SSD Nodes Learn Hosting plans →
راهنماها Matt Connorتوسط Matt Connor

هزینه قابلیت حافظه Claude چقدر است؟

قابلیت حافظه در Claude هزینه مجزایی ندارد اما به دلیل بازپخش متن در هر درخواست، توکن‌های ورودی بیشتری مصرف می‌کند. با استفاده از prompt caching هزینه‌ها را مدیریت کنید.

آیا قابلیت‌های حافظه Claude هزینه اضافی دارند؟

قابلیت‌های حافظه Claude هزینه جداگانه‌ای ندارند. نرخ‌های اعلام‌شده توسط Anthropic بر اساس هر میلیون توکن ورودی و خروجی محاسبه می‌شوند و نرخ‌های اضافی برای prompt caching وجود دارد، اما هیچ‌کدام تحت عنوان توکن حافظه نیستند. ذخیره‌سازی خودِ حافظه در Claude API (رابط برنامه‌نویسی اپلیکیشن) هزینه‌ای ندارد، زیرا ابزار حافظه در سمت کلاینت (client-side) است و فایل در فضای ذخیره‌سازی متعلق به شما قرار دارد.

حافظه همچنان بر صورت‌حساب شما تأثیر می‌گذارد، زیرا یک واقعیتِ به‌خاطر سپرده‌شده تنها زمانی پاسخ را تغییر می‌دهد که درون درخواستی باشد که Claude می‌خواند. به‌خاطر سپردن به معنای ارسال مجدد است. آن متن به عنوان توکن‌های ورودی دریافت شده و با نرخ ورودی عادی مدل محاسبه می‌شود، مگر اینکه کش شده باشد. دو عدد تعیین‌کننده میزان هزینه هستند: تعداد توکن‌های متن به‌خاطر سپرده‌شده که در هر نوبت بازپخش می‌کنید، و اینکه آیا آن متن بازپخش‌شده می‌تواند از prompt cache تأمین شود یا خیر.

در اشتراک‌های Pro، Max یا Ultra، استفاده در محدوده سقف‌های تعیین‌شده در طرح شما، به ازای هر توکن صورت‌حساب نمی‌شود؛ بنابراین حافظه در اینجا از سهمیه استفاده شما کسر می‌شود، نه از پول شما. اگر usage credits را فعال کنید و از حد مجاز فراتر بروید، وضعیت تغییر می‌کند: درخواست‌های شما به حالت پرداخت به میزان مصرف (pay-as-you-go) تغییر می‌یابند، با نرخ‌های استاندارد API محاسبه شده و جدا از اشتراک صورت‌حساب می‌شوند؛ بنابراین از آن نقطه به بعد، یک بلوک حافظه بیش‌ازحد بزرگ دوباره هزینه دارد. مکانیزم زیر یکسان است. فقط واحد تغییر می‌کند. آن سهمیه محدود است، بنابراین قبل از تصمیم‌گیری در مورد اینکه هر نوبت باید چه مقدار حافظه داشته باشد، ارزش دارد بدانید هزینه Claude Pro چقدر است و محدودیت‌های آن در کجا اعمال می‌شوند. طرح Claude Enterprise مبتنی بر مصرف، وضعیت متفاوتی دارد، زیرا علاوه بر هزینه صندلی (seat price)، هر توکن را با نرخ API محاسبه می‌کند، بنابراین یک بلوک حافظه بیش‌ازحد بزرگ دوباره به هزینه مالی تبدیل می‌شود تا کسر از سهمیه. طرح‌های Enterprise مبتنی بر صندلی شامل سهمیه مصرف هستند و پس از رسیدن اعضا به محدودیت‌های تعیین‌شده، usage credits در دسترس قرار می‌گیرند. اگر هرس کردن حافظه، میزان مصرف شما را به‌راحتی به زیر سقف یک طرح کوچک‌تر بازمی‌گرداند، تغییر از Max یا Ultra به Pro اقدامی است که ارزش انجام دادن دارد. اگر مقایسه‌ای که در حال بررسی آن هستید بین ارائه‌دهندگان مختلف است و نه بین سطوح مختلف خودِ Anthropic، مقایسه طرح‌های Claude با ChatGPT بر اساس قیمت‌های فعلی نقطه شروع مناسبی است.

معنای «حافظه» در هر یک از سطوح Claude

سه محصول مجزا از این واژه استفاده می‌کنند و ترکیب کردن آن‌ها با یکدیگر، دلیل اصلی سردرگمی در این مورد است.

ابزار حافظه در API مربوط به Claude. شما یک ورودی به آرایه tools اضافه می‌کنید و عملیات فایل را در کد خود پیاده‌سازی می‌کنید.

{"type": "memory_20250818", "name": "memory"}

از اکتبر 2026، این ابزار در Messages API نیازی به هدر بتا ندارد و روی تمامی مدل‌های Claude 4 و نسخه‌های بعد از آن کار می‌کند. این ابزار سمت کلاینت (client-side) است: Claude درخواستی برای یک عملیات مانند view /memories ارسال می‌کند، هندلر شما آن را روی فضای ذخیره‌سازی تحت کنترل خود اجرا می‌کند و شما نتیجه را در یک بلوک tool_result بازمی‌گردانید. Anthropic هرگز فایل را نگه نمی‌دارد، بنابراین هزینه ذخیره‌سازی به شما منتقل نمی‌شود. در عوض، شما هزینه رفت‌وبرگشت (round trip) را پرداخت می‌کنید. تعریف ابزار در هر درخواست ارسال می‌شود و محتوای فایلی که بازگردانده می‌شود، از آن لحظه به بعد در گفتگو باقی می‌ماند.

Anthropic بخش ثابت این سربار را منتشر می‌کند. در Claude Opus 5 با انتخاب ابزار auto، پرامپت سیستمی استفاده از ابزار طبق مستندات اکتبر 2026 برابر با 286 توکن است. این مقدار هر بار که ابزاری (چه حافظه و چه غیره) در درخواست وجود داشته باشد، یک‌بار پرداخت می‌شود.

Claude Code. دو مکانیزم در ابتدای هر نشست (session) بارگذاری می‌شوند. فایل‌های CLAUDE.md دستورالعمل‌هایی را که شما می‌نویسید در خود نگه می‌دارند. حافظه خودکار (Auto memory) یادداشت‌هایی را که Claude برای خودش می‌نویسد، تحت ~/.claude/projects/<project>/memory/ ذخیره می‌کند. تنها 200 خط اول یا 25KB از MEMORY.md بارگذاری می‌شود (هر کدام زودتر برسد) و فایل‌های موضوعی (topic files) کنار آن، به‌جای زمان راه‌اندازی، در صورت نیاز خوانده می‌شوند. هر چیزی که در زمان راه‌اندازی بارگذاری شود، بخشی از پیشوندی (prefix) می‌شود که تمام درخواست‌های بعدی در آن نشست حمل می‌کنند. حافظه از سهمیه استفاده (usage allowance) موجود در اشتراک شما یا اعتبار استفاده (usage credits) پس از عبور از محدودیت (در صورت فعال بودن) کسر می‌کند. از طریق Console یا ارائه‌دهندگان ابری، هزینه Claude Code بر اساس توکن برای سازمان شما محاسبه می‌شود و کانتکست حافظه از همان روش صورت‌حساب پیروی می‌کند. نحوه بازیابی حافظه بین نشست‌ها در Claude Code ترتیب بارگذاری فایل‌به‌فایل را پوشش می‌دهد.

Claude در وب. در claude.ai، حافظه مجموعه‌ای از ورودی‌هاست که Claude هنگام چت کردن با شما می‌نویسد و به‌روزرسانی می‌کند؛ برای هر پروژه یک فضای حافظه مجزا وجود دارد. حافظه پروژه به‌صورت پیش‌فرض در کنار حافظه حساب کاربری شما استفاده می‌شود؛ برای جدا کردن کامل آن‌ها، گزینه Use account memory را در صفحه پروژه غیرفعال کنید. مسیر Settings > Your Claude > Manage در کنار Your memory، موارد ذخیره‌شده را فهرست می‌کند (یا در چیدمان قدیمی‌تر Settings > Memory) و سوئیچ حافظه گزینه‌های Pause memory یا Reset memory را ارائه می‌دهد. حافظه در پلن رایگان نیز در دسترس است. در پلن‌های پولی با سهمیه استفاده، حافظه از محدودیت‌های استفاده کسر می‌کند یا در صورت عبور از محدودیت و فعال بودن اعتبار، از آن استفاده می‌شود؛ در پلن‌های Enterprise مبتنی بر استفاده، هزینه آن با نرخ API محاسبه می‌شود.

چرا متن به‌خاطر سپرده‌شده به‌عنوان توکن ورودی محاسبه می‌شود

رابط برنامه‌نویسی Messages بدون وضعیت (stateless) است. این رابط هیچ‌چیز را بین فراخوانی‌ها ذخیره نمی‌کند، بنابراین کلاینت شما در هر نوبت کل گفتگو را ارسال می‌کند و مدل دوباره تمام آن را می‌خواند. حافظه (Memory) نیز از این قاعده مستثنی نیست. حافظه صرفاً یک بلوک متنی دیگر در همان درخواست است.

این تفکیک در شیء usage در هر پاسخ قابل مشاهده است.

"usage": {
  "input_tokens": 412,
  "cache_creation_input_tokens": 0,
  "cache_read_input_tokens": 18240,
  "output_tokens": 236
}

input_tokens فقط توکن‌هایی را می‌شمارد که نه از حافظه پنهان (cache) خوانده شده‌اند و نه برای ایجاد آن استفاده شده‌اند؛ که در عمل به معنای توکن‌های پس از آخرین نقطه شکست حافظه پنهان (cache breakpoint) است. مجموع ورودی برای درخواست برابر است با cache_read_input_tokens به علاوه cache_creation_input_tokens به علاوه input_tokens. یک فایل حافظه که Claude سه نوبت پیش باز کرده است، در هر نوبت پس از آن، بخشی از این مجموع باقی می‌ماند. این فایل زمانی که پیشوند حافظه پنهان معتبر است تحت cache_read_input_tokens، زمانی که پیشوند دوباره نوشته می‌شود تحت cache_creation_input_tokens، و زمانی که اصلاً در حافظه پنهان نیست تحت input_tokens قرار می‌گیرد. متن یکسان، قیمت‌های متفاوت. توکن‌های ورودی و خروجی قیمت‌های متفاوتی دارند و حافظه بازپخش‌شده در سمت ورودی محاسبه می‌شود.

نحوه مشاهده این اعداد در استفاده شخصی

به هیچ عددی از پست‌های وبلاگ، از جمله همین متن، اکتفا نکنید. بلوک حافظه خود را اندازه بگیرید. شمارش توکن رایگان است و محدودیت نرخ (rate limit) خاص خود را دارد، بنابراین این اندازه‌گیری هزینه‌ای برای شما نخواهد داشت.

curl https://api.anthropic.com/v1/messages/count_tokens \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "content-type: application/json" \
  -H "anthropic-version: 2023-06-01" \
  -d '{
    "model": "claude-opus-5",
    "system": "You are a scientist",
    "messages": [{"role": "user", "content": "Hello, Claude"}]
  }'

پاسخ یک عدد است، مانند { "input_tokens": 14 }. یک بار آن را با چسباندن متن حافظه خود در فیلد system و یک بار بدون آن اجرا کنید؛ اختلاف این دو، هزینه‌ای است که آن حافظه در هر نوبت برای شما دارد. دو نکته را در نظر داشته باشید. این شمارش یک تخمین است و توکن‌های اضافی که Anthropic برای بهینه‌سازی‌های سیستمی خود اضافه می‌کند، برای شما محاسبه نمی‌شود. همچنین، شمارش را با مدلی که واقعاً قصد اجرای آن را دارید انجام دهید، زیرا Claude 4.7 و نسخه‌های بعد از آن از tokenizer جدیدتری استفاده می‌کنند که برای همان متن، تقریباً 30 درصد توکن بیشتری تولید می‌کند.

در داخل Claude Code، همین پرسش بدون نیاز به هیچ دستور curl پاسخ داده می‌شود.

  • دستور /context نشان می‌دهد چه چیزی در حال حاضر بارگذاری شده است (شامل فایل‌های حافظه)، بنابراین می‌توانید قبل از تایپ هر چیزی، سهم آن‌ها از پنجره را ببینید.
  • دستور /memory فایل‌های CLAUDE.md شما را لیست کرده و پوشه حافظه خودکار را باز می‌کند.
  • دستور /usage مجموع‌های نشست (session)، شامل خواندن و نوشتن در حافظه پنهان (cache) را چاپ می‌کند.
  • خط وضعیت می‌تواند استفاده از پنجره زمینه (context window) را به‌طور مداوم نمایش دهد، بنابراین رشد آن در حین وقوع قابل مشاهده است.

بلوک نشست /usage به این شکل است:

Total cost:            $0.55
Total duration (API):  6m 20s
Total duration (wall): 6h 33m 10s
Total code changes:    0 lines added, 0 lines removed
Usage by model:
   claude-sonnet-4-6:  1.2k input, 5.3k output, 940.0k cache read, 50.0k cache write ($0.55)

خط آخر را با دقت بخوانید. عدد 940.0k برای خواندن از cache، نشان‌دهنده کل گفتگو و حافظه است که در هر نوبت با نرخ cache مجدداً ارسال می‌شود. عدد 1.2k برای ورودی، فقط شامل ورودی‌های غیرکش‌شده‌ای است که برای ایجاد ورودی cache استفاده نشده‌اند. Claude Code این مبلغ دلاری را به‌صورت محلی و بر اساس لیست قیمت‌ها محاسبه می‌کند، مگر اینکه مدیر سیستم نرخ‌های قراردادی را از طریق تنظیمات مدیریت‌شده modelPricing اعمال کرده باشد؛ بنابراین این یک تخمین است و ممکن است با صورت‌حساب نهایی شما متفاوت باشد. صفحه Usage در Claude Console مرجع اصلی و معتبر برای این اعداد است.

سپس مقایسه را مستقیماً انجام دهید. همان پرسش آغازین را در دو نشست جدید مطرح کنید؛ یکی به صورت عادی و دیگری با حافظه خودکار خاموش.

CLAUDE_CODE_DISABLE_AUTO_MEMORY=1 claude

در هر کدام دستور /context را اجرا کرده و ورودی فایل‌های حافظه را مقایسه کنید. شکاف بین این دو، هزینه‌ای است که حافظه انباشته‌شده شما در ابتدای هر نشست، پیش از انجام هر کاری، به شما تحمیل می‌کند. مطالعه تحلیل کامل نحوه مصرف توکن در Claude Code در کنار این دو عدد توصیه می‌شود.

هزینه بازخوانی حافظه به ازای هر میلیون توکن چقدر است؟

کش کردن پرامپت (Prompt caching) دلیلی است که باعث می‌شود یک بلوک حافظه در یک نوبت، ده برابر نوبت دیگر هزینه داشته باشد. Anthropic نرخ‌های کش را به صورت ضریبی از قیمت پایه ورودی هر مدل منتشر می‌کند، بنابراین این رابطه حتی با تغییر قیمت‌های دلاری نیز برقرار می‌ماند.

نمودارAnthropic's published prompt caching rates, as a multiple of base input price
داده‌های پشت این نمودار
[
  {
    "label": "Base input",
    "price_multiple": 1
  },
  {
    "label": "5 minute cache write",
    "price_multiple": 1.25
  },
  {
    "label": "1 hour cache write",
    "price_multiple": 2
  },
  {
    "label": "Cache read",
    "price_multiple": 0.1
  }
]

هزینه خواندن از کش در اکثر مدل‌ها 0.1 برابر قیمت پایه ورودی است. مدل‌های جدیدتر با هزینه کمتری می‌خوانند: 0.05 برابر قیمت پایه در Claude Opus 5.5 و Claude Sonnet 5.5، و 0.025 برابر قیمت پایه در Claude Fable 5.1 و Claude Mythos 5.1. نوشتن یک ورودی با طول عمر 5 دقیقه، 1.25 برابر قیمت پایه و با طول عمر 1 ساعت، 2 برابر قیمت پایه هزینه دارد. صفحه قیمت‌گذاری Anthropic نقطه سربه‌سر را به وضوح بیان می‌کند: کش کردن پس از یک بار خواندن با طول عمر 5 دقیقه، یا پس از دو بار خواندن با طول عمر 1 ساعت، صرفه اقتصادی پیدا می‌کند. این گزاره بر اساس نرخ استاندارد خواندن 0.1x بیان شده است و راهنمای کش کردن پرامپت به خودی خود عدد سربه‌سر را ارائه نمی‌دهد، اما نرخ‌های خواندن ارزان‌تر، هر دو تعداد را بدون تغییر باقی می‌گذارند، زیرا هزینه اضافی نوشتن همان چیزی است که خواندن‌ها باید جبران کنند. نقطه سربه‌سر برای کش کردن پرامپت محاسباتی است که باید پیش از تصمیم‌گیری درباره محل قرارگیری حافظه انجام دهید.

این ضرایب، تعداد بازخوانی را به یک مسئله محاسباتی تبدیل می‌کنند. بلوک بعدی بر اساس ضرایب منتشرشده در بالا محاسبه شده است و اندازه‌گیری یک بار کاری واقعی نیست. این بخش هزینه یک بلوک حافظه را در یک نشست 100 نوبتی به سه روش قیمت‌گذاری می‌کند که به صورت تعداد توکن‌های معادل با نرخ پایه ورودی بیان شده است.

نمودارA memory block over 100 turns, expressed as base-rate input tokens
داده‌های پشت این نمودار
[
  {
    "label": "4,000 tokens, never cached",
    "base_rate_equivalent_tokens": "400,000"
  },
  {
    "label": "4,000 tokens, 1 write and 99 reads",
    "base_rate_equivalent_tokens": "44,600"
  },
  {
    "label": "1,000 tokens, 1 write and 99 reads",
    "base_rate_equivalent_tokens": "11,150"
  }
]

یک بلوک حافظهٔ 4,000 توکنی که در هر 100 نوبت cache را از دست می‌دهد، معادل 400,000 توکن با نرخ پایه هزینه دارد. همین بلوک، با یک cache write پنج‌دقیقه‌ای و 99 cache read، معادل 44,600 توکن با نرخ پایه هزینه دارد. اگر اندازهٔ آن را به یک‌چهارم کاهش دهید و caching را حفظ کنید، هزینهٔ آن معادل 11,150 توکن خواهد بود. قابلیت در این 3 ردیف تغییری نکرده است. فقط رفتار replay تغییر کرده است. این ردیف‌ها از read استاندارد با ضریب 0.1x استفاده می‌کنند. در Claude Opus 5.5 یا Claude Sonnet 5.5 که هزینهٔ read در آن‌ها 0.05x است، هزینهٔ بلوک cache‌شدهٔ 4,000 توکنی به 24,800 توکن می‌رسد و در Claude Fable 5.1 به 14,900 توکن کاهش می‌یابد. این اعداد همچنان تعداد توکن هستند، نه مبلغ پول؛ تبدیل تعداد توکن به مبلغ قبض ماهانه فقط به یک ضرب در نرخ مدل شما به‌ازای هر میلیون توکن نیاز دارد. این نرخ را مدلی که اجرا می‌کنید تعیین می‌کند. بنابراین اگر agent قرار است روی Claude Fable 5 اجرا شود، از نرخ‌های منتشرشدهٔ آن به‌ازای هر میلیون توکن و نوع کار مناسب برای آن شروع کنید. اگر agent برای کاهش هزینه روی مدلی کوچک‌تر اجرا می‌شود، پیش از آن‌که اندازهٔ حافظهٔ آن افزایش یابد، نحوهٔ قیمت‌گذاری promptهای Claude Haiku 5.5 پس از عبور از 100K توکن را بررسی کنید؛ زیرا این memory replay‌شده است که request را از آن آستانه عبور می‌دهد. اگر هنوز provider مشخص نیست و فقط انتخاب مدل مطرح نیست، مقایسهٔ هزینهٔ همین کارها در API کلود و ChatGPT نشان می‌دهد این ضرب در هر کدام چگونه نتیجهٔ متفاوتی دارد؛ همچنین agentهای memory-heavy به بخش input این محاسبه وابستگی زیادی دارند.

ردیف دوم فرض می‌کند که هر یک از 99 درخواست بعدی در زمانی می‌رسند که ورودی کش هنوز فعال است. این فرض جایی است که اکثر صورت‌حساب‌های واقعی دچار خطا می‌شوند.

چرا هزینهٔ یک پرسش مشابه پس از یک وقفه افزایش می‌یابد؟

هر ورودی در حافظهٔ کش (cache) دارای یک طول عمر مشخص است و زمان‌سنج آن از لحظهٔ نوشتن یا خواندن درخواست آغاز می‌شود. مقدار پیش‌فرض این زمان 5 دقیقه است. گزینهٔ 1 ساعته، هزینهٔ نوشتن 2 برابری (2x) که در بالا ذکر شد را به همراه دارد. در Claude Code، اشتراک پیش‌فرض یک‌ساعته برای گفتگوی اصلی و درخواست‌های کمکی منتخب در محدودهٔ استفادهٔ مجاز اعمال می‌شود؛ زیر-عامل‌ها (subagents) دارای طول عمر 5 دقیقه هستند، مگر اینکه شما طول عمر بیشتری را انتخاب کنید. هنگامی که از اعتبار مصرفی (usage credits) استفاده می‌کنید، طول عمر گفتگوی اصلی به 5 دقیقه کاهش می‌یابد؛ در صورت استفاده از API key یا ارائه‌دهندهٔ ابری، این مقدار به‌صورت پیش‌فرض 5 دقیقه است. تنظیم ENABLE_PROMPT_CACHING_1H=1 باعث حفظ طول عمر یک‌ساعته در زمان استفاده از اعتبار مصرفی می‌شود و از نسخهٔ Claude Code v2.1.242 به بعد، تنظیم promptCacheTtl روی مقدار 1h همین کار را برای گفتگوی اصلی انجام می‌دهد. از همان نسخه، تنظیم subagentPromptCacheTtl روی مقدار 1h طول عمر بیشتر را برای درخواست‌های خارج از گفتگوی اصلی انتخاب می‌کند.

بنابراین، یک پرسش تک‌خطی که در جلسه‌ای که هنگام ناهار باز گذاشته‌اید تایپ می‌کنید، گران تمام می‌شود زیرا ورودی کش در زمانی که شما حضور نداشتید منقضی شده است. کل پیش‌وند (prefix)، شامل حافظه، دوباره پردازش شده و با نرخ نوشتن در کش، مجدداً در آن نوشته می‌شود. طول مدت وقفه، تعیین‌کنندهٔ آن قیمت است.

شما می‌توانید به‌جای حدس زدن، این موضوع را تأیید کنید. در طرح‌های Pro، Max، Ultra، Team یا Enterprise، تفکیک /usage هر رفتاری را که مسئول 10 درصد یا بیشتر از مصرف اخیر باشد مشخص می‌کند و هم محتوای طولانی (long context) و هم خطاهای کش (cache misses) با نام در آنجا ظاهر می‌شوند. از نسخهٔ Claude Code v2.1.251 به بعد، بلوک نشست در /usage نیز یک خط Prompt cache (main) اضافه می‌کند که سهم ورودی‌های ارائه‌شده از کش، تعداد خطاها و وضعیت گرم بودن (warm) کش را در لحظه نشان می‌دهد. در API، افزایش ناگهانی cache_creation_input_tokens به اندازهٔ کامل پیش‌وند شما را در اولین درخواست پس از یک دورهٔ سکوت، مشاهده کنید.

چه چیزی به‌طور نامحسوس کش را باطل می‌کند

پیشوند کش‌شده به این ترتیب مرتب می‌شود: ابزارها، سپس سیستم، و در نهایت پیام‌ها. تغییر در یک سطح، آن سطح و تمام سطوح پس از آن را باطل می‌کند. ویرایش تعریف یک ابزار، کل کش را دور می‌ریزد. ویرایش پرامپت سیستم، کش سیستم و پیام‌ها را دور می‌ریزد.

این همان دامی است که برای هر کسی که حافظه را در پرامپت سیستم نگه می‌دارد و با یادگیری عامل (agent) آن را بازنویسی می‌کند، وجود دارد. هر بازنویسی، نسخه کش‌شده تمام موارد پس از خود را از بین می‌برد، بنابراین درخواست بعدی دوباره هزینه کامل نوشتن را می‌پردازد. مطالب ثابت را در ابتدا نگه دارید و آن‌ها را تغییر ندهید، و اجازه دهید مطالب متغیر در انتهای لیست پیام‌ها قرار بگیرند که باطل کردن آن‌ها هزینه کمی دارد.

یک خطای دوم و نامحسوس‌تر نیز وجود دارد. هر مدل یک حداقل پیشوند قابل کش شدن دارد: 512 توکن برای Claude Opus 5، 1,024 توکن برای Claude Sonnet 5، و 4,096 توکن برای Claude Haiku 4.5، طبق آنچه در اکتبر 2026 منتشر شد. مستندات Anthropic به‌صراحت بیان می‌کند که در مقادیر کمتر از این حد چه اتفاقی می‌افتد: درخواست‌های زیر این حداقل بدون کش شدن پردازش می‌شوند و هیچ خطایی بازگردانده نمی‌شود. بنابراین، یک فایل حافظه کوچک که با cache_control علامت‌گذاری شده است، در عمل هیچ کاری انجام نمی‌دهد و این اتفاق به‌صورت بی‌صدا رخ می‌دهد. نشانه‌ای که می‌توانید مشاهده کنید این است که cache_creation_input_tokens روی 0 باقی می‌ماند، در حالی که پرامپت شما به‌وضوح حاوی یک breakpoint است.

پاک‌سازی حافظه‌ای که دیگر کارایی ندارد

هر خط از حافظه در هر نوبت که حمل می‌شود، هزینه‌ای از نظر توکن دارد؛ بنابراین پرسش اصلی برای هر خط این است که آیا اخیراً تغییری در پاسخ ایجاد کرده است یا خیر. Claude Code این محدودیت‌ها را ملموس می‌کند. سعی کنید فایل CLAUDE.md را زیر 200 خط نگه دارید، زیرا فایل‌های طولانی‌تر، context بیشتری مصرف می‌کنند و دقت Claude در پیروی از دستورالعمل‌ها را کاهش می‌دهند. MEMORY.md در زمان بارگذاری به 200 خط اول یا 25KB محدود می‌شود و هر چیزی فراتر از این حد در شروع نشست بعدی حذف می‌گردد؛ بنابراین یک ایندکس بیش‌ازحد بزرگ، بخشی از context را برای قسمت بارگذاری‌شده اشغال می‌کند در حالی که بقیه آن خوانده نمی‌شود.

دو عادت به کوچک نگه‌داشتن آن کمک می‌کند. جزئیات را از ایندکس خارج کرده و به فایل‌های موضوعی منتقل کنید؛ فایل‌هایی که Claude به‌جای زمان راه‌اندازی، در صورت نیاز آن‌ها را می‌خواند. دستورالعمل‌های گردش کار را از CLAUDE.md خارج کرده و به skills منتقل کنید که فقط هنگام فراخوانی بارگذاری می‌شوند. برای فایل‌های حافظه‌ای که از قبل با frontmatter شروع می‌شوند، Claude Code زمان نوشتن را در فیلد modified به صورت یک timestamp با فرمت ISO 8601 در نسخه 2.1.214 یا بالاتر ثبت می‌کند و این timestamp سریع‌ترین راه برای شناسایی اطلاعاتی است که قدیمی شده‌اند. پاک‌سازی حافظه قدیمی عامل فرآیند بازبینی را با جزئیات بیشتری بررسی می‌کند.

زمانی که بازیابی اطلاعات بر بارگذاری کامل در کانتکست ارجحیت دارد

ابزار حافظه برای پشتیبانی از بازیابی اطلاعات در لحظه (just-in-time) طراحی شده است. به‌جای بارگذاری همه چیز در ابتدای کار، ایجنت آنچه را می‌آموزد ثبت کرده و تنها زمانی که یک وظیفه به آن نیاز دارد، فایل را می‌خواند. این رویکرد محاسبات را تغییر می‌دهد؛ زیرا خواندن یک فایل، محتوای آن را در زمان نیاز اضافه کرده و تا زمانی که از کانتکست حذف نشود در درخواست‌های بعدی باقی می‌ماند، در حالی که یک بلوک که به‌طور دائمی بارگذاری شده، در هر نوبت هزینه ایجاد می‌کند.

یک قاعده ساده از دو نمودار بالا استخراج می‌شود. متنی که تقریباً در هر نوبت استفاده می‌شود، متعلق به پیشوند کش‌شدهٔ پایدار است. متنی که در یک نوبت از هر بیست نوبت استفاده می‌شود، باید پشت یک فراخوانی view قرار گیرد. نقطه سربه‌سر (break-even) با تعداد دفعات بازپخش (replay) شما تغییر می‌کند، نه با تعرفه‌های Anthropic.

در API، شما همچنین می‌توانید به پلتفرم اجازه دهید مکالمه را کوتاه کند. ویرایش کانتکست، نتایج قدیمی ابزارها را پس از عبور مکالمه از حد آستانه‌ای که تعیین کرده‌اید، پاک می‌کند. این قابلیت هنوز در مرحله بتا است، بنابراین درخواست‌هایی که از آن استفاده می‌کنند به هدر بتای context-management-2025-06-27 نیاز دارند.

{
  "edits": [
    {
      "type": "clear_tool_uses_20250919",
      "trigger": {"type": "input_tokens", "value": 30000},
      "keep": {"type": "tool_uses", "value": 3},
      "clear_at_least": {"type": "input_tokens", "value": 5000}
    }
  ]
}

مقادیر پیش‌فرض شامل آستانه 100,000 توکن ورودی و نگهداری 3 نتیجه ابزار است. پیش از فعال‌سازی، تعامل با کش را مطالعه کنید: پاک‌سازی محتوا باعث ابطال پیشوند کش‌شده در نقطه پاک‌سازی می‌شود، بنابراین در درخواست بعدی هزینه نوشتن در کش را پرداخت خواهید کرد. این همان دلیلی است که clear_at_least برای آن وجود دارد. این قابلیت پاک‌سازی را تا زمانی که صرفه‌جویی حاصل از آن به‌اندازه کافی بزرگ باشد که هزینه نوشتن را توجیه کند، به تعویق می‌اندازد. پاسخ دریافتی دقیقاً آنچه را که تحت context_management رخ داده است، با استفاده از cleared_tool_uses و cleared_input_tokens گزارش می‌دهد، بنابراین این مبادله به‌جای تئوری بودن، قابل اندازه‌گیری است. مدیریت پنجره کانتکست در Claude Code همین ایده را در یک نشست کدنویسی اعمال می‌کند.

چه مواردی ردیف هزینه‌ای جداگانه دارند

حافظه (Memory) هزینه مستقلی ندارد، اما برخی قابلیت‌ها واقعاً هزینه‌بر هستند و شناخت آن‌ها اهمیت دارد. این‌ها نرخ‌های منتشرشده Claude API تا اکتبر 2026 هستند. برخی عملیات هیچ هزینه‌ای ندارند و اعتبار تست Claude API به کاربران جدید کمک می‌کند تا آن را امتحان کنند. در بخش FAQ قیمت‌گذاری Anthropic تنها ذکر شده که کاربران جدید مقدار کمی اعتبار رایگان برای تست API دریافت می‌کنند و مبلغ دقیقی منتشر نشده است. مشترکین Max، Ultra و Team نیز اعتبار ماهانه API دریافت می‌کنند که طبق مستندات Anthropic در تاریخ 31 اکتبر 2026، برای طرح Max معادل 100 دلار و برای Ultra معادل 200 دلار بوده است. در طرح Team، این اعتبار برای هر صندلی Standard معادل 20 دلار و برای هر صندلی Premium معادل 100 دلار است که به‌صورت اشتراکی بوده و سقف آن 500 دلار در ماه است. طرح‌های Free، Pro و Enterprise مشمول این اعتبار نمی‌شوند، اعتبار استفاده‌نشده به ماه بعد منتقل نمی‌شود و این اعتبارها شامل Claude Code تعاملی یا اعتبار مصرفی نمی‌شوند. این اعتبارها claude -p و Claude Agent SDK را در صورتی که مستقیماً با یک API key از سازمان متصل در Console اجرا شوند، پوشش می‌دهند. اجراهایی که توسط Claude Code GitHub Action، افزونه‌های IDE یا اپلیکیشن دسکتاپ شروع شوند، حتی با وجود -p همچنان مستثنی هستند. این اعتبارها مزیت طرح‌های پولی محسوب می‌شوند و هزینه‌های زیر از اعتبار موجود یا موجودی پرداخت‌شده شما کسر می‌گردد.

  • جستجوی وب: 10 دلار به ازای هر 1,000 جستجو، به‌علاوه هزینه توکن معمولی برای تمام محتوایی که جستجو در context قرار می‌دهد.
  • اجرای کد: 1,550 ساعت رایگان برای هر سازمان در هر ماه، سپس 0.05 دلار به ازای هر ساعت برای هر container. اگر درخواست شامل جستجوی وب یا واکشی وب (web fetch) در نسخه ابزار 20260209 یا بالاتر باشد، رایگان است.
  • ایجنت‌های مدیریت‌شده Claude: هزینه زمان اجرای نشست (session runtime) معادل 0.08 دلار به ازای هر ساعت-نشست، علاوه بر هزینه‌های معمول توکن.
  • واکشی وب: بدون هزینه اضافی، فقط هزینه توکن محتوای واکشی‌شده محاسبه می‌شود.

حافظه در هیچ‌کدام از این ردیف‌ها ظاهر نمی‌شود. حافظه در شمارش توکن‌های ورودی شما لحاظ می‌شود؛ دقیقاً همان‌جایی که می‌توانید آن را اندازه‌گیری کنید و دقیقاً همان‌جایی که pruning و caching می‌توانند آن را کاهش دهند. اگر در حال بودجه‌بندی برای ایجنتی هستید که به‌صورت خودکار روی یک سرور مجازی (VPS) اجرا می‌شود، کنترل‌های هزینه برای یک ایجنت هوش مصنوعی روی VPS گام بعدی است که باید پیاده‌سازی کنید، زیرا ایجنتی با فایل حافظه در حال رشد و بدون pruning، هر هفته گران‌تر می‌شود بدون آنکه گزارشی از این افزایش هزینه دریافت کنید.

FAQ

آیا برای قابلیت‌های حافظه (memory) در Claude هزینه جداگانه‌ای دریافت می‌شود؟

خیر. لیست قیمت Anthropic شامل نرخ‌هایی برای هر میلیون توکن ورودی، هر میلیون توکن خروجی و ضرایب prompt caching است و هیچ ردیفی برای حافظه ندارد. در API مدل Claude، ابزار حافظه سمت کلاینت (client-side) است؛ بنابراین فایل‌ها روی فضای ذخیره‌سازی که از قبل بابت آن هزینه پرداخت می‌کنید، قرار می‌گیرند. آنچه حافظه به هزینه‌ها اضافه می‌کند، توکن‌های ورودی است که در هر نوبت (turn) که این داده‌ها را به همراه دارد، با نرخ ورودی عادی مدل یا نرخ caching مربوطه محاسبه می‌شود.

آیا خاموش کردن حافظه باعث ارزان‌تر شدن Claude می‌شود؟

این کار تعداد توکن‌های هر درخواست را کاهش می‌دهد که در نتیجه هزینه هر درخواست کمتر می‌شود. اینکه آیا این کار در مجموع باعث صرفه‌جویی در هزینه‌ها می‌شود یا خیر، به اتفاقات بعدی بستگی دارد. اگر Claude مجبور باشد برای بازیابی اطلاعاتی که قبلاً در حافظه موجود بود، سه فایل را دوباره بخواند و دو سوال از شما بپرسد، هزینه این توکن‌ها از هزینه حافظه بیشتر خواهد بود. به‌جای حدس زدن، اندازه‌گیری کنید: دستور /context را در یک نشست با حافظه خودکار فعال و در نشست دیگری که با CLAUDE_CODE_DISABLE_AUTO_MEMORY=1 شروع شده اجرا کنید، سپس مجموع توکن‌های مصرف‌شده برای یک وظیفه مشابه را مقایسه کنید.

چرا بدون اینکه تغییری ایجاد کنم، میزان مصرف من افزایش یافته است؟

شایع‌ترین دلیل، cache miss پس از یک وقفه است. ورودی‌های کش به‌صورت پیش‌فرض 5 دقیقه و در تنظیمات گسترده یک ساعت باقی می‌مانند؛ بنابراین اولین درخواست پس از یک وقفه، کل پیشوند (prefix) شما را دوباره پردازش کرده و با نرخ cache-write مجدداً می‌نویسد. دلیل دوم، ویرایش پیشوند است: تغییر در تعریف یک ابزار، کل کش را نامعتبر می‌کند و تغییر در system prompt، کش سیستم و پیام‌ها را نامعتبر می‌سازد. در طرح‌های اشتراکی، بخش /usage زمانی که این رفتار 10 درصد یا بیشتر از مصرف اخیر را تشکیل دهد، آن را گزارش می‌کند.

آیا حافظه باید در system prompt قرار بگیرد یا پشت یک tool call؟

اگر تقریباً در هر نوبت از آن استفاده می‌کنید، آن را در system prompt قرار دهید؛ زیرا در این صورت در پیشوند کش‌شده قرار می‌گیرد و با نرخ cache-read محاسبه می‌شود. اگر فقط برخی وظایف به آن نیاز دارند، آن را پشت یک فراخوانی view قرار دهید؛ زیرا این کار اضافه شدن توکن‌های فایل را تا زمانی که واقعاً مورد نیاز باشند به تعویق می‌اندازد. نتیجه همچنان تا زمانی که از context حذف نشود، در نوبت‌های بعدی بازپخش (replay) می‌شود. عدد تعیین‌کننده، تعداد بازپخش‌های شماست و شیء usage توکن‌های ورودی، cache-write و cache-read را برای هر درخواست نشان می‌دهد.

آیا قابلیت‌های حافظه در محدودیت‌های مصرف اشتراک لحاظ می‌شوند؟

بله، به‌طور غیرمستقیم؛ زیرا محدودیت‌های اشتراک توسط توکن‌هایی که هر درخواست به همراه دارد مصرف می‌شوند. مستندات راهنمای Anthropic بیان می‌کند که مکالمات طولانی‌تر که باعث فعال شدن مدیریت خودکار context می‌شوند، بخش بیشتری از محدودیت مصرف شما را اشغال می‌کنند. حافظه باعث می‌شود هر درخواست کمی طولانی‌تر شود و یک نشست طولانی، آن حجم را در هر نوبت بازپخش می‌کند. نحوه عملکرد واقعی محدودیت‌های مصرف Claude توضیح می‌دهد که چه چیزی و در چه زمانی ریست می‌شود.

آیا این مقاله مفید بود؟