راهنمای هزینه و انتخاب مدل Claude

از کدام مدل Claude باید استفاده کنم؟

پاسخ کوتاه به این پرسش که از کدام مدل Claude استفاده کنید این است: با Claude Opus 5.5 شروع کنید و تنها زمانی آن را تغییر دهید که دلیل مشخصی برای این کار داشته باشید. توصیه Anthropic نیز همین است: «اگر در انتخاب مدل تردید دارید، برای اکثر حجم‌های کاری با Claude Opus 5.5 شروع کنید.» زمانی که وظیفه به‌خوبی تعریف شده است و آن را چندین بار در روز اجرا می‌کنید، به سراغ Claude Sonnet 5.5 بروید. برای کارهای مکانیکی و با حجم بالا که از قبل می‌دانید پاسخ صحیح چگونه باید باشد، از Claude Haiku 5.5 استفاده کنید. مدل Claude Fable 5.1 بالاتر از همه این‌ها قرار دارد. این مدل برای استدلال‌های پیچیده و کارهای عاملی (agentic) بلندمدت، یا زمانی که آزمایش‌های شما روی Opus 5.5 با تلاش بیشتر همچنان به نتیجه مطلوب نمی‌رسد، طراحی شده است.

این انتخاب هزینه‌ای به همراه دارد. نرخ‌های Claude API (رابط برنامه‌نویسی اپلیکیشن) تا تاریخ 17 October 2026 به ازای هر میلیون توکن (که در مستندات با MTok نمایش داده می‌شود) به شرح زیر است:

• Claude Fable 5.1 (claude-fable-5-1): 10 دلار برای ورودی / 50 دلار برای خروجی. 1M کانتکست.
• Claude Opus 5.5 (claude-opus-5-5): 4 دلار برای ورودی / 20 دلار برای خروجی. 1M کانتکست.
• Claude Sonnet 5.5 (claude-sonnet-5-5): 2 دلار برای ورودی / 10 دلار برای خروجی. 1M کانتکست.
• Claude Haiku 5.5 (claude-haiku-5-5): 0.10 دلار برای ورودی / 0.50 دلار برای خروجی برای پرامپت‌های تا 100,000 توکن، و 0.50 دلار برای ورودی / 2.50 دلار برای خروجی برای پرامپت‌های بیش از 100,000 توکن. 1M کانتکست.

این شناسه‌ها همان‌طور که نوشته شده‌اند کامل هستند. هیچ چیزی به آن‌ها اضافه نمی‌شود.

مدل‌هایی که در ماه July در این صفحه توصیه شده بودند همچنان در دسترس هستند، اما Anthropic اکنون آن‌ها را به عنوان مدل‌های قدیمی (legacy) فهرست کرده است. Claude Opus 4.8 و Opus 4.7 هزینه 5 دلار برای ورودی و 25 دلار برای خروجی دارند. Claude Sonnet 5 هزینه 2 دلار برای ورودی و 10 دلار برای خروجی دارد؛ Anthropic ابتدا آن را قیمت مقدماتی نامید، سپس آن را به قیمت استاندارد تبدیل کرد و افزایش برنامه‌ریزی‌شده به 3 و 15 دلار را لغو کرد. Claude Haiku 4.5 هزینه 1 دلار برای ورودی و 5 دلار برای خروجی دارد و Claude Fable 5 هزینه 10 دلار برای ورودی و 50 دلار برای خروجی دارد.

اندازه درخواست در Fable 5.1، Opus 5.5 یا Sonnet 5.5 هیچ هزینه اضافی ندارد: «یک درخواست 900k توکنی با همان نرخ به ازای هر توکن محاسبه می‌شود که یک درخواست 9k توکنی محاسبه می‌شود.» Haiku 5.5 استثنا است، زیرا قیمت‌گذاری آن بر اساس طول پرامپت انجام می‌شود و آن مرحله در ادامه پوشش داده شده است. این نرخ‌ها فراتر از API نیز اعمال می‌شوند، زیرا Claude Enterprise استفاده را با نرخ‌های API محاسبه می‌کند که علاوه بر هزینه اشتراک هر کاربر (seat) است، بنابراین تمام محاسبات زیر برای تیمی که از طرح اشتراکی استفاده می‌کند یکسان است. تنها استثنا سازمانی است که استنتاج (inference) فقط در ایالات متحده را فعال می‌کند، که Anthropic آن را با 1.1 برابر نرخ‌های استاندارد API روی Claude Opus 4.6، Sonnet 4.6 و مدل‌های بعدی محاسبه می‌کند، بنابراین در آن صورت مجموع مبالغ زیر را در 1.1 ضرب کنید. اشتراک با نرخ ثابت، نحوه محاسبه را تغییر می‌دهد اما این تصمیم را خیر، زیرا هر دو سطح Claude Max از مدل‌های یکسانی استفاده می‌کنند. آنچه این دو سطح را از هم متمایز می‌کند میزان استفاده‌ای است که دریافت می‌کنید (5 برابر یا 20 برابر Pro) و اعتبارات ماهانه API که هر کدام برای توسعه روی پلتفرم Claude شامل می‌شوند: 100 دلار در ماه برای Max 5x و 200 دلار در ماه برای Max 20x، همان‌طور که claude.com/pricing در تاریخ 17 October 2026 فهرست کرده است. در سطوح پایین‌تر، اشتراک 20 دلاری Claude Pro به جای نرخ به ازای هر توکن، یک سهمیه استفاده خریداری می‌کند، بنابراین آنچه شما را محدود می‌کند بازنشانی سقف استفاده است نه صورت‌حساب، مگر اینکه اعتبارات استفاده را فعال کرده باشید. این اعتبارات در Pro و Max اختیاری هستند و به شما اجازه می‌دهند پس از اتمام سهمیه‌های موجود، با نرخ‌های استاندارد API به کار خود ادامه دهید و به عنوان هزینه‌های اضافی در صورت‌حساب شما ظاهر می‌شوند. اگر در حال حاضر در چنین وضعیتی هستید، تشخیص اینکه منتظر کدام پنجره محدودیت هستید مقدم بر هرگونه محاسبه زیر است، زیرا راه حل آن استفاده از مدل کوچک‌تر، کانتکست کوچک‌تر، اعتبارات استفاده یا انتقال به API به جای نرخ ارزان‌تر است. و اگر هنوز پرداخت را شروع نکرده‌اید، اینکه آیا Pro ارزش 20 دلار را دارد یا خیر با این تعیین می‌شود که محدودیت رایگان چند بار شما را متوقف می‌کند، نه با هیچ‌کدام از نرخ‌های بالا.

کاربرد واقعی هر مدل

Anthropic این مجموعه را برای هر مدل در یک جمله توصیف می‌کند و این توضیحات از هر جدول رتبه‌بندی راهنمای بهتری هستند.

• Claude Fable 5.1: «برای استدلال دشوار و کار agentic در بازه‌های زمانی طولانی.» از نظر latency، کندترین مدل در میان این چهار مدل است.
• Claude Opus 5.5: «برای coding و کار دانشی agentic در حال اجرا برای مدت طولانی.» latency متوسط دارد.
• Claude Sonnet 5.5: «بهترین ترکیب سرعت و هوشمندی.» سریع است.
• Claude Haiku 5.5: «برای کارهای پرتعداد و حساس به latency، مانند classification، extraction و routing.» سریع‌ترین مدل است.

Fable 5.1 تنها مدل از این چهار مدل است که این مقایسه برای هیچ workloadی قیمت آن را محاسبه نمی‌کند. با نرخی برابر با دو و نیم برابر Opus 5.5، این پرسش که کدام کارها پرداخت $10 و دریافت $50 را توجیه می‌کنند به پاسخ جداگانه‌ای نیاز دارد.

Haiku 5.5 دیگر محدودیت‌هایی را ندارد که پیش‌تر، حتی پیش از بررسی قیمت، استفاده از مدل کوچک را منتفی می‌کردند. هر چهار مدل فعلی context window برابر با 1M-token، حداکثر خروجی 128K در synchronous Messages API و reliable knowledge cutoff در June 2026 دارند. تفاوت Haiku 5.5 اکنون در افزایش قیمت آن است: اگر prompt یک request از 100,000 token بیشتر باشد، برای هر token موجود در آن پنج برابر نرخ پایه پرداخت می‌شود.

هزینه این انتخاب در یک workload واقعی چقدر است؟

قیمت output در همه مدل‌های این مجموعه، 5 برابر نرخ input است. قیمت Opus 5.5 برابر با $4 برای input و $20 برای output است. قیمت Haiku 5.5 برابر با $0.10 برای input و $0.50 برای output است. این نسبت در تمام این بازه ثابت می‌ماند؛ بنابراین مدلی که انتخاب می‌کنید، در workloadهایی که output زیادی تولید می‌کنند بیشترین تأثیر را دارد.

کار agentic از همین نوع است، زیرا thinking tokenها به‌عنوان output token محاسبه می‌شوند و حتی زمانی که متن هرگز به شما نمایش داده نمی‌شود، در max_tokens لحاظ می‌شوند. در Fable 5.1، Opus 5.5، Sonnet 5.5 و Haiku 5.5، reasoning summary به‌طور پیش‌فرض حذف می‌شود؛ بنابراین فیلد thinking خالی برمی‌گردد. صورتحساب تغییری نمی‌کند: «در هر دو حالت، هزینه این block یکسان است و در مکالمه‌های چندمرحله‌ای نیز همان block بازگردانده می‌شود.» آنچه واقعاً صورتحساب Claude را تشکیل می‌دهد این محاسبه را به‌طور کامل تشریح می‌کند.

Thinking در هر چهار مدل فعلی به‌طور پیش‌فرض فعال است، اما سطح effort پیش‌فرض در آن‌ها یکسان نیست و نادیده‌گرفتن این تفاوت، نتیجه یک آزمون هزینه را مخدوش می‌کند. Opus 5.5 و Haiku 5.5 به‌طور پیش‌فرض از medium استفاده می‌کنند؛ مقدار پیش‌فرض در Fable 5.1 و Sonnet 5.5 برابر با high است. اگر این مدل‌ها را با Opus 4.8 یا Opus 4.7 قدیمی مقایسه می‌کنید، thinking در آن‌ها خاموش است؛ مگر آن‌که thinking: {type: "adaptive"} را در request تنظیم کنید. پیش از تفسیر اعداد، configuration را در هر دو طرف یکسان کنید.

چرا ارزان‌ترین مدل می‌تواند پرهزینه‌ترین باشد

یک وظیفهٔ کدنویسی مستقل را در نظر بگیرید. درخواست شامل 60,000 توکن context است و مدل، با احتساب thinking، 8,000 توکن خروجی تولید می‌کند. caching انجام نمی‌شود؛ بنابراین محاسبهٔ هزینه روشن است.

در Opus 5.5، هزینهٔ 0.06 MTok ورودی با نرخ $4 برابر با $0.24 است و هزینهٔ 0.008 MTok خروجی با نرخ $20 برابر با $0.16 می‌شود. هزینهٔ این تلاش $0.40 است. در Haiku 5.5، چون prompt کمتر از 100,000 توکن است، همین تلاش $0.006 به‌علاوهٔ $0.004 هزینه دارد؛ در مجموع $0.01.

Haiku برای هر تلاش چهل برابر ارزان‌تر است. این تفاوت در ابتدا بسیار زیاد به نظر می‌رسد، اما باید ببینید یک تلاش ناموفق چه پیامدی دارد. پاسخ نادرست را بررسی می‌کنید و این کار از زمان شما هزینه می‌گیرد. سپس همان پاسخ را در retry به‌عنوان context دوباره ارسال می‌کنید؛ بنابراین هر تلاش از تلاش قبلی بزرگ‌تر است. اگر context از 100,000 توکن بیشتر شود، کل درخواست با نرخ بالاتر Haiku محاسبه خواهد شد. اگر تلاش سوم نیز موفق نشود، در هر صورت به مدل قوی‌تر منتقل می‌شوید. هزینهٔ $0.03 برای Haiku به‌علاوهٔ $0.40 برای Opus برابر با $0.43 است؛ یعنی حدود 8% بیشتر از اجرای یک‌بارهٔ Opus. علاوه بر این، سه نوبت از تمرکز خود را نیز صرف کرده‌اید.

بنابراین پرسش تعیین‌کننده این است که بررسی پاسخ با چه هزینه‌ای برای شما ممکن است. اگر پاسخ نادرست را در یک ثانیه تشخیص می‌دهید، مدل کوچک گزینه‌ای مقرون‌به‌صرفه است. اما اگر تشخیص آن به خواندن دقیق diff نیاز داشته باشد، مدل کوچک زمانی از شما می‌گیرد که هرگز در صورت‌حساب دیده نمی‌شود. محاسبهٔ ارزش این زمان همان محاسبه‌ای است که برای بررسی صرفه‌داشتن یک طرح Claude Code انجام می‌دهید؛ و وقتی نرخ ساعتی خود را نیز وارد محاسبه کنید، مدل ارزان اغلب دیگر ارزان به نظر نمی‌رسد.

مواردی که در آن‌ها مدل کوچک‌تر به‌طور کامل برتری دارد

Haiku 5.5 در موارد زیر انتخاب درست است:

• کار مکانیکیِ subagent. یک subagent که فایل‌ها را تغییر نام می‌دهد یا خروجی جست‌وجو را جمع‌آوری می‌کند، به استدلال در سطح frontier نیاز ندارد. پس از ساختن یک AI agent با Claude و دادن helper به آن، این الگوی معمول است.
• بررسی اولیه لاگ. تشخیص این‌که یک خط نویز است یا به توجه انسان نیاز دارد، قضاوتی محدود با حالت شکست مشخص است.
• طبقه‌بندی بر اساس یک مجموعه برچسب ثابت. خروجی کوتاه است و می‌توان دقت را روی یک نمونه اندازه‌گیری کرد.
• فراخوانی‌های production با حجم بالا. در 100,000 اجرا در روز، اختلاف هزینهٔ هر token دیگر خطای قابل اغماضی نیست. این معمولاً همان ساختار workflowهای AI متصل به n8n است.
• هر موردی که سرعت پاسخ برای کاربر اهمیت دارد. Haiku 5.5 سریع‌ترین مدل این مجموعه رتبه‌بندی شده است.

یک قانون قیمت‌گذاری فقط برای Haiku 5.5 اعمال می‌شود. «طول prompt یک request شامل تمام tokenهای ورودی آن است؛ از جمله cache read و cache write.» بنابراین requestهای بیش از 100,000 token، حتی اگر بیشتر prompt آن‌ها از cache خوانده شود، برای ورودی $0.50 و برای خروجی $2.50 هزینه دارند. promptهای Haiku را زیر این حد نگه دارید یا آن‌ها را با نرخ بالاتر محاسبه کنید. مشکل قدیمی caching در مدل‌های کوچک برطرف شده است: حداقل prompt قابل cache در هر 4 مدل فعلی 512 token است، در حالی که Haiku 4.5 به 4,096 token نیاز داشت. پایین‌تر از این حد، قانون تغییری نمی‌کند: «هر request برای cache کردن کمتر از این تعداد token، بدون caching پردازش می‌شود و هیچ خطایی برنمی‌گردد.» نشانهٔ آن این است که cache_creation_input_tokens و cache_read_input_tokens هر دو صفر هستند. کاهش هزینه‌های یک agent همیشه‌فعال این موضوع را همراه با روش‌های دیگر از دست دادن cache توضیح می‌دهد.

اهرم‌هایی که نتیجه را تغییر می‌دهند

هرکدام از این موارد می‌تواند هزینه را بیشتر از چیزی تغییر دهد که نام مدل نشان می‌دهد.

میزان تلاش. output_config.effort میزان کاری را که مدل پیش از پاسخ‌دادن انجام می‌دهد کنترل می‌کند. سطوح آن low، medium، high، xhigh و max هستند. مقدار پیش‌فرض در بیشتر مدل‌ها high و در Opus 5.5 و Haiku 5.5 برابر با medium است: «تنظیم effort روی مقدار پیش‌فرض مدل ("medium" در Claude Opus 5.5 و Claude Haiku 5.5 و "high" در مدل‌های دیگر) دقیقاً همان رفتاری را ایجاد می‌کند که حذف کامل پارامتر effort ایجاد می‌کند.» این تنظیم داخل output_config قرار می‌گیرد و در سطح بالای درخواست نیست:

response = client.messages.create(
    model="claude-sonnet-5-5",
    max_tokens=4096,
    output_config={"effort": "medium"},
    messages=messages,
)

میزان تلاش بر همه توکن‌های پاسخ اثر می‌گذارد؛ از جمله متن، فراخوانی ابزارها و فرایند تفکر: «تلاش کمتر به فراخوانی‌های ابزار کمتر و کوتاه‌تر نیز منجر می‌شود.» این اثر در یک حلقه agentic انباشته می‌شود. این مقدار سقف توکن نیست: «میزان تلاش یک سیگنال رفتاری است، نه بودجهٔ سخت‌گیرانهٔ توکن.» Anthropic برای هر سطح ضریب هزینه‌ای منتشر نکرده است و توصیه می‌کند موردکاربرد خود را آزمایش کنید. بنابراین اجرای Sonnet 5.5 با high در مقایسه با اجرای Opus 5.5 با low مقایسه‌ای واقعی است که می‌توانید همین بعدازظهر انجام دهید. Haiku 5.5 از هر پنج سطح پشتیبانی می‌کند؛ Haiku 4.5 اصلاً از effort پشتیبانی نمی‌کرد.

کش‌کردن prompt. خواندن از cache دیگر در همه مدل‌ها سهم یکسانی از نرخ ورودی ندارد. این هزینه در Opus 5.5 و Sonnet 5.5 برابر با 0.05x نرخ پایهٔ ورودی، در Fable 5.1 برابر با 0.025x و در Haiku 5.5 برابر با 0.1x است. عددی که انتخاب مدل را تعیین می‌کند، اثری است که این تفاوت در tierهای مختلف دارد. cache hit در Opus 5.5 برای هر MTok برابر با $0.20 هزینه دارد. این مقدار دو برابر نرخ $0.10 برای یک prompt بدون cache در Haiku 5.5 و با کمتر از 100,000 توکن است، اما کمتر از نصف نرخ $0.50 برای promptی با بیش از آن مقدار است. بنابراین در promptهای طولانی، یک prefix مربوط به Opus که به‌خوبی cache شده باشد، به‌ازای هر توکن ورودی از یک prompt بدون cache در Haiku ارزان‌تر است. در هر workload که یک prefix بزرگ و پایدار را دوباره ارسال می‌کند، بهداشت session از انتخاب مدل مهم‌تر است.

Batchها. اگر هیچ‌چیز منتظر پاسخ نیست، Message Batches API همان مدل‌ها را با «50% تخفیف برای توکن‌های ورودی و خروجی» اجرا می‌کند. این کار همه ردیف‌های مقایسهٔ زیر را نصف می‌کند و در tierهای مختلف نیز کار می‌کند: یک job مربوط به Opus 5.5 در حالت batch دقیقاً به‌اندازهٔ یک job همگام Sonnet 5.5 هزینه دارد؛ یعنی $2 برای ورودی و $10 برای خروجی. در ازای کاهش سرعت، مدل قوی‌تر را بدون هزینهٔ اضافی دریافت می‌کنید.

یک مقایسهٔ هزینه با اعداد واقعی

بار کاری: طبقه‌بندی 100,000 ایمیل پشتیبانی، برای هر ایمیل یک فراخوانی، با 2,000 توکن ورودی و 300 توکن خروجی در هر فراخوانی. این مقدار برابر با 200 MTok ورودی و 30 MTok خروجی است. هر prompt بسیار کمتر از 100,000 توکن است؛ بنابراین Haiku 5.5 با نرخ پایین‌تر محاسبه می‌شود.

• Haiku 5.5: مقدار ورودی 200 x $0.10 = $20 و مقدار خروجی 30 x $0.50 = $15. مجموع $35.
• Sonnet 5.5: مقدار ورودی 200 x $2 = $400 و مقدار خروجی 30 x $10 = $300. مجموع $700.
• Opus 5.5: مقدار ورودی 200 x $4 = $800 و مقدار خروجی 30 x $20 = $600. مجموع $1,400.

برای محاسبهٔ دوباره با قیمت‌های فردا، 4 عدد را تغییر دهید. تنظیم‌های زیر هر خط را بیش از چیزی که بیشتر افراد انتظار دارند تغییر می‌دهند:

• Batching هر خط را نصف می‌کند: به‌ترتیب $17.50، $350 و $700. هیچ‌چیز منتظر اجرای شبانهٔ طبقه‌بندی نمی‌ماند؛ بنابراین دلیلی برای صرف‌نظر کردن از آن وجود ندارد.
• Caching پیشوند مشترک. فرض کنید 1,200 توکن از 2,000 توکن ورودی، هر بار همان بلوک دستورالعمل مشترک باشد. در Sonnet 5.5، هزینهٔ این توکن‌ها در صورت cache hit برابر $0.10 / MTok است، نه $2 / MTok؛ بنابراین 120 MTok به‌جای $240، $12 هزینه دارد. سپس 80 MTok ورودی جدید با نرخ $2، یعنی $160، و همچنین $300 برای خروجی را اضافه کنید. در این حالت هزینهٔ Sonnet 5.5 به حدود $472 می‌رسد، نه $700. همین روش اکنون برای Haiku 5.5 نیز کار می‌کند، زیرا 1,200 توکن از حداقل 512 توکن آن بیشتر است: $1.20 برای cache hit، $8 برای ورودی جدید و $15 برای خروجی، مجموع را به حدود $24 می‌رساند.
• Retries. فرض کنید پاسخ Haiku را برای 8% از ایمیل‌ها رد می‌کنید و آن‌ها را با Opus 5.5 دوباره اجرا می‌کنید. مقدار 0.08 x $1,400 = $112 را به $35 اضافه کنید؛ در نتیجه هزینه $147 می‌شود. به‌جای استفاده از نرخ من، نرخ رد پاسخ‌ها را در سیستم خودتان اندازه‌گیری کنید.
• تعریف‌های ابزار، در صورت استفادهٔ job از آن‌ها. system prompt تولیدشده در Opus 5.5، Sonnet 5.5 و Haiku 5.5، در صورت تنظیم tool_choice روی auto، در همهٔ آن‌ها 286 توکن است؛ بنابراین سربار ثابت دیگر مقایسه را منحرف نمی‌کند. Opus 5.5 و Sonnet 5.5 استفادهٔ اجباری از ابزار (any یا tool) را با خطای 400 رد می‌کنند؛ بنابراین classifierی که به اجباری‌کردن فراخوانی ابزار وابسته است، باید در این دو مدل از auto استفاده کند.

Haiku همراه با مسیر escalation هزینه‌ای برابر با $147 دارد که کمتر از یک‌سوم $472 برای Sonnet 5.5 با caching است. Haiku باید در حدود 31% ایمیل‌ها شکست بخورد تا هزینهٔ این مسیر escalation با اجرای تک‌مرحله‌ای کار در Sonnet 5.5 برابر شود. مدل هرگز تمام مسئله نبود.

آیا تغییر مدل در میانه نشست باعث صرفه‌جویی در هزینه می‌شود؟

کمتر از آنچه قیمت‌های اسمی نشان می‌دهند؛ زیرا صرفه‌جویی بر اساس هر توکن محاسبه می‌شود و آنچه به خطر می‌اندازید، کل یک پیشوند (prefix) کش‌شده است.

شرکت Anthropic مواردی که باعث ابطال کش می‌شوند را مستند کرده است. پیشوندها به ترتیب tools، سپس system و بعد messages ساخته می‌شوند و «تغییر در هر سطح، آن سطح و تمام سطوح بعدی را باطل می‌کند». دو تنظیمات درخواست نیز در این لیست قرار دارند: «پیکربندی تفکر (thinking) و سطح حل‌شده effort مستقیماً در خود پرامپت رندر می‌شوند، بنابراین تغییر هر یک از آن‌ها باعث شروع یک پیشوند کش جدید می‌شود». در مورد پارامتر effort، مستندات فراتر می‌روند: «آن را در بارهای کاری مختلف تغییر دهید، نه در میان یک گفتگو که به hit شدن کش وابسته است». یک استثنای جدید وجود دارد. در مدل‌های Fable 5.1، Opus 5.5، Sonnet 5.5 و Haiku 5.5، می‌توانید effort را در هر پیام (یک ویژگی بتا) در داخل messages تغییر دهید و پیشوند کش‌شده باقی می‌ماند.

مدل در آن لیست مستندشده نیست، بنابراین در مورد آن هیچ فرضی نکنید. مستندات یک اثر مرتبط را توصیف می‌کنند: بلوک‌های تفکری که مدل جدید نمی‌تواند بخواند حذف می‌شوند و وقتی این اتفاق می‌افتد، «پیشوند کش‌شده از موقعیت آن بلوک به بعد تغییر می‌کند». در اولین درخواست پس از تغییر مدل، cache_read_input_tokens را بخوانید و اجازه دهید عدد پاسخ را به شما بدهد. برای یک پیشوند 150,000 توکنی در Opus 5.5، هزینه خواندن کش حدود 0.03 دلار و هزینه نوشتن تازه (با طول عمر پنج دقیقه) حدود 0.75 دلار است که این مبلغ از اختلاف هزینه چند نوبتِ مبتنی بر توکن که به دنبال آن بودید، بیشتر است.

بنابراین این تغییرات را بین وظایف انجام دهید، نه در داخل یک وظیفه. در Claude Code این به معنای انجام /clear در ابتدا است، زمانی که کش به هر حال در حال دور ریخته شدن است، و سپس انجام /model یا /effort. هر دوی این‌ها در CLI تایپ می‌شوند، بنابراین اگر با Linux کار می‌کنید، نصب نسخه ترمینال ارزشمند است، زیرا آنچه Anthropic به‌صورت بومی برای Linux عرضه می‌کند، یک CLI پایدار را با یک اپلیکیشن دسکتاپ که هنوز در مرحله بتا است، ترکیب می‌کند. اینکه آیا این جابه‌جایی در صورت‌حساب شما ظاهر می‌شود یا خیر، به نحوه پرداخت شما برای آن نشست بستگی دارد، زیرا Claude Code یا با یک طرح ماهانه ثابت کار می‌کند یا با اعتبارات API مبتنی بر توکن و تنها در حالت دوم است که هر تغییر مدل با دلار قیمت‌گذاری می‌شود. در طرح ثابت، هزینه استفاده از یک مدل سنگین‌تر، محدودیت پنجره استفاده شماست نه صورت‌حساب‌تان، تا زمانی که در محدوده استفاده مجاز باقی بمانید؛ با فعال بودن اعتبارات مصرف، هر چیزی فراتر از آن با نرخ‌های استاندارد API محاسبه می‌شود و این شامل Claude Code در ترمینال نیز هست. Claude Code از سطح Pro به بالا گنجانده شده و از همان پنجره استفاده چت‌بات‌ها بهره می‌برد، بنابراین یک ساعت استفاده از Opus در ترمینال، ساعتی است که در مرورگر صرف نمی‌کنید.

نحوه تست پاسخ روی workload خودتان

اندازه prompt را با شمارشی که از مدل دیگری گرفته شده است، تعیین نکنید. endpoint شمارش توکن رایگان است و با tokenizer هر مدلی که نام ببرید محاسبه می‌کند، پس نام مدلی را که قصد فراخوانی آن را دارید، ذکر کنید. آن endpoint یکی از معدود بخش‌های پلتفرم است که هرگز هزینه‌ای ندارد و بررسی سایر مواردی که می‌توانید بدون پرداخت هزینه اجرا کنید پیش از صرف اعتبار واقعی برای مقایسه، ارزشمند است. مدل‌های Claude 4.7 و نسخه‌های بعدی، که شامل هر چهار مدل در لیست فعلی می‌شوند، از tokenizer جدیدتری استفاده می‌کنند که «برای متن یکسان، تقریباً 30 درصد توکن بیشتری تولید می‌کند». بنابراین، بودجه توکنی که روی مدل قدیمی‌تری مانند Haiku 4.5 اندازه‌گیری شده باشد، در مدل جدیدتر، حتی با نرخ یکسان به ازای هر توکن، کمتر خواهد بود.

سپس خروجی دریافتی را بخوانید. input_tokens فقط شامل باقی‌مانده غیرکش‌شده (uncached) است، بنابراین اندازه واقعی prompt برابر است با آن فیلد به علاوه cache_creation_input_tokens و cache_read_input_tokens. اولین اپلیکیشن Claude API روی یک VPS کوچک‌ترین محیط صادقانه‌ای است که می‌توانید این اندازه‌گیری را در آن انجام دهید، و اینکه کدام طرح Claude با میزان استفاده شما متناسب است تصمیم جداگانه‌ای است درباره اینکه آیا اصلاً باید به ازای هر توکن هزینه پرداخت کنید یا خیر. اگر مشخص شد که مسئله انتخاب نوع اشتراک است و نه لزوماً داشتن یا نداشتن آن، مقایسه قیمت سطوح Claude با ChatGPT هزینه‌های انجام کار برنامه‌نویسی یکسان در سرویس‌دهنده دیگر را پوشش می‌دهد. اگر اندازه‌گیری باعث شد کار خود را برای همیشه به API منتقل کنید، کاهش سطح اشتراک یا لغو کامل آن همچنان دوره زمانی که قبلاً برای آن پرداخت کرده‌اید را برایتان باقی می‌گذارد، بنابراین پس از مشخص شدن اعداد، هیچ جریمه‌ای برای تصمیم‌گیری وجود ندارد. همین اندازه‌گیری را برای یک تیم به جای یک نفر انجام دهید تا مجموع تغییر شکل دهد، زیرا یک اکانت Team یا Enterprise باید از هزینه‌ای که آن شخص به ازای هر توکن پرداخت می‌کرد، به‌صرفه‌تر باشد تا خرید آن توجیه اقتصادی داشته باشد.

FAQ

کدام مدل Claude برای کدنویسی بهتر است؟

طبق مستندات، Claude Opus 5.5 نقطه شروع پیشنهادی برای کدنویسی پیچیده و agentic است و در اکتبر 2026، هزینه آن برای هر یک میلیون توکن ورودی $4 و برای هر یک میلیون توکن خروجی $20 است. Claude Sonnet 5.5 به‌عنوان بهترین ترکیب سرعت و هوشمندی معرفی می‌شود و با قیمت $2 / $10، نصف Opus هزینه دارد. همان کار را با هر دو مدل اجرا کنید و سطح effort را ثابت نگه دارید، زیرا Opus 5.5 به‌طور پیش‌فرض از medium و Sonnet 5.5 از high استفاده می‌کند. سپس هزینه کل توکن را از طریق response.usage مقایسه کنید.

آیا Claude Haiku 5.5 آن‌قدر ارزان است که جایگزین Sonnet 5.5 شود؟

از نظر هزینه هر توکن، به‌راحتی: هزینه آن $0.10 / $0.50 است، در برابر $2 / $10 برای Sonnet 5.5؛ البته تا زمانی که prompt کمتر از 100,000 توکن باشد. محدودیت‌هایی که Haiku 4.5 را کنار می‌گذاشتند، دیگر وجود ندارند. Haiku 5.5 همان پنجره context یک‌میلیون‌توکنی، حداکثر خروجی 128K و cutoff دانش قابل‌اعتماد ژوئن 2026 را مانند Sonnet 5.5 دارد، از هر پنج سطح effort پشتیبانی می‌کند و promptها را از 512 توکن cache می‌کند. اکنون دو عامل تعیین‌کننده‌اند. عامل اول، افزایش قیمت به $0.50 / $2.50 برای promptهای بیش از 100,000 توکن است که cache read را نیز شامل می‌شود. عامل دوم، کیفیتی است که آزمون‌های خودتان اندازه‌گیری می‌کنند.

آیا تغییر مدل Claude در میانه session باعث صرفه‌جویی در هزینه می‌شود؟

کمتر از آن‌چه به نظر می‌رسد. Anthropic، invalidatorهای cache را تغییر در پیشوند tools، system یا messages، تغییر در پیکربندی thinking و تغییر در output_config.effort سطح بالا معرفی می‌کند. تغییر مدل در این فهرست نیست. مستندات می‌گویند blockهای thinking که مدل جدید نمی‌تواند بخواند، حذف می‌شوند و از همان نقطه پیشوند تغییر می‌کند؛ بنابراین در نخستین درخواست بعدی، cache_read_input_tokens را بخوانید. دانستن اثر مالی این موضوع مفید است: برای یک پیشوند 150,000‌توکنی در Opus 5.5، هزینه cache read حدود $0.03 و هزینه fresh write حدود $0.75 است؛ بنابراین این هزینه از صرفه‌جویی چند turn در هزینه هر توکن بیشتر می‌شود. بین taskها، پس از /clear در Claude Code، مدل را تغییر دهید؛ زیرا در آن زمان cache در هر صورت دور ریخته می‌شود.

output_config.effort چه اثری بر هزینه من دارد؟

این گزینه تعداد توکن‌هایی را تغییر می‌دهد که مدل برای متن، tool callها و thinking مصرف می‌کند. effort کمتر باعث tool callهای کمتری می‌شود و در loopهای agentic این اثر انباشته می‌شود، زیرا نتیجه هر tool در turnهای بعدی دوباره ارسال می‌شود. سطح‌ها عبارت‌اند از low، medium، high، xhigh و max. مقدار پیش‌فرض در بیشتر مدل‌ها high و در Opus 5.5 و Haiku 5.5 برابر با medium است. Anthropic برای هر سطح، ضریب هزینه‌ای منتشر نکرده و effort را یک سیگنال رفتاری، نه بودجه توکن، می‌داند؛ بنابراین آن را روی task خودتان اندازه‌گیری کنید.

Claude Batches API چقدر صرفه‌جویی ایجاد می‌کند؟

برای توکن‌های ورودی و خروجی، 50% صرفه‌جویی ایجاد می‌کند و در مقابل، تحویل asynchronous ارائه می‌دهد. در اکتبر 2026، این قیمت‌گذاری Opus 5.5 را برای ورودی $2 و برای خروجی $10، Sonnet 5.5 را $1 / $5 و Haiku 5.5 را برای promptهای حداکثر 100,000 توکن $0.05 / $0.25 می‌کند. مقایسه مهم میان tierها انجام می‌شود: هزینه یک job دسته‌ای با Opus 5.5 دقیقاً برابر هزینه یک job synchronous با Sonnet 5.5 است؛ بنابراین batching امکان استفاده از مدل قوی‌تر را بدون هزینه اضافی فراهم می‌کند.