Opus 4.7 pode encarecer prompts?

O Claude Opus 4.7 é um exemplo claro. A documentação da Anthropic afirma que o novo tokenizer pode usar cerca de 1x a 1,35x a quantidade de tokens ao processar texto em comparação com modelos anteriores, chegando a aproximadamente 35% a mais, com variação conforme o conteúdo. A mesma página também diz que /v1/messages/count_tokens retornará uma contagem diferente para o Claude Opus 4.7 em relação ao Claude Opus 4.6.

Resposta curta: pode ficar mais caro, mas não é 35% para todo prompt

A leitura mais precisa é esta: se o mesmo prompt passa a ser contado como mais tokens de entrada e o preço por token de entrada não muda, a parte de input da cobrança tende a subir. Mas a Anthropic fala em cerca de 1x a 1,35x, não em aumento fixo para todos os casos, e deixa claro que a variação depende do conteúdo.

Também não dá para transformar automaticamente o aumento de tokens em aumento igual na fatura final. A página de preços da Anthropic separa Base Input Tokens, Cache Writes, Cache Hits e Output Tokens; OpenAI e Gemini também mantêm suas próprias páginas de pricing para API. Na prática, mais tokens de entrada afetam a parte de input, mas o custo total ainda depende de tokens de saída, cache, modelo escolhido e estrutura real da requisição.

Por que o mesmo texto pode virar outro número de tokens?

Token não é sinônimo de palavra, caractere ou linha. O guia de tiktoken da OpenAI mostra que a contagem depende da codificação usada para dividir o texto em tokens. A documentação do Gemini também explica que entradas e saídas da API são tokenizadas, incluindo texto e imagens.

Por isso, estimar custo só por número de palavras ou caracteres é, no máximo, uma aproximação. Para uma decisão de migração, o que importa é a contagem retornada pelo modelo-alvo. O fato de Opus 4.7 e Opus 4.6 retornarem números diferentes em count_tokens mostra exatamente como uma mudança de tokenizer pode alterar a conta para o mesmo conteúdo.

Como interpretar o número de 35%

Como estimar o impacto no custo

Se você estiver olhando apenas para tokens de entrada e o preço por token de entrada for o mesmo, uma fórmula simples ajuda:

Custo extra de entrada ≈ (tokens de entrada no novo tokenizer − tokens de entrada no tokenizer antigo) × preço por token de entrada

Essa conta, porém, cobre só a parte de input. A cobrança real pode incluir tokens de saída, cache writes, cache hits e outros campos de produto. A Anthropic separa esses itens na documentação de preços, e OpenAI e Gemini também têm documentos próprios de pricing para conferência.

Checklist antes de migrar para o novo modelo

1. Meça o payload completo, não só a mensagem do usuário

O que chega ao modelo pode incluir instruções de sistema, contexto longo, dados de ferramentas, arquivos, imagens e outros inputs. A documentação do Gemini afirma que todo input e output é tokenizado, incluindo texto e imagens; o guia da OpenAI também mostra contagem de tokens em entradas com texto e imagem.

2. Use o contador oficial do modelo-alvo

A OpenAI documenta responses.input_tokens.count e também oferece orientação com tiktoken; o Gemini documenta count_tokens; a Anthropic, na página do Opus 4.7, menciona /v1/messages/count_tokens e informa que a contagem será diferente da do Opus 4.6.

3. Faça amostras por tipo de conteúdo

Não teste apenas um prompt curto. Como a Anthropic diz que o aumento varia por conteúdo, vale comparar os payloads de maior volume, os contextos mais longos, os casos mais caros e os fluxos mais comuns do produto.

4. Aplique a diferença à tabela oficial de preços

Compare a contagem de tokens de entrada no modelo antigo e no novo. Depois, aplique a diferença ao pricing oficial do modelo correspondente e só então recoloque saída, cache e outros campos no modelo de custo total. Anthropic, OpenAI e Gemini têm páginas oficiais de pricing para essa etapa.

5. Decida se precisa otimizar

Se a diferença for pequena, talvez baste atualizar orçamento e monitoramento. Se payloads de alto tráfego ficarem claramente mais caros, considere compactar prompts, reduzir contexto, melhorar a estratégia de cache ou recalcular o custo por requisição. O ponto não é entrar em pânico com o número de 35%, mas medir com contador oficial e precificar com a tabela oficial.

O ponto principal

Um novo tokenizer pode, sim, fazer o mesmo prompt usar mais tokens. No caso do Claude Opus 4.7, a própria Anthropic afirma que o processamento de texto pode usar cerca de 1x a 1,35x a quantidade de tokens em comparação com modelos anteriores, chegando a aproximadamente 35% a mais, com variação por conteúdo.

A pergunta certa não é apenas se há um aumento de 35%. É: quantos tokens de entrada seus payloads reais ganham no novo modelo? O comportamento de saída muda? O cache é cobrado de que forma? A tabela de preços aplicada é a mesma? Antes de migrar, rode os contadores oficiais e só depois transforme a diferença em custo.