দ্বারা Claude বনাম ChatGPT API: কোনটি সস্তা?
কোন API সত্যিই সস্তা তা tier ও token mix-নির্ভর। সূত্রটি শিখে তিনটি costed workload দেখুন, এবং কোন ক্ষেত্রে Claude-এর bill বেশি হয় তা হিসাবসহ জানুন।
সংক্ষিপ্ত উত্তর
Claude বনাম ChatGPT API-এর pricing-এ একক কোনো বিজয়ী নেই, কারণ দুই vendor-এর মধ্যকার ব্যবধান tier এবং আপনার token mix অনুযায়ী পরিবর্তিত হয়। 21 October 2026 অনুযায়ী workhorse tier-এ উভয় পক্ষই প্রতি input token-এর জন্য একই charge নেয়, কিন্তু Claude-এ প্রতি output token-এর খরচ কম। তাই output-heavy কাজের ক্ষেত্রে Claude সামান্য এগিয়ে থাকে। frontier tier-এ OpenAI-এর promotional gpt-5.6-sol rate প্রতিটি ধাপে Claude Opus 5-এর চেয়ে 20% কম। small tier-এ একই কাজের জন্য Claude Haiku 4.5-এর খরচ কয়েক গুণ বেশি। কোনো উত্তরে tier এবং token mix উল্লেখ না থাকলে সেটি অনুমাননির্ভর।
তাই এই পৃষ্ঠায় প্রথমে arithmetic দেখানো হবে। এরপর token mix-সহ তিনটি costed workload দেওয়া হবে। সবশেষে সেই multipliers দেখানো হবে, যেগুলো headline rate-এর তুলনায় বাস্তব bill-কে আরও বেশি পরিবর্তন করে।
আপনার প্রয়োজনীয় একমাত্র সূত্র
উভয় API একইভাবে টেক্সটের জন্য বিল করে। আপনি যে token পাঠান, সেগুলোর জন্য অর্থ দেন এবং model যে token লিখে ফেরত দেয়, সেগুলোর জন্য বেশি হারে অর্থ দেন।
cost = (input tokens / 1,000,000) * input rate + (output tokens / 1,000,000) * output rate
একটি token-এ কতটা text থাকে, তা model-এর ওপর নির্ভর করে। Anthropic-এর glossary অনুযায়ী, Claude Sonnet 4.6, Claude Haiku 4.5 এবং আগের model-গুলোতে একটি token-এ English-এর প্রায় 3.5টি character থাকে। Claude 4.7 এবং পরবর্তী model-গুলো, যার মধ্যে Opus 5, Sonnet 5, Fable 5 এবং 5.5 generation অন্তর্ভুক্ত, নতুন tokenizer ব্যবহার করে। একই text-এর জন্য এটি প্রায় 30% বেশি token তৈরি করে, অর্থাৎ প্রতি token-এ প্রায় 2.7টি character। বহুল ব্যবহৃত প্রায় 4টি character, অর্থাৎ একটি word-এর প্রায় 0.75 অংশ, OpenAI-এর নিজস্ব model-এর জন্য প্রযোজ্য আনুমানিক হিসাব, Claude-এর জন্য নয়। প্রথম আনুমানিক হিসাবের জন্য এগুলোর যেকোনোটি ব্যবহার করুন। প্রকৃত বিলের জন্য প্রতিটি API প্রতিটি response-এর usage object-এ যে count ফেরত দেয়, তা ব্যবহার করুন।
# Rates are US dollars per million tokens.
def cost(in_tok, out_tok, in_rate, out_rate):
return in_tok / 1e6 * in_rate + out_tok / 1e6 * out_rate
# One support-chat turn: 1,400 tokens in, 220 tokens out, on a $2 / $10 model.
print(round(cost(1400, 220, 2.0, 10.0), 6))script-টি 0.005 print করে, যা প্রতি turn-এ half cent। এক মাসে যত turn আশা করছেন, তা দিয়ে গুণ করলে একটি budget পাবেন। denominator-এ million-token unit-টি বিমূর্ত মনে হলে, Claude-এ এক million token দিয়ে বাস্তবে কতটা text পাওয়া যায় বিষয়টি একটি নির্দিষ্ট text-এর পরিমাণ দিয়ে ব্যাখ্যা করে। এই একটি সূত্র শিখে নিন। তাহলে আজকের পর প্রতিটি price change নতুন analysis-এর বদলে শুধু এক লাইনের edit-এ সামলানো যাবে।
প্রকাশিত মূল্য, October 2026
এগুলো হলো উভয় vendor-এর pricing page-এ দেওয়া list price, যা 21 October 2026-এ যাচাই করা হয়েছে। নিচের scenario-গুলোতে ব্যবহৃত প্রতিটি rate এই block-এ রয়েছে। কোনো budget চূড়ান্ত করার আগে claude.com/pricing এবং OpenAI-এর pricing page-এর সঙ্গে এটি মিলিয়ে দেখুন।
এই চার্টের পেছনের ডেটা
[
{
"label": "Frontier",
"claude_input": 5,
"claude_output": 25,
"openai_input": 4,
"openai_output": 20
},
{
"label": "Workhorse",
"claude_input": 2,
"claude_output": 10,
"openai_input": 2,
"openai_output": 12
},
{
"label": "Workhorse, Sonnet 4.6",
"claude_input": 3,
"claude_output": 15,
"openai_input": 2,
"openai_output": 12
},
{
"label": "Small",
"claude_input": 1,
"claude_output": 5,
"openai_input": 0.2,
"openai_output": 1.2
}
]Pairing-গুলো প্রতিটি lineup-এ অবস্থান অনুযায়ী করা হয়েছে, খ্যাতি অনুযায়ী নয়। Frontier tier-এ Claude Opus 5-এর সঙ্গে gpt-5.6-sol-এর তুলনা করা হয়েছে। Workhorse tier-এ Claude Sonnet 5-এর সঙ্গে gpt-5.6-terra-এর তুলনা করা হয়েছে। Small tier-এ Claude Haiku 4.5-এর সঙ্গে gpt-5.6-luna-এর তুলনা করা হয়েছে। উভয় vendor-ই এই block-এর উপরে আরও উচ্চ tier বিক্রি করে। Claude-এর ক্ষেত্রে সেই tier হলো Fable 5। এর উভয় leg-এ frontier row-এর দ্বিগুণ মূল্য, কিন্তু একই five-times output ratio রয়েছে। তাই Fable 5-এর মূল্য এবং কখন সেই rate সাশ্রয়ী হয় তা পড়ে নিন—Opus 5-ই আপনার bill-এর সর্বোচ্চ tier, এমন ধরে নেওয়ার আগে এটি জানা দরকার। এক পাশে flagship এবং অন্য পাশে budget model তুলনা করলে এমন একটি সংখ্যা পাওয়া যায় যার কোনো অর্থ নেই। অধিকাংশ প্রকাশিত comparison-এর headline এভাবেই তৈরি হয়।
এই block-এর তিনটি বিষয় স্পষ্ট করে বলা দরকার। Sonnet 5-এর 2 এবং 10 হলো এর standard rate। Anthropic প্রথমে 31 August 2026 পর্যন্ত introductory price হিসেবে এগুলো বিক্রি করেছিল। পরে এগুলোকে standard rate করা হয় এবং $3 ও $15-এ planned rise বাতিল করা হয়। ফলে workhorse tier-এ Claude-এর সুবিধা অল্প হলেও বজায় থাকে। দ্বিতীয় workhorse row-টি আগের generation, Claude Sonnet 4.6। এর rate এখনও 3 এবং 15।
দ্বিতীয় বিষয়টি হলো frontier row। 21 August 2026-এ OpenAI promotion হিসেবে gpt-5.6-sol-এর মূল্য $5 এবং $30 থেকে কমিয়ে 4 এবং 20 করে। এর model page-এ বলা হয়েছে, promotional pricing অন্তত 21 November 2026 পর্যন্ত চলবে। ওই সময়ের মধ্যে Sol input, cache read এবং output—তিন ক্ষেত্রেই Claude Opus 5-এর তুলনায় 20% কম দামে পাওয়া যাবে। ওই তারিখের পরে এই row আবার যাচাই করুন।
তৃতীয় বিষয়টি মনে রাখার মতো একটি pattern: উপরের প্রতিটি row-এ Claude নিজের input rate-এর ঠিক 5 গুণ দামে output নির্ধারণ করে। OpenAI gpt-5.6-terra এবং gpt-5.6-luna-এ output-এর জন্য 6 গুণ rate নির্ধারণ করে। Promotional rate-এ gpt-5.6-sol-এর ক্ষেত্রে তা 5 গুণ। Absolute rate নয়, এই ratio-ই আপনার token mix অনুযায়ী কোনটি সাশ্রয়ী হবে তা বদলে দেয়।
এই block-এ তুলনা করা generation-এর চেয়ে উভয় vendor-ই আরও নতুন generation প্রকাশ করেছে। Anthropic 100,000 tokens পর্যন্ত prompt-এর জন্য Claude Opus 5.5-এর মূল্য $4 এবং $20, Claude Sonnet 5.5-এর মূল্য $2 এবং $10, এবং Claude Haiku 5.5-এর মূল্য $0.10 এবং $0.50 হিসেবে তালিকাভুক্ত করেছে। OpenAI-এর model list-এ এখন gpt-6-astra $10 এবং $50, gpt-6.1-sol $2 এবং $10, এবং gpt-6-luna $0.10 এবং $0.50 rate নিয়ে শীর্ষে রয়েছে। প্রতি-token rate-গুলো উপরের row-গুলোর তুলনায় অনেক কাছাকাছি। তাই নতুন model-গুলোতে নিচের tokenizer এবং caching section-গুলোই bill নির্ধারণ করে। Small tier-এর চিত্রে সবচেয়ে বেশি পরিবর্তন এসেছে। ওই tier-এ Claude-কে বাদ দেওয়ার আগে Haiku 5.5-এর মূল্য এবং এটি কোন ক্ষেত্রে উপযোগী তা পড়ে নিন।
এক মিলিয়ন token-এর হার বিভিন্ন vendor-এর মধ্যে তুলনীয় নয় কেন
একটি হার হলো প্রতি token-এ dollar। একটি bill হলো প্রতি token-এর dollar-কে token সংখ্যার সঙ্গে গুণ করা। কোনো text-এর token সংখ্যা text-এর বৈশিষ্ট্য নয়; এটি model-এর বৈশিষ্ট্য।
Anthropic বিষয়টি সরাসরি নথিভুক্ত করেছে: Claude 4.7 এবং পরবর্তী model-গুলো, যার মধ্যে Claude Opus 5 এবং Claude Sonnet 5 রয়েছে, এমন একটি নতুন tokenizer ব্যবহার করে যা একই text-এর জন্য Claude Sonnet 4.6 এবং তার আগের model-গুলোর তুলনায় প্রায় 30% বেশি token তৈরি করে। হার পরিবর্তিত হয়নি। bill পরিবর্তিত হয়েছে।
তাই দেখতে একই রকম দুটি হার দুটি অভিন্ন bill নয়। এই তুলনাসহ কোনো তুলনা বিশ্বাস করার আগে আপনার নিজের text দিয়ে উভয় পাশে token গণনা করুন।
curl https://api.anthropic.com/v1/messages/count_tokens \
-H "x-api-key: $ANTHROPIC_API_KEY" \
-H "anthropic-version: 2023-06-01" \
-H "content-type: application/json" \
-d '{
"model": "claude-sonnet-5",
"messages": [{"role": "user", "content": "Summarise the attached contract."}]
}'একটি সঠিক response হলো একটি ছোট JSON object, যাতে input_tokens থাকে। একটি 401 বোঝায় যে API key গ্রহণ করা হয়নি। প্রথমে আপনার shell-এ key variable খালি কি না পরীক্ষা করুন। এরপর key-টি নিজেই malformed, revoked বা expired কি না পরীক্ষা করুন, কারণ এসব অবস্থায় একই error ফিরে আসে। একই text অন্য vendor-এর tokenizer-এর মাধ্যমে চালান। একটি count-কে অন্য count দিয়ে ভাগ করুন। তুলনা করার আগে প্রকাশিত rate-কে সেই ratio দিয়ে গুণ করুন। ratio কোনো vendor-এর পক্ষে প্রায় 1.25-এর বেশি হলে, উপরের block-এ থাকা frontier এবং workhorse rate-এর পার্থক্যকে তা ছাড়িয়ে যায়। তবে ছোট tier-এর ক্ষেত্রে এটি তেমন প্রভাব ফেলে না, যেখানে input rate-এর পার্থক্য পাঁচগুণ।
পরিস্থিতি এক: chat feature
একটি web application-এর ভেতরে support assistant। প্রতি মাসে 120,000টি turn। প্রতিটি turn-এ একটি system prompt, tool schema, দুটি retrieved help-desk snippet এবং আগের কয়েকটি message পাঠানো হয়; এতে প্রায় 1,400টি input token থাকে, আর model প্রায় 220টি token-এ উত্তর দেয়। এটি interactive, তাই এখানে batch discount কখনও প্রযোজ্য নয়। এটি workhorse tier-এ চালান।
এই চার্টের পেছনের ডেটা
[
{
"label": "List price",
"claude_usd": "600.00",
"openai_usd": "652.80"
},
{
"label": "Cached prefix, 1,100 tokens",
"claude_usd": "362.40",
"openai_usd": "415.20"
},
{
"label": "Small tier, same prefix",
"claude_usd": "300.00",
"openai_usd": "41.52"
}
]তালিকা মূল্য অনুযায়ী Claude-এর bill 600.00, আর OpenAI-এর 652.80। Input অংশের খরচ একই, কারণ উভয়ের input rate একই। পুরো পার্থক্যটি output-এ, এবং সেখানে Claude এত অল্প ব্যবধানে এগিয়ে যে শুধু এই কারণে vendor বেছে নেওয়া যায় না।
এখন stable prefix দেখুন: system prompt এবং tool schema মিলে ওই 1,400টি input token-এর প্রায় 800টি, যা turn-গুলোর মধ্যে পরিবর্তিত হয় না। কোনো vendor-ই এটি cache করবে না। Claude Sonnet 5 এবং gpt-5.6-terra উভয়েই cacheable prefix-এর minimum 1,024 token নির্ধারণ করে। Prefix ছোট হলে error না দিয়ে সেটিকে ordinary input হিসেবে bill করা হয়। আপনার stable prefix যদি 1,100 token-এ পৌঁছায়, তাহলে উভয় ক্ষেত্রেই caching প্রযোজ্য হবে। উভয় model cache hit-এর জন্য base input rate-এর 10% charge করে। ফলে occasional cache write-এর আগে Claude-এর bill কমে 362.40 এবং OpenAI-এর bill কমে 415.20। Vendor বেছে নেওয়ার চেয়ে caching বেশি গুরুত্বপূর্ণ, এবং prefix minimum অতিক্রম করলে উভয় platform-ই এটি সমর্থন করে।
Claude যেখানে পিছিয়ে পড়ে, সেটি হলো এখানে। অধিকাংশ support answer-এর জন্য workhorse model দরকার হয় না। একই traffic small tier-এ সরালে Claude-এর bill হয় 300.00, আর OpenAI-এর bill হয় 41.52। একটি bill-কে অন্যটি দিয়ে ভাগ করলে দেখা যায়, একই কাজের জন্য Claude-এর খরচ প্রায় সাত গুণ বেশি। Claude Haiku 4.5 প্রতি million input token-এ 1 charge করে, যেখানে gpt-5.6-luna charge করে 0.2। Haiku 4.5 4,096 token-এর কম prefix cache করবে না। তাই gpt-5.6-luna-তে cache হওয়া 1,100-token prefix Claude-এ full rate-এ bill হবে। কোনো caching-ই পাঁচ গুণের এই পার্থক্য দূর করতে পারে না। আপনার workload যদি small model-এ চলে, তাহলে এই pairing-এ OpenAI সস্তা এবং ব্যবধানও বড়।
দৃশ্যপট দুই: দীর্ঘ-প্রসঙ্গের document pipeline
মাসে 25,000টি contract। প্রতিটি request-এ একই 9,000-token instruction ও JSON schema, এরপর 12,000 token contract text থাকে, এবং model প্রায় 700 token-এর structured field ফেরত দেয়। এই কাজের মোট token-এর 4%-এরও কম output, এবং এই একটি তথ্যই তুলনাটি নির্ধারণ করে।
এই চার্টের পেছনের ডেটা
[
{
"label": "Chat feature",
"claude_usd": "362.40",
"openai_usd": "415.20"
},
{
"label": "Document pipeline",
"claude_usd": "820.00",
"openai_usd": "855.00"
},
{
"label": "Coding agent",
"claude_usd": "116.10",
"openai_usd": "92.88"
}
]দুই পাশেই 9,000-token prefix cache করা থাকলে Claude-এর বিল হয় 820.00, আর OpenAI-এর বিল হয় 855.00। Input-এর খরচ cent পর্যন্ত একই, কারণ 21 October 2026-এ দুই platform-এর workhorse input rate একই। পুরো পার্থক্যটি output leg-এ: Claude-এ input rate-এর 5 গুণ এবং OpenAI-এ 6 গুণ দামে output গণনা করা হয়।
এই কাজটি batch-এও চালানো যায়। Asynchronous কাজের জন্য দুই vendor-ই input ও output-এ 50% ছাড় দেয়। ফলে দুই total-ই অর্ধেক হয়, কিন্তু পার্থক্যের অনুপাত একই থাকে। যেকোনো platform-এ batch-ই এককভাবে সবচেয়ে বড় discount, এবং nightly document pipeline সবসময় এটি ব্যবহার করতে পারে।
আগের মতো এখানেও Claude একই tier logic-এ পিছিয়ে পড়ে। Fixed schema অনুযায়ী field extraction এমন কাজ, যা একটি ছোট model ভালোভাবে করতে পারে, এবং এখানে মোট token-এর 97% input। এক tier নিচে নামলে OpenAI-এর input rate 0.1 গুণ এবং Claude-এর input rate 0.5 গুণ হয়। আপনার বড় model দরকার ধরে নেওয়ার আগে 200টি document-এ ছোট model পরীক্ষা করুন। এর জন্য একই evaluation ব্যবহার করুন, যেটি আপনি কাজের জন্য সঠিক Claude tier বেছে নিতে চালাতেন।
তিনটি পরিস্থিতি: সব সময় চালু থাকা coding agent
একজন developer একটি VPS-এ agent চালান এবং মাসে প্রায় 900টি model turn ব্যবহার করেন। প্রতিটি turn-এ repository context হিসেবে প্রায় 60,000টি input token থাকে, যার 80% cache hit। প্রতিটি turn প্রায় 1,800টি edit ও ব্যাখ্যার token তৈরি করে। এটি frontier tier-এর দরে হিসাব করুন, কারণ coding-এর ক্ষেত্রে capability gap-এর জন্য প্রকৃত অর্থ ব্যয় হয়।
Claude-এর বিল 116.10, আর OpenAI-এর বিল 92.88। promotional rate প্রযোজ্য থাকলে gpt-5.6-sol input, cache read এবং output—তিন ক্ষেত্রেই 20% সস্তা। তাই cache write ধরার আগেই OpenAI 20% এগিয়ে থাকে।
এই 20% পার্থক্য tokenizer section-এ সতর্ক করা token-count-এর পার্থক্যের চেয়ে কম। তাই ব্যবহার শুরু করার আগে নিজের repository-তে token গণনা করুন। Sol-এর promotion শেষ হতে পারে এমন earliest date 21 November 2026-এর পর আবার হিসাব করুন। দুই rate-এর যেকোনোটির চেয়ে billing model বেশি গুরুত্বপূর্ণ। এই পরিমাণ ব্যবহারে একজন developer-এর জন্য subscription seat সাধারণত metered API call-এর চেয়ে কম খরচের হয়। subscription seat যুক্ত করলে পুরো তুলনাটি বদলে যায়। কোনো agent-কে metered billing-এ দেওয়ার আগে API ও subscription cost-এর তুলনাটি ব্যবহার করে হিসাবটি সম্পূর্ণ করুন। metered billing ব্যবহার করলে প্রথমে token কোথায় ব্যয় হচ্ছে তা জানুন, কারণ একটি coding agent-এর token usage মূলত agent যে code লেখে তার কারণে নয়, বরং প্রতিটি turn-এ পুনরায় পাঠানো context-এর কারণে বেশি হয়।
বিল নির্ধারণকারী গুণকগুলো
তালিকার মধ্যে headline rate-এর প্রভাব সবচেয়ে কম। নিচের প্রতিটি বিষয় একই tier-এ দুই vendor-এর হারের পার্থক্যের চেয়ে বাস্তব বিলকে বেশি পরিবর্তন করে।
Cached input। উপরের rates block-এর প্রতিটি model-এ cache hit হলে উভয় vendor-ই base input-এর 10% charge করে। এটি সর্বজনীন নিয়ম নয়: Anthropic-এর নতুন Opus 5.5 ও Sonnet 5.5-এর ক্ষেত্রে charge 5%, Fable 5.1-এর ক্ষেত্রে 2.5%, এবং OpenAI-এর gpt-6.1-sol-এর ক্ষেত্রে 5%। উভয় vendor cache লিখতেও charge করে। Anthropic পাঁচ মিনিটের entry-এর জন্য base input-এর 1.25 গুণ এবং এক ঘণ্টার entry-এর জন্য 2 গুণ charge করে। পরে hit হলে read price-এ ওই entry refresh হয়। OpenAI-এর GPT-5.6 এবং পরের model-গুলোতে default entry-এর জন্য base input-এর 1.25 গুণ charge করে। Entry লেখার বা সর্বশেষ পড়ার পর অন্তত 30 মিনিট এটি পুনরায় ব্যবহার করা যায়। Responses API-তে base input-এর 2.5 গুণ মূল্যে 12 ঘণ্টার entry-ও পাওয়া যায়। তাই পাঁচ মিনিটের entry একটি read-এর পরই খরচ পুষিয়ে দেয়। কোনো vendor-ই model-এর minimum-এর চেয়ে ছোট prefix cache করে না: Claude Sonnet 5 এবং GPT-5.6-এ 1,024 tokens, Claude Opus 5-এ 512, এবং Claude Haiku 4.5-এ 4,096। এর নিচে আপনি full input-এর জন্য charge দেবেন এবং কোনো error পাবেন না। অনুরোধের মধ্যে দীর্ঘ বিরতি থাকলে workload read-এর চেয়ে বেশি বার write করে। তখন caching সাশ্রয়ের চেয়ে বেশি খরচ করে। নিয়মিত traffic ভালোভাবে cache হয়। Bursty traffic হয় না।
Batch discounts। উভয় platform-এ input ও output-এর ওপর 50% ছাড়, তবে শুধু asynchronous কাজের জন্য। কাজটি অপেক্ষা করতে পারলে যেকোনো vendor-এর ক্ষেত্রে বিল অর্ধেক হয়, এবং এই ছাড় caching-এর সঙ্গে একসঙ্গে প্রযোজ্য।
Output share। Claude তার input rate-এর 5 গুণ output-এর জন্য charge করে। OpenAI gpt-5.6-terra এবং gpt-5.6-luna-তে 6 গুণ charge করে, আর promotional rate-এ gpt-5.6-sol-এ 5 গুণ charge করে। আপনার tokens-এর যত বেশি অংশ read না হয়ে লেখা হয়, equal input rate-এ Claude তত বেশি সুবিধাজনক হয়। Input-dominated কাজের ক্ষেত্রে বিপরীতটি প্রযোজ্য।
Retries। একটি retry-তে পুরো input-এর জন্য আবার charge হয় এবং ব্যবহারযোগ্য কিছু ফেরত আসে না। আপনার call-এর 6% schema validation-এ ব্যর্থ হয়ে retry হলে, পরিকল্পনায় থাকা পরিমাণের চেয়ে input leg 6% বড় হয়। Retry-কে error line হিসেবে নয়, cost line হিসেবে log করুন। Teams সাধারণত এই multiplier সবার শেষে শনাক্ত করে। প্রায়ই এটি সেই vendor gap-এর চেয়েও বড় হয়, যেটি নিয়ে তারা এক সপ্তাহ বিতর্ক করেছে।
কার দিক হারছে, এবং কোন স্তরে
এই জুটিতে ছোট স্তরে Claude স্পষ্টভাবে হারে। gpt-5.6-luna প্রতি মিলিয়ন input token-এ 0.2 চার্জ করে, যেখানে Claude Haiku 4.5-এর মূল্য 1। Output-এর ক্ষেত্রে মূল্য যথাক্রমে 1.2 এবং 5। উচ্চ-ভলিউম classification এবং সংক্ষিপ্ত extraction Claude-এ প্রতি token-এ চার থেকে পাঁচ গুণ বেশি খরচ করে। Caching ব্যবহার করলে পার্থক্য আরও বাড়ে।
Workhorse স্তরে output-এর দিক থেকে Claude এগিয়ে: gpt-5.6-terra-তে প্রতি মিলিয়নে 10 বনাম 12। তবে আপনার নিজস্ব token count এই ব্যবধান মুছে দিতে পারে। 1 September 2026-এর পরেও এই ব্যবধান থাকবে, কারণ Anthropic Sonnet 5-এর introductory price-কে standard price করেছে। Frontier স্তরে আপাতত Claude হারে: gpt-5.6-sol-এর promotional 4 এবং 20 Claude Opus 5-এর প্রতিটি leg-এর চেয়ে 20% কম থাকবে, অন্তত 21 November 2026 পর্যন্ত। Workhorse স্তরে input-প্রধান কাজের ক্ষেত্রে কোনো পক্ষই জেতে না, কারণ উভয় পক্ষেই প্রতি মিলিয়নে 2 মূল্য হওয়ায় input leg-এর সংখ্যা একই।
নিজের network traffic-এ এটি কীভাবে মাপবেন
প্রতিটি response-এর usage object পড়ে প্রতিটি request-এর জন্য চারটি সংখ্যা সংরক্ষণ করুন: input tokens, output tokens, cache read tokens এবং cache write tokens। Claude API-তে এগুলো যথাক্রমে input_tokens, output_tokens, cache_read_input_tokens এবং cache_creation_input_tokens হিসেবে আসে। প্রতিদিন এগুলোর যোগফল বের করুন, বর্তমান rate দিয়ে গুণ করুন এবং invoice-এর মোটের সঙ্গে তুলনা করুন। দুইটির মধ্যে পার্থক্য থাকলে সাধারণত কারণ হয় retry, অথবা এমন কোনো code path যা আপনি release করেছেন কিন্তু মনে নেই।
sample prompt-এর বদলে বাস্তব network traffic-এর এক সপ্তাহের ওপর এই তুলনা চালান। token-পিছু খরচের বদলে সম্পন্ন task-পিছু খরচ তুলনা করুন। কোনো model যদি দ্বিগুণ rate-এ একবারের চেষ্টায় উত্তর দেয়, তবে অর্ধেক rate-এ তিনবার চেষ্টা করতে হয় এমন model-এর তুলনায় সেটি সস্তা। token-পিছু খরচ একটি rate। সম্পন্ন task-পিছু খরচই আপনার bill।
কোনো কিছু চালু রেখে যাওয়ার আগে সর্বোচ্চ spend-এর একটি কঠোর সীমা নির্ধারণ করুন। উভয় platform-এর console-এ spend limit সেট করার সুবিধা আছে। retry loop-এ আটকে থাকা কোনো agent এক রাতেই এক মাসের budget খরচ করতে পারে। এটি এমনভাবে configure করুন, যেভাবে আপনি সবসময় চালু থাকা agent-এর cost control configure করতেন। নিজের server-এ প্রথম version তৈরি করলে VPS-এ প্রথম Claude API app-এ key handling এবং এই হিসাবের ভিত্তি request loop সম্পর্কে নির্দেশনা আছে।
FAQ
Claude API কি ChatGPT API-এর চেয়ে সস্তা?
সব ক্ষেত্রে নয়। 21 October 2026 অনুযায়ী, workhorse tier-এ উভয় প্ল্যাটফর্মেই প্রতি input token-এর দাম একই এবং Claude-এর output token-এর দাম কম। তাই output-heavy কাজের ক্ষেত্রে সেখানে Claude কয়েক শতাংশ সস্তা। frontier tier-এ OpenAI-এর promotional gpt-5.6-sol rate প্রতিটি দিকেই Claude Opus 5-এর চেয়ে 20% কম, অন্তত 21 November 2026 পর্যন্ত। small tier-এ OpenAI-এর gpt-5.6-luna-এর প্রতি input token-এর দাম Claude Haiku 4.5-এর এক-পঞ্চমাংশ। তাই high-volume classification OpenAI-তে অনেক সস্তা। নিজের token mix ব্যবহার করে হিসাব করুন। কারণ এই আকারের পার্থক্যে সিদ্ধান্ত আপনার workload-এর ওপর নির্ভর করে, price list-এর ওপর নয়।
একই শব্দ প্রতিটি API-তে ভিন্ন সংখ্যক token হিসেবে গণনা হয় কেন?
কারণ প্রতিটি model-এর tokenizer আলাদা এবং token count model-এর বৈশিষ্ট্য। Anthropic-এর নথি অনুযায়ী, Claude 4.7 এবং পরবর্তী model-গুলো একই text-এর জন্য Claude Sonnet 4.6 এবং আগের model-গুলোর তুলনায় প্রায় 30% বেশি token তৈরি করে। প্রতিটি vendor-এর token counting endpoint-এ নিজের text পাঠান। একটি count-কে অন্যটির দ্বারা ভাগ করুন। এরপর তুলনা করার আগে সেই ratio প্রকাশিত rate-এর সঙ্গে গুণ করুন। 20% token পার্থক্য frontier এবং workhorse rate gap-এর প্রায় সমান। তাই এটি যেকোনো একটি উল্টে দিতে পারে।
Prompt caching কি কখনও bill বাড়িয়ে দেয়?
হ্যাঁ, উভয় platform-এই। Anthropic-এ পাঁচ মিনিটের entry-এর জন্য cache write-এর দাম base input rate-এর 1.25 গুণ এবং এক ঘণ্টার entry-এর জন্য 2 গুণ। OpenAI-এর ক্ষেত্রে GPT-5.6 এবং পরবর্তী model-এ default 30-minute entry-এর জন্য দাম 1.25 গুণ, আর optional 12-hour entry-এর জন্য 2.5 গুণ। তবে এখানে তুলনা করা model-গুলোতে cache hit-এর দাম 0.1 গুণ। আপনার traffic যদি এতটাই bursty হয় যে কোনো entry পড়ার আগেই অধিকাংশ entry expire হয়ে যায়, তাহলে আপনি write premium দেন কিন্তু কোনো read পান না। আপনার log-এ cache_creation_input_tokens এবং cache_read_input_tokens তুলনা করুন। পাঁচ মিনিটের entry লাভজনক করতে প্রতি write-এ প্রায় একটি read দরকার। এক ঘণ্টার entry-এর জন্য দরকার প্রায় দুটি read। তাই read-এর সংখ্যা এর চেয়ে কম হলে caching আপনার খরচ বাড়াচ্ছে। Entry-এর মেয়াদ বাড়ান অথবা caching বাদ দিন।
Coding agent API-তে চালাব, নাকি subscription-এ?
সাধারণ volume-এ একজন developer-এর জন্য subscription seat সাধারণত metered API billing-এর চেয়ে সস্তা। কারণ coding agent প্রতিটি turn-এ বড় context আবার পাঠায় এবং প্রতিবার সেই context-এর জন্য charge হয়। প্রথমে এক সপ্তাহের জন্য API usage meter করুন। এরপর API total-এর সঙ্গে seat price তুলনা করুন। Usage যদি spiky হয়, অথবা seat-এ না থাকা programmatic access প্রয়োজন হলে API বেশি উপযোগী। API বেছে নেওয়ার কারণ যদি price না হয়ে usage limit-এ পৌঁছে যাওয়া হয়, তাহলে Claude usage limit এড়ানোর উপায়গুলো-র মধ্যে এমন কয়েকটি উপায় আছে যেগুলোর খরচ metered billing-এ যাওয়ার চেয়ে কম।