لماذا تكلّف رموز إخراج Claude خمسة أضعاف الإدخال؟

لماذا تكلّف رموز الإخراج أكثر من رموز الإدخال

تكلّف رموز الإخراج خمسة أضعاف تكلفة رموز الإدخال في كل نموذج Claude ضمن الكتالوج الحالي. والسبب هو طبيعة الحساب. تُقرأ المطالبة في تمريرة واحدة عبر النموذج. أما كتابة الرد فتتطلب تمريرة واحدة لكل رمز، ويجب أن تنتظر كل تمريرة انتهاء التمريرة السابقة.

تظل هذه النسبة نفسها في كل صف من قائمة الأسعار، لذلك لا يغيّر النموذج الذي تختاره نسبة الإخراج من إجمالي فاتورتك. الذي يحددها هو شكل حمل العمل لديك. فالخطوة التي ينفذها الوكيل وتقرأ 60,000 رمزاً ثم تجيب بـ800 رمز تنفق تقريباً لا شيء على الإخراج. أما مهمة الصياغة التي تقرأ 2,000 رمز وتكتب 12,000 رمز فتنفق تقريباً لا شيء على الإدخال. نعرض الحالتين أدناه باستخدام الأسعار المنشورة من Anthropic، بعد التحقق منها في 27 October 2026.

تُنفَّذ مرحلة التهيئة مرة واحدة، بينما تُنفَّذ مرحلة فك الترميز مرة لكل رمز

يعالج خادم الاستدلال الطلب على مرحلتين تختلف تكلفتهما كثيراً. تقرأ مرحلة التهيئة المطالبة. وتكتب مرحلة فك الترميز الرد.

تتعامل مرحلة التهيئة مع المطالبة كاملة دفعة واحدة. يدخل كل رمز من رموز المطالبة إلى الشبكة في التمريرة الأمامية نفسها، لذلك تتحول عمليات الانتباه والتغذية الأمامية إلى عدد صغير من عمليات ضرب المصفوفات الكبيرة التي تغطي آلاف الرموز في كل مرة. وتكفي قراءة واحدة لأوزان النموذج من الذاكرة لتخدم المطالبة بأكملها. وتظل وحدات المصفوفات في المسرّع مشغّلة، ما يعني أن مرحلة التهيئة تكون عادةً مقيدة بالحساب: الحد هو سرعة إجراء الشريحة لعمليات الضرب. وتذكر وثائق NVIDIA الخاصة بتقديم النماذج الاستثناءات: تصبح التهيئات القصيرة جداً، والتهيئات التي تكون فيها بادئة طويلة موجودة مسبقاً في ذاكرة التخزين المؤقت، مقيدة بالذاكرة بدلاً من ذلك.

لا يمكن لفك الترميز العادي أن يعمل بهذه الطريقة، لأن الرمز 2 يعتمد على الرمز 1. ويصبح الرمز الذي أنتجه النموذج للتو جزءاً من إدخال الخطوة التالية، لذلك تُنفَّذ الخطوات الواحدة تلو الأخرى. ويحصل كل رمز إخراج على تمريرة أمامية خاصة به، وتقرأ كل واحدة من هذه التمريرات مجموعة أوزان النموذج الكاملة، بالإضافة إلى ذاكرة KV المؤقتة (ذاكرة التخزين المؤقت للمفتاح/القيمة، وهي حالة الانتباه المخزنة لكل رمز حتى تلك اللحظة)، من الذاكرة ذات النطاق الترددي العالي لإنتاج رمز واحد. وهذا يجعل فك الترميز عادةً مقيداً بالذاكرة: فالحد هو سرعة نقل الأوزان والحالة المخزنة مؤقتاً، لا سرعة إجراء عمليات الضرب عليها، ومع السياقات الطويلة تحدد NVIDIA قراءات ذاكرة KV المؤقتة باعتبارها عنق الزجاجة. وحركة الأوزان نفسها التي عالجت مطالبة كاملة أثناء مرحلة التهيئة تنتج رمزاً واحداً أثناء فك الترميز.

يخفف فك الترميز التخميني من هذه القاعدة دون أن يخرقها. إذ يخمّن نموذج مسودة صغير عدة رموز إلى الأمام، ثم يتحقق النموذج الكبير منها كلها بالتوازي في تمريرة واحدة، وتقول NVIDIA إن ذلك قد ينقل فك الترميز نحو أن يصبح مقيداً بالحساب. وما زال النموذج الكبير يقبل التخمينات بالترتيب ويتوقف عند أول تخمين خاطئ، لذلك يظل الرد الطويل يتطلب تمريرات كثيرة.

وتواجه أنظمة التقديم ذلك باستخدام المعالجة على دفعات. إذ تفك ترميز طلبات كثيرة معاً، فتنتج قراءة واحدة للأوزان رمزاً واحداً لكل طلب في الدفعة. ولهذا يصبح فك الترميز ميسور التكلفة أصلاً. ويظل السقف مرتبطاً بالذاكرة. يحتفظ كل طلب قيد التنفيذ بذاكرة KV مؤقتة خاصة به، وتنمو تلك الذاكرة مع كل رمز يتم توليده، وعندما تمتلئ ذاكرة المسرّع لا تعود الدفعة قادرة على النمو.

لا يمنحك أي من ذلك رقماً دقيقاً، ولا ينبغي أن تفسر 5x على أنها نسبة أجهزة مقاسة. إنها سعر حددته Anthropic، مع الاستناد إلى عدم التماثل المذكور. وما يمكنك التحقق منه بنفسك هو الاتجاه، ولا يستغرق ذلك سوى نحو دقيقة.

قِس بنفسك الفارق بين الإدخال والإخراج

ثبّت الأدوات على أي خادم Ubuntu:

sudo apt update && sudo apt install -y curl jq moreutils

ابث الآن مطالبة قصيرة تطلب إجابة طويلة، وسجّل وقت وصول كل سطر.

curl -sN https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{"model":"claude-sonnet-5","max_tokens":1000,"stream":true,
       "messages":[{"role":"user","content":"Count from 1 to 300, one number per line."}]}' \
  | ts -s '%.s'

تضيف ts -s إلى بداية كل سطر عدد الثواني المنقضية منذ بدء الأمر. هناك أمران يستحقان القراءة من هذا الناتج. يمثّل السطر الأول الذي يحمل content_block_delta زمن الوصول إلى أول token، وقد حدثت عملية prefill بأكملها داخله. كل سطر بعد ذلك يمثّل خطوة صغيرة واحدة من فك الترميز، وتستمر الطوابع الزمنية في الارتفاع حتى يصل message_stop.

اعكس الشكل الآن. ضع مستنداً طويلاً في المطالبة، وحدد سقف الإجابة ببضعة tokens.

curl -sN https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d "$(jq -n --rawfile doc ./long-document.txt \
       '{model:"claude-sonnet-5", max_tokens:16, stream:true,
         messages:[{role:"user", content:("Answer in one word. Is this document about networking?\n\n" + $doc)}]}')" \
  | ts -s '%.s'

يستغرق الفرق الزمني الأول مدة أطول مما استغرقه مع المطالبة القصيرة، لأن عملية prefill تحتاج إلى قراءة نص أكبر بكثير. بعد وصوله، تنتهي الاستجابة بسرعة شبه فورية، لأن المتبقي لفك الترميز لا يتجاوز بضعة tokens. دخلت عشرات الآلاف من tokens، ولم تتحرك الساعة إلا قليلاً. وخرجت بضع مئات، فاستمرت الساعة في العمل طوال الوقت.

تنتهي كل استجابة غير متدفقة بالأرقام التي تُحاسَب عليها.

{
  "usage": {
    "input_tokens": 41283,
    "output_tokens": 6,
    "cache_creation_input_tokens": 0,
    "cache_read_input_tokens": 0
  }
}

سجّل الحقول الأربعة كلها لكل طلب. يتضمن output_tokens tokens التفكير، لذلك فإن النموذج الذي يفكر قبل الإجابة يحاسبك على ذلك التفكير بسعر الإخراج. لتسعير مطالبة قبل إرسالها، يستخدم POST /v1/messages/count_tokens نص الطلب نفسه في معظم الطلبات، ويعيد {"input_tokens": N} كتقدير من دون تشغيل النموذج، وهو مجاني ضمن حد معدل الطلبات الخاص به. لكنه يرفض بعض نصوص الطلبات التي تقبلها Messages API: معظم أدوات الخادم، مثل البحث على الويب وموصل MCP، وكذلك كتل الصور أو المستندات التي يكون مصدرها url أو file؛ لذلك أرسل الصور وملفات PDF بترميز base64 عند احتسابها. وهو ليس الجزء الوحيد من API الذي لا يفرض تكلفة، ويستحق التحقق من الأجزاء التي لا تُحاسَب عليها مطلقاً في Claude API قبل إعداد ميزانية أول مشروع.

ما الذي تتقاضاه Claude لكل مليون token حتى أكتوبر 2026

[
  {
    "label": "Haiku 4.5",
    "input_usd": 1,
    "output_usd": 5,
    "output_multiple": 5
  },
  {
    "label": "Sonnet 5",
    "input_usd": 2,
    "output_usd": 10,
    "output_multiple": 5
  },
  {
    "label": "Opus 5",
    "input_usd": 5,
    "output_usd": 25,
    "output_multiple": 5
  },
  {
    "label": "Fable 5",
    "input_usd": 10,
    "output_usd": 50,
    "output_multiple": 5
  }
]

العمود الأخير هو ناتج قسمة output على input، وتظهر فيه القيمة 5 في كل صف. تفرض Haiku 4.5 مبلغ $1 على input ومبلغ $5 على output. وتفرض Opus 5 مبلغ $5 ومبلغ $25. أما Fable 5، وهو الأغلى، فتفرض $10 و$50، ويستحق ما الذي تتيحه لك أسعار Fable 5 القراءة قبل استبعاد ذلك الصف الأعلى. يؤدي الانتقال إلى مستوى أعلى في النطاق إلى ضرب الجانبين في العامل نفسه، لذلك يتغير إجمالي التكلفة، بينما تبقى نسبة input إلى output كما هي تماماً.

تفرض Sonnet 5 مبلغ $2 على input ومبلغ $10 على output. أطلقتها Anthropic بهذا السعر باعتباره سعراً تمهيدياً حتى 31 August 2026، مع زيادة مقررة إلى $3 و$15 في 1 September، ثم جعلت $2 و$10 السعر القياسي بدلاً من ذلك. لم تدخل الزيادة حيز التنفيذ، ولذلك فإن السعر في كل مثال تطبيقي أدناه هو السعر الذي تدفعه اليوم.

أصدرت Anthropic أيضاً نماذج أحدث منذ نشر هذه الصفحة أول مرة، وتدرج claude.com/pricing الآن النماذج الأربعة أعلاه ضمن النماذج القديمة التي لا تزال متاحة. وتحافظ النماذج الجديدة على نسبة 5x نفسها. تفرض Opus 5.5 مبلغ $4 و$20، وتفرض Sonnet 5.5 مبلغ $2 و$10، وتفرض Fable 5.1 مبلغ $10 و$50، بينما تفرض Haiku 5.5 مبلغ $0.10 و$0.50 على prompts التي تصل إلى 100,000 token، ثم يرتفع السعر إلى $0.50 و$2.50 لما يتجاوز ذلك. تقع تكلفة خطوة agent التي تضم 60,000 token والمذكورة لاحقاً تحت هذا الحد، لكن agent الذي يستمر تاريخه في النمو سيتجاوزه في النهاية، وتوضح كيفية انعكاس مستويي أسعار Haiku 5.5 على المهام الفعلية أثر هذه الزيادة على الفاتورة. تقل أسعار input وoutput الأساسية في Opus 5.5 بنسبة 20% عن أسعار Opus 5، لذلك تكون كل قيمة غير مخزنة مؤقتاً لـOpus 5 أدناه أقل بنسبة 20% في Opus 5.5. وتنخفض القيم المخزنة مؤقتاً أكثر، لأن Opus 5.5 يقرأ cache hits بسعر $0.20 لكل مليون token، مقابل $0.50 في Opus 5، أي خفض بنسبة 60%. وتبلغ تكلفة خطوة agent المخزنة مؤقتاً، التي تبلغ $0.0725 في Opus 5 والمذكورة لاحقاً، نحو $0.047 في Opus 5.5، أي أقل بنحو 35%.

تتغير الأسعار، وهذه الصفحة ليست المكان الذي ينبغي أن تتحقق منها فيه. ويظل claude.com/pricing المصدر المعتمد. أما ما يبقى بعد تغير السعر فهو المنهجية.

توجد ملاحظة مهمة في الحواشي أسفل جدول أسعار Anthropic، لا في الأسعار نفسها. تذكر صفحة أسعار Anthropic أن نماذج Claude 4.7 وما بعدها تستخدم tokenizer أحدثاً ينتج token بنسبة تزيد تقريباً 30% للنص نفسه مقارنةً بـtokenizer المستخدم في Sonnet 4.6 وما قبله. ستبدو مقارنة نموذجين وفق السعر لكل مليون token فقط في صالح النموذج الأحدث، لأن المستند نفسه يحتوي فيه على token أكثر. قارن تكلفة المهمة المكتملة، واحتسب prompts الفعلية باستخدام النموذج الذي تخطط لاستخدامه فعلاً. وينطبق الفخ نفسه بين المزوّدين، إذ تختلف tokenizers لديهم أيضاً، لذلك يخبرك احتساب تكلفة مهمة فعلية على Claude وChatGPT معاً بأكثر مما يخبرك وضع بطاقتي الأسعار جنباً إلى جنب. وتوضح قيمة مليون token من Claude في نص فعلي كيف يبدو هذا الحجم عملياً.

متى تبدأ تكلفة المخرجات بالهيمنة على فاتورتك؟

عندما تُسعَّر المخرجات بمقدار 5 أضعاف المدخلات، يصبح حساب نقطة التعادل سهلاً. سمِّ عدد رموز الإدخال I وعدد رموز المخرجات O. تكلفة الإدخال هي I. وتكلفة المخرجات هي 5 أضعاف O. تتجاوز المخرجات نصف إنفاقك عندما تكون 5 أضعاف O أكبر من I، أي عند نسبة 5 رموز إدخال إلى رمز مخرجات واحد.

لذلك، إذا كان طلبك أطول من ردك بأكثر من خمسة أضعاف، تكون المدخلات هي البند الأكبر في التكلفة. وإذا كانت النسبة أقل من ذلك، تكون المخرجات هي البند الأكبر.

[
  {
    "label": "100:1",
    "input_share_pct": 95.2,
    "output_share_pct": 4.8
  },
  {
    "label": "75:1",
    "input_share_pct": 93.75,
    "output_share_pct": 6.25
  },
  {
    "label": "20:1",
    "input_share_pct": 80,
    "output_share_pct": 20
  },
  {
    "label": "10:1",
    "input_share_pct": 66.7,
    "output_share_pct": 33.3
  },
  {
    "label": "5:1",
    "input_share_pct": 50,
    "output_share_pct": 50
  },
  {
    "label": "1:1",
    "input_share_pct": 16.7,
    "output_share_pct": 83.3
  },
  {
    "label": "1:6",
    "input_share_pct": 3.2,
    "output_share_pct": 96.8
  }
]

عند نسبة 100 إلى 1، تمثل المخرجات 4.8% من الإنفاق، ويكون تقليص الطلب هو العمل الوحيد الذي يستحق التنفيذ. عند نسبة 5 إلى 1، تتساوى التكلفتان. وعند نسبة 1 إلى 6، تمثل المخرجات 96.8%، ويصبح الطلب خطأً بسبب التقريب. يقدّر معظم الأشخاص نسبتهم تقديراً خاطئاً، لذا استخرجها من سجلاتك قبل تحسين أي شيء.

حمل عمل الوكيل: سياق طويل ومدخلات، وإجابة قصيرة ومخرجات

نفّذ خطوة واحدة لوكيل الاسترجاع: 60,000 رمزاً من المستندات المسترجعة وسجل المحادثة كمدخلات، وإجابة من 800 رمز كمخرجات. هذه نسبة 75 إلى 1، وهي طبيعية لأي نظام يقرأ قبل أن يكتب.

[
  {
    "label": "Haiku 4.5",
    "input_cost": 0.06,
    "output_cost": 0.004,
    "total_cost": 0.064
  },
  {
    "label": "Sonnet 5",
    "input_cost": 0.12,
    "output_cost": 0.008,
    "total_cost": 0.128
  },
  {
    "label": "Opus 5",
    "input_cost": 0.3,
    "output_cost": 0.02,
    "total_cost": 0.32
  },
  {
    "label": "Fable 5",
    "input_cost": 0.6,
    "output_cost": 0.04,
    "total_cost": 0.64
  }
]

تمثل المخرجات 6.25% من تكلفة هذه الاستدعاء على كل نموذج، لأن النسبة ثابتة عبر قائمة الأسعار بأكملها. تبلغ تكلفة الاستدعاء $0.32 على Opus 5، و$0.128 على Sonnet 5، و$0.064 على Haiku 4.5. تنفيذ مئتي خطوة من هذا النوع يومياً على Opus 5 يكلف $64 يومياً.

يتضح العامل المؤثر عند رؤية هذا التقسيم. تقليل الإجابة من 800 رمزاً إلى 400 يوفر نحو 3% من تكلفة الاستدعاء. أما حذف 20,000 رمز من السياق القديم من الموجّه فيوفر نحو الثلث. تقليص طول المخرجات في وكيل يعتمد على القراءة بدرجة كبيرة يكاد يكون جهداً مهدراً. يوضح أين تذهب رموز وكيل البرمجة فعلياً ما يملأ ذلك الموجّه في المقام الأول.

عبء توليد: prompt قصير، ومسودة طويلة

لنقلب النسبة الآن. موجز من 2,000 token، ومسودة من 12,000 token، بنسبة 1 إلى 6.

[
  {
    "label": "Haiku 4.5",
    "input_cost": 0.002,
    "output_cost": 0.06,
    "total_cost": 0.062,
    "batch_total_cost": 0.031
  },
  {
    "label": "Sonnet 5",
    "input_cost": 0.004,
    "output_cost": 0.12,
    "total_cost": 0.124,
    "batch_total_cost": 0.062
  },
  {
    "label": "Opus 5",
    "input_cost": 0.01,
    "output_cost": 0.3,
    "total_cost": 0.31,
    "batch_total_cost": 0.155
  },
  {
    "label": "Fable 5",
    "input_cost": 0.02,
    "output_cost": 0.6,
    "total_cost": 0.62,
    "batch_total_cost": 0.31
  }
]

يمثل الإخراج 96.8% من هذه الفاتورة. تبلغ تكلفة Opus 5 مبلغ $0.31 لكل مسودة، مقابل $0.062 في Haiku 4.5. وينتج هذا الفارق البالغ خمسة أضعاف تقريباً بالكامل من جانب الإخراج، وهو الجانب الذي يحقق فيه النموذج الأرخص أكبر قدر من التوفير.

يعرض العمود الأخير المهمة نفسها عبر Batch API، الذي يخفض تكلفة الإدخال والإخراج بنسبة 50%. وتنخفض تكلفة Opus 5 إلى $0.155 لكل مسودة. يعمل Batch بصورة غير متزامنة، وليس فورياً. وتقول Anthropic إن معظم الدفعات تكتمل خلال أقل من ساعة، لكن الدفعة التي لا تزال قيد المعالجة بعد 24 ساعة تنتهي صلاحيتها، كما يعود أي طلب لم تصل إليه الدفعة حتى ذلك الوقت بحالة منتهية الصلاحية، ومن دون احتساب تكلفة، ومن دون رسالة. لذلك يناسب Batch توليد التقارير ليلاً والتصنيف بالجملة، مع إعادة إرسال العناصر التي تنتهي صلاحيتها. لكنه لا يناسب أي مهمة ينتظر الشخص نتائجها.

يحقق توجيه النماذج فائدة هنا بطريقة لا يحققها في خطوة الوكيل. إذا كان الجزء المطوّل من المهمة آلياً، مثل إعادة تنسيق النص أو توسيع مخطط وافقت عليه مسبقاً، فإن النموذج الأرخص ينتج هذه الـtokens بخُمس السعر. يوضح الاختيار بين Opus وSonnet وHaiku موضع حد الجودة الفعلي.

التخزين المؤقت يخفّض تكلفة الإدخال فقط

يخزّن التخزين المؤقت للمطالبة بادئة مطالبتك على الخادم، ويفرض جزءاً من سعر الإدخال لقراءتها مرة أخرى. اعتباراً من 27 أكتوبر 2026، تكون المعاملات 1.25x من سعر الإدخال الأساسي لكتابة ذاكرة مؤقتة مدتها 5 دقائق، و2x لكتابة ذاكرة مؤقتة مدتها 1 ساعة، و0.1x لقراءة نتيجة مطابقة من النماذج التي تُسعَّر في هذه الصفحة. وتقرأ النماذج الأحدث النتائج المطابقة بسعر أقل: 0.05x في Opus 5.5 وSonnet 5.5، و0.025x في Fable 5.1.

لا يشمل هذا العرض الإخراج. لا يوجد إخراج مخزّن مؤقتاً. تُحاسَب كل token يكتبه النموذج بسعر الإخراج الكامل في كل مرة، بغض النظر عن مقدار المطالبة الذي عاد من الذاكرة المؤقتة.

نفّذ خطوة الوكيل نفسها على Opus 5، مع تقديم 55,000 من أصل 60,000 من token الإدخال من ذاكرة مؤقتة دافئة.

[
  {
    "label": "No cache",
    "input_cost": 0.3,
    "output_cost": 0.02,
    "total_cost": 0.32
  },
  {
    "label": "55k prefix cache read",
    "input_cost": 0.0525,
    "output_cost": 0.02,
    "total_cost": 0.0725
  }
]

تنخفض تكلفة الاستدعاء من $0.32 إلى $0.0725. ولا يتغير سطر الإخراج: $0.02 قبل التخزين المؤقت، و$0.02 بعده. يخفّض التخزين المؤقت الفاتورة ويغيّر توزيعها. كان الإخراج يمثل 6.25% من تكلفة ذلك الاستدعاء. أما الآن فأصبح يمثل أكثر من ربعها، وهذا يغيّر الإجراء التالي الذي يستحق التركيز عليه.

يتحمّل الاستدعاء الأول تكلفة الكتابة. تكلف كتابة ذاكرة مؤقتة مدتها 5 دقائق مقدار 1.25x من إدخال الأساس، ولذلك تسترد تكلفتها بعد استخدام مطابق واحد. أما الكتابة لمدة 1 ساعة فتكلف 2x، ولذلك تحتاج إلى استخدامين مطابقين. يوضّح معاملات الكتابة والقراءة، والموضع الذي يتوقف عنده التخزين المؤقت عن تحقيق الوفر هذه الحسابات بالتفصيل.

أربع وسائل يمكنك التحكم فيها

1. اضبط max_tokens عند طول المخرجات في المئين 95، وليس عند الحد الأقصى للنموذج.
2. وجّه الخطوات المطوّلة إلى نموذج أقل تكلفة.
3. نفّذ على دفعات كل ما لا ينتظر أحد نتيجته.
4. احذف التعليمات التي تزيد طول الردود.

max_tokens حدّ أقصى صارم، وضبطه على قيمة مرتفعة لا يكلّف شيئاً بحد ذاته، لأنك تُحاسَب على الرموز التي ينتجها النموذج، ولا تُحاسَب أبداً على قيمة الحد الأقصى. ما يفعله الحد السخي هو إزالة القيد عن الرد عندما يسوء مساره. استخرج توزيع output_tokens من سجلاتك، واضبط الحد أعلى بقليل من المئين 95، وعالج stop_reason: "max_tokens" في الشيفرة عبر متابعة الرد أو إعادة المحاولة. اكتشاف الاقتطاع أقل تكلفة من رد مطوّل من 4,000 رمز تدفع ثمنه ثم تتخلص منه. ويُحتسب التفكير ضمن output_tokens أيضاً ويُخصم من max_tokens، لذلك اضبط الحد استناداً إلى الأدلة نفسها، وخفّض مستوى الجهد في النماذج ذات التفكير التكيفي إذا استمر التفكير في استهلاك الرد.

ينجح التوجيه عندما يكون الجزء المكلف من الخطوة هو حجم العمل لا الحكم عليه. أبقِ النموذج القوي لاتخاذ القرار، وأسند الكتابة إلى نموذج أقل تكلفة. قِس النسخة الموجّهة أولاً على مجموعة التقييم الخاصة بك، لأن المقياس المهم هو التكلفة لكل مهمة مكتملة. في خطوة الوكيل المذكورة أعلاه، كلفت محاولتان باستخدام Haiku 4.5 مبلغ $0.128، مقابل $0.32 لمحاولة واحدة باستخدام Opus 5، لذلك يغطي فرق السعر إعادة محاولة أو اثنتين. لكنه لا يغطي إجابة خاطئة لا يكتشفها أحد.

التنفيذ على دفعات هو الوسيلة الوحيدة التي تخفّض تكلفة المخرجات. تحصل على خصم 50% على جانبي الاستخدام، وتُنجز معظم الدفعات خلال ساعة، كما تتأهل كل مهمة مجدولة، بشرط أن تعيد المهمة إرسال أي شيء تنتهي صلاحيته عند بلوغ 24 ساعة.

الوسيلة الأخيرة هي التي يتجاوزها الناس عادةً. عبارات مثل "كن دقيقاً" و"اشرح استدلالك" تضبط طول مخرجاتك في كل استدعاء ستجريه مستقبلاً. استبدلها بالشكل الذي تريده: "أجب في ثلاث جمل على الأكثر"، أو "أعد كائن JSON فقط، من دون تمهيد". إن أضافت مطالبة النظام 300 رمز إلى كل رد، فستكلف خمسة أضعاف تكلفة الرموز الـ300 نفسها في المطالبة. يشرح إبقاء تكاليف وكيل قيد التشغيل تحت السيطرة جانب المراقبة، ومن المفيد حسم ما إذا كانت API أو الاشتراك الثابت أقل تكلفة لنمط استخدامك قبل أن تنفق أسبوعاً في ضبط الإنفاق لكل رمز، بينما كان الاشتراك سيغطيه. بالنسبة إلى مطوّر واحد، يتوقف الأمر غالباً على ما إذا كان اشتراك Claude Pro بسعر $20 شهرياً وحدود الاستخدام المرافقة له يغطي العمل الذي كنت ستقيس تكلفته لولا ذلك. إذا كنت تبلغ هذه الحدود في منتصف الجلسة، فابدأ بـتحديد نافذة الاستخدام التي تنتظرها، لأن الحل بعد ذلك قد يكون نموذجاً أصغر، أو سياقاً أخف، أو أرصدة استخدام إضافية، أو نقل هذا العمل إلى API المحاسبة حسب الاستخدام. وإذا اتضح أن API المحاسبة حسب الاستخدام هي الخيار الأقل تكلفة لهذا العمل، فإن الانتقال إلى خطة أصغر أو إلغاء الاشتراك يُبقي الشهر الذي دفعت ثمنه سليماً، ولذلك لن يكلفك التبديل شيئاً عند المغادرة. وإذا كانت الخطة التي تقارن بها Pro هي خطة ChatGPT لا API المحاسبة حسب الاستخدام، فإن سلّمَي الاشتراكات مع عرض أسعارهما جنباً إلى جنب يوضح أيهما أقل تكلفة لأعمال البرمجة. وإذا كان السؤال يخص فريقاً لا مطوّراً واحداً، فلاحظ أن Claude Enterprise يجمع رسماً لكل مقعد مع رموز تُحاسَب وفق أسعار API نفسها، لذلك تظل كل وسيلة في هذه الصفحة قابلة للتطبيق على الجزء المحاسَب حسب الاستخدام من الفاتورة.

FAQ

لماذا تكلّف رموز المخرجات أكثر من رموز المدخلات؟

يتطلب توليدها وقتاً أطول بكثير من المسرّعات لكل رمز. تُعالَج المطالبة في تمريرة أمامية واحدة على كامل محتواها، لذلك تغطي قراءة واحدة لأوزان النموذج آلاف الرموز، ويكون العتاد عادةً مقيّداً بمعدل عمليات الضرب. في فك الترميز العادي، تُنتَج الإجابة رمزاً واحداً في كل مرة، ويحتاج كل رمز إلى تمريرة أمامية مستقلة تعيد قراءة أوزان النموذج وذاكرة KV المتنامية، لذلك يكون العتاد عادةً مقيّداً بعرض نطاق الذاكرة. تقلل تقنيات مثل فك الترميز التخميني هذا الفرق دون إزالته. تفرض Anthropic سعراً على المخرجات يعادل خمسة أضعاف سعر المدخلات في كامل الكتالوج الحالي، من Haiku 5.5 إلى Fable 5.1.

هل يجعل التخزين المؤقت للمطالبة رموز المخرجات أرخص؟

لا. ينطبق التخزين المؤقت للمطالبة على المدخلات فقط. اعتباراً من 27 October 2026، تكلّف قراءة ذاكرة التخزين المؤقت 0.1x من سعر المدخلات الأساسي في معظم النماذج، و0.05x في Opus 5.5 وSonnet 5.5، و0.025x في Fable 5.1. أما كتابة ذاكرة التخزين المؤقت فتكلّف 1.25x لمدة 5 minutes أو 2x لمدة 1 hour. تُحتسب تكلفة المخرجات بالسعر الكامل في كل استدعاء، بصرف النظر عما فعلته ذاكرة التخزين المؤقت. لذلك يغيّر التخزين المؤقت شكل فاتورتك وحجمها أيضاً: عندما ينخفض جانب المدخلات بشدة، تصبح المخرجات هي الجزء الذي يستحق تقليله.

هل يكلّفني ارتفاع max_tokens مالاً إذا كانت الإجابة قصيرة؟

لا. تُحاسَب على الرموز التي ينتجها النموذج فعلياً، لذلك يُعد max_tokens حداً أقصى وليس حجزاً. لكنه يظل مهماً لأنه الحد الصارم الوحيد للإجابة التي تستمر في التوسع بلا توقف. اضبطه أعلى بقليل من المئين 95 لقيمة output_tokens التي رصدتها، ثم عالج stop_reason: "max_tokens" في التعليمات البرمجية بدلاً من إرسال إجابة مبتورة بصمت.

كيف أجد نسبة رموز المدخلات إلى رموز المخرجات لدي؟

سجّل input_tokens وoutput_tokens وcache_read_input_tokens وcache_creation_input_tokens من كائن usage لكل استجابة، ثم اقسم الإجماليات على مدار أسبوع. إذا تجاوزت النسبة 5 input إلى 1 output، فإن التكلفة الأساسية لديك في المطالبة، لذا خزّن الجزء الثابت مؤقتاً واختصر الباقي. وإذا كانت النسبة أقل من ذلك، فإن التكلفة الأساسية لديك في الإجابة، لذا حدّد طولها وانقل الخطوات التي تولّد معظمها إلى نموذج أرخص أو إلى Batch API.