چرا هزینه استفاده از API مدل Claude گران است؟

چرا Claude گران است؟ پاسخ کوتاه

مدل Claude به چهار دلیل که روی هم انباشته می‌شوند، گران است. هزینه توکن‌های خروجی (Output tokens) پنج برابر نرخ توکن‌های ورودی (Input tokens) محاسبه می‌شود. API هیچ حافظه‌ای از گفتگوی شما نگه نمی‌دارد، بنابراین کل تاریخچه در هر نوبت دوباره ارسال و دوباره صورت‌حساب می‌شود. یک عامل (Agent) یک پرسش را به ده‌ها فراخوانی API تبدیل می‌کند و هر فراخوانی، آن تاریخچه در حال رشد را با خود حمل می‌کند. علاوه بر همه این‌ها، قیمت‌گذاری مدل‌های پیشرو (Frontier models) بر اساس دشواری کاری که انجام می‌دهند تعیین می‌شود، نه بر اساس هزینه اجرای یک مدل کوچک.

هر توکن یک قطعه متن است. به عنوان یک راهنمای کلی، هر توکن حدود 4 کاراکتر یا تقریباً 0.75 کلمه انگلیسی است. نرخ‌ها به ازای هر میلیون توکن اعلام می‌شوند که با MTok (میلیون توکن) نمایش داده می‌شود. تمام نرخ‌های زیر، نرخ‌های رسمی API مدل Claude تا اوت 2026 هستند.

بیشتر صورت‌حساب‌های غیرمنتظره ناشی از دلیل دوم و سوم در این لیست هستند. کاربران معمولاً با این باور وارد می‌شوند که پاسخ‌هایی که Claude می‌نویسد، هزینه اصلی را تشکیل می‌دهد. در یک نشست عامل‌محور (Agent session)، هزینه نوشتن متن اغلب کمتر از یک‌دهم کل صورت‌حساب است.

نرخ‌های منتشرشده، برای توافق بر سر اعداد

[
  {
    "label": "Haiku 4.5",
    "input_usd": 1,
    "output_usd": 5,
    "cache_read_usd": "0.10"
  },
  {
    "label": "Sonnet 5, to Aug 31 2026",
    "input_usd": 2,
    "output_usd": 10,
    "cache_read_usd": "0.20"
  },
  {
    "label": "Sonnet 5, from Sep 1 2026",
    "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"
  }
]

به جای اعداد مطلق، به ساختار کلی توجه کنید. هر مدل دقیقاً پنج برابر هزینه بیشتری برای خروجی نسبت به ورودی دریافت می‌کند. هزینه Opus 5 برابر با 5 دلار به ازای هر میلیون توکن ورودی و 25 دلار به ازای هر میلیون توکن خروجی است. هزینه Haiku 4.5 برابر با 1 و 5 است. بنابراین، فاصله قیمتی از ارزان‌ترین مدل تا گران‌ترین مدل پنج برابر است و فاصله بین خواندن و نوشتن نیز پنج برابر است.

قیمت Sonnet 5 تا تاریخ 31 اوت 2026 به عنوان نرخ مقدماتی، 2 و 10 دلار به ازای هر میلیون توکن است. از تاریخ 1 سپتامبر 2026، این نرخ به 3 و 15 تغییر می‌یابد. نرخ‌ها با انتشار مدل‌های جدید تغییر می‌کنند، بنابراین پیش از تنظیم بودجه بر اساس آن‌ها، نرخ‌های فعلی را بررسی کنید. هیچ سطح رایگانی پایین‌تر از این جدول وجود ندارد، اگرچه حساب‌های کاربری جدید با اعتبار اندکی شروع می‌شوند و برخی از بخش‌های API هیچ هزینه‌ای ندارند.

ستون آخر، نرخ خواندن از حافظه پنهان (cache) است. این نرخ تعیین‌کننده بخش بزرگی از صورت‌حساب‌هاست. پس از انجام محاسبات، به این بخش بازگردید.

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 عملیات به‌صورت موازی روی آن اجرا می‌شود؛ به همین دلیل است که خواندن یک پرامپت 60,000 توکنی، 60,000 برابر طولانی‌تر از خواندن یک پرامپت 1,000 توکنی نیست.

توکن‌های خروجی یکی‌یکی تولید می‌شوند. هر توکن جدید نیاز دارد که یک‌بار به‌طور جداگانه از مدل عبور کند و برای این کار، به تمام توکن‌های پیش از خود به‌عنوان زمینه (context) نیاز دارد. 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 تصور عموم است. این کار تنها روی نیمه کوچک‌تر صورت‌حساب یک عامل (agent) تأثیر می‌گذارد.

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

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

این بدان معناست که هزینه یک مکالمه سریع‌تر از طول آن افزایش می‌یابد. نوبت 1 یک کانتکست کوچک را محاسبه می‌کند. نوبت 40 یک کانتکست بزرگ را. اگر تمام چهل نوبت را با هم جمع کنید، متوجه می‌شوید که چندین برابر تعداد توکن‌هایی که واقعاً نوشته شده‌اند، 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 پرامپت سیستم، تعاریف ابزارها و اولین فایل‌هایی است که عامل (agent) باز کرده است. تا نوبت 40، کانتکست 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 هزینه یک agent بسیار بیشتر از یک chat است؟

یک chat شامل یک درخواست برای هر پرسش است. یک agent شامل یک درخواست برای هر گام است. خواندن یک فایل یک گام محسوب می‌شود. اجرای یک تست یک گام است. خواندن خروجی تست یک گام است. ویرایش فایل نیز یک گام است. انجام 40 گام برای تکمیل یک وظیفه، برای یک agent برنامه‌نویسی امری عادی است.

دو هزینه اضافی نیز همراه با استفاده از ابزارها تحمیل می‌شود. تعاریف ابزارها در هر درخواست به عنوان توکن‌های ورودی محاسبه می‌شوند، زیرا مدل باید هر بار بداند چه ابزارهایی در دسترس هستند. شرکت Anthropic این سربار را منتشر کرده است: سیستم prompt مربوط به استفاده از ابزار در Opus 5 با تنظیم tool_choice روی auto، شامل 286 توکن است، به علاوه توکن‌های مربوط به شمای ابزارهای شخصی شما. برخی از ابزارهای سمت سرور نیز هزینه جداگانه‌ای دارند. جستجوی وب علاوه بر توکن‌هایی که نتایج آن مصرف می‌کنند، با نرخ 10 دلار به ازای هر 1000 جستجو محاسبه می‌شود.

هر نتیجه حاصل از ابزار نیز به بخشی دائمی از context تبدیل می‌شود. دستوری که 3000 خط خروجی چاپ می‌کند، آن 3000 خط را در تمام درخواست‌های باقی‌مانده از آن نشست (session) وارد می‌کند. میزان مصرف توکن در هر نشست که Claude Code گزارش می‌دهد این موضوع را نمایان می‌کند: پس از اجرای یک دستور پرخروجی، افزایش عدد ورودی را مشاهده کنید.

محاسبات در یک نشست واقعی

در اینجا یک ساعت کار واقعی برنامه‌نویسی عاملیت‌محور (agentic coding) با Opus 5 آورده شده است. چهل درخواست API. کانتکست از 20,000 توکن به 100,000 توکن افزایش می‌یابد، بنابراین میانگین آن حدود 60,000 توکن در هر درخواست است. مدل در هر درخواست حدود 700 توکن 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 شما در واقع می‌خوانید حدود پنج درصد از کل صورت‌حساب است. مدل 28,000 توکن نوشته و برای خواندن 2,400,000 توکن صورت‌حساب دریافت شده است. هیچ‌کس 2.4 میلیون توکن را تایپ نکرده است. همان 100,000 توکن بارها و بارها خوانده شده‌اند.

اهرم 1: کش کردن پرامپت (Prompt caching)، که بزرگ‌ترین اهرم است

کش کردن پرامپت، نسخه پردازش‌شده‌ای از پیشوند ثابت پرامپت شما را ذخیره می‌کند. در درخواست بعدی، آن پیشوند به‌جای پردازش مجدد، از کش خوانده می‌شود. هزینه نوشتن در کش برای کش 5 دقیقه‌ای 1.25 برابر نرخ ورودی و برای کش یک ساعته 2 برابر آن است. هزینه خواندن از آن 0.1 برابر نرخ ورودی است. در مدل Opus 5، این هزینه برابر با 0.50 دلار به ازای هر میلیون توکن است، در حالی که نرخ عادی 5 دلار می‌باشد.

این موضوع را در نشست (session) بالا اعمال کنید. هر یک از 100,000 توکن، با رشد مکالمه یک‌بار در کش نوشته می‌شود. 2,300,000 توکن ورودی دیگر به خواندن از کش تبدیل می‌شوند.

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 کش شدن را با فیلد cache_control علامت‌گذاری کنید. نقطه شکست (breakpoint) را بعد از محتوایی قرار دهید که بین نوبت‌های مختلف تغییر نمی‌کند: یعنی پرامپت سیستم و تعاریف ابزارها. سند طولانی‌ای که مدام به آن ارجاع می‌دهید نیز در همان بلوک ثابت قرار می‌گیرد.

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

اکنون ترتیب پرامپت شما تعیین‌کننده هزینه‌هاست. برای موفقیت در کش (cache hit)، باید تطابق دقیقی از همان ابتدای پرامپت وجود داشته باشد؛ بنابراین هر چیزی که در هر درخواست تغییر می‌کند، باید بعد از تمام بخش‌های ثابت قرار بگیرد. اگر یک برچسب زمانی (timestamp) در ابتدای پرامپت سیستم قرار دهید، کش را در هر نوبت از بین می‌برید: کل پیشوند به یک عدم تطابق (miss) تبدیل می‌شود و شما باید دوباره 1.25 برابر نرخ ورودی را برای نوشتن مجدد آن بپردازید.

پاسخ دریافتی به شما می‌گوید که آیا این کار موفقیت‌آمیز بوده است یا خیر. یک درخواست ارسال کنید و بلوک 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 شامل یک شیء usage مانند نمونه زیر است:

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

تکرار درخواستی که همچنان مقدار 0 را در cache_read_input_tokens نشان می‌دهد، به این معنی است که از کش استفاده نمی‌شود. دلیل معمول این است که چیزی قبل از نقطه شکست شما تغییر کرده است. کش 5 دقیقه‌ای نیز منقضی می‌شود، بنابراین درخواستی که شش دقیقه بعد ارسال شود، یک عدم تطابق و به دنبال آن یک عملیات نوشتن جدید خواهد بود.

اهرم 2: ارسال درخواست‌های ساده به یک مدل کوچک‌تر

بیشتر نوبت‌ها (turns) در یک نشست عامل (agent session) دشوار نیستند. باز کردن یک فایل، اجرای یک فرمت‌کننده یا خواندن یک diff، نیازی به مدل‌های پیشرو (frontier model) ندارند. هدایت این درخواست‌ها به Haiku 4.5، نرخ ورودی را از 5 دلار به ازای هر میلیون توکن، به 1 کاهش 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"
  }
]

هزینهٔ یک نشست مشابه در Opus 5 بدون کشینگ برابر با 12.70 دلار، با کشینگ برابر با 2.48 دلار، در Sonnet 5 با کشینگ برابر با 0.99 دلار و در Haiku 4.5 با کشینگ برابر با 0.50 دلار است. کشینگ به‌تنهایی حدود هشتاد درصد از هزینه‌ها را حذف می‌کند. انتخاب مدل نیز بخش عمده‌ای از باقی‌ماندهٔ هزینه‌ها را کاهش می‌دهد.

نکتهٔ مهم و صادقانه این است: یک مدل ارزان‌تر که پاسخ اشتباه می‌دهد، باعث می‌شود کل هزینهٔ نشست دوباره به شما تحمیل شود و زمان خودتان را نیز هدر دهد. درخواست‌ها را بر اساس دشواری کار هدایت کنید، نه بر اساس قیمت. این قاعده در مورد مدل‌های گران‌تر نیز صدق می‌کند: Claude Fable 5 با قیمت 10 و 50 دلار به ازای هر میلیون توکن، بالاتر از Opus 5 قرار می‌گیرد؛ بنابراین پیش از ارسال درخواست به آن، ببینید این نرخ‌ها چه ارزشی برای شما به همراه دارند. مطلب انتخاب بین Opus، Sonnet و Haiku بررسی می‌کند که هر کدام در چه شرایطی عملکرد مناسبی دارند.

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 برای مدل Opus 5، تقریباً معادل یک دلار هزینه برای یک کپی‌پیست بی‌دقت است.

چهار عادت برای بهبود این وضعیت:

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

سطح 4: دسته‌بندی (Batch) هر چیزی که تعاملی نیست

رابط برنامه‌نویسی Batch API درخواست‌ها را به‌صورت ناهمگام (asynchronous) پردازش می‌کند و 50 درصد در هزینه‌های ورودی و خروجی صرفه‌جویی به همراه دارد. اگر کاری نیاز ندارد که در ثانیه بعدی پاسخ دریافت کند، آن را به‌صورت batch اجرا کنید. این موضوع شامل دسته‌بندی، استخراج داده، خلاصه‌سازی بک‌لاگ و اجرای ارزیابی‌ها می‌شود. تخفیف batch با قابلیت prompt caching ترکیب می‌شود. این قابلیت برای نشست‌های تعاملی (interactive session) کاربرد ندارد، زیرا در آنجا چیزی برای انتظار کشیدن وجود ندارد.

آیا سر من کلاه می‌رود؟

این پرسش اصلی است که در پسِ «چرا Claude گران است» نهفته است؛ بنابراین پاسخ صریحی به آن می‌دهیم. نرخ‌ها منتشر شده‌اند، برای همه در سطوح استاندارد یکسان هستند و بر اساس هر توکن محاسبه می‌شوند. استثنای این موضوع، قراردادهای مذاکره‌شده است که در آنجا نیز قیمت‌گذاری Claude Enterprise هزینه‌ای را به ازای هر کاربر (seat) در کنار همان توکن‌های اندازه‌گیری‌شده قرار می‌دهد، نه اینکه جایگزین آن‌ها شود. هیچ بخشی از صورت‌حساب شما سلیقه‌ای نیست. آنچه در جدول نرخ‌ها نمی‌توانید ببینید این است که آیا ارزش دریافت می‌کنید یا خیر، زیرا آن جدول قیمت توکن‌ها را تعیین می‌کند، در حالی که برای شما «نتیجه» اهمیت دارد.

بنابراین، به جای قیمت توکن، قیمت نتیجه را بسنجید. نشست (session) بالا بدون استفاده از کش، 12.70 دلار هزینه داشت. اگر این نشست قابلیتی را پیاده‌سازی کرده باشد که انجام آن برای شما یک ساعت زمان می‌برد، این هزینه ارزان است. اگر مدل چهل بار در یک چرخه تکراری گیر کرده باشد، همان 12.70 دلار عملاً هیچ ارزشی ایجاد نکرده است و مشکل هرگز نرخ قیمت نبوده است.

این بخشی است که باید به خاطر بسپارید. 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 کنترل هزینه، اهمیت بیشتری نسبت به جدول نرخ‌ها 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 کشینگ و مسیریابی کاهش یابد، تنظیمات شما در حال بهبود است؛ حتی اگر مجموع هزینه ماهانه افزایش یابد، زیرا این افزایش به دلیل انجام کار بیشتر است.

چه چیزی صورت‌حساب شما را کاهش نمی‌دهد

برخی توصیه‌های رایج تأثیر بسیار کمی دارند. دستور دادن به مدل برای «مختصر بودن»، خروجی را کوتاه می‌کند، اما خروجی تنها 5 درصد از صورت‌حساب نمونه را تشکیل می‌داد. کوتاه کردن پرسش خودتان نیز در برابر یک context با 60,000 توکن، تنها چند صد توکن صرفه‌جویی می‌کند. غیرفعال کردن extended thinking تنها زمانی کمک می‌کند که توکن‌های تفکر سهم قابل‌توجهی از خروجی شما داشته باشند، و بلوک usage به جای حدس زدن، این موضوع را به شما اعلام می‌کند.

یک context window بزرگ‌تر نیز به‌خودی‌خود هزینه نیست. در Claude 4.6 و نسخه‌های بعد از آن، کل پنجره یک میلیون توکنی با نرخ استاندارد به ازای هر توکن محاسبه می‌شود، بنابراین هزینه یک درخواست 900,000 توکنی به ازای هر توکن با یک درخواست 9,000 توکنی برابر است. اندازه پنجره قیمت را تعیین نمی‌کند؛ آنچه انتخاب می‌کنید در پنجره قرار دهید، تعیین‌کننده قیمت است.

دو مورد دیگر بیشتر به برنامه‌ریزی مربوط می‌شوند تا یک نشست واحد. اگر استفاده شما روزانه و تعاملی است، پرداخت به ازای هر توکن را با یک طرح ثابت مقایسه کنید: مقایسه هزینه API و اشتراک این محاسبه را انجام می‌دهد. اگر طرح ثابت به‌صرفه‌تر است و هم‌زمان طرح فروشنده دیگری را بررسی می‌کنید، مقایسه قیمت طرح‌های Claude و ChatGPT در کنار هم همین مقایسه را برای هر دو انجام می‌دهد. و اگر یک عامل (agent) بدون نظارت روی یک سرور اجرا می‌شود، پیش از تنظیم هر چیز دیگری، یک سقف هزینه سخت (hard spend cap) تعیین کنید؛ این همان چیزی است که کنترل‌های هزینه برای یک عامل هوش مصنوعی روی VPS پوشش می‌دهد. برای درک ساده‌ای از مقیاس، یک میلیون توکن Claude در واقع چه چیزی خریداری می‌کند، جدول نرخ‌ها را به صفحات متن تبدیل می‌کند.

FAQ

چرا وقتی شروع به استفاده از یک عامل (agent) کردم، صورت‌حساب Claude من افزایش یافت؟

زیرا یک عامل برای هر پرسش، درخواست‌های متعددی ارسال می‌کند و هر درخواست شامل کل تاریخچهٔ گفتگو تا آن لحظه است. در یک چت معمولی، برای هر پرسش تنها یک درخواست ارسال می‌شود. اما یک عامل برنامه‌نویسی برای هر مرحله یک درخواست می‌فرستد و انجام یک وظیفه در چهل مرحله، امری عادی است. هزینهٔ هر یک از این درخواست‌ها بر اساس کل کانتکست (context) محاسبه می‌شود؛ بنابراین جلسه‌ای که در نهایت به 100,000 توکن می‌رسد، ممکن است در مجموع برای بیش از دو میلیون توکن ورودی صورت‌حساب دریافت کند. برای مشاهدهٔ مستقیم این موضوع، input_tokens و cache_read_input_tokens را در پاسخ API بررسی کنید.

آیا کش کردن پرامپت (prompt caching) واقعاً هزینه‌ها را تا این حد کاهش می‌دهد؟

در مثال عملی، هزینهٔ جلسه از 12.70 دلار به 2.48 دلار کاهش یافت، زیرا هزینهٔ خواندن از کش یک‌دهم نرخ ورودی عادی است. میزان صرفه‌جویی کاملاً به نرخ موفقیت (hit rate) شما بستگی دارد. با کش پنج‌دقیقه‌ای، هزینه پس از یک بار خواندن جبران می‌شود، چرا که هزینهٔ نوشتن 1.25 برابر ورودی و هزینهٔ خواندن 0.1 برابر آن است. اگر پرامپت شما در هر درخواست از همان ابتدا تغییر کند، هیچ hitای نخواهید داشت و عملاً هزینهٔ اضافی نوشتن را بیهوده پرداخت کرده‌اید. پیش از آنکه فرض کنید سیستم کار می‌کند، با cache_read_input_tokens آن را تأیید کنید.

آیا باید برای همه کارها فقط از Haiku استفاده کنم؟

خیر. هزینهٔ Haiku 4.5 برابر با 1 دلار به ازای هر میلیون توکن ورودی است، در حالی که این رقم برای Opus 5 برابر با 5 دلار می‌باشد؛ بنابراین صرفه‌جویی در کارهای ساده و با حجم بالا مانند دسته‌بندی و مسیریابی کاملاً واقعی است. پاسخ اشتباه در کارهای دشوار، هزینه‌ای بیش از صرفه‌جویی مدل دارد، زیرا علاوه بر هزینهٔ تلاش مجدد، زمان خودتان را نیز از دست می‌دهید. الگوی بهینه، ترکیبی است: استفاده از مدل کوچک برای مراحل مکانیکی و استفاده از مدل پیشرفته (frontier) برای مراحلی که نیاز به قضاوت دارند.

آیا API ارزان‌تر از اشتراک Claude است؟

این موضوع به میزان پایداری استفادهٔ شما بستگی دارد. اشتراک، یک هزینهٔ ثابت ماهانه با محدودیت‌های استفاده است. API بر اساس تعداد توکن محاسبه می‌شود و سقف ندارد؛ بنابراین زمانی که استفادهٔ شما کم یا به‌صورت مقطعی (burst) است، ارزان‌تر تمام می‌شود و زمانی که هر روز کاری به‌طور سنگین از آن استفاده می‌کنید، گران‌تر خواهد بود. میانگین توکن‌های مصرفی روزانهٔ خود را از بخش usage استخراج کنید، قیمت آن را با نرخ مدل خود محاسبه کنید و سپس آن رقم را با قیمت طرح اشتراک مقایسه کنید که برای سطح پایه در هزینه Claude Pro و محدودیت‌های استفاده از آن مشخص شده است. اگر مجموع هزینه‌ها به نفع API بود، لغو اشتراک یا کاهش سطح آن باعث هدر رفتن ماهی که قبلاً پرداخت کرده‌اید نمی‌شود، زیرا دسترسی شما تا پایان دورهٔ صورت‌حساب فعلی برقرار می‌ماند.