مقایسه قیمت API مدل‌های Claude و ChatGPT در سال 2026

پاسخ کوتاه

برای قیمت‌گذاری API در Claude و ChatGPT برندهٔ واحدی وجود ندارد، زیرا فاصلهٔ میان این دو ارائه‌دهنده با tier و ترکیب tokenهای شما تغییر می‌کند. در تاریخ 21 October 2026، tier اصلی برای هر دو سرویس به‌ازای هر input token هزینهٔ یکسانی دارد و هزینهٔ هر output token در Claude کمتر است؛ بنابراین Claude در کارهای متکی بر خروجی، اندکی مقرون‌به‌صرفه‌تر است. در tier پیشرفته، نرخ‌های تبلیغاتی gpt-5.6-sol از OpenAI برای هر دو نوع token، 20% کمتر از Claude Opus 5 است. در tier کوچک، Claude Haiku 4.5 برای همان کار چند برابر بیشتر هزینه دارد. هر پاسخی که tier و ترکیب token را مشخص نکند، صرفاً حدس است.

بنابراین، این صفحه ابتدا محاسبات را ارائه می‌کند، سپس سه workload دارای محاسبهٔ هزینه را همراه با ترکیب token آن‌ها بررسی می‌کند و در پایان multiplierهایی را توضیح می‌دهد که می‌توانند بیش از نرخ اعلام‌شدهٔ اصلی، صورت‌حساب واقعی را تغییر دهند.

تنها فرمولی که به آن نیاز دارید

هر دو API هزینهٔ متن را به یک روش محاسبه می‌کنند. برای tokenهایی که ارسال می‌کنید هزینه می‌پردازید و برای tokenهایی که مدل برمی‌گرداند، نرخ بیشتری پرداخت می‌کنید.

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

مقدار متنی که هر token در خود جای می‌دهد، به مدل بستگی دارد. واژه‌نامهٔ Anthropic برای Claude Sonnet 4.6، Claude Haiku 4.5 و مدل‌های قدیمی‌تر، هر token را حدود 3.5 نویسهٔ انگلیسی در نظر می‌گیرد. Claude 4.7 و مدل‌های جدیدتر، از جمله Opus 5، Sonnet 5، Fable 5 و نسل 5.5، از tokenizer جدیدتری استفاده می‌کنند که برای یک متن یکسان حدود 30% token بیشتر تولید می‌کند؛ بنابراین هر token تقریباً معادل 2.7 نویسه است. عدد آشنای حدود 4 نویسه، نزدیک به 0.75 کلمه، قاعدهٔ سرانگشتی OpenAI برای مدل‌های خودش است، نه Claude. از هرکدام از این اعداد فقط برای برآورد اولیه استفاده کنید. برای محاسبهٔ واقعی هزینه، از تعدادهایی استفاده کنید که هر API در شیء usage هر پاسخ برمی‌گرداند.

# 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))

اسکریپت 0.005 را چاپ می‌کند که معادل نیم سنت برای هر نوبت است. این مقدار را در تعداد نوبت‌هایی که انتظار دارید در یک ماه داشته باشید ضرب کنید تا بودجهٔ خود را به دست آورید. اگر واحد یک میلیون token در مخرج برایتان انتزاعی به نظر می‌رسد، یک میلیون token در Claude واقعاً چه مقدار متن در اختیار شما می‌گذارد مقدار مشخصی از متن را نشان می‌دهد. این فرمول را یاد بگیرید تا هر تغییر قیمت بعد از امروز، به‌جای تحلیل جدید، فقط به ویرایش یک خط نیاز داشته باشد.

نرخ‌های منتشرشده، اکتبر 2026

این‌ها قیمت‌های فهرست‌شده در صفحات قیمت‌گذاری هر دو ارائه‌دهنده هستند که در 21 اکتبر 2026 بررسی شده‌اند. این بخش تمام نرخ‌هایی را شامل می‌شود که سناریوهای زیر از آن‌ها استفاده می‌کنند. پیش از نهایی‌کردن بودجه، آن را با claude.com/pricing و صفحه قیمت‌گذاری OpenAI تطبیق دهید.

[
  {
    "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
  }
]

این جفت‌سازی‌ها بر اساس جایگاه هر مدل در فهرست مربوطه انجام شده‌اند، نه بر اساس شهرت. در رده Frontier، Claude Opus 5 با gpt-5.6-sol مقایسه می‌شود. در رده Workhorse، Claude Sonnet 5 با gpt-5.6-terra مقایسه می‌شود. در رده Small، Claude Haiku 4.5 با gpt-5.6-luna مقایسه می‌شود. هر دو ارائه‌دهنده رده‌های گران‌تری هم بالاتر از این بخش عرضه می‌کنند. در سمت Claude، این رده Fable 5 است که در هر دو بخش ورودی و خروجی، دو برابر ردیف Frontier قیمت دارد و همان نسبت پنج‌برابری خروجی را حفظ می‌کند؛ بنابراین هزینه Fable 5 و زمان توجیه این نرخ را بخوانید، پیش از آن‌که فرض کنید Opus 5 بالاترین هزینه در صورتحساب شماست. مقایسه یک مدل پرچم‌دار در یک سمت با یک مدل اقتصادی در سمت دیگر، عددی بی‌معنا تولید می‌کند؛ بیشتر مقایسه‌های منتشرشده نیز از همین طریق به تیتر اصلی خود می‌رسند.

سه نکته در آن بخش باید صریح گفته شود. نرخ‌های 2 و 10 برای Sonnet 5 نرخ‌های استاندارد آن هستند. Anthropic ابتدا این نرخ‌ها را تا 31 August 2026 به‌عنوان قیمت مقدماتی ارائه کرد، سپس آن‌ها را استاندارد کرد و افزایش برنامه‌ریزی‌شده به $3 و $15 را لغو کرد؛ بنابراین رده Workhorse همچنان با اختلافی اندک به نفع Claude است. ردیف دوم Workhorse به نسل قبلی، یعنی Claude Sonnet 4.6، مربوط می‌شود که همچنان با نرخ‌های 3 و 15 فهرست شده است.

نکته دوم به ردیف Frontier مربوط می‌شود. OpenAI در 21 August 2026 قیمت gpt-5.6-sol را به‌عنوان یک طرح تبلیغاتی، از $5 و $30 به 4 و 20 کاهش داد و صفحه مدل اعلام می‌کند که قیمت تبلیغاتی دست‌کم تا 21 November 2026 ادامه دارد. تا آن زمان، Sol در ورودی، خواندن cache و خروجی، در هر سه مورد 20% ارزان‌تر از Claude Opus 5 است. پس از آن تاریخ، این ردیف را دوباره بررسی کنید.

نکته سوم الگویی است که ارزش به‌خاطر سپردن دارد: Claude در تمام ردیف‌های بالا، خروجی را دقیقاً 5 برابر نرخ ورودی خود قیمت‌گذاری می‌کند. OpenAI خروجی را برای gpt-5.6-terra و gpt-5.6-luna، 6 برابر قیمت‌گذاری می‌کند و برای gpt-5.6-sol با نرخ تبلیغاتی، این نسبت 5 برابر است. این نسبت، نه نرخ مطلق، باعث می‌شود برنده بر اساس ترکیب توکن‌های شما تغییر کند.

هر دو ارائه‌دهنده نسل جدیدتری از مدل‌های مقایسه‌شده در این بخش را نیز عرضه کرده‌اند. Anthropic، Claude Opus 5.5 را با نرخ‌های $4 و $20، Claude Sonnet 5.5 را با نرخ‌های $2 و $10، و Claude Haiku 5.5 را برای promptهای حداکثر 100,000 توکن با نرخ‌های $0.10 و $0.50 فهرست می‌کند. فهرست مدل‌های OpenAI اکنون با gpt-6-astra با نرخ‌های $10 و $50، gpt-6.1-sol با نرخ‌های $2 و $10، و gpt-6-luna با نرخ‌های $0.10 و $0.50 آغاز می‌شود. این نرخ‌ها به‌ازای هر توکن، بسیار به هم نزدیک‌تر از ردیف‌های بالا هستند؛ بنابراین در مدل‌های جدیدتر، بخش‌های مربوط به tokenizer و caching در ادامه، صورتحساب را تعیین می‌کنند. تصویر رده Small بیش از همه تغییر می‌کند و هزینه Haiku 5.5 و جایگاه آن را بخوانید، پیش از آن‌که Claude را در این رده کنار بگذارید.

چرا نرخ به‌ازای یک میلیون توکن بین ارائه‌دهندگان قابل‌مقایسه نیست

نرخ، مقدار دلار به‌ازای هر توکن است. صورتحساب برابر است با مقدار دلار به‌ازای هر توکن ضرب‌در تعداد توکن‌ها؛ و تعداد توکن‌های یک متن، ویژگی مدل است، نه ویژگی خود متن.

Anthropic این موضوع را مستقیماً مستند کرده است: مدل‌های Claude 4.7 و نسخه‌های بعدی، از جمله Claude Opus 5 و Claude Sonnet 5، از tokenizer جدیدتری استفاده می‌کنند که برای یک متن یکسان، تقریباً 30% توکن بیشتر از Claude Sonnet 4.6 و نسخه‌های قبل تولید می‌کند. نرخ تغییر نکرد. صورتحساب تغییر کرد.

بنابراین دو نرخی که یکسان به نظر می‌رسند، لزوماً دو صورتحساب یکسان ایجاد نمی‌کنند. پیش از اعتماد به هر مقایسه، از جمله همین مقایسه، تعداد توکن‌ها را در هر دو طرف و با متن خودتان محاسبه کنید.

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."}]
  }'

یک پاسخ سالم، شیء کوچک JSON است که شامل input_tokens می‌شود. دریافت 401 یعنی کلید API پذیرفته نشده است. ابتدا بررسی کنید متغیر کلید در shell شما خالی نباشد. سپس بررسی کنید خود کلید malformed، revoked یا expired نباشد؛ این وضعیت‌ها همان خطا را برمی‌گردانند. همین متن را با tokenizer ارائه‌دهنده دیگر اجرا کنید، یک تعداد را بر تعداد دیگر تقسیم کنید، سپس پیش از مقایسه، آن نسبت را در نرخ اعلام‌شده ضرب کنید. اگر این نسبت با اختلافی بیش از حدود 1.25 به نفع یکی از ارائه‌دهندگان باشد، اثر آن از تفاوت نرخ‌های frontier و workhorse در بلوک بالا بیشتر است. این نسبت به اختلاف tier کوچک نزدیک هم نمی‌شود؛ در آن tier، نرخ‌های ورودی پنج‌برابر تفاوت دارند.

سناریوی اول: یک قابلیت گفت‌وگو

یک دستیار پشتیبانی درون یک برنامه وب. 120,000 نوبت در ماه. هر نوبت شامل یک system prompt، schemaهای ابزار، دو قطعه بازیابی‌شده از میز خدمت و چند پیام قبلی است؛ در مجموع حدود 1,400 توکن ورودی. مدل نیز پاسخ را در حدود 220 توکن تولید می‌کند. این فرایند تعاملی است، بنابراین تخفیف batch هرگز در اینجا اعمال نمی‌شود. آن را روی رده workhorse اجرا کنید.

[
  {
    "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"
  }
]

در قیمت فهرستی، Claude مبلغ 600.00 را دریافت می‌کند، درحالی‌که مبلغ OpenAI برابر با 652.80 است. بخش‌های ورودی یکسان‌اند، چون نرخ‌های ورودی یکسان هستند. کل اختلاف به خروجی مربوط می‌شود و Claude این اختلاف را با حاشیه‌ای آن‌قدر کم برنده می‌شود که نمی‌توان فقط بر اساس آن یک vendor را انتخاب کرد.

اکنون به prefix پایدار نگاه کنید: system prompt و schemaهای ابزار، که حدود 800 توکن از آن 1,400 توکن ورودی را تشکیل می‌دهند و بین نوبت‌ها تغییر نمی‌کنند. هیچ‌یک از این دو vendor آن را cache نمی‌کنند. Claude Sonnet 5 و gpt-5.6-terra هر دو حداقل prefix قابل cache برابر با 1,024 توکن دارند و prefix کوتاه‌تر بدون ایجاد خطا، مانند ورودی عادی صورت‌حساب می‌شود. اگر prefix پایدار شما به 1,100 توکن برسد، caching در هر دو طرف اعمال می‌شود و چون هر دو مدل برای cache hit، 10% نرخ پایه ورودی خود را دریافت می‌کنند، مبلغ Claude پیش از cache writeهای گاه‌به‌گاه به 362.40 و مبلغ OpenAI به 415.20 کاهش می‌یابد. caching از انتخاب vendor ارزش بیشتری دارد و هر دو پلتفرم آن را ارائه می‌کنند، به‌شرط آن‌که prefix از حداقل تعیین‌شده عبور کند.

اینجاست که Claude بازنده می‌شود. بیشتر پاسخ‌های پشتیبانی به یک مدل workhorse نیاز ندارند. همین ترافیک را به رده small منتقل کنید؛ در این حالت مبلغ Claude برابر با 300.00 و مبلغ OpenAI برابر با 41.52 خواهد بود. یکی را بر دیگری تقسیم کنید؛ Claude برای همان کار حدود هفت برابر گران‌تر است. Claude Haiku 4.5 برای هر یک میلیون توکن ورودی 1 دریافت می‌کند، درحالی‌که نرخ gpt-5.6-luna برابر با 0.2 است. همچنین Haiku 4.5 prefix کوتاه‌تر از 4,096 توکن را cache نمی‌کند؛ بنابراین prefix 1,100 توکنی که در gpt-5.6-luna cache می‌شود، در Claude با نرخ کامل صورت‌حساب خواهد شد. هیچ مقدار caching نمی‌تواند اختلاف پنج‌برابری را از بین ببرد. اگر workload شما با یک مدل small سازگار است، OpenAI در این مقایسه ارزان‌تر است و حاشیه اختلاف نیز زیاد است.

سناریوی دوم: خط لولهٔ پردازش اسناد با context طولانی

25,000 قرارداد در ماه. هر درخواست همان دستورالعمل 9,000-توکنی و JSON schema را دارد، سپس 12,000 توکن متن قرارداد ارسال می‌شود و مدل حدود 700 توکن فیلد ساختاریافته برمی‌گرداند. خروجی کمتر از 4% توکن‌های این کار است و همین واقعیت، نتیجهٔ مقایسه را تعیین می‌کند.

[
  {
    "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"
  }
]

با cache شدن prefix دارای 9,000 توکن در هر دو طرف، هزینهٔ Claude برابر 820.00 و هزینهٔ OpenAI برابر 855.00 است. هزینهٔ بخش ورودی تا آخرین سنت یکسان است، چون در 21 October 2026 نرخ‌های ورودی اصلی یکسان هستند. تمام تفاوت به بخش خروجی مربوط می‌شود؛ این بخش در Claude با نرخ 5 برابر ورودی و در OpenAI با نرخ 6 برابر قیمت‌گذاری می‌شود.

این کار از batch نیز استفاده می‌کند. هر دو ارائه‌دهنده برای پردازش asynchronous، 50% تخفیف روی ورودی و خروجی می‌دهند؛ بنابراین مجموع هر دو نصف می‌شود و نسبت اختلاف همچنان حفظ می‌شود. Batch بزرگ‌ترین تخفیف منفرد در هر دو پلتفرم است و یک خط لولهٔ اسناد شبانه همیشه می‌تواند از آن استفاده کند.

Claude در اینجا نیز به همان دلیل tier logic قبلی بازنده است. استخراج فیلد بر اساس یک schema ثابت دقیقاً کاری است که یک مدل کوچک به‌خوبی انجام می‌دهد و ورودی 97% توکن‌های این سناریو را تشکیل می‌دهد. رفتن یک tier پایین‌تر، نرخ ورودی OpenAI را در 0.1 و نرخ ورودی Claude را در 0.5 ضرب می‌کند. پیش از آن‌که فرض کنید به مدل بزرگ‌تر نیاز دارید، مدل کوچک را روی 200 سند آزمایش کنید و همان ارزیابی‌ای را به کار ببرید که برای انتخاب tier مناسب Claude برای یک کار اجرا می‌کنید.

سناریوی سوم: یک coding agent همیشه‌فعال

یک توسعه‌دهنده روی یک VPS، یک agent را اجرا می‌کند و در هر ماه تقریباً 900 نوبت مدل دارد. هر نوبت حدود 60,000 توکن ورودی از context مخزن را حمل می‌کند که 80% آن cache hit است و حدود 1,800 توکن ویرایش و توضیح تولید می‌کند. هزینه را بر اساس رده frontier محاسبه کنید، زیرا در کار coding، شکاف قابلیت‌ها هزینه واقعی ایجاد می‌کند.

Claude مبلغ 116.10 را در برابر 92.88 برای OpenAI دریافت می‌کند. با نرخ‌های تبلیغاتی آن، gpt-5.6-sol در ورودی، cache read و خروجی، در هر سه مورد 20% ارزان‌تر است؛ بنابراین OpenAI پیش از درنظرگرفتن cache write، 20% برنده است.

این 20% از تفاوت‌های تعداد توکن که بخش tokenizer درباره آن‌ها هشدار می‌دهد کمتر است. بنابراین پیش از تصمیم‌گیری، تعداد توکن‌ها را روی مخزن خودتان محاسبه کنید و پس از 21 November 2026 دوباره آن را بررسی کنید؛ این نخستین تاریخی است که تبلیغ Sol می‌تواند در آن پایان یابد. آنچه از هر دو نرخ مهم‌تر است، مدل صورتحساب است. برای یک توسعه‌دهنده با این حجم استفاده، هزینه یک subscription seat معمولاً از فراخوانی‌های API مبتنی بر مصرف کمتر است و پس از اضافه‌کردن subscription seat، کل مقایسه تغییر می‌کند. پیش از قراردادن agent روی صورتحساب مبتنی بر مصرف، این موضوع را با مقایسه هزینه API و subscription بررسی کنید. اگر از صورتحساب مبتنی بر مصرف استفاده می‌کنید، ابتدا مشخص کنید توکن‌ها کجا مصرف می‌شوند، زیرا مصرف توکن یک coding agent عمدتاً به contextای مربوط است که در هر نوبت دوباره ارسال می‌شود، نه کدی که agent می‌نویسد.

ضریب‌هایی که مبلغ صورتحساب را تعیین می‌کنند

نرخ اعلام‌شده کوچک‌ترین عامل در این فهرست است. هرکدام از عوامل زیر مبلغ واقعی صورتحساب را بیشتر از تفاوت بین دو vendor در یک tier یکسان تغییر می‌دهد.

ورودی cache‌شده. هر دو vendor برای cache hit در همه مدل‌های بخش نرخ بالا، 10% ورودی پایه دریافت می‌کنند. این قانون عمومی نیست: Anthropic برای Opus 5.5 و Sonnet 5.5 جدیدتر 5% و برای Fable 5.1 مقدار 2.5% دریافت می‌کند و OpenAI برای gpt-6.1-sol مقدار 5% دریافت می‌کند. هر دو vendor برای نوشتن در cache نیز هزینه می‌گیرند. Anthropic برای یک entry پنج‌دقیقه‌ای 1.25 برابر ورودی پایه و برای یک entry یک‌ساعته 2 برابر آن دریافت می‌کند؛ hit بعدی نیز آن entry را با قیمت خواندن تمدید می‌کند. OpenAI در مدل‌های GPT-5.6 و جدیدتر، برای entry پیش‌فرض خود 1.25 برابر ورودی پایه دریافت می‌کند. این entry پس از نوشته‌شدن یا آخرین خوانده‌شدن، دست‌کم 30 دقیقه قابل استفاده مجدد باقی می‌ماند. Responses API آن همچنین entry دوازده‌ساعته را با قیمت 2.5 برابر ورودی پایه ارائه می‌دهد. بنابراین یک entry پنج‌دقیقه‌ای پس از یک بار خواندن هزینه خود را جبران می‌کند. هیچ‌یک از vendorها prefix کوتاه‌تر از حداقل تعیین‌شده توسط مدل را cache نمی‌کنند: 1,024 token در Claude Sonnet 5 و GPT-5.6، 512 در Claude Opus 5 و 4,096 در Claude Haiku 4.5. پایین‌تر از این حد، هزینه کامل ورودی را می‌پردازید و خطایی دریافت نمی‌کنید. workloadی که بین درخواست‌های آن فاصله‌های طولانی وجود دارد، بیشتر از آن‌که می‌خواند، cache را می‌نویسد و در نتیجه caching هزینه بیشتری از صرفه‌جویی ایجاد می‌کند. ترافیک پایدار به‌خوبی cache می‌شود. ترافیک جهشی چنین نیست.

تخفیف‌های batch. در هر دو platform، برای ورودی و خروجی 50% تخفیف اعمال می‌شود و این قابلیت فقط برای کارهای asynchronous است. اگر job بتواند منتظر بماند، مبلغ صورتحساب در هر دو vendor نصف می‌شود و این تخفیف با caching نیز قابل‌جمع است.

سهم خروجی. Claude برای خروجی 5 برابر نرخ ورودی خود هزینه می‌گیرد. OpenAI برای gpt-5.6-terra و gpt-5.6-luna مقدار 6 برابر و برای gpt-5.6-sol با نرخ promotional مقدار 5 برابر دریافت می‌کند. هرچه tokenهای بیشتری از شما نوشته شوند و نه خوانده، Claude در نرخ ورودی برابر وضعیت بهتری دارد. برای workloadهایی که عمدتاً ورودی‌محور هستند، نتیجه برعکس است.

تلاش‌های مجدد. هر retry دوباره هزینه کل ورودی را ایجاد می‌کند و هیچ خروجی قابل‌استفاده‌ای برنمی‌گرداند. اگر 6% از callهای شما در schema validation شکست بخورند و retry شوند، بخش ورودی 6% بیشتر از مقدار پیش‌بینی‌شده در برنامه شما خواهد بود. retryها را به‌عنوان یک ردیف هزینه ثبت کنید، نه یک ردیف خطا. تیم‌ها معمولاً این ضریب را دیرتر پیدا می‌کنند و مقدار آن اغلب از اختلاف بین vendorها بیشتر است؛ همان اختلافی که یک هفته درباره آن بحث کرده‌اند.

کدام طرف کجا بازنده است

Claude در این مقایسه، در رده کوچک به‌طور کامل بازنده است. هزینه gpt-5.6-luna برای هر یک میلیون توکن ورودی 0.2 است، درحالی‌که این هزینه برای Claude Haiku 4.5 برابر با 1 است. هزینه خروجی نیز به‌ترتیب 1.2 و 5 است. طبقه‌بندی پرتعداد و استخراج کوتاه در Claude به‌ازای هر توکن چهار تا پنج برابر گران‌تر است و با فعال‌شدن caching، این اختلاف بیشتر می‌شود.

Claude در رده اصلی از نظر هزینه خروجی برنده است: 10 در برابر 12 به‌ازای هر یک میلیون توکن در gpt-5.6-terra. شمارش واقعی توکن‌های شما می‌تواند این اختلاف را از بین ببرد. این اختلاف پس از 1 September 2026 نیز باقی می‌ماند، زیرا Anthropic قیمت introductory مربوط به Sonnet 5 را به قیمت استاندارد آن تبدیل کرد. Claude فعلاً در رده frontier بازنده است: قیمت‌های promotional مربوط به 4 و 20 برای gpt-5.6-sol در تمام بخش‌ها 20% کمتر از Claude Opus 5 است؛ دست‌کم تا 21 November 2026. در رده اصلی، هیچ‌یک از دو طرف برای کارهای مبتنی بر ورودی برنده نیست، زیرا هزینه ورودی در هر دو طرف 2 به‌ازای هر یک میلیون توکن است و بخش ورودی عدد یکسانی دارد.

چگونه این موارد را در ترافیک خود اندازه‌گیری کنید

شیء usage را در هر پاسخ بخوانید و چهار عدد را برای هر درخواست ذخیره کنید: توکن‌های ورودی، توکن‌های خروجی، توکن‌های خوانده‌شده از حافظه پنهان (cache) و توکن‌های نوشته‌شده در حافظه پنهان. در API مدل Claude، این مقادیر به صورت input_tokens، output_tokens، cache_read_input_tokens و cache_creation_input_tokens دریافت می‌شوند. آن‌ها را به صورت روزانه جمع بزنید، در نرخ‌های فعلی ضرب کنید و مجموع خود را با صورت‌حساب مقایسه کنید. وجود اختلاف بین این دو معمولاً ناشی از تلاش‌های مجدد (retries) یا مسیر کدی است که فراموش کرده‌اید آن را منتشر (ship) کرده‌اید.

این مقایسه را به جای یک پرامپت نمونه، روی یک هفته از ترافیک واقعی اجرا کنید و هزینه به ازای هر وظیفه تکمیل‌شده را به جای هزینه به ازای هر توکن مقایسه کنید. مدلی که در یک تلاش با دو برابر نرخ پاسخ می‌دهد، ارزان‌تر از مدلی است که به سه تلاش با نصف نرخ نیاز دارد. هزینه به ازای هر توکن یک نرخ است. هزینه به ازای هر وظیفه تکمیل‌شده، مبلغ صورت‌حساب شماست.

پیش از آنکه هر چیزی را در حال اجرا رها کنید، یک سقف هزینه سخت (hard spend ceiling) تعیین کنید. هر دو پلتفرم محدودیت‌های هزینه را در کنسول‌های خود ارائه می‌دهند و عاملی (agent) که در حلقه تلاش مجدد گیر کرده باشد، می‌تواند بودجه یک ماه را در یک شب خرج کند. این تنظیمات را همان‌طور که برای کنترل هزینه روی یک عامل همیشه روشن انجام می‌دهید، پیاده‌سازی کنید. اگر در حال ساخت اولین نسخه روی سروری هستید که مالکیت آن را دارید، اولین برنامه Claude API روی یک VPS نحوه مدیریت کلیدها و حلقه درخواست که این محاسبات بر پایه آن قرار دارد را پوشش می‌دهد.

FAQ

آیا API کلود از API چت‌جی‌پی‌تی ارزان‌تر است؟

نه همیشه. در 21 اکتبر 2026، ردهٔ workhorse برای هر دو سرویس به‌ازای هر توکن ورودی هزینهٔ یکسانی دارد و Claude برای هر توکن خروجی هزینهٔ کمتری می‌گیرد؛ بنابراین در کارهای سنگین از نظر خروجی، هزینهٔ Claude در این رده چند درصد کمتر است. در ردهٔ frontier، نرخ‌های تبلیغاتی OpenAI برای gpt-5.6-sol در هر دو بخش 20% کمتر از Claude Opus 5 است؛ دست‌کم تا 21 نوامبر 2026. در ردهٔ small، هزینهٔ gpt-5.6-luna از OpenAI به‌ازای هر توکن ورودی یک‌پنجم Claude Haiku 4.5 است؛ بنابراین دسته‌بندی با حجم بالا در OpenAI بسیار ارزان‌تر تمام می‌شود. رقم خود را بر اساس ترکیب توکن‌های خودتان محاسبه کنید، چون در این ابعاد، تفاوت هزینه را workload شما تعیین می‌کند، نه فهرست قیمت.

چرا کلمات یکسان در هر API تعداد متفاوتی توکن هزینه دارند؟

چون هر مدل tokenizer مخصوص خود را دارد و تعداد توکن به مدل وابسته است. Anthropic مستند کرده است که مدل‌های Claude 4.7 و بعد از آن، برای متن یکسان حدود 30% توکن بیشتر از Claude Sonnet 4.6 و مدل‌های قبل از آن تولید می‌کنند. متن خود را به endpoint شمارش توکن هر ارائه‌دهنده ارسال کنید، یک شمارش را بر شمارش دیگر تقسیم کنید و سپس پیش از مقایسه، آن نسبت را در نرخ اعلام‌شده ضرب کنید. تفاوت 20% در تعداد توکن تقریباً هم‌اندازهٔ فاصلهٔ نرخ‌های frontier و workhorse است؛ بنابراین می‌تواند نتیجهٔ هرکدام را معکوس کند.

آیا prompt caching ممکن است هزینه را بیشتر کند؟

بله، در هر دو پلتفرم. در Anthropic، نوشتن cache برای یک ورودی پنج‌دقیقه‌ای 1.25 برابر نرخ پایهٔ ورودی و برای ورودی یک‌ساعته 2 برابر آن هزینه دارد. OpenAI نیز در GPT-5.6 و مدل‌های بعدی، برای ورودی پیش‌فرض 30 دقیقه‌ای 1.25 برابر و برای ورودی اختیاری 12 ساعته 2.5 برابر هزینه می‌گیرد؛ در حالی که هزینهٔ hit در مدل‌های مقایسه‌شده در اینجا 0.1 برابر است. اگر ترافیک شما آن‌قدر bursty باشد که بیشتر entryها پیش از خوانده‌شدن منقضی شوند، هزینهٔ اضافی write را می‌پردازید اما هیچ readای دریافت نمی‌کنید. cache_creation_input_tokens را با cache_read_input_tokens در لاگ‌های خود مقایسه کنید. یک entry پنج‌دقیقه‌ای برای جبران هزینه تقریباً به یک read به‌ازای هر write و یک entry یک‌ساعته به حدود دو read نیاز دارد؛ بنابراین اگر تعداد readهای شما کمتر از این مقدار است، caching برایتان هزینه ایجاد می‌کند: مدت entry را افزایش دهید یا آن را حذف کنید.

agent کدنویسی را روی API اجرا کنم یا از subscription استفاده کنم؟

برای یک developer با حجم استفادهٔ معمول، seat مربوط به subscription معمولاً از پرداخت اندازه‌گیری‌شدهٔ API ارزان‌تر است، چون agent کدنویسی در هر turn یک context بزرگ را دوباره ارسال می‌کند و این context هر بار هزینه دارد. ابتدا استفاده را به‌مدت یک هفته اندازه‌گیری کنید، سپس مجموع هزینهٔ API را با قیمت seat مقایسه کنید. API زمانی برتری دارد که استفادهٔ شما مقطعی و جهشی باشد یا به دسترسی programmatic نیاز داشته باشید که seat در اختیار شما نمی‌گذارد. اگر چیزی که شما را به API سوق داده، رسیدن به usage limit بوده است نه قیمت، راه‌های عبور از usage limit کلود شامل چند گزینه است که از انتقال به پرداخت اندازه‌گیری‌شده ارزان‌تر هستند.