توسط Matt Connor
Claude یا ChatGPT API؛ کدام ارزانتر است؟
هیچ API برای همه کارها ارزانتر نیست. فرمول محاسبه توکن را یاد بگیرید، هزینه 3 workload را ببینید و مشخص کنید چه زمانی قبض Claude بیشتر میشود.
پاسخ کوتاه
برای قیمتگذاری API، بین Claude و ChatGPT برنده واحدی وجود ندارد؛ زیرا این دو ارائهدهنده در هر سطح، ورودی و خروجی را با روش متفاوتی قیمتگذاری میکنند. در August 2026، دو سطح بالاتر Claude بهازای هر توکن ورودی همان مبلغی را دریافت میکنند که همتایان OpenAI آنها دریافت میکنند، اما هزینه هر توکن خروجی کمتر است؛ بنابراین Claude در کارهای مبتنی بر خروجی، اندکی مقرونبهصرفهتر است. در سطح پایین، Claude برای همان کار چند برابر بیشتر هزینه دارد. هر پاسخی که سطح و ترکیب توکنها را مشخص نکند، حدس است.
بنابراین، این صفحه ابتدا محاسبات را ارائه میکند، سپس 3 workload را همراه با ترکیب توکنهای آنها با هزینه مشخص بررسی میکند و در پایان، عواملی را توضیح میدهد که میتوانند هزینه واقعی را بیش از نرخ اعلامشده تغییر دهند.
تنها فرمولی که به آن نیاز دارید
هر دو API هزینه 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
هر token در متن انگلیسی تقریباً 4 نویسه و نزدیک به 0.75 کلمه است. فقط برای برآورد اولیه از این مقدار استفاده کنید. برای محاسبه 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))این اسکریپت مقدار 0.005 را چاپ میکند که معادل نیم سنت برای هر نوبت است. آن را در تعداد نوبتهای مورد انتظار در ماه ضرب کنید تا بودجه به دست آید. همین یک فرمول را یاد بگیرید؛ از این پس هر تغییر قیمت با یک ویرایش یکخطی انجام میشود و به تحلیل جدیدی نیاز ندارد.
نرخهای منتشرشده، اوت 2026
اینها قیمتهای فهرستی هستند که هر دو فروشنده در 1 اوت 2026 منتشر کردهاند. این بخش تنها جایی در این نوشته است که قیمت در آن درج میشود. پیش از نهاییکردن بودجه، آن را با claude.com/pricing و صفحه قیمتگذاری OpenAI بررسی کنید.
The data behind this chart
[
{
"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
}
]این تطبیقها بر اساس جایگاه هر مدل در مجموعه محصولات همان فروشنده انجام شدهاند، نه میزان 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 فروشنده ردههای بالاتری نیز بالاتر از این بخش عرضه میکنند و OpenAI نسلهای قدیمیتر را با نرخهای اولیه آنها همچنان فهرست میکند. مقایسه یک مدل پرچمدار از یک طرف با یک مدل اقتصادی از طرف دیگر، عددی بیمعنا تولید میکند؛ به همین دلیل بیشتر مقایسههای منتشرشده به نتیجهگیریهای برجسته اما نادرست میرسند.
دو نکته درباره این بخش باید صریح بیان شود. نرخهای 2 و 10 برای Sonnet 5 مقدماتی هستند و Anthropic مستند کرده است که این نرخها در 31 اوت 2026 پایان مییابند. پس از آن، Sonnet 5 با نرخهای 3 و 15 محاسبه میشود. این تغییر، رده Workhorse را از برتری اندک Claude به برتری آشکار OpenAI تبدیل میکند و در بازه زمانی اعتبار این نوشته رخ میدهد.
نکته دوم، الگویی است که باید به خاطر سپرده شود: Claude در تمام ردیفهای بالا، خروجی را دقیقا 5 برابر نرخ ورودی خود قیمتگذاری میکند و OpenAI خروجی را 6 برابر قیمتگذاری میکند. همین نسبت، نه نرخ مطلق، باعث میشود برنده با ترکیب توکنهای مصرفی شما تغییر کند.
چرا نرخ بهازای یک میلیون توکن بین ارائهدهندگان قابل مقایسه نیست
نرخ، مبلغ دلاری بهازای هر توکن است. صورتحساب از ضرب مبلغ دلاری بهازای هر توکن در تعداد توکنها بهدست میآید. تعداد توکنهای یک متن به مدل مربوط است، نه به 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 نکرده است. مبلغ صورتحساب تغییر کرده است.
بنابراین، دو نرخ که یکسان به نظر میرسند، الزاماً دو صورتحساب یکسان ایجاد نمیکنند. پیش از اعتماد به هر مقایسهای، از جمله این مقایسه، تعداد توکنها را با متن خودتان در هر دو طرف 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، یک شیء JSON کوچک است که input_tokens را در خود نگه میدارد. 401 یعنی متغیر کلیدی در shell شما خالی است. همان 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 منتشرشده ضرب کنید. اگر این نسبت با اختلافی بیش از حدود 1.2 به نفع یکی از ارائهدهندگان باشد، اثر آن از تمام تفاوتهای نرخ در بخش بالا بیشتر است.
سناریوی یک: قابلیت گفتوگو
یک دستیار پشتیبانی درون یک برنامه وب. 120,000 نوبت در ماه. هر نوبت یک system prompt، schemaهای ابزار، دو قطعه بازیابیشده از میز راهنما و چند پیام قبلی را ارسال میکند؛ در مجموع حدود 1,400 توکن ورودی. مدل نیز در حدود 220 توکن پاسخ میدهد. این فرایند تعاملی است، بنابراین تخفیف batch هرگز در اینجا اعمال نمیشود. آن را روی رده workhorse اجرا کنید.
The data behind this chart
[
{
"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"
}
]با قیمت فهرستی، هزینه Claude برابر 600.00 است؛ در مقابل، هزینه OpenAI برابر 652.80 است. بخشهای ورودی یکسان هستند، زیرا نرخهای ورودی یکساناند. کل تفاوت به خروجی مربوط میشود و Claude این تفاوت را با حاشیهای بسیار کم برنده میشود؛ این حاشیه برای انتخاب یک فروشنده کافی نیست.
اکنون 800 توکن از این 1,400 توکن ورودی را بهعنوان prefix پایدار علامتگذاری کنید: system prompt و schemaهای ابزار که بین نوبتها تغییر نمیکنند. هر دو فروشنده برای cache hit، 10% نرخ پایه ورودی خود را دریافت میکنند. هزینه Claude به 427.20 و هزینه OpenAI به 480.00 کاهش مییابد. caching ارزش بیشتری از انتخاب فروشنده دارد و هر دو پلتفرم این قابلیت را ارائه میکنند.
نقطه ضعف Claude اینجاست. بیشتر پاسخهای پشتیبانی به یک مدل workhorse نیاز ندارند. همین ترافیک را به رده small منتقل کنید؛ هزینه Claude برابر 213.60 و هزینه OpenAI برابر 48.00 خواهد بود. یکی را بر دیگری تقسیم کنید؛ Claude برای همان کار حدود چهار و نیم برابر گرانتر است. Claude Haiku 4.5 برای هر میلیون توکن ورودی 1 دریافت میکند، در حالی که نرخ gpt-5.6-luna برابر 0.2 است و هیچ مقدار caching نمیتواند شکاف پنجبرابری را از بین ببرد. اگر workload شما با یک مدل small سازگار است، OpenAI ارزانتر است و این حاشیه قابل توجه است.
سناریوی دوم: خط لوله اسناد با زمینه طولانی
25,000 قرارداد در ماه. هر درخواست شامل همان دستورالعمل 9,000 توکنی و schema مربوط به JSON است، سپس 12,000 توکن متن قرارداد را حمل میکند و مدل حدود 700 توکن فیلد ساختاریافته برمیگرداند. خروجی در این کار کمتر از 4% توکنهاست و همین واقعیت مقایسه را تعیین میکند.
The data behind this chart
[
{
"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"
}
]با cache شدن پیشوند 9,000 توکنی در هر دو طرف، هزینه Claude برابر با 820.00 و هزینه OpenAI برابر با 855.00 است. هزینه بخش ورودی تا آخرین سنت یکسان است، چون نرخهای ورودی اصلی در August 2026 یکسان هستند. تمام تفاوت به بخش خروجی مربوط میشود که در Claude با نرخ 5 برابر ورودی و در OpenAI با نرخ 6 برابر ورودی محاسبه میشود.
این کار از batching نیز استفاده میکند. هر دو ارائهدهنده برای کارهای ناهمگام، 50% از هزینه ورودی و خروجی کم میکنند؛ بنابراین مجموع هر دو نصف میشود و فاصله میان آنها شکل خود را حفظ میکند. Batch بزرگترین تخفیف منفرد در هر دو پلتفرم است و یک خط لوله اسناد شبانه همیشه میتواند از آن استفاده کند.
نقطه ضعف Claude همان منطق tier قبلی است. استخراج فیلد بر اساس یک schema ثابت دقیقاً کاری است که یک مدل کوچک بهخوبی انجام میدهد و ورودی در اینجا 97% توکنها 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 از همان ارزیابیای استفاده کنید که برای انتخاب tier مناسب Claude برای یک کار اجرا میکنید.
سناریوی سوم: عامل کدنویسی همیشهفعال
یک توسعهدهنده، عاملی را روی یک VPS اجرا میکند و در ماه تقریباً 900 نوبت مدل دارد. هر نوبت حدود 60,000 توکن ورودی از زمینه مخزن را شامل میشود که 80% آن از cache خوانده میشود و حدود 1,800 توکن ویرایش و توضیح تولید میکند. قیمتگذاری را بر اساس رده frontier انجام دهید، زیرا در کدنویسی، تفاوت قابلیتها هزینه واقعی ایجاد میکند.
Claude مبلغ 116.10 را در برابر مبلغ 124.20 برای OpenAI دریافت میکند. نرخ ورودی یکسان است، نرخ خواندن cache یکسان است و نرخ خروجی کمتر Claude حدود 7% مزیت ایجاد میکند.
این 7% در محدوده خطای tokenizer از بخش قبل قرار میگیرد؛ بنابراین این سناریو را از نظر نرخها برابر در نظر بگیرید. اما مدل صورتحساب برابر نیست. برای یک توسعهدهنده با این حجم استفاده، هزینه یک صندلی اشتراکی معمولاً از فراخوانیهای API مبتنی بر مصرف کمتر است و با افزودن اشتراک، کل مقایسه تغییر میکند. پیش از آنکه یک عامل را با صورتحساب مبتنی بر مصرف اجرا کنید، مقایسه هزینه API با اشتراک را بررسی کنید. اگر از صورتحساب مبتنی بر مصرف استفاده میکنید، ابتدا مشخص کنید توکنها کجا مصرف میشوند، زیرا مصرف توکن یک عامل کدنویسی بیشتر تحت تأثیر زمینهای است که در هر نوبت دوباره ارسال میشود، نه کدی که عامل تولید میکند.
ضریبهایی که صورتحساب را تعیین میکنند
نرخ اعلامشده کوچکترین مورد در این فهرست است. هر یک از موارد زیر صورتحساب واقعی را بیشتر از تفاوت بین دو ارائهدهنده در همان سطح تغییر میدهد.
ورودی ذخیرهشده در cache. هر دو ارائهدهنده برای cache hit، 10% هزینه ورودی پایه را دریافت میکنند. Anthropic همچنین برای نوشتن در cache هزینه میگیرد: برای یک ورودی پنجدقیقهای 1.25 برابر ورودی پایه و برای یک ورودی یکساعته 2 برابر آن. یک hit بعدی نیز آن ورودی را با نرخ خواندن تازهسازی میکند. بنابراین، یک ورودی پنجدقیقهای پس از یک خواندن هزینه خود را جبران میکند. در workloadهایی که فاصله بین درخواستها طولانی است، نوشتن بیشتر از خواندن انجام میشود و caching در این حالت بیشتر از صرفهجویی، هزینه ایجاد میکند. ترافیک پایدار بهخوبی cache میشود. ترافیک جهشی اینطور نیست.
تخفیفهای Batch. برای کارهای ناهمگام، در هر دو پلتفرم 50% تخفیف روی ورودی و خروجی اعمال میشود. اگر job بتواند منتظر بماند، این تخفیف صورتحساب هر دو ارائهدهنده را نصف میکند و با caching نیز قابل جمع است.
سهم خروجی. Claude برای خروجی 5 برابر نرخ ورودی خود هزینه میگیرد. OpenAI این هزینه را 6 برابر دریافت میکند. هرچه توکنهای بیشتری از workload شما نوشته شوند، در صورت برابر بودن نرخ ورودی، Claude گزینه بهتری خواهد بود. برای workloadهایی که بیشتر ورودیمحور هستند، نتیجه برعکس است.
تلاشهای مجدد. هر retry هزینه کل ورودی را دوباره ایجاد میکند و هیچ خروجی قابل استفادهای برنمیگرداند. اگر 6% از فراخوانیهای شما در اعتبارسنجی schema شکست بخورند و retry شوند، بخش ورودی 6% بیشتر از مقدار برنامهریزیشده خواهد بود. retryها را بهعنوان یک ردیف هزینه ثبت کنید، نه یک ردیف خطا. تیمها معمولاً این ضریب را دیرتر پیدا میکنند و این ضریب اغلب از اختلاف بین ارائهدهندهها که یک هفته درباره آن بحث کردهاند، بزرگتر است.
کدام طرف بازنده است و در کجا
Claude در رده کوچک بهطور کامل بازنده است. gpt-5.6-luna بهازای هر یک میلیون توکن ورودی 0.2 هزینه دارد، درحالیکه هزینه Claude Haiku 4.5 برابر با 1 است؛ هزینه خروجی نیز بهترتیب 1.2 و 5 است. هزینه دستهبندی با حجم بالا و استخراج کوتاه در Claude تقریباً 4 برابر بیشتر است.
Claude از 1 September 2026 در رده کاری نیز بازنده است؛ زیرا نرخ مقدماتی پایان مییابد و Sonnet 5 بهترتیب با نرخهای 3 و 15 عرضه میشود، درحالیکه نرخ gpt-5.6-terra تغییری نمیکند. Claude در رده پیشرفته از نظر نرخ خروجی برنده است، اما شمارش توکنهای خودتان میتواند این اختلاف را از بین ببرد. هیچیک از دو طرف در August 2026 برای کارهای متکی بر ورودی برنده نیست؛ زیرا با نرخ 2 بهازای هر یک میلیون توکن در هر دو طرف، هزینه ورودی یکسان است.
نحوه اندازهگیری این مورد روی ترافیک خودتان
در هر پاسخ، شیء usage را بخوانید و برای هر درخواست چهار عدد ذخیره کنید: توکنهای ورودی، توکنهای خروجی، توکنهای خواندهشده از cache و توکنهای نوشتهشده در cache. در Claude API، این موارد بهترتیب با input_tokens، output_tokens، cache_read_input_tokens و cache_creation_input_tokens ارائه میشوند. مجموع هرکدام را در هر روز محاسبه کنید، در نرخهای فعلی ضرب کنید و مجموع را با صورتحساب مقایسه کنید. اختلاف میان این دو معمولاً ناشی از تلاشهای مجدد یا مسیر کدی است که فراموش کردهاید منتشر کردهاید.
مقایسه را روی یک هفته از ترافیک واقعی اجرا کنید، نه روی یک prompt نمونه، و هزینه بهازای هر وظیفه تکمیلشده را با هزینه بهازای هر توکن مقایسه کنید. مدلی که یک وظیفه را با نرخی دوبرابر و در یک تلاش پاسخ میدهد، از مدلی که با نصف آن نرخ به سه تلاش نیاز دارد ارزانتر است. هزینه بهازای هر توکن یک نرخ است. هزینه بهازای هر وظیفه تکمیلشده، مبلغ صورتحساب شماست.
پیش از آنکه چیزی را بدون نظارت اجرا کنید، یک سقف هزینه سخت تعیین کنید. هر دو پلتفرم محدودیتهای هزینه را در کنسولهای خود ارائه میکنند و عاملی که در حلقه تلاش مجدد گیر کند، میتواند بودجه یک ماه را در طول یک شب مصرف کند. این سازوکار را مانند کنترل هزینه برای یک عامل همیشهروشن پیادهسازی کنید. اگر نخستین نسخه را روی سروری که مالک آن هستید میسازید، نخستین برنامه Claude API روی VPS نحوه مدیریت کلید و حلقه درخواست را پوشش میدهد؛ این محاسبات بر همین موارد اجرا میشوند.
FAQ
آیا API کلود از API چتجیپیتی ارزانتر است؟
بهطور مداوم نه. در August 2026، ردههای frontier و workhorse در هر دو سرویس، برای هر input token هزینه یکسانی دارند و Claude برای هر output token هزینه کمتری دریافت میکند؛ بنابراین Claude در کارهای متکی بر خروجی، چند درصد ارزانتر است. در رده کوچک، gpt-5.6-luna شرکت OpenAI برای هر input token یکپنجم Claude Haiku 4.5 هزینه دارد؛ بنابراین دستهبندی با حجم بالا در OpenAI بسیار ارزانتر است. رقم مربوط به خودتان را بر اساس ترکیب tokenهای خود محاسبه کنید، زیرا چنین اختلاف کمی را workload شما تعیین میکند، نه فهرست قیمت.
چرا همین کلمات در هر API تعداد متفاوتی token دارند؟
زیرا هر model، tokenizer مخصوص خود را دارد و تعداد token ویژگی همان model است. Anthropic مستند کرده است که Claude 4.7 و modelهای بعدی، برای همان متن حدود 30% token بیشتر از Claude Sonnet 4.6 و modelهای قبلی تولید میکنند. متن خودتان را به endpoint شمارش token هر vendor ارسال کنید، یکی از شمارشها را بر دیگری تقسیم کنید، سپس پیش از مقایسه، آن نسبت را در نرخ منتشرشده ضرب کنید. اختلاف 20% در تعداد token بر بیشتر اختلافهای نرخ منتشرشده غلبه میکند.
آیا prompt caching ممکن است هزینه را افزایش دهد؟
بله، در Anthropic. نوشتن cache برای یک ورودی پنجدقیقهای، 1.25 برابر نرخ پایه input هزینه دارد و برای یک ورودی یکساعته، 2 برابر؛ درحالیکه هزینه cache hit برابر با 0.1 برابر است. اگر ترافیک شما آنقدر جهشی باشد که بیشتر ورودیها پیش از خواندهشدن منقضی شوند، هزینه اضافی نوشتن را میپردازید، اما هیچ خواندنی دریافت نمیکنید. cache_creation_input_tokens را در logهای خود با cache_read_input_tokens مقایسه کنید. نسبت نزدیک به 1 یعنی caching برای شما هزینه ایجاد میکند؛ بنابراین مدت اعتبار ورودی را افزایش دهید یا آن را حذف کنید.
آیا باید coding agent را روی API اجرا کنم یا از subscription استفاده کنم؟
برای یک توسعهدهنده با حجم معمول، هزینه یک صندلی subscription معمولاً کمتر از صورتحساب API مبتنی بر مصرف است، زیرا coding agent در هر نوبت یک context بزرگ را دوباره ارسال میکند و این context هر بار هزینه دارد. ابتدا هزینه را بهمدت یک هفته اندازهگیری کنید، سپس مجموع API را با قیمت صندلی مقایسه کنید. API زمانی برتری دارد که مصرف جهشی باشد یا به دسترسی برنامهنویسیشدهای نیاز داشته باشید که یک صندلی در اختیار شما نمیگذارد.