چرا Claude گران است؟ حساب‌وکتاب tokenها

کلود چرا گران است؟ پاسخ کوتاه

کلود به 4 دلیل گران است که روی یکدیگر اثر می‌گذارند. نرخ توکن‌های خروجی برای همه مدل‌ها 5 برابر نرخ توکن‌های ورودی است. API هیچ حافظه‌ای از مکالمه شما نگه نمی‌دارد؛ بنابراین کل تاریخچه در هر نوبت دوباره ارسال و دوباره صورتحساب می‌شود. یک agent یک پرسش را به ده‌ها فراخوانی API تبدیل می‌کند و هر فراخوانی نیز همین تاریخچه در حال بزرگ‌شدن را همراه خود دارد. علاوه بر این، قیمت‌گذاری frontier model بر اساس دشواری کاری انجام می‌شود که مدل انجام می‌دهد، نه بر اساس هزینه اجرای یک مدل کوچک.

توکن بخشی از متن است و مقدار متنی که هر توکن نشان می‌دهد به مدل بستگی دارد. Opus 5، Sonnet 5، Fable 5 و 5.1 و همه مدل‌های 5.5 از tokenizer جدیدتری استفاده می‌کنند که همراه Claude 4.7 ارائه شد. Anthropic یک میلیون توکن از این نوع را تقریباً معادل 555,000 کلمه انگلیسی یا 2.5 میلیون نویسه می‌داند؛ بنابراین هر توکن حدود دو و نیم نویسه یا کمی بیشتر از نصف یک کلمه است. مدل‌های قدیمی‌تر مانند Sonnet 4.6 و Haiku 4.5 از tokenizer قبلی استفاده می‌کنند که در آن هر توکن حدود 3.5 نویسه انگلیسی است و یک میلیون توکن حدود 750,000 کلمه را در خود جای می‌دهد. همین متن در مدل‌های جدیدتر حدود 30 درصد توکن بیشتری محسوب می‌شود؛ بنابراین آن را با همان مدلی که قصد استفاده از آن را دارید دوباره محاسبه کنید و برآورد قدیمی را دوباره به کار نبرید. نرخ‌ها به‌ازای هر میلیون توکن اعلام می‌شوند و به‌صورت MTok (million tokens) نوشته می‌شوند. تمام نرخ‌های زیر، نرخ‌های منتشرشدهٔ Claude API تا October 2026 هستند.

بیشتر صورت‌حساب‌های غیرمنتظره از دلیل دوم و سوم این فهرست ناشی می‌شوند. معمولاً افراد با این تصور سراغ کلود می‌آیند که هزینه مربوط به پاسخ‌هایی است که کلود می‌نویسد. در یک نشست agent، متن تولیدشده اغلب کمتر از یک‌دهم کل صورتحساب است.

نرخ‌های منتشرشده، تا درباره اعداد توافق داشته باشیم

[
  {
    "label": "Haiku 4.5",
    "input_usd": 1,
    "output_usd": 5,
    "cache_read_usd": "0.10"
  },
  {
    "label": "Sonnet 5",
    "input_usd": 2,
    "output_usd": 10,
    "cache_read_usd": "0.20"
  },
  {
    "label": "Sonnet 4.6",
    "input_usd": 3,
    "output_usd": 15,
    "cache_read_usd": "0.30"
  },
  {
    "label": "Opus 5",
    "input_usd": 5,
    "output_usd": 25,
    "cache_read_usd": "0.50"
  }
]

به‌جای اعداد مطلق، به الگو توجه کنید. هر مدل برای خروجی دقیقاً پنج برابر ورودی هزینه دریافت می‌کند. Opus 5 برای هر یک میلیون توکن ورودی 5 دلار و برای هر یک میلیون توکن خروجی 25 دلار هزینه دارد. هزینه Haiku 4.5 به‌ترتیب 1 و 5 دلار است. بنابراین فاصله بین ارزان‌ترین مدل این جدول و گران‌ترین مدل پنج برابر است و فاصله بین خواندن و نوشتن نیز پنج برابر است.

هزینه Sonnet 5 برای هر یک میلیون توکن 2 و 10 دلار است. Anthropic ابتدا این قیمت را تا 31 August 2026 به‌عنوان نرخ introductory ارائه کرد، سپس آن را به قیمت استاندارد تبدیل کرد و افزایش برنامه‌ریزی‌شده به 3 و 15 دلار را لغو کرد. نرخ‌ها هم‌زمان با انتشار مدل‌های جدید تغییر می‌کنند؛ بنابراین پیش از آن‌که بودجه‌ای را بر اساس آن‌ها تنظیم کنید، نرخ‌های فعلی را بررسی کنید. مدل‌های جدیدتر نیز همین الگوی پنج‌برابری را حفظ می‌کنند: قیمت Opus 5.5 برای هر یک میلیون توکن 4 و 20 دلار، قیمت Sonnet 5.5 برابر با 2 و 10 دلار، و قیمت Haiku 5.5 که در 7 October 2026 منتشر شد، از 0.10 و 0.50 دلار آغاز می‌شود. در پایین این جدول نیز tier رایگانی وجود ندارد؛ هرچند حساب‌های جدید با اعتبار اندکی شروع می‌شوند و برخی بخش‌های API کاملاً رایگان هستند.

ستون آخر، نرخ خواندن cache است. بیشتر صورت‌حساب‌ها را همین نرخ تعیین می‌کند. پس از انجام محاسبات به آن برمی‌گردیم.

چرا هزینه توکن‌های خروجی پنج برابر توکن‌های ورودی است؟

خواندن و نوشتن حجم کاری یکسانی ندارند. توکن‌های ورودی در یک مرحله پردازش می‌شوند. مدل کل پرامپت را یک‌جا می‌خواند و پردازش آن به‌صورت موازی انجام می‌شود؛ به همین دلیل است که خواندن یک پرامپت 60,000 توکنی، 60,000 برابر طولانی‌تر از یک پرامپت 1,000 توکنی نیست.

توکن‌های خروجی یکی‌یکی تولید می‌شوند. هر توکن جدید نیازمند یک مرحله پردازش مجزا در مدل است و باید تمام توکن‌های پیش از خود را به‌عنوان زمینه (context) در اختیار داشته باشد. نوشتن 1,000 توکن به معنای 1,000 مرحله پردازش متوالی است. این کارِ سریالی را نمی‌توان مانند خواندن به‌صورت موازی توزیع کرد، بنابراین هر توکن خروجی سخت‌افزار را برای مدت طولانی‌تری درگیر می‌کند.

به همین دلیل است که «کوتاه‌تر کردن پاسخ» اهرم ضعیف‌تری نسبت به انتظار کاربران است. این کار تنها بر بخش کوچک‌تر صورت‌حساب یک عامل (agent) تأثیر می‌گذارد.

چرا کل مکالمه من در هر نوبت دوباره محاسبه و صورت‌حساب می‌شود؟

API مدل Claude بدون وضعیت (stateless) است. هیچ مکالمه‌ای در سمت Anthropic ذخیره نمی‌شود که شما بخواهید پیامی به آن اضافه کنید. هر درخواست شامل کل تاریخچه پیام‌ها است و مدل پیش از نوشتن هر پاسخی، تمام آن را می‌خواند. بنابراین، در نوبت 30، هزینه نوبت‌های 1 تا 29 نیز محاسبه می‌شود.

این بدان معناست که هزینه یک مکالمه سریع‌تر از طول آن افزایش می‌یابد. نوبت 1 هزینه یک context کوچک را دارد. نوبت 40 هزینه یک context بزرگ را محاسبه می‌کند. اگر تمام چهل نوبت را با هم جمع کنید، متوجه می‌شوید که چندین برابر تعداد توکن‌های تولید شده، هزینه پرداخت کرده‌اید.

[
  {
    "turn": 1,
    "context_tokens": "20,000"
  },
  {
    "turn": 5,
    "context_tokens": "32,000"
  },
  {
    "turn": 10,
    "context_tokens": "45,000"
  },
  {
    "turn": 15,
    "context_tokens": "55,000"
  },
  {
    "turn": 20,
    "context_tokens": "64,000"
  },
  {
    "turn": 25,
    "context_tokens": "74,000"
  },
  {
    "turn": 30,
    "context_tokens": "84,000"
  },
  {
    "turn": 35,
    "context_tokens": "92,000"
  },
  {
    "turn": 40,
    "context_tokens": "100,000"
  }
]

نشست بالا با 20,000 توکن شروع می‌شود که شامل system prompt، تعاریف ابزارها و اولین فایل‌هایی است که agent باز کرده است. تا نوبت 40، این context شامل 100,000 توکن است. اگر میانگین آن را در تمام چهل نوبت محاسبه کنید، به رقمی در حدود 60,000 توکن خوانده‌شده در هر درخواست می‌رسید.

چرا هزینهٔ یک agent بسیار بیشتر از یک chat است؟

در یک chat، برای هر سؤال یک request ارسال می‌شود. در یک agent، برای هر مرحله یک request ارسال می‌شود. خواندن یک فایل یک مرحله است. اجرای یک test یک مرحله است. خواندن خروجی test یک مرحله است. ویرایش فایل یک مرحله است. برای یک coding agent، طی‌کردن 40 مرحله برای تکمیل یک task کاملاً عادی است.

استفاده از tool دو هزینهٔ اضافی نیز به همراه دارد. تعریف‌های tool در تک‌تک requestها به‌عنوان input token محسوب می‌شوند، زیرا مدل باید هر بار بداند چه toolهایی وجود دارند. Anthropic این سربار را منتشر کرده است: system prompt مربوط به tool use در Opus 5، با tool_choice تنظیم‌شده روی auto، 286 token است؛ این مقدار، tokenهای schemaهای tool خودتان را شامل نمی‌شود. بعضی toolهای سمت سرور هزینهٔ جداگانه‌ای نیز دارند. هزینهٔ web search، علاوه بر tokenهایی که نتایج مصرف می‌کنند، برای هر 1,000 جست‌وجو $10 است.

هر نتیجهٔ tool نیز به context دائمی تبدیل می‌شود. دستوری که 3,000 خط چاپ کند، این 3,000 خط را تا پایان session یا compact یا پاک‌شدن history، در هر request بعدی قرار می‌دهد. میزان مصرف token در هر session که Claude Code گزارش می‌کند این موضوع را قابل مشاهده می‌کند: بلافاصله پس از اجرای یک دستور پرخروجی، افزایش عدد input را بررسی کنید.

محاسبات در یک نشست واقعی

در اینجا یک ساعت کار واقعی برنامه‌نویسی عاملیت‌محور (agentic) با Opus 5 آورده شده است. چهل درخواست API. کانتکست از 20,000 به 100,000 توکن افزایش می‌یابد، بنابراین میانگین آن حدود 60,000 توکن در هر درخواست است. مدل حدود 700 توکن در هر درخواست می‌نویسد که ترکیبی از فراخوانی‌های کوتاه ابزار و چند بلوک کد طولانی‌تر است.

Requests in the session:      40
Average context per request:  60,000 tokens

Total input tokens billed:    40 x 60,000                    = 2,400,000
Input cost on Opus 5:         2,400,000 x $5 / 1,000,000     = $12.00

Total output tokens:          40 x 700                       =    28,000
Output cost on Opus 5:        28,000 x $25 / 1,000,000       =  $0.70

Session total                                                = $12.70

[
  {
    "label": "Input, context re-read",
    "billed_tokens": "2,400,000",
    "cost_usd": "12.00"
  },
  {
    "label": "Output, code and tool calls",
    "billed_tokens": "28,000",
    "cost_usd": "0.70"
  }
]

به تفکیک هزینه‌ها نگاه کنید. هزینه خواندن 12.00 دلار و هزینه نوشتن 0.70 دلار است، بنابراین خروجی که در واقع می‌خوانید حدود پنج درصد از کل صورت‌حساب است. مدل 28,000 توکن نوشت و برای خواندن 2,400,000 توکن صورت‌حساب دریافت کرد. هیچ‌کس 2.4 میلیون توکن تایپ نکرده است. همان 100,000 توکن بارها و بارها خوانده شده‌اند.

راهکار 1: caching پرامپت، که بیشترین اثر را دارد

caching پرامپت، شکل پردازش‌شدهٔ یک پیشوند پایدار از پرامپت شما را ذخیره می‌کند. در درخواست بعدی، آن پیشوند به‌جای پردازش مجدد، از cache خوانده می‌شود. نوشتن در cache برای cache پنج‌دقیقه‌ای 1.25 برابر نرخ ورودی هزینه دارد و برای cache یک‌ساعته 2 برابر است. خواندن از cache در بیشتر مدل‌ها، از جمله Opus 5، 0.1 برابر نرخ ورودی هزینه دارد. Opus 5.5 و Sonnet 5.5 این هزینه را 0.05 برابر و Fable 5.1 آن را 0.025 برابر دریافت می‌کنند. در Opus 5، این هزینه 0.50 دلار به‌ازای هر میلیون توکن است، نه 5 دلار.

این محاسبه را برای session بالا اعمال کنید. هرکدام از 100,000 توکن، یک‌بار و هم‌زمان با رشد conversation، در cache نوشته می‌شود. 2,300,000 توکن ورودی دیگر، cache read هستند.

Tokens written to cache:      100,000
Cache write at 1.25x input:   100,000 x $6.25 / 1,000,000    = $0.63

Tokens read from cache:       2,300,000
Cache read at 0.1x input:     2,300,000 x $0.50 / 1,000,000  = $1.15

Output cost, unchanged                                       = $0.70

Session total                                                = $2.48

بخش قابل cache شدن را با یک فیلد cache_control مشخص می‌کنید. breakpoint را بعد از محتوایی قرار دهید که بین turnها تغییر نمی‌کند: system prompt و تعریف‌های tool. یک سند طولانی که مرتب به آن ارجاع می‌دهید نیز باید در همان بلوک پایدار قرار بگیرد.

{
  "model": "claude-opus-5",
  "system": [
    {
      "type": "text",
      "text": "<long, stable instructions>",
      "cache_control": {"type": "ephemeral"}
    }
  ],
  "messages": [{"role": "user", "content": "..."}]
}

اکنون ترتیب پرامپت هزینه را تعیین می‌کند. برای cache hit، از همان ابتدای پرامپت یک تطابق دقیق لازم است؛ بنابراین هر چیزی که در هر درخواست تغییر می‌کند باید بعد از تمام بخش‌هایی قرار بگیرد که تغییر نمی‌کنند. اگر timestamp را در ابتدای system prompt قرار دهید، در هر turn cache را می‌شکنید: کل پیشوند cache miss می‌شود و برای نوشتن دوبارهٔ آن، 1.25 برابر نرخ ورودی را می‌پردازید.

پاسخ نشان می‌دهد که این کار موفق بوده است یا نه. یک درخواست ارسال کنید و بخش usage را بخوانید.

curl https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-opus-5",
    "max_tokens": 256,
    "messages": [{"role": "user", "content": "Hello"}]
  }'

هر پاسخ یک شیء usage مانند نمونهٔ زیر دارد:

{
  "usage": {
    "input_tokens": 105,
    "cache_creation_input_tokens": 7345,
    "cache_read_input_tokens": 7123,
    "output_tokens": 239
  }
}

اگر یک درخواست تکراری همچنان 0 را در cache_read_input_tokens نشان دهد، یعنی cache hit رخ نداده است. علت معمول این است که چیزی پیش از breakpoint تغییر کرده است. cache پنج‌دقیقه‌ای نیز منقضی می‌شود؛ بنابراین درخواستی که 6 دقیقه بعد ارسال شود، ابتدا cache miss می‌شود و سپس یک نوشتن جدید انجام می‌گیرد.

اهرم 2: ارجاع درخواست‌های ساده به مدل‌های کوچک‌تر

بیشتر درخواست‌ها در یک نشست ایجنت پیچیده نیستند. باز کردن یک فایل، اجرای یک فرمت‌کننده یا خواندن یک diff، نیازی به مدل‌های پیشرو (frontier model) ندارند. ارجاع این موارد به Haiku 4.5 نرخ ورودی را از 5 دلار به ازای هر میلیون توکن به 1 کاهش می‌دهد. Haiku 5.5 حتی نرخ‌های پایین‌تری دارد و برای پرامپت‌های تا 100,000 توکن، 0.10 دلار هزینه دارد؛ اما به محض عبور پرامپت از این مرز، تمام نرخ‌های آن پنج برابر می‌شود و کانتکست‌های طولانی ایجنت به‌سرعت به این حد می‌رسند. هزینه‌های Haiku 5.5 و موارد استفاده آن هر دو سطح قیمتی را شرح می‌دهد.

[
  {
    "label": "Opus 5, no caching",
    "session_cost_usd": "12.70"
  },
  {
    "label": "Opus 5, cached",
    "session_cost_usd": "2.48"
  },
  {
    "label": "Sonnet 5, cached",
    "session_cost_usd": "0.99"
  },
  {
    "label": "Haiku 4.5, cached",
    "session_cost_usd": "0.50"
  }
]

هزینه یک نشست مشابه با استفاده از Opus 5 بدون کشینگ 12.70 دلار، با کشینگ 2.48 دلار، با استفاده از Sonnet 5 و کشینگ 0.99 دلار و با استفاده از Haiku 4.5 و کشینگ 0.50 دلار است. تنها استفاده از کشینگ حدود هشتاد درصد از هزینه‌ها را حذف می‌کند. انتخاب مدل نیز بخش عمده‌ای از باقی‌مانده هزینه‌ها را کاهش می‌دهد. ردیف Haiku 4.5 برای مقایسه عادلانه نرخ‌ها، از همان تعداد توکن‌های مدل‌های دیگر استفاده می‌کند. Haiku 4.5 از توکنایزر قدیمی‌تر استفاده می‌کند و توکنایزر جدیدتر برای متن یکسان حدود 30 درصد توکن بیشتری می‌شمارد؛ بنابراین کار مشابه در Haiku 4.5 تقریباً 23 درصد توکن کمتری مصرف می‌کند که هزینه آن نشست را به حدود 0.38 دلار نزدیک‌تر می‌کند.

نکته مهم و صادقانه این است: مدل ارزان‌تری که پاسخ اشتباه بدهد، هزینه کل نشست را دوباره به شما تحمیل می‌کند، به‌علاوه زمانی که خودتان صرف اصلاح آن می‌کنید. ارجاع درخواست‌ها را بر اساس سختی کار انجام دهید، نه قیمت. این قاعده در مورد مدل‌های گران‌تر نیز صدق می‌کند: Claude Fable 5 و Fable 5.1 با قیمت‌های 10 و 50 دلار به ازای هر میلیون توکن، بالاتر از Opus 5 قرار می‌گیرند؛ بنابراین پیش از ارجاع درخواست به آن‌ها، آنچه این نرخ‌ها برای شما فراهم می‌کنند را مطالعه کنید. انتخاب بین Opus، Sonnet و Haiku بررسی می‌کند که هر مدل در چه شرایطی عملکرد مناسبی دارد.

سطح 3: بهداشت کانتکست

هر توکنی که در کانتکست باقی می‌گذارید، در هر نوبت باقی‌مانده محاسبه و هزینه می‌شود؛ بنابراین حذف زودهنگام یک توکن بسیار ارزشمندتر از حذف آن در مراحل پایانی است. یک فایل 5000 توکنی که در نوبت 5 از یک نشست 40 نوبتی وارد شود، 35 بار دیگر خوانده می‌شود. این یعنی 175000 توکن ورودی اضافه که در مدل Opus 5، بابت یک کپی‌پیست بی‌دقت، تقریباً یک دلار هزینه در بر دارد.

چهار عادت برای کاهش این عدد:

• برای هر وظیفهٔ جدید، یک نشست تازه شروع کنید و از ادامه دادن نشست دیروز خودداری کنید.
• دستورات پر سروصدا (noisy) را پیش از آنکه خروجی به مدل برسد، با ابزاری مانند head -50 فیلتر کنید، نه پس از آن.
• فقط تابعی که به آن نیاز دارید را درخواست کنید، نه کل فایل را.
• هنگامی که یک نشست طولانی دیگر پیشرفتی ندارد، درخواست خلاصه کنید و از همان نقطه دوباره شروع کنید. خلاصه تنها چند صد توکن است، در حالی که متن کامل نشست ممکن است صدها هزار توکن باشد.

سطح 4: دسته‌ای کردن هر چیزی که تعاملی نیست

Batch API درخواست‌ها را به‌صورت ناهمگام (asynchronous) پردازش می‌کند و 50 درصد تخفیف روی ورودی و خروجی اعمال می‌نماید. اگر کاری نیازی به دریافت پاسخ در ثانیه بعدی ندارد، آن را به‌صورت دسته‌ای (batch) انجام دهید. این شامل دسته‌بندی، استخراج، خلاصه‌سازی لیست‌های انتظار و اجرای ارزیابی‌ها می‌شود. تخفیف batch با prompt caching جمع می‌شود. این قابلیت برای نشست‌های تعاملی (interactive session) کاربرد ندارد، زیرا در آنجا چیزی برای انتظار وجود ندارد.

آیا سر من کلاه می‌رود؟

این پرسش اصلی در پسِ «چرا Claude گران است» نهفته است، بنابراین پاسخ صریح اینجاست. نرخ‌ها منتشر شده‌اند، برای همه در سطوح استاندارد یکسان هستند و بر اساس هر توکن محاسبه می‌شوند. استثنا در این مورد، قراردادهای مذاکره‌شده است، و حتی در آنجا نیز قیمت‌گذاری Claude Enterprise یک هزینه به ازای هر کاربر (seat) را در کنار همان توکن‌های اندازه‌گیری‌شده قرار می‌دهد، نه اینکه جایگزین آن‌ها شود. اگر مقایسه ذهنی شما بین یک فروشنده دیگر به جای یک طرح دیگر است، قیمت‌گذاری کارهای مشابه در APIهای Claude و ChatGPT نشان می‌دهد که هر کدام در کجا ارزان‌تر تمام می‌شوند. هیچ بخشی از صورت‌حساب شما سلیقه‌ای نیست. آنچه نرخ‌نامه نمی‌تواند به شما بگوید این است که آیا ارزش دریافت می‌کنید یا خیر، زیرا نرخ‌نامه قیمت توکن‌ها را تعیین می‌کند، در حالی که برای شما «نتیجه» اهمیت دارد.

بنابراین، به جای قیمت توکن، روی قیمت نتیجه تمرکز کنید. نشست (session) بالا بدون استفاده از caching، 12.70 دلار هزینه داشت. اگر این نشست قابلیتی را ارائه کرده که انجام آن برای شما یک ساعت زمان می‌برد، این هزینه ارزان است. اگر چهل مرحله را صرف چرخیدن به دور خود کرده باشد، همان 12.70 دلار هیچ دستاوردی نداشته و نرخ هرگز مشکل اصلی نبوده است.

این بخشی است که ارزش به خاطر سپردن دارد. صورت‌حساب شما با تعداد توکن‌ها مقیاس‌پذیر است، نه با ارزش خروجی. یک نشست پربازده و یک نشست هدررفته با طول یکسان، هزینه مشابهی دارند. به همین دلیل است که چهار اهرم اصلی اهمیت بیشتری نسبت به نرخ‌نامه دارند: شما نمی‌توانید بر سر قیمت هر توکن مذاکره کنید، اما تصمیم می‌گیرید که انجام کار به چند توکن نیاز دارد.

بنابراین، به جای دلار در ماه، «دلار به ازای هر وظیفه تکمیل‌شده» را ردیابی کنید. اگر این عدد همزمان با بهینه‌سازی caching و routing کاهش یابد، تنظیمات شما در حال بهبود است، حتی اگر مجموع هزینه ماهانه افزایش یابد؛ چرا که افزایش مجموع هزینه به دلیل انجام کار بیشتر است.

آنچه صورت‌حساب شما را کاهش نمی‌دهد

برخی توصیه‌های رایج تأثیر بسیار کمی دارند. گفتنِ «مختصر پاسخ بده» به مدل، خروجی را کاهش می‌دهد، اما خروجی در صورت‌حساب نمونه فقط 5 درصد بود. کوتاه‌تر کردن پرسش خودتان، در برابر یک context شامل 60,000 توکن، فقط چند صد توکن صرفه‌جویی می‌کند. خاموش کردن extended thinking فقط زمانی کمک می‌کند که توکن‌های thinking واقعاً سهم قابل‌توجهی از خروجی شما باشند؛ usage block این موضوع را مشخص می‌کند و لازم نیست آن را حدس بزنید.

بزرگ‌تر بودن context window به‌خودی‌خود هزینه‌ای ایجاد نمی‌کند. در Claude 4.6 و نسخه‌های بعدی، به‌جز Haiku 5.5، کل پنجرهٔ یک‌میلیون‌توکنی با نرخ استاندارد هر توکن محاسبه می‌شود؛ بنابراین یک درخواست 900,000 توکنی به‌ازای هر توکن همان هزینهٔ یک درخواست 9,000 توکنی را دارد. Haiku 5.5 استثناست: قیمت آن بر اساس طول prompt تعیین می‌شود و promptهای بیش از 100,000 توکن، برای input، output و cache پنج برابر بیشتر هزینه دارند؛ بنابراین هزینهٔ input از 0.10 به 0.50 دلار به‌ازای هر میلیون توکن و هزینهٔ output از 0.50 به 2.50 دلار می‌رسد. در تمام مدل‌های فعلی دیگر، اندازهٔ window قیمت را تعیین نمی‌کند. این‌که چه چیزی را در window قرار می‌دهید، قیمت را تعیین می‌کند.

دو مورد دیگر به برنامه‌ریزی مربوط می‌شوند، نه به یک session منفرد. اگر استفادهٔ شما روزانه و تعاملی است، هزینهٔ پرداخت به‌ازای هر توکن را با یک طرح ثابت مقایسه کنید: مقایسهٔ هزینهٔ API و اشتراک این محاسبه را انجام می‌دهد. اگر طرح ثابت به‌صرفه‌تر است و هم‌زمان در حال بررسی ارائه‌دهندهٔ دیگری هستید، مقایسهٔ کنارهمِ طرح‌های Claude و ChatGPT همین مقایسه را برای هر دو انجام می‌دهد. همچنین اگر یک agent بدون نظارت روی یک سرور اجرا می‌شود، پیش از هر تنظیم دیگری یک سقف سخت برای هزینه تعیین کنید؛ کنترل هزینه برای یک agent هوش مصنوعی روی VPS همین موضوع را پوشش می‌دهد. برای درک سادهٔ مقیاس هزینه، یک میلیون توکن Claude در عمل چه چیزی می‌خرد نرخ‌نامه را به تعداد صفحه‌های متن تبدیل می‌کند.

FAQ

چرا وقتی استفاده از agent را شروع کردم، مبلغ صورتحساب Claude ناگهان افزایش یافت؟

چون یک agent برای هر سؤال درخواست‌های زیادی ارسال می‌کند و هر درخواست کل مکالمه تا آن لحظه را همراه خود دارد. یک chat برای هر سؤال یک درخواست ارسال می‌کند. یک coding agent برای هر مرحله یک درخواست ارسال می‌کند و 40 مرحله برای یک کار عادی است. هزینه هر یک از این درخواست‌ها بر اساس کل context محاسبه می‌شود؛ بنابراین جلسه‌ای که با 100,000 توکن پایان می‌یابد، ممکن است در مجموع بر اساس بیش از دو میلیون توکن ورودی صورتحساب شود. برای مشاهده مستقیم این موضوع، input_tokens و cache_read_input_tokens را در پاسخ API بخوانید.

آیا prompt caching واقعاً می‌تواند صورتحساب را تا این حد کاهش دهد؟

در مثال محاسبه‌شده، هزینه جلسه از 12.70 دلار به 2.48 دلار رسید، زیرا هزینه cache read در Opus 5 برابر یک‌دهم نرخ ورودی است. میزان صرفه‌جویی کاملاً به hit rate شما بستگی دارد. با cache پنج‌دقیقه‌ای، پس از یک read هزینه خود را جبران می‌کند، چون هزینه write برابر 1.25 برابر ورودی و هزینه read برابر 0.1 برابر ورودی یا کمتر است. اگر prompt شما در هر درخواست نزدیک ابتدای آن تغییر کند، اصلاً hit دریافت نمی‌کنید و premium مربوط به write را بدون فایده می‌پردازید. پیش از آن‌که فرض کنید caching کار می‌کند، با cache_read_input_tokens آن را تأیید کنید.

آیا باید برای همه‌چیز فقط از Haiku استفاده کنم؟

خیر. هزینه Haiku 4.5 برابر 1 دلار به‌ازای هر میلیون توکن ورودی است، درحالی‌که این مقدار برای Opus 5 برابر 5 دلار است؛ بنابراین برای کارهای ساده و پرتعداد مانند classification و routing، صرفه‌جویی واقعی است. پاسخ نادرست در کار دشوار بیش از مبلغ صرفه‌جویی‌شده هزینه دارد، چون علاوه بر هزینه مدل، هزینه retry و زمان خودتان را نیز می‌پردازید. الگویی که در عمل پایدار می‌ماند، ترکیبی است: مدل کوچک برای مرحله‌های مکانیکی و frontier model برای مرحله‌ای که به قضاوت نیاز دارد.

آیا API از اشتراک Claude ارزان‌تر است؟

به ثبات میزان استفاده شما بستگی دارد. اشتراک، قیمت ماهانه ثابتی دارد و با محدودیت‌های استفاده همراه است. API به‌ازای توکن هزینه دریافت می‌کند و سقفی ندارد؛ بنابراین وقتی استفاده شما کم یا مقطعی است ارزان‌تر، و وقتی هر روز کاری به‌طور سنگین از آن استفاده می‌کنید گران‌تر است. میانگین توکن‌های روزانه خود را از بخش usage بردارید، آن‌ها را با نرخ مدل خود قیمت‌گذاری کنید، در تعداد روزهایی که در ماه از سرویس استفاده می‌کنید ضرب کنید و سپس این مبلغ ماهانه را با قیمت plan مقایسه کنید؛ قیمت tier ورودی در هزینه Claude Pro و محدودیت‌های استفاده آن آمده است. اگر حاصل این محاسبه به نفع API باشد، لغو اشتراک باعث هدررفتن ماهی که هزینه آن را قبلاً پرداخت کرده‌اید نمی‌شود، چون لغو در پایان دوره صورتحساب جاری اعمال می‌شود و تا آن زمان plan خود را حفظ می‌کنید. لغو plan یا رفتن به tier پایین‌تر هر دو مسیر را پوشش می‌دهد.