13 minutos de leitura
Autor(a)
Fabrício Carraro é formado em Engenharia da Computação pela UNICAMP e pós-graduado em Data Analytics & Machine Learning pela FIAP. Atualmente, mora na Espanha.
Fique por dentro de conteúdos, insights e oportunidades do universo tech. Receba novidades e lançamentos direto no seu e-mail.
Toda vez que você conversa com um assistente de inteligência artificial, uma conversão silenciosa acontece antes da resposta: o seu texto é fatiado em pedaços e cada pedaço vira um número. Esses pedaços são os tokens, e eles explicam desde por que a IA às vezes erra ao contar letras até por que os planos de assinatura têm limite de uso.
Neste guia, você vai entender o que é um token de IA, como a tokenização funciona na prática, quais tipos existem, como o consumo vira custo, o que aconteceu com os limites do Claude em 2026 e o que fazer para usar tokens com inteligência, seja como pessoa usuária, seja como quem desenvolve.
Um token é a menor unidade de dado que um modelo de IA processa. Para um modelo de linguagem, é um pedaço de texto: pode ser uma palavra inteira, parte de uma palavra, um sinal de pontuação ou até um espaço. O modelo não lê frases como nós; ele recebe uma sequência de tokens, já convertidos em números, e trabalha em cima dela.
Uma analogia ajuda. Pense nas peças de um jogo de montar. Uma casa pode ser feita de blocos grandes ou pequenos, e o modelo aprendeu a montar frases combinando peças de tamanhos variados. Palavras comuns, como “casa”, costumam ser uma peça só.
Palavras longas ou raras são divididas: “tokenização” pode virar “token” e “ização”, dois blocos que o modelo já conhece de outros contextos.
Por isso token e palavra não são a mesma coisa. Em inglês, a estimativa usual é que um token tenha cerca de quatro caracteres, o que dá aproximadamente três quartos de uma palavra, ou 100 tokens para cada 75 palavras.
Em português, a conta costuma ser menos favorável, porque os tokenizadores foram treinados com mais texto em inglês e quebram as nossas palavras em mais pedaços. O mesmo parágrafo tende a gastar mais tokens em português do que a versão traduzida.
Esse detalhe explica um comportamento curioso dos modelos: eles tropeçam em tarefas como contar as letras de uma palavra ou inverter uma sequência, porque nunca enxergam as letras, apenas os blocos.
Quem entende isso passa a escrever prompts melhores e a interpretar os limites da ferramenta com mais calma.
O fluxo tem cinco etapas, e vale acompanhar com um exemplo. Suponha que você envie a frase “O gato subiu no telhado” a um assistente.
Esse mecanismo de prever o próximo token é a base dos LLMs, e vale para outras mídias.
Modelos que processam imagens transformam pixels em tokens visuais; modelos de áudio convertem trechos de som em tokens que representam o conteúdo da fala. A ideia é a mesma: transformar qualquer dado em uma sequência que a rede neural consiga processar.
Durante o treinamento, o modelo lê bilhões ou trilhões de tokens e aprende a acertar essa previsão. Durante o uso, chamado de inferência, ele aplica o que aprendeu ao que você enviou.
É por isso que a qualidade de um modelo de linguagem depende tanto da quantidade e da diversidade de tokens vistos no treino.
As próprias interfaces dos assistentes mostram limites e consumo, um bom ponto de partida antes de partir para a API.
Na prática de quem usa APIs, três categorias aparecem o tempo todo, e cada uma pesa de um jeito na conta.
Duas variações completam o mapa. Os tokens em cache são pedaços de entrada repetidos entre chamadas, como uma instrução fixa, que alguns provedores cobram mais barato quando reaproveitados.
E os tokens especiais são marcadores internos, como início e fim de mensagem, que estruturam a conversa e também contam no total.
Entrada é o que o modelo lê; saída é o que ele escreve. Um pedido de resumo de um relatório de dez páginas tem entrada grande e saída pequena. Um pedido de artigo a partir de duas linhas faz o oposto.
Como a saída costuma custar várias vezes mais do que a entrada, e os tokens de raciocínio são cobrados como saída, o formato do pedido muda o custo e a velocidade: respostas longas demoram mais e pesam mais na fatura.
Os provedores cobram por token processado, com tabelas separadas para entrada e saída e preços expressos por milhão.
Os provedores de IA vendem acesso aos modelos por API cobrando por token processado, utilizando esses tokens quase como uma unidade monetária para seus usuários, com preços expressos por milhão de tokens e tabelas separadas para entrada e saída.
O consumo de cada chamada é a soma do que foi enviado com o que foi gerado, e as respostas da API informam esses números, o que permite acompanhar o gasto em tempo real.
Para estimar antes de enviar, existem contadores públicos, como o Tokenizer da OpenAI e bibliotecas de código aberto que replicam o vocabulário de cada modelo.
A regra prática para texto em inglês é dividir o número de caracteres por quatro, já para o português, vale prever uma folga, e a forma mais segura é testar com um trecho real do seu conteúdo.
Imagine um modelo hipotético com preço de 3 dólares por milhão de tokens de entrada e 15 dólares por milhão de tokens de saída. Uma chamada típica de atendimento envia 2.000 tokens, entre instruções, histórico e pergunta, e recebe 500 tokens de resposta.
A entrada custa 2.000 dividido por 1 milhão, vezes 3 dólares, o que dá 0,006 dólar. A saída custa 500 dividido por 1 milhão, vezes 15 dólares, ou 0,0075 dólar. A chamada inteira sai por 0,0135 dólar, pouco mais de um centavo.
Parece nada, contudo 10 mil chamadas por mês somam 135 dólares, e 100 mil chamadas passam de mil dólares. Em reais, basta multiplicar pela cotação do dia.
O exemplo mostra o que decide a conta: o volume de chamadas, o tamanho do contexto enviado a cada uma e o comprimento das respostas.
Um preço menor por milhão nem sempre significa custo menor, porque modelos diferentes tokenizam o mesmo texto de formas diferentes e geram quantidades diferentes de saída. Compare o custo total de uma tarefa real em vez de olhar apenas a tabela.
Em 2026, os tokens saíram dos bastidores e viraram assunto de notícia, muito por causa das mudanças nos limites de uso do Claude, o assistente da Anthropic.
Como os planos de assinatura cobram por franquia de uso em vez de por token, cada ajuste nessa franquia mexe diretamente com quem depende da ferramenta, em especial com quem programa usando o Claude Code.
A sequência de mudanças ao longo do ano ilustra bem o que a indústria vem chamando de economia de tokens: a capacidade de processamento é finita e cara, a demanda cresce mais rápido do que a oferta, e os provedores calibram limites, preços e prioridades para equilibrar as duas coisas.
O mesmo movimento apareceu em outros provedores, que alternaram restrições e ampliações temporárias de limites no mesmo período.
Em março de 2026, a Anthropic passou a reduzir os limites das sessões de cinco horas durante o horário de pico, inclusive para assinantes dos planos Pro e Max, com a janela de restrição caindo na noite e na madrugada do horário brasileiro.
A empresa estimou que cerca de 7% da base seria afetada. Em maio, o movimento se inverteu: a restrição de pico foi removida, os limites por sessão foram dobrados e os limites semanais do Claude Code ganharam 50% extras até meados de julho, em meio à concorrência com as ferramentas de código da OpenAI.
Em julho, o modelo mais avançado da empresa deixou de estar incluído integralmente nas assinaturas e passou a ser cobrado por consumo além de uma franquia, mesmo para quem já pagava os planos.
E, em agosto, veio o episódio de maior repercussão: pessoas assinantes relataram uma queda brusca nos limites, que a empresa descreveu inicialmente como falha técnica e depois confirmou como redução intencional, orientando a otimizar o consumo.
O caso foi acompanhado em detalhe no artigo da Alura sobre a redução dos limites de uso do Claude.
Os impactos práticos são de dois tipos:
Usar tokens bem é, antes de tudo, usar o contexto bem. Envie ao modelo o que muda a resposta e corte o resto: históricos intermináveis, documentos inteiros quando um trecho bastaria e instruções repetidas encarecem a chamada e diluem a atenção do modelo.
Uma boa engenharia de prompt reduz custo e melhora o resultado ao mesmo tempo.
Do lado da privacidade, lembre que cada token enviado a um serviço externo é um dado que saiu da sua empresa.
Dados pessoais e informações sensíveis pedem anonimização, contratos que definam o uso e retenção pelo provedor e conformidade com a LGPD, além das práticas de segurança da informação que valem para qualquer sistema.
Há ainda a transparência com quem está do outro lado. Pessoas que interagem com um sistema de IA precisam saber disso, entender que a resposta é gerada e ter um caminho para falar com alguém. E, no orçamento, defina tetos de gasto e alertas por projeto antes de escalar, porque a conta por token cresce em silêncio.
Um checklist para sair da teoria:
DEVELOPER HABITS REPORT: Cursor analisou como DEVS ESTÃO USANDO IA e os números surpreendem
Entender tokens é o primeiro passo para construir com IA sem sustos na fatura. Se quiser ir além da teoria, a formação Criando Agentes de IA mostra como projetar sistemas que usam tokens com critério, e a carreira de Especialista em IA organiza essa jornada de forma completa em inteligência artificial.
Abaixo, separamos algumas das perguntas mais frequentes sobre tokens de IA.
São os blocos em que um modelo divide o texto para processá-lo: palavras, partes de palavras, pontuação e espaços, cada um representado por um número. Nas APIs, aparecem como tokens de entrada (o que você envia), tokens de saída (o que o modelo gera) e embeddings (vetores que representam significado), além de tokens em cache e tokens de raciocínio.
Uma mensagem curta de chat gasta algumas dezenas de tokens; uma página de texto, entre 500 e 800; um documento de 20 páginas passa de 10 mil. As janelas de contexto dos modelos atuais vão de cerca de 128 mil tokens a mais de 1 milhão. Para estimar, divida os caracteres por quatro, reserve uma folga para o português e confira em um contador de tokens.
Os guias de IA costumam destacar três: tokens de entrada, que compõem o prompt e o contexto; tokens de saída, que formam a resposta e incluem o raciocínio interno dos modelos que pensam antes de responder; e embeddings, usados para busca e comparação de textos. Cada um tem preço e função próprios.
Uma fração minúscula de centavo, e o valor depende do modelo, da tabela do provedor e do câmbio. Em 2026, as tabelas públicas variam de poucos centavos de dólar por milhão de tokens em modelos leves a dezenas de dólares por milhão na saída de modelos de ponta. Com o exemplo de 3 dólares por milhão, um token vale 0,000003 dólar. Faz mais sentido raciocinar por milhar ou por milhão de tokens e sempre conferir a tabela atual.
Avalie este artigo
Engenharia de software na era da IA: novo jogo, novas regras
Ler mais
Aplicando IA na educação, trazendo as IAs para o seu contexto, avanços em pesquisas científicas – Hipsters: Fora de Controle #11
Ler mais
Estratégia de dados com IA: o que é e como aplicar
Ler mais