مقایسه قیمت API مدل‌های Claude و ChatGPT در سال 2026

پاسخ کوتاه

در مقایسه قیمت API مدل‌های Claude و ChatGPT هیچ برنده واحدی وجود ندارد، زیرا این دو فروشنده برای ورودی و خروجی در هر سطح (tier)، قیمت‌گذاری متفاوتی دارند. تا اوت 2026، دو سطح بالای Claude برای هر توکن ورودی هزینه‌ای مشابه رقبای OpenAI خود دارند و برای هر توکن خروجی هزینه کمتری دریافت می‌کنند؛ بنابراین Claude در کارهای متکی بر خروجی زیاد، کمی به‌صرفه‌تر است. در سطح کوچک (small tier)، هزینه Claude برای همان کار چندین برابر است. هر پاسخی که سطح و ترکیب توکن‌ها را مشخص نکند، صرفاً یک حدس است.

بنابراین، این صفحه ابتدا محاسبات ریاضی را ارائه می‌دهد، سپس سه نمونه بار کاری (workload) با ترکیب توکن‌هایشان را بررسی می‌کند و در نهایت ضرایبی را معرفی می‌کند که باعث می‌شوند صورت‌حساب نهایی با نرخ‌های اعلامی اولیه تفاوت داشته باشد.

تنها فرمولی که به آن نیاز دارید

هر دو API، متن را به روش یکسانی محاسبه می‌کنند. شما هزینه توکن‌هایی که ارسال می‌کنید را می‌پردازید و برای توکن‌هایی که مدل در پاسخ تولید می‌کند، نرخ بالاتری پرداخت می‌کنید.

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

هر توکن تقریباً معادل 4 کاراکتر انگلیسی یا حدود 0.75 یک کلمه است. از این مقدار فقط برای تخمین اولیه استفاده کنید. برای محاسبه صورت‌حساب واقعی، از شمارش‌هایی که هر API در شیء usage در هر پاسخ برمی‌گرداند، استفاده کنید.

# 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. این عدد را در تعداد نوبت‌هایی که در ماه انتظار دارید ضرب کنید تا بودجه خود را به دست آورید. اگر واحد یک میلیون توکن در مخرج کسر برایتان انتزاعی است، اینکه یک میلیون توکن در Claude واقعاً چه مقدار متن است، حجم مشخصی از متن را در برابر آن قرار می‌دهد. این فرمول را یاد بگیرید تا هر تغییر قیمتی پس از امروز، به‌جای نیاز به تحلیل جدید، تنها با یک ویرایش تک‌خطی قابل‌مدیریت باشد.

نرخ‌های منتشرشده، اوت 2026

این‌ها لیست قیمت‌هایی هستند که هر دو فروشنده در تاریخ 1 اوت 2026 منتشر کرده‌اند. این بلوک تنها جایی در این پست است که قیمت در آن نوشته شده است. پیش از تخصیص بودجه، آن را با claude.com/pricing و صفحه قیمت‌گذاری OpenAI مطابقت دهید.

[
  {
    "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 جفت‌سازی‌ها بر اساس جایگاه در هر رده‌بندی است، نه بر اساس شهرت. در رده Frontier، مدل Claude Opus 5 در برابر gpt-5.6-sol قرار دارد. در رده Workhorse، مدل Claude Sonnet 5 در برابر gpt-5.6-terra است. در رده Small، مدل Claude Haiku 4.5 در برابر gpt-5.6-luna قرار می‌گیرد. هر دو فروشنده سطوح بالاتری نیز فراتر از این بلوک می‌فروشند و OpenAI نسل‌های قدیمی‌تر را با نرخ‌های اصلی‌شان در لیست نگه داشته است. در سمت Claude، آن سطح Fable 5 است که قیمت آن در هر دو بخش ورودی و خروجی دو برابر ردیف Frontier است، در حالی که همان نسبت پنج‌برابری خروجی را حفظ می‌کند؛ بنابراین مطالعه هزینه Fable 5 و زمان اعمال آن نرخ پیش از آنکه تصور کنید Opus 5 گران‌ترین بخش صورت‌حساب شماست، ارزشمند است. مقایسه یک مدل پرچمدار از یک سمت با یک مدل اقتصادی از سمت دیگر، عددی بی‌معنا تولید می‌کند؛ این همان روشی است که اکثر مقایسه‌های منتشرشده برای تیترهای خود استفاده می‌کنند.

دو نکته در آن بلوک وجود دارد که باید صراحتاً بیان شود. نرخ‌های 2 و 10 برای Sonnet 5 نرخ‌های مقدماتی هستند و Anthropic تاریخ پایان آن‌ها را 31 اوت 2026 اعلام کرده است؛ پس از آن، Sonnet 5 با نرخ 3 و 15 محاسبه می‌شود. همین یک تغییر، رده Workhorse را از یک برتری جزئی برای Claude به یک برتری آشکار برای OpenAI تبدیل می‌کند و این اتفاق در بازه زمانی اعتبار این پست رخ می‌دهد.

نکته دوم الگویی است که ارزش به خاطر سپردن دارد: Claude قیمت خروجی را دقیقاً 5 برابر نرخ ورودی خود در تمام ردیف‌های بالا تعیین کرده است و OpenAI قیمت خروجی را 6 برابر تعیین می‌کند. این نسبت، و نه نرخ مطلق، همان چیزی است که باعث می‌شود برنده بر اساس ترکیب توکن‌های شما تغییر کند.

چرا نرخ به ازای هر میلیون توکن بین فروشندگان قابل مقایسه نیست

نرخ، مبلغ دلار به ازای هر توکن است. صورت‌حساب نهایی برابر است با دلار به ازای هر توکن ضرب‌در تعداد توکن‌ها، و تعداد توکن‌های یک متن، ویژگی مدل است، نه ویژگی خودِ متن.

شرکت Anthropic این موضوع را مستقیماً مستند کرده است: مدل‌های Claude 4.7 و نسخه‌های بعد از آن، که شامل Claude Opus 5 و Claude Sonnet 5 می‌شوند، از توکنایزر جدیدتری استفاده می‌کنند که برای یک متن مشابه، تقریباً 30 درصد توکن بیشتری نسبت به Claude Sonnet 4.6 و نسخه‌های قدیمی‌تر تولید می‌کند. نرخ تغییر نکرده است، اما صورت‌حساب تغییر کرده است.

بنابراین، دو نرخی که یکسان به نظر می‌رسند، به معنای دو صورت‌حساب یکسان نیستند. پیش از آنکه به هر مقایسه‌ای، از جمله این مقایسه، اعتماد کنید، توکن‌های هر دو طرف را با متن خودتان بشمارید.

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 حاوی input_tokens می‌باشد. یک 401 به این معناست که متغیر کلیدی در shell شما خالی است. همان متن را از طریق توکنایزر فروشنده دیگر پردازش کنید، تعداد توکن‌ها را بر هم تقسیم کنید، و سپس آن نسبت را در نرخ اعلام‌شده ضرب کنید تا بتوانید مقایسه را انجام دهید. اگر این نسبت به نفع یک فروشنده بیش از حدود 1.2 باشد، تأثیر آن از تمام تفاوت‌های نرخ در جدول بالا بیشتر است.

سناریوی اول: قابلیت گفتگو

یک دستیار پشتیبانی در داخل یک برنامه وب. 120,000 نوبت در ماه. هر نوبت شامل یک system prompt، طرحواره‌های ابزار، دو قطعه متن بازیابی‌شده از help-desk و چند پیام قبلی است که حدود 1,400 توکن ورودی دارد و مدل در حدود 220 توکن پاسخ می‌دهد. این فرآیند تعاملی است، بنابراین تخفیف batch هرگز در اینجا اعمال نمی‌شود. آن را روی tier کاری (workhorse) اجرا کنید.

[
  {
    "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"
  }
]

در لیست قیمت، Claude مبلغ 600.00 را در برابر 652.80 برای OpenAI صورت‌حساب می‌کند. بخش‌های ورودی یکسان هستند، زیرا نرخ‌های ورودی برابرند. کل اختلاف مربوط به خروجی است و Claude با حاشیه‌ای بسیار ناچیز که برای انتخاب فروشنده کافی نیست، برنده می‌شود.

حال 800 توکن از آن 1,400 توکن ورودی را به عنوان یک پیشوند پایدار (stable prefix) علامت‌گذاری کنید: system prompt و طرحواره‌های ابزار که بین نوبت‌ها تغییر نمی‌کنند. هر دو فروشنده 10٪ از نرخ پایه ورودی خود را برای cache hit دریافت می‌کنند. صورت‌حساب Claude به 427.20 و OpenAI به 480.00 کاهش می‌یابد. کشینگ (Caching) ارزشمندتر از انتخاب فروشنده است و هر دو پلتفرم آن را ارائه می‌دهند.

اینجاست که Claude بازنده است. اکثر پاسخ‌های پشتیبانی به یک مدل کاری (workhorse) نیاز ندارند. همان ترافیک را به tier کوچک (small) منتقل کنید؛ در این صورت Claude مبلغ 213.60 و OpenAI مبلغ 48.00 صورت‌حساب می‌کنند. یکی را بر دیگری تقسیم کنید؛ Claude برای همان کار حدود چهار و نیم برابر گران‌تر است. مدل Claude Haiku 4.5 مبلغ 1 به ازای هر میلیون توکن ورودی در برابر gpt-5.6-luna با نرخ 0.2 دریافت می‌کند و هیچ مقدار کشینگی نمی‌تواند این شکاف پنج‌برابری را پر کند. اگر حجم کاری شما با یک مدل کوچک سازگار است، OpenAI ارزان‌تر است و این حاشیه سود قابل‌توجه است.

سناریوی دوم: خط لوله پردازش اسناد با متن طولانی

ماهانه 25,000 قرارداد. هر درخواست شامل 9,000 توکن دستورالعمل و طرح JSON ثابت، به همراه 12,000 توکن متن قرارداد است و مدل حدود 700 توکن فیلد ساختاریافته بازمی‌گرداند. خروجی کمتر از 4% توکن‌های این کار را تشکیل می‌دهد و همین یک واقعیت، نتیجه مقایسه را تعیین می‌کند.

[
  {
    "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 کش شدن پیش‌وند 9,000 توکنی در هر دو سمت، Claude مبلغ 820.00 و OpenAI مبلغ 855.00 صورت‌حساب صادر می‌کنند. هزینه‌های بخش ورودی تا حد سنت با هم برابر هستند، زیرا نرخ‌های ورودی اصلی در آگوست 2026 یکسان است. تمام تفاوت مربوط به بخش خروجی است که در Claude با قیمتی معادل 5 برابر ورودی و در OpenAI با 6 برابر ورودی محاسبه می‌شود.

این کار قابلیت دسته‌بندی (batching) نیز دارد. هر دو ارائه‌دهنده برای کارهای غیرهمزمان (asynchronous) 50% تخفیف روی ورودی و خروجی اعمال می‌کنند، بنابراین هر دو مجموع هزینه نصف شده و شکاف قیمتی به همان شکل باقی می‌ماند. Batch بزرگترین تخفیف تکی در هر دو پلتفرم است و یک خط لوله پردازش اسناد شبانه همیشه می‌تواند از آن استفاده کند.

جایی که Claude در آن عقب می‌افتد، همان منطق لایه‌بندی قبلی است. استخراج فیلد بر اساس یک طرح ثابت، دقیقاً کاری است که یک مدل کوچک به خوبی از پس آن برمی‌آید و ورودی در اینجا 97% توکن‌ها را تشکیل می‌دهد. انتقال به یک لایه 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 تست کنید؛ برای این کار از همان ارزیابی استفاده کنید که برای انتخاب لایه مناسب Claude برای یک کار انجام می‌دهید.

سناریوی سوم: یک عامل برنامه‌نویسی همیشه روشن

یک توسعه‌دهنده که عاملی را روی یک VPS اجرا می‌کند، با حدود 900 نوبت مدل در ماه. هر نوبت شامل حدود 60,000 توکن ورودی از context مخزن است که 80 درصد آن cache hit محسوب می‌شود و حدود 1,800 توکن ویرایش و توضیحات تولید می‌کند. قیمت‌گذاری را بر اساس رده frontier در نظر بگیرید، زیرا برنامه‌نویسی حوزه‌ای است که شکاف در قابلیت‌ها، هزینه‌های واقعی به همراه دارد.

Claude مبلغ 116.10 را در مقابل 124.20 برای OpenAI صورت‌حساب می‌کند. با نرخ ورودی یکسان و نرخ خواندن cache مشابه، نرخ خروجی پایین‌تر Claude حدود 7 درصد برتری دارد.

آن 7 درصد در محدوده خطای tokenizer که پیش‌تر ذکر شد قرار می‌گیرد، بنابراین این سناریو را از نظر نرخ‌ها برابر در نظر بگیرید. آنچه برابر نیست، مدل صورت‌حساب است. برای یک توسعه‌دهنده با این حجم کاری، هزینه اشتراک معمولاً کمتر از تماس‌های API مبتنی بر مصرف (metered) است و با اضافه کردن اشتراک، کل مقایسه تغییر می‌کند. پیش از آنکه عامل را روی صورت‌حساب مبتنی بر مصرف قرار دهید، این موضوع را با مقایسه هزینه API در برابر اشتراک بررسی کنید. اگر تصمیم به استفاده از صورت‌حساب مبتنی بر مصرف گرفتید، ابتدا یاد بگیرید توکن‌ها کجا مصرف می‌شوند، زیرا مصرف توکن یک عامل برنامه‌نویسی بیش از آنکه تحت تأثیر کدی باشد که می‌نویسد، تحت تأثیر contextای است که در هر نوبت مجدداً ارسال می‌شود.

ضرایبی که صورت‌حساب را تعیین می‌کنند

نرخ پایه، کوچک‌ترین مورد در این فهرست است. هر یک از موارد زیر، تأثیر بیشتری بر صورت‌حساب نهایی نسبت به اختلاف قیمت بین دو ارائه‌دهنده در یک سطح مشابه دارد.

ورودی کش‌شده (Cached input). هر دو ارائه‌دهنده برای هر Cache hit، معادل 10 درصد نرخ ورودی پایه را دریافت می‌کنند. Anthropic برای نوشتن در کش نیز هزینه دریافت می‌کند: 1.25 برابر ورودی پایه برای یک ورودی 5 دقیقه‌ای و 2 برابر برای یک ورودی 1 ساعته؛ همچنین هر hit بعدی، آن ورودی را با قیمت خواندن تمدید می‌کند. بنابراین، یک ورودی 5 دقیقه‌ای پس از یک بار خوانده شدن، هزینه خود را جبران می‌کند. در بارهایی که فواصل زمانی طولانی بین درخواست‌ها وجود دارد، تعداد دفعات نوشتن بیشتر از خواندن است و در این حالت، هزینه کش کردن بیشتر از صرفه‌جویی آن خواهد بود. ترافیک ثابت به خوبی کش می‌شود، اما ترافیک انفجاری (Bursty) خیر.

تخفیف‌های پردازش دسته‌ای (Batch discounts). 50 درصد تخفیف برای ورودی و خروجی در هر دو پلتفرم، که فقط برای کارهای ناهمگام (asynchronous) اعمال می‌شود. اگر کار شما فوریت ندارد، این گزینه صورت‌حساب را در هر دو ارائه‌دهنده به نصف کاهش می‌دهد و با قابلیت کش کردن نیز قابل ترکیب است.

سهم خروجی. Claude برای خروجی، 5 برابر نرخ ورودی خود را دریافت می‌کند. OpenAI این نرخ را 6 برابر محاسبه می‌کند. هرچه نسبت توکن‌های نوشته‌شده (خروجی) شما نسبت به خوانده‌شده (ورودی) بیشتر باشد، Claude در نرخ ورودی برابر، گزینه اقتصادی‌تری به نظر می‌رسد و برای کارهای متکی بر ورودی، عکس این موضوع صادق است.

تلاش‌های مجدد (Retries). هر تلاش مجدد، هزینه کل ورودی را دوباره تحمیل می‌کند و خروجی قابل استفاده‌ای ارائه نمی‌دهد. اگر 6 درصد از فراخوانی‌های شما در اعتبارسنجی Schema شکست بخورد و دوباره تلاش شود، بخش ورودی شما 6 درصد بزرگ‌تر از پیش‌بینی برنامه خواهد بود. تلاش‌های مجدد را به عنوان یک ردیف هزینه ثبت کنید، نه به عنوان یک ردیف خطا. تیم‌ها معمولاً این ضریب را در آخرین مرحله کشف می‌کنند، در حالی که این مقدار اغلب بزرگ‌تر از اختلاف قیمتی است که ارائه‌دهندگان بر سر آن هفته‌ها بحث کرده‌اند.

کدام طرف بازنده است و در چه زمینه‌ای

Claude در ردهٔ کوچک (small tier) کاملاً بازنده است. مدل gpt-5.6-luna به ازای هر میلیون توکن ورودی 0.2 هزینه دریافت می‌کند، در حالی که Claude Haiku 4.5 با نرخ 1 محاسبه می‌شود؛ نرخ خروجی نیز برای این دو مدل به ترتیب 1.2 در برابر 5 است. هزینه‌های دسته‌بندی با حجم بالا و استخراج کوتاه در Claude تقریباً چهار برابر بیشتر است.

Claude در ردهٔ کاری (workhorse tier) از تاریخ 1 سپتامبر 2026 بازنده است؛ زمانی که نرخ مقدماتی به پایان می‌رسد و Sonnet 5 به نرخ 3 برای ورودی و 15 برای خروجی تغییر می‌یابد، در حالی که نرخ gpt-5.6-terra بدون تغییر باقی می‌ماند. Claude در ردهٔ پیشرو (frontier tier) از نظر نرخ خروجی برنده است، هرچند این برتری با شمارش توکن‌های شما می‌تواند از بین برود. در آگوست 2026، هیچ‌کدام از طرفین در کارهای متکی بر ورودی برنده نیستند، زیرا با نرخ 2 برای هر میلیون توکن در هر دو سمت، هزینه‌های بخش ورودی یکسان است.

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 مدل Claude ارزان‌تر از API مدل ChatGPT است؟

همیشه خیر. در اوت 2026، در سطوح frontier و workhorse، هزینه هر توکن ورودی در هر دو طرف یکسان است و Claude برای هر توکن خروجی هزینه کمتری دریافت می‌کند؛ بنابراین در کارهای با خروجی سنگین، Claude چند درصد ارزان‌تر تمام می‌شود. در سطح کوچک، هزینه gpt-5.6-luna شرکت OpenAI برای هر توکن ورودی، یک‌پنجم Claude Haiku 4.5 است؛ بنابراین برای دسته‌بندی‌های با حجم بالا، استفاده از OpenAI بسیار ارزان‌تر است. رقم نهایی را بر اساس ترکیب توکن‌های خود محاسبه کنید، زیرا چنین اختلاف حاشیه کمی، بیشتر از آنکه به لیست قیمت وابسته باشد، به نوع بار کاری شما بستگی دارد.

چرا کلمات یکسان در هر API تعداد توکن متفاوتی دارند؟

زیرا هر مدل tokenizer خاص خود را دارد و تعداد توکن، ویژگیِ همان مدل است. Anthropic مستند کرده است که مدل‌های Claude 4.7 و نسخه‌های بعد از آن، برای متن یکسان حدود 30 درصد توکن بیشتری نسبت به Claude Sonnet 4.6 و نسخه‌های پیش از آن تولید می‌کنند. متن خود را به endpoint شمارش توکن هر فروشنده بفرستید، تعداد یکی را بر دیگری تقسیم کنید و سپس قبل از مقایسه، آن نسبت را در نرخ اعلام‌شده ضرب کنید. اختلاف 20 درصدی در تعداد توکن، اکثر تفاوت‌های نرخ اعلام‌شده را خنثی می‌کند.

آیا prompt caching باعث افزایش صورت‌حساب می‌شود؟

بله، در مورد Anthropic این‌طور است. هزینه نوشتن در حافظه کش (cache write) برای یک ورودی پنج‌دقیقه‌ای 1.25 برابر نرخ پایه ورودی و برای یک ورودی یک‌ساعته 2 برابر است، در حالی که هزینه خواندن (hit) 0.1 برابر است. اگر ترافیک شما به‌قدری نوسانی است که اکثر ورودی‌ها پیش از خوانده شدن منقضی می‌شوند، شما هزینه اضافه نوشتن را می‌پردازید و هیچ خواندنی انجام نمی‌شود. cache_creation_input_tokens را در لاگ‌های خود با cache_read_input_tokens مقایسه کنید. اگر نسبت نزدیک به 1 باشد، یعنی کش کردن برای شما هزینه اضافی دارد؛ پس زمان ماندگاری ورودی را افزایش دهید یا آن را حذف کنید.

آیا باید یک coding agent را روی API اجرا کنم یا از اشتراک استفاده کنم؟

برای یک توسعه‌دهنده با حجم کاری معمولی، هزینه اشتراک معمولاً کمتر از صورت‌حساب API بر اساس میزان مصرف (metered) است، زیرا یک coding agent در هر نوبت، context بزرگی را دوباره ارسال می‌کند و برای هر بار ارسال آن context، هزینه دریافت می‌شود. ابتدا یک هفته میزان مصرف را اندازه‌گیری کنید و سپس مجموع هزینه API را با قیمت اشتراک مقایسه کنید. API زمانی به‌صرفه است که استفاده شما نوسانی باشد یا به دسترسی برنامه‌نویسی نیاز داشته باشید که اشتراک معمولی آن را ارائه نمی‌دهد. اگر دلیل شما برای رفتن به سمت API، رسیدن به محدودیت استفاده (usage limit) بوده و نه قیمت، راه‌های عبور از محدودیت استفاده Claude شامل چندین روش است که هزینه کمتری نسبت به انتقال به سیستم پرداخت بر اساس مصرف دارند.