O Claude Opus 4.6 estendeu a linha Opus ao trabalho de contexto longo: comparado ao Opus 4.5, ele aumenta a janela de contexto de 200K para 1M tokens, dobra a saída máxima para 128K tokens e introduz o raciocínio adaptativo (adaptive thinking) junto ao raciocínio estendido, tudo com o preço inalterado de $5/$25 por milhão de tokens.
- Entrada
- texto imagem $5/M
- Saída
- texto $25/M
- Leitura de cache
- $0.5/M
- Contexto
- 1M
- Corte de conhecimento
- 2025-05
Benchmarks
Publicado pelos provedores: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
O preço em contexto
Posição do preço entre 68 modelos comparáveis
A barra mostra onde fica o preço deste modelo entre todos os modelos do mesmo tipo na Synthorai. Nas extremidades aparecem o mais barato e o mais caro. São as tarifas base; os descontos de batch, região e escrita de cache estão na página de preços.
Especificações e limites
Tokens
| Janela de contexto (especificação do provedor) | 1.000.000 |
|---|---|
| Saída máxima (especificação do provedor) | 128.000 |
| Corte de conhecimento | 2025-05 |
| Dados de treinamento até | 2025-08 conhecimento até 2025-05 |
Cache de prompts
| Modo | explícito (opt-in) |
|---|---|
| Prefixo mín. | 4.096 padrão do provedor: 1.024 |
| Duração | 5 min por padrão, 1 hora opcional |
| Custo de escrita | 1.25x (5m) / 2x (1h) |
Raciocínio
| Parâmetro do provedor | thinking.type + output_config.effort (budget_tokens still accepted, deprecated) |
|---|---|
| Valores aceitos | thinking.type adaptive · enabled (deprecated) · disabled; effort low · medium · high · max (no xhigh) |
| Valor padrão | raciocínio desativado; effort high usado quando a requisição não define nada |
| Pode ser desativado | Sim |
| Comportamento do raciocínio | O raciocínio adaptativo se intercala automaticamente entre chamadas de ferramentas sem beta header, enquanto o modo manual "enabled" não tem raciocínio intercalado algum neste modelo; os blocos de raciocínio dos turnos anteriores permanecem no contexto e são cobrados como entrada. |
| Parâmetro | reasoning_effort |
| Valores | minimal · low · medium · high parâmetros expostos pelo gateway; vale o mapeamento do provedor indicado acima |
Modelo
| Modalidades | texto + imagem → texto |
|---|
- Primeiro Opus com raciocínio adaptativo recomendado
- prefill de assistente não suportado
- contexto de 1M em GA desde 2026-03-13
- fast mode removido em 2026-06-29
conforme documentação oficial da Anthropic ↗
Um prompt, medido pelo gateway
Claude Opus 4.6 passou · 3 sentences
When reasoning is enabled, the model generates extensive internal chain-of-thought tokens that are produced—and billed—before the user-visible answer even begins, often multiplying total token consumption by 5–10× per request. Because our pricing is strictly per-token for both input and output, those hidden "thinking" tokens hit the invoice just as hard as the final response, even though end users never see them. To bring costs back in line, we can tune the reasoning effort parameter, cache common prompts, and route only genuinely complex queries to the reasoning model while handling routine tasks with a lighter, cheaper one.
saída 132 tok latência 6.3 s
Se a instrução é seguida (exatamente três frases, dá para contar), a adequação ao público (tom para um CFO) e a diferença de cobrança causada pelo raciocínio oculto, que os medidores de tokens abaixo deixam à mostra.
Claude Opus 4.6 passou · 8/8 cases
```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` The original code had two related bugs stemming from the fact that it counted additional consecutive elements (starting from 0) rather than the total length of a run (starting from 1): first, `best` and `cur` were initialized to 0 instead of 1, which meant a single-element list (where the loop never executes) returned 0 instead of the correct answer 1; second, when a mismatch was found, `cur` was reset to 0 instead of 1 (failing to count the current element as the start of a new run), which meant that if the longest run occurred at the very end of the list, the comparison `best = max(best, cur)` on the next matching step would be w […]
saída 277 tok latência 7.0 s
Se a correção está mesmo certa (dá para executar), a densidade da explicação e a eficiência em tokens em uma tarefa bem delimitada.
Claude Opus 4.6 passou · 5/5 fields, guidance "withheld pending the Q4 close"
```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": "withheld pending the Q4 close" } ```
saída 73 tok latência 2.6 s
Aderência ao schema (sem campos inventados), pressão para alucinar (o texto diz explicitamente que o guidance não foi divulgado) e diferenças no caminho de saída estruturada.
Claude Opus 4.6 passou · 118 words, 0 banned, 1 question
**Introducing Cross-Provider Prompt Caching** Why pay for the same computation twice? Our new API gateway feature intelligently caches prompt responses across multiple LLM providers, reducing latency by up to 60% and cutting costs significantly for repeated or similar queries. When your application sends a prompt that matches a cached response—regardless of whether it originally came from OpenAI, Anthropic, or Cohere—the gateway serves the stored result instantly. You maintain full control over cache duration, invalidation rules, and provider-specific overrides through a simple configuration dashboard. The feature supports both exact and semantic matching, letting teams optimize for speed or flexibility based on their use case. Available today on all Pro and Enterprise plans with no additional setup required.
saída 163 tok latência 6.1 s
Respeito às restrições (limite de palavras, lista de palavras proibidas, uma única pergunta), a marca de estilo de cada modelo e o controle do tamanho.
Use o Claude Opus 4.6 em 30 segundos
Compatível com OpenAI: troque a base_url, mantenha seu SDK. POST /v1/chat/completions
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="claude-opus-4-6",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "claude-opus-4-6",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "claude-opus-4-6",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "claude-opus-4-6",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("claude-opus-4-6")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Sobre o Claude Opus 4.6
- A Anthropic o lançou como seu modelo mais inteligente para tarefas agênticas complexas e trabalho de longo horizonte, e a janela de 1M passou de beta para disponibilidade geral com preço padrão um mês depois.
- Entrada de visão, uso de ferramentas e cache de prompts são suportados, e a Batch API oferece um beta estendido de 300K de saída para este modelo.
- Este é também o lançamento em que a compaction chegou pela primeira vez em beta, dando às sessões longas de agente uma forma de continuar trabalhando além da janela.
- Os dois modos de raciocínio são aceitos, com o raciocínio estendido agora obsoleto mas ainda funcional e nenhum dos tipos rejeitado; o esforço cobre de low até max sem xhigh e assume high por padrão.
- Dois comportamentos pegam as migrações de surpresa: o prefill da mensagem do assistente não é suportado desta geração em diante, e o research preview do modo rápido foi removido em junho de 2026, depois do que as requisições simplesmente rodam em velocidade e tarifas padrão em vez de dar erro.
- O cache de prompts exige um prefixo mínimo de 4.096 tokens.
- Ele agora é listado como modelo legado atrás do Opus 4.7 e 4.8.
- A Synthorai torna o Claude Opus 4.6 chamável a partir de qualquer cliente compatível com OpenAI.
Perguntas frequentes
A API do Claude Opus 4.6 é gratuita para testar?
Sim. Contas novas recebem 10 chamadas de teste e até $1 em créditos gratuitos, sem precisar de cartão. A $5/M de tokens de entrada, só esse crédito já cobre cerca de 24 requisições de ~8K tokens ao Claude Opus 4.6.
Em que o Claude Opus 4.6 é melhor?
Janela de contexto aumentada de 200K para 1M; saída máxima dobrada para 128K tokens; beta em lote com saída estendida de 300K. Veja na seção Sobre o quadro completo, tirado das notas de lançamento do próprio provedor.
Quanto custa o Claude Opus 4.6?
Na Synthorai, o Claude Opus 4.6 custa $5 por milhão de tokens de entrada e $25 por milhão de tokens de saída. É o preço de tabela do provedor, sem markup da plataforma. Tokens de entrada em cache são cobrados a $0.5/M.
Qual é a janela de contexto do Claude Opus 4.6?
O Claude Opus 4.6 tem uma janela de contexto de 1M tokens na Synthorai. Uma única resposta pode ter até 128,000 tokens.
O Claude Opus 4.6 suporta cache de prompts?
Sim, por opt-in: marque prefixos estáveis com breakpoints de cache_control. Tokens de entrada em cache são cobrados a $0.5/M, contra $5/M sem cache; os prompts precisam de um prefixo estável de 4,096 tokens para entrar em cache (TTL 5 min por padrão, 1 hora opcional). Guia de cache de prompts →
Como obtenho acesso ao Claude Opus 4.6?
Aponte o SDK da OpenAI que você já usa para base_url="https://synthorai.io/v1", defina model="claude-opus-4-6" e pronto. Uma única chave de API cobre todos os modelos do gateway.
Qual é o corte de conhecimento do Claude Opus 4.6?
O corte de conhecimento do Claude Opus 4.6 é 2025-05, segundo a documentação oficial do provedor (verificado em 2026-07-09).
Modelos relacionados
Comparar
Cada valor desta página foi transcrito da documentação do provedor, com link acima, e traz a data em que foi verificado. Os preços são comparados em todo o catálogo; já as especificações que cada provedor define de um jeito aparecem com a diferença indicada, em vez de irem para um gráfico. Nada aqui foi medido por nós, e nada recebe nota.