Claude বনাম ChatGPT API: কোনটি সস্তা?

সংক্ষিপ্ত উত্তর

Claude বনাম ChatGPT API-এর pricing-এ একক বিজয়ী নেই, কারণ দুই vendor প্রতিটি tier-এ input এবং output-এর জন্য ভিন্নভাবে মূল্য নির্ধারণ করে। August 2026 অনুযায়ী, Claude-এর উপরের দুটি tier তাদের OpenAI counterpart-এর সমান প্রতি input token মূল্য এবং কম প্রতি output token মূল্য নেয়। তাই output-heavy কাজের ক্ষেত্রে Claude সামান্য এগিয়ে থাকে। ছোট tier-এ একই কাজের জন্য Claude-এর খরচ কয়েক গুণ বেশি। কোনো উত্তরে tier এবং token mix উল্লেখ না থাকলে সেটি অনুমান মাত্র।

এই কারণে এই page-এ প্রথমে arithmetic দেখানো হয়েছে। এরপর token mix-সহ তিনটি costed workload দেওয়া হয়েছে। শেষে সেই multiplier-গুলো দেখানো হয়েছে, যেগুলো headline rate-এর তুলনায় বাস্তব bill-এ আরও বেশি প্রভাব ফেলে।

আপনার প্রয়োজনীয় একমাত্র সূত্র

উভয় API একইভাবে text-এর জন্য billing করে। আপনি যে token পাঠান, তার জন্য অর্থ দেন। Model যে token লিখে ফেরত দেয়, তার জন্য বেশি হারে অর্থ দেন।

cost = (input tokens / 1,000,000) * input rate + (output tokens / 1,000,000) * output rate

একটি token-এ English-এর প্রায় 4টি character থাকে, যা একটি word-এর প্রায় 0.75 অংশের সমান। প্রথম আনুমানিক হিসাবের জন্য শুধু এটি ব্যবহার করুন। প্রকৃত bill হিসাব করতে প্রতিটি response-এর usage object-এ প্রতিটি API 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))

স্ক্রিপ্টটি 0.005 দেখায়। প্রতি turn-এর জন্য এটি অর্ধেক cent। এক মাসে যতগুলি turn হবে বলে আশা করছেন, তার সঙ্গে এই মান গুণ করলে budget পাবেন। denominator-এ million-token unit-টি যদি অস্পষ্ট মনে হয়, Claude-এ এক million token দিয়ে বাস্তবে কতটা কাজ করা যায় সেটির মাধ্যমে এর পেছনে একটি নির্দিষ্ট পরিমাণ text দেখতে পারবেন। এই একটি সূত্র শিখে নিন। এরপর আজকের পর প্রতিটি price change নতুন analysis না করে শুধু এক লাইনের edit-এ সামলানো যাবে।

প্রকাশিত মূল্যহার, August 2026

এই মূল্যগুলো উভয় vendor 1 August 2026-এ প্রকাশিত list price। এই block-এই post-এর একমাত্র জায়গা যেখানে কোনো মূল্য লিখে দেওয়া হয়েছে। বাজেট চূড়ান্ত করার আগে এটি claude.com/pricing এবং OpenAI-এর pricing page-এর সঙ্গে মিলিয়ে দেখুন।

[
  {
    "label": "Frontier",
    "claude_input": 5,
    "claude_output": 25,
    "openai_input": 5,
    "openai_output": 30
  },
  {
    "label": "Workhorse",
    "claude_input": 2,
    "claude_output": 10,
    "openai_input": 2,
    "openai_output": 12
  },
  {
    "label": "Workhorse from September",
    "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
  }
]

এই pairing-গুলো fame অনুযায়ী নয়; প্রতিটি lineup-এ অবস্থান অনুযায়ী করা হয়েছে। Frontier হলো Claude Opus 5 বনাম gpt-5.6-sol। Workhorse হলো Claude Sonnet 5 বনাম gpt-5.6-terra। Small হলো Claude Haiku 4.5 বনাম gpt-5.6-luna। উভয় vendor এই block-এর উপরে আরও উচ্চ tier বিক্রি করে। OpenAI পুরোনো generation-গুলোকেও তাদের original rate-এ তালিকাভুক্ত রাখে। Claude-এর ক্ষেত্রে সেই tier হলো Fable 5। এর মূল্য frontier row-এর উভয় leg-এ দ্বিগুণ, তবে একই five-times output ratio বজায় থাকে। তাই Fable 5-এর মূল্য কত এবং কখন সেই rate যুক্তিযুক্ত পড়ে নেওয়া ভালো, Opus 5-কে আপনার বিলের সর্বোচ্চ tier ধরে নেওয়ার আগে। এক পাশে flagship এবং অন্য পাশে budget model তুলনা করলে এমন একটি সংখ্যা পাওয়া যায় যার কোনো অর্থ নেই। অধিকাংশ published comparison-এর headline এভাবেই তৈরি হয়।

এই block-এর দুটি বিষয় স্পষ্টভাবে বলা দরকার। Sonnet 5-এর 2 এবং 10 introductory rate। Anthropic-এর নথি অনুযায়ী এগুলো 31 August 2026-এ শেষ হবে। এরপর Sonnet 5-এর মূল্য হবে 3 এবং 15। এই একটি পরিবর্তন workhorse tier-কে সামান্য Claude advantage থেকে স্পষ্ট OpenAI advantage-এ পরিণত করে। পরিবর্তনটি এই post-এর প্রাসঙ্গিক সময়সীমার মধ্যেই ঘটবে।

দ্বিতীয় বিষয়টি মনে রাখার মতো একটি pattern: উপরের প্রতিটি row-এ Claude তার নিজস্ব input rate-এর ঠিক 5 গুণ output-এর জন্য মূল্য নির্ধারণ করে। OpenAI output-এর জন্য 6 গুণ মূল্য নির্ধারণ করে। absolute rate নয়, এই ratio-ই আপনার token mix অনুযায়ী winner পরিবর্তন করে।

প্রতি মিলিয়ন token-এর rate বিভিন্ন vendor-এর মধ্যে তুলনা করা যায় না কেন

একটি rate হলো প্রতি token-এর জন্য dollar। একটি bill হলো প্রতি token-এর dollar-কে token-এর সংখ্যা দিয়ে গুণ করলে যা হয়। কোনো text-এর token count text-এর বৈশিষ্ট্য নয়; এটি model-এর বৈশিষ্ট্য।

Anthropic বিষয়টি সরাসরি উল্লেখ করেছে: Claude 4.7 এবং পরবর্তী model-গুলো, যার মধ্যে Claude Opus 5 এবং Claude Sonnet 5 রয়েছে, নতুন tokenizer ব্যবহার করে। একই text-এর জন্য এই tokenizer Claude Sonnet 4.6 এবং তার আগের model-এর তুলনায় প্রায় 30% বেশি token তৈরি করে। rate পরিবর্তিত হয়নি। bill পরিবর্তিত হয়েছে।

তাই দেখতে একই রকম দুটি rate একই bill নির্দেশ করে না। তুলনাটি বিশ্বাস করার আগে, এই তুলনাসহ, উভয় দিকের token count আপনার নিজের text দিয়ে যাচাই 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."}]
  }'

সঠিক response হলো একটি ছোট JSON object, যার মধ্যে input_tokens রয়েছে। একটি 401 নির্দেশ করে যে আপনার shell-এ key variable-টি empty। একই text অন্য vendor-এর tokenizer দিয়ে চালান, একটি count-কে অন্য count দিয়ে ভাগ করুন, তারপর তুলনা করার আগে সেই ratio-কে প্রকাশিত rate-এর সঙ্গে গুণ করুন। ratio যদি কোনো vendor-এর পক্ষে প্রায় 1.2-এর বেশি হয়, তাহলে উপরের block-এর প্রতিটি rate difference-এর চেয়ে সেটির প্রভাব বেশি।

প্রথম পরিস্থিতি: একটি chat feature

একটি web application-এর ভেতরে একটি support assistant। প্রতি মাসে 120,000টি turn। প্রতিটি turn-এ একটি system prompt, tool schema, help desk থেকে retrieve করা দুটি snippet এবং আগের কয়েকটি message পাঠানো হয়। এতে প্রায় 1,400টি input token থাকে এবং model প্রায় 220টি token-এ উত্তর দেয়। এটি interactive হওয়ায় এখানে batch discount কখনো প্রযোজ্য হবে না। এটি workhorse tier-এ চালান।

[
  {
    "label": "List price",
    "claude_usd": "600.00",
    "openai_usd": "652.80"
  },
  {
    "label": "Cached prefix",
    "claude_usd": "427.20",
    "openai_usd": "480.00"
  },
  {
    "label": "Small tier, cached",
    "claude_usd": "213.60",
    "openai_usd": "48.00"
  }
]

তালিকাভুক্ত মূল্যে Claude-এর বিল 600.00, যেখানে OpenAI-এর বিল 652.80। Input-এর অংশ দুটি একই, কারণ input rate একই। পুরো পার্থক্য output-এ, এবং সেই পার্থক্য এত কম যে এর ভিত্তিতে কোনো vendor বেছে নেওয়া যায় না।

এখন ওই 1,400টি input token-এর মধ্যে 800টিকে একটি স্থিতিশীল prefix হিসেবে চিহ্নিত করুন। এগুলো হলো system prompt এবং tool schema, যা turn-গুলোর মধ্যে পরিবর্তিত হয় না। উভয় vendor cache hit-এর জন্য তাদের base input rate-এর 10% নেয়। Claude-এর বিল কমে 427.20 এবং OpenAI-এর বিল কমে 480.00। Vendor বেছে নেওয়ার চেয়ে caching বেশি সাশ্রয়ী, এবং উভয় platform-ই এটি সমর্থন করে।

Claude এখানে পিছিয়ে পড়ে। অধিকাংশ support answer-এর জন্য workhorse model প্রয়োজন হয় না। একই traffic small tier-এ নিলে Claude-এর বিল হয় 213.60, আর OpenAI-এর বিল হয় 48.00। একটি বিলকে অন্যটি দিয়ে ভাগ করলে দেখা যায়, একই কাজের জন্য Claude-এর খরচ প্রায় সাড়ে চার গুণ। Claude Haiku 4.5 প্রতি million input token-এর জন্য 1 নেয়, যেখানে gpt-5.6-luna-এর rate 0.2; কোনো caching-ই এই পাঁচ গুণ পার্থক্য দূর করতে পারে না। আপনার workload যদি small model-এ চলে, তাহলে OpenAI সস্তা এবং পার্থক্যও বড়।

দৃশ্যপট দুই: দীর্ঘ-প্রসঙ্গের ডকুমেন্ট pipeline

প্রতি মাসে 25,000টি contract প্রক্রিয়া করা হয়। প্রতিটি request-এ একই 9,000-token instruction ও JSON schema, এরপর 12,000 token contract text থাকে। Model প্রায় 700 token-এর structured field ফেরত দেয়। এই কাজের মোট token-এর 4%-এরও কম হলো output, এবং এই একটি তথ্যই তুলনাটি নির্ধারণ করে।

[
  {
    "label": "Chat feature",
    "claude_usd": "427.20",
    "openai_usd": "480.00"
  },
  {
    "label": "Document pipeline",
    "claude_usd": "820.00",
    "openai_usd": "855.00"
  },
  {
    "label": "Coding agent",
    "claude_usd": "116.10",
    "openai_usd": "124.20"
  }
]

দুই দিকেই 9,000-token prefix cache করা থাকলে Claude-এর খরচ 820.00, আর OpenAI-এর খরচ 855.00। Input-এর খরচ cent পর্যন্ত একই, কারণ August 2026-এ workhorse input rate একই। সম্পূর্ণ পার্থক্য output leg-এ: Claude-এ input-এর 5 গুণ এবং OpenAI-এ 6 গুণ দামে output নির্ধারিত হয়।

এই কাজ batch processing-ও ব্যবহার করতে পারে। উভয় vendor asynchronous কাজের জন্য input ও output-এ 50% ছাড় দেয়। তাই উভয় মোট খরচ অর্ধেক হয়, কিন্তু ব্যবধানের অনুপাত অপরিবর্তিত থাকে। যেকোনো platform-এ batch-ই এককভাবে সবচেয়ে বড় discount, এবং nightly document pipeline এটি সবসময় ব্যবহার করতে পারে।

আগের মতো এখানেও Claude-এর অসুবিধা একই tier logic-এর কারণে। Fixed schema অনুযায়ী field extraction এমন কাজ, যেটিতে small model ভালো ফল দেয়। এখানে মোট token-এর 97% হলো input। এক tier নিচে নামলে OpenAI input rate 0.1 গুণ এবং Claude input rate 0.5 গুণ হয়। বড় model প্রয়োজন বলে ধরে নেওয়ার আগে 200টি document-এ small model পরীক্ষা করুন। এর জন্য কাজের জন্য সঠিক Claude tier বেছে নেওয়ার সময় যে evaluation ব্যবহার করতেন, একই evaluation ব্যবহার করুন।

তিন নম্বর পরিস্থিতি: সার্বক্ষণিক চালু coding agent

একজন developer একটি VPS-এ agent চালাচ্ছেন এবং মাসে প্রায় 900টি model turn হচ্ছে। প্রতিটি turn-এ repository context হিসেবে প্রায় 60,000টি input token থাকে। এর 80% cache hit। প্রতিটি turn-এ প্রায় 1,800টি edit ও explanation token উৎপন্ন হয়। এটি frontier tier-এর দরে হিসাব করুন, কারণ coding-এর ক্ষেত্রে capability gap-এর জন্য প্রকৃত অর্থ ব্যয় হয়।

Claude-এর বিল 116.10, যেখানে OpenAI-এর বিল 124.20। Input rate এবং cache read rate একই। Claude-এর কম output rate-এর কারণে প্রায় 7% কম খরচ হয়।

এই 7% আগের tokenizer error bar-এর মধ্যেই পড়ে। তাই rate-এর দিক থেকে এই পরিস্থিতিকে সমতা হিসেবে ধরুন। তবে billing model-এর ক্ষেত্রে সমতা নেই। এই পরিমাণ ব্যবহারে একজন developer-এর জন্য subscription seat সাধারণত metered API call-এর চেয়ে সস্তা হয়। একটি subscription seat যুক্ত করলে পুরো তুলনার ফল বদলে যায়। কোনো agent-কে metered billing-এ চালানোর আগে API ও subscription cost-এর তুলনা করে দেখুন। Metering ব্যবহার করলে আগে token কোথায় খরচ হচ্ছে তা নির্ধারণ করুন, কারণ একটি coding agent-এর token ব্যবহার মূলত agent যে code লেখে তার চেয়ে প্রতিটি turn-এ পুনরায় পাঠানো context-এর ওপর বেশি নির্ভর করে।

বিল নির্ধারণকারী গুণকগুলো

তালিকার মধ্যে headline rate-এর প্রভাব সবচেয়ে কম। নিচের প্রতিটি বিষয় একই tier-এ দুই vendor-এর দামের পার্থক্যের চেয়েও বাস্তব বিলকে বেশি পরিবর্তন করে।

Cached input। উভয় vendor cache hit-এর জন্য base input-এর 10% চার্জ করে। Anthropic cache লেখার জন্যও চার্জ করে: পাঁচ মিনিটের entry-এর জন্য base input-এর 1.25 গুণ এবং এক ঘণ্টার entry-এর জন্য 2 গুণ। পরে কোনো hit হলে read price-এ সেই entry refresh হয়। তাই পাঁচ মিনিটের entry একটি read-এর পর নিজের খরচ উঠে আসে। অনুরোধের মধ্যে দীর্ঘ বিরতি থাকলে workload-এ read-এর চেয়ে বেশি বার write হয়। সে ক্ষেত্রে caching যতটা সাশ্রয় করে, তার চেয়ে বেশি খরচ হয়। স্থির network traffic ভালোভাবে cache করা যায়। হঠাৎ হঠাৎ হওয়া network traffic যায় না।

Batch discounts। উভয় platform-এ asynchronous কাজের জন্য input ও output-এ 50% ছাড় পাওয়া যায়। কাজ অপেক্ষা করতে পারলে যেকোনো vendor-এ বিল অর্ধেক হয়। এই ছাড় caching-এর সঙ্গেও একসঙ্গে প্রযোজ্য।

Output share। Claude output-এর জন্য input rate-এর 5 গুণ চার্জ করে। OpenAI চার্জ করে 6 গুণ। আপনার token-এর বেশি অংশ যদি পড়ার বদলে লেখা হয়, input rate সমান থাকলে Claude বেশি সাশ্রয়ী মনে হবে। input-নির্ভর কাজের ক্ষেত্রে এর বিপরীত প্রযোজ্য।

Retries। একটি retry-তে সম্পূর্ণ input-এর জন্য আবার চার্জ হয় এবং ব্যবহারযোগ্য কোনো ফল ফেরত আসে না। আপনার 6% call schema validation-এ ব্যর্থ হয়ে retry হলে, plan-এ উল্লেখিত পরিমাণের চেয়ে input leg 6% বড় হয়। Retry-কে error line হিসেবে নয়, cost line হিসেবে log করুন। Teams সাধারণত এই গুণকটি সবার শেষে শনাক্ত করে। প্রায়ই এটি vendor-এর দামের সেই পার্থক্যের চেয়েও বড় হয়, যা নিয়ে তারা এক সপ্তাহ ধরে বিতর্ক করেছে।

কোন পক্ষ কোথায় পিছিয়ে

ছোট tier-এ Claude সরাসরি পিছিয়ে। gpt-5.6-luna-এর প্রতি মিলিয়ন input token-এর দাম 0.2, যেখানে Claude Haiku 4.5-এর দাম 1। Output-এর ক্ষেত্রে দাম যথাক্রমে 1.2 এবং 5। High-volume classification এবং short extraction-এর খরচ Claude-এ প্রায় চার গুণ বেশি।

1 September 2026 থেকে workhorse tier-এ Claude পিছিয়ে যাবে। ওই তারিখে introductory rate শেষ হবে এবং Sonnet 5-এর দাম হবে 3 ও 15। বিপরীতে gpt-5.6-terra-এর দাম অপরিবর্তিত থাকবে। Output rate-এর দিক থেকে frontier tier-এ Claude এগিয়ে, তবে আপনার নিজস্ব token count-এর পার্থক্য এই সুবিধা মুছে দিতে পারে। August 2026-এ input-নির্ভর কাজে কোনো পক্ষই এগিয়ে নয়, কারণ উভয় পক্ষেই প্রতি মিলিয়ন input-এর দাম 2 এবং input-এর খরচ 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 সময় নয়। August 2026-এ উভয় পক্ষের frontier এবং workhorse tier-এ প্রতি input token-এর দাম একই। Claude-এর প্রতি output token-এর দাম কম। তাই output-heavy কাজে Claude কয়েক শতাংশ সস্তা। ছোট 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 নিজের খরচ হিসাব করুন। কারণ এই সামান্য পার্থক্যের ফল price list নয়, আপনার workload নির্ধারণ করে।

একই শব্দ প্রতিটি API-তে ভিন্ন সংখ্যক token হিসেবে গণনা হয় কেন?

কারণ প্রতিটি model-এর tokenizer আলাদা। Token count model-এর বৈশিষ্ট্য। Anthropic-এর documentation 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। নিজের text প্রতিটি vendor-এর token counting endpoint-এ পাঠান। একটি count-কে অন্যটির count দিয়ে ভাগ করুন। তুলনার আগে প্রকাশিত rate-এর সঙ্গে সেই ratio গুণ করুন। 20% token পার্থক্য বেশিরভাগ প্রকাশিত rate-এর পার্থক্যকে ছাড়িয়ে যায়।

Prompt caching কি কখনও bill বাড়াতে পারে?

হ্যাঁ, Anthropic-এ পারে। পাঁচ মিনিটের entry-এর জন্য cache write-এর খরচ base input rate-এর 1.25 গুণ। এক ঘণ্টার entry-এর জন্য এটি 2 গুণ। অন্যদিকে cache hit-এর খরচ 0.1 গুণ। আপনার traffic এত bursty হলে যে বেশিরভাগ entry কোনো request পড়ার আগেই expire হয়ে যায়, তাহলে write premium দিতে হবে, কিন্তু কোনো read পাবেন না। আপনার log-এ cache_creation_input_tokens এবং cache_read_input_tokens তুলনা করুন। Ratio 1-এর কাছাকাছি হলে caching আপনার খরচ বাড়াচ্ছে। তাই entry-এর মেয়াদ বাড়ান অথবা এটি বাদ দিন।

Coding agent API-তে চালাব, নাকি subscription ব্যবহার করব?

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 খরচ হয়। প্রথমে এক সপ্তাহ 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 কয়েকটি পদ্ধতি-এর কিছু metered billing-এ যাওয়ার চেয়ে কম খরচের হতে পারে।