מדוע Claude יקר? חישוב עלות הטוקנים

מדוע Claude יקר? התשובה הקצרה

Claude יקר בגלל ארבע סיבות שמצטברות זו על גבי זו. תמחור של טוקני פלט גבוה פי חמישה מתמחור של טוקני קלט. ה־API אינו שומר זיכרון של השיחה, ולכן כל ההיסטוריה נשלחת שוב ומחויבת שוב בכל תור. סוכן הופך שאלה אחת לעשרות קריאות API, וכל קריאה כוללת את ההיסטוריה ההולכת וגדלה. נוסף על כך, תמחור מודל ה־frontier נקבע לפי מורכבות העבודה שהוא מבצע, ולא לפי עלות ההפעלה של מודל קטן.

טוקן הוא קטע טקסט. ככלל אצבע, טוקן אחד הוא בערך ארבעה תווים, או כ־0.75 מילה באנגלית. התעריפים מצוינים לכל מיליון טוקנים, ומסומנים כ־MTok (million tokens). כל התעריפים שלהלן הם התעריפים שפורסמו עבור Claude API נכון ל־August 2026.

רוב החשבוניות המפתיעות נובעות מהסיבה השנייה ומהסיבה השלישית ברשימה. בדרך כלל אנשים מגיעים מתוך הנחה שהתשובות ש־Claude כותב הן שמייצרות את העלות. בסשן של סוכן, הכתיבה מהווה לעיתים פחות מעשירית מהחשבונית.

התעריפים שפורסמו, כדי שנסכים על המספרים

[
  {
    "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"
  }
]

התמקדו ביחסים ולא במספרים המוחלטים. כל מודל גובה בדיוק פי חמישה יותר על פלט מאשר על קלט. Opus 5 עולה 5 דולר למיליון טוקני קלט ו־25 דולר למיליון טוקני פלט. Haiku 4.5 עולה 1 ו־5 דולר למיליון טוקנים. לכן הפער בין המודל הזול ביותר למודל היקר ביותר הוא פי חמישה, והפער בין קריאה לכתיבה הוא גם פי חמישה.

Sonnet 5 מתומחר במחיר השקה של 2 ו־10 דולר למיליון טוקנים עד 31 באוגוסט 2026. החל מ־1 בספטמבר 2026 המחיר יעבור ל־3 ו־15 דולר למיליון טוקנים. התעריפים משתנים עם יציאת גרסאות חדשות של המודלים, לכן בדקו את התעריפים העדכניים לפני שאתם בונים על פיהם תקציב. גם אין מתחת לטבלה הזאת שכבה חינמית, אף שחשבונות חדשים מתחילים עם זיכוי קטן, ו־חלקים מסוימים של ה־API אינם עולים דבר.

העמודה האחרונה היא התעריף לקריאת מטמון. היא קובעת את רוב החשבוניות. חזרו אליה לאחר החישוב.

מדוע טוקנים של פלט עולים פי חמישה מטוקנים של קלט?

קריאה וכתיבה אינן דורשות אותה כמות עבודה. טוקנים של קלט מעובדים במעבר אחד. המודל קורא את כל הפרומפט בבת אחת, והעיבוד מתבצע במקביל לכל אורכו. לכן פרומפט באורך 60,000 טוקנים אינו דורש זמן ארוך פי 60,000 לקריאה לעומת פרומפט באורך 1,000 טוקנים.

טוקנים של פלט מופקים בזה אחר זה. כל טוקן חדש מחייב מעבר נפרד דרך המודל, והוא זקוק לכל הטוקנים שלפניו כהקשר. כתיבה של 1,000 טוקנים משמעותה 1,000 מעברים עוקבים. אי אפשר לפזר את העבודה הסדרתית הזאת כפי שניתן לפזר את עבודת הקריאה, ולכן כל טוקן של פלט תופס את החומרה לזמן ממושך יותר.

לכן הקביעה "קצר את התשובה" היא מנוף חלש יותר מכפי שנהוג לצפות. היא משפיעה על החלק הקטן יותר של חשבון הסוכן.

מדוע כל השיחה שלי מחויבת מחדש בכל תור?

Claude API הוא חסר־מצב. ב־Anthropic אין שיחה קיימת שאליה מתווספת הודעה אחת בכל פעם. כל בקשה כוללת את היסטוריית ההודעות המלאה, והמודל קורא את כולה לפני שהוא מפיק תשובה. לכן תור 30 מחויב גם עבור תורים 1 עד 29.

המשמעות היא שעלות השיחה גדלה מהר יותר מאורכה. תור 1 מחויב עבור הקשר קטן. תור 40 מחויב עבור הקשר גדול. אם מחברים את כל ארבעים התורים, מתקבלת עלות עבור מספר טוקנים הגדול פי כמה ממספר הטוקנים שנכתבו בפועל.

[
  {
    "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"
  }
]

הסשן שלמעלה מתחיל ב־20,000 טוקנים. אלה כוללים את ה־system prompt, את הגדרות הכלים ואת הקבצים הראשונים שהסוכן פתח. בתור 40, ההקשר כולל 100,000 טוקנים. אם מחשבים את הממוצע לאורך כל ארבעים התורים, מתקבלים בערך 60,000 טוקנים שנקראים בכל בקשה.

מדוע agent עולה הרבה יותר מצ׳אט?

צ׳אט שולח בקשה אחת לכל שאלה. agent שולח בקשה אחת לכל שלב. קריאת קובץ היא שלב. הרצת בדיקה היא שלב. קריאת הפלט של הבדיקה היא שלב. עריכת הקובץ היא שלב. ארבעים שלבים להשלמת משימה אחת הם דבר שגרתי עבור agent לתכנות.

שתי עלויות נוספות נלוות לשימוש בכלים. הגדרות הכלים הן אסימוני קלט בכל בקשה, משום שיש למסור למודל מידע על הכלים הזמינים בכל פעם מחדש. Anthropic מפרסמת את התקורה: ה־system prompt לשימוש בכלים כולל 286 אסימונים ב־Opus 5 כאשר tool_choice מוגדר ל־auto, נוסף על האסימונים של סכימות הכלים שלכם. חלק מהכלים בצד השרת כרוכים גם בתשלום נפרד. חיפוש באינטרנט מחויב לפי $10 לכל 1,000 חיפושים, נוסף על האסימונים שצורכים תוצאות החיפוש.

כל תוצאת כלי הופכת גם להקשר קבוע. פקודה שמדפיסה 3,000 שורות מוסיפה את 3,000 השורות האלה לכל בקשה בהמשך הסשן. השימוש באסימונים לאורך הסשן ש־Claude Code מדווח עליו הופך זאת לנראה: עקבו אחר העלייה במספר הקלט מיד לאחר הרצת פקודה שמפיקה פלט רב.

החשבון האריתמטי של סשן אמיתי

כך נראית שעה מציאותית של קידוד agentic באמצעות Opus 5. נשלחו ארבעים בקשות API. ההקשר גדל מ־20,000 ל־100,000 טוקנים, ולכן הממוצע הוא כ־60,000 טוקנים לבקשה. המודל כותב כ־700 טוקנים בכל בקשה. אלה כוללים שילוב של קריאות קצרות לכלים וכמה בלוקים ארוכים יותר של קוד.

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"
  }
]

שימו לב לחלוקה. עלות הקריאה היא 12.00 דולר, ועלות הכתיבה היא 0.70 דולר, ולכן הפלט שקראתם בפועל מהווה כ־5% מהחשבון. המודל כתב 28,000 טוקנים, וחויב עבור קריאה של 2,400,000 טוקנים. איש לא הקליד 2.4 מיליון טוקנים. אותם 100,000 טוקנים נקראו שוב ושוב.

מנוף 1: שמירת הנחיות במטמון, שהיא המנוף המשמעותי ביותר

שמירת הנחיות במטמון מאחסנת את הצורה המעובדת של קידומת יציבה בהנחיה. בבקשה הבאה, הקידומת נקראת מהמטמון במקום לעבור עיבוד מחדש. כתיבה למטמון עולה פי 1.25 מתעריף הקלט עבור מטמון לחמש דקות, או פי 2 עבור מטמון לשעה. קריאה מהמטמון עולה פי 0.1 מתעריף הקלט. ב־Opus 5 העלות היא 0.50 דולר למיליון, במקום 5 דולר.

ניישם זאת על הסשן שלעיל. כל אחד מ־100,000 האסימונים נכתב למטמון פעם אחת במהלך התארכות השיחה. 2,300,000 אסימוני הקלט האחרים נקראים מהמטמון.

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

מסמנים את החלק שניתן לשמור במטמון באמצעות שדה cache_control. מציבים את נקודת הפיצול אחרי התוכן שאינו משתנה בין תורות: הנחיית המערכת והגדרות הכלים. מסמך ארוך שאליו חוזרים שוב ושוב שייך לאותו בלוק יציב.

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

סדר ההנחיה קובע כעת את העלות. פגיעה במטמון דורשת התאמה מדויקת מתחילת ההנחיה, ולכן כל דבר שמשתנה בכל בקשה חייב להופיע אחרי כל מה שאינו משתנה. אם מציבים חותמת זמן בראש הנחיית המערכת, המטמון נשבר בכל תור: הקידומת כולה אינה נמצאת במטמון, ומשלמים פי 1.25 מתעריף הקלט כדי לכתוב אותה מחדש.

התגובה מציינת אם הפעולה הצליחה. שולחים בקשה וקוראים את בלוק השימוש.

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"}]
  }'

כל תגובה כוללת אובייקט usage כמו זה:

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

בקשה חוזרת שבה עדיין מופיע 0 בתוך cache_read_input_tokens משמעותה שהמטמון אינו מנוצל. הסיבה הרגילה היא שמשהו לפני נקודת הפיצול השתנה. גם מטמון לחמש דקות פג, ולכן בקשה שנשלחת לאחר שש דקות אינה נמצאת במטמון, ולאחר מכן נכתבת מחדש למטמון.

מנוף 2: ניתוב המשימות הפשוטות למודל קטן יותר

רוב הסבבים בסשן של סוכן אינם מורכבים. פתיחת קובץ, הפעלת formatter וקריאת diff. למשימות האלה אין צורך במודל המתקדם ביותר. ניתוב שלהן אל Haiku 4.5 מוריד את תעריף הקלט מ־5 דולר למיליון ל־1.

[
  {
    "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"
  }
]

אותו סשן עולה 12.70 דולר ב־Opus 5 ללא caching, 2.48 עם caching, 0.99 ב־Sonnet 5 עם caching, ו־0.50 ב־Haiku 4.5 עם caching. caching לבדו מפחית כ־80% מהחשבון. בחירת המודל מסירה את רוב העלות שנותרה.

הנה ההסתייגות החשובה. מודל זול יותר שנותן תשובה שגויה עולה לכם שוב את מלוא עלות הסשן, נוסף על הזמן שלכם. נתחו את המשימה לפי רמת המורכבות שלה, לא לפי המחיר. הכלל חל גם בכיוון ההפוך: Claude Fable 5 מתומחר מעל Opus 5, ב־$10 וב־$50 למיליון, לכן קראו מה התעריפים האלה מאפשרים לכם לפני שתנתבו אליו סבב. בחירה בין Opus, Sonnet ו־Haiku מסבירה באילו משימות כל אחד מהם מתפקד היטב.

הרגל 3: היגיינת הקשר

כל token שנשאר בהקשר מחויב בתשלום בכל turn שנותר, ולכן הסרה מוקדמת שלו משתלמת הרבה יותר מהסרה מאוחרת. קובץ בגודל 5,000 tokens שנזרק להקשר ב־turn 5 מתוך session של 40 turns נקרא 35 פעמים נוספות. מדובר ב־175,000 input tokens נוספים, שהם כמעט דולר ב־Opus 5 בגלל הדבקה אחת לא זהירה.

ארבעה הרגלים שמשפרים את הנתון:

• התחילו session חדש עבור משימה חדשה, במקום להמשיך את ה־session מאתמול.
• סננו פקודות רועשות לפני שהפלט מגיע למודל, באמצעות משהו כמו head -50, ולא לאחר מכן.
• בקשו את הפונקציה האחת שמעניינת אתכם, ולא את הקובץ כולו.
• כאשר session ארוך מפסיק להתקדם, בקשו סיכום והתחילו מחדש על בסיסו. הסיכום כולל כמה מאות tokens. התמליל כולל מאה אלף.

מנוף 4: העבירו לעיבוד אצווה כל דבר שאינו אינטראקטיבי

ה־Batch API מעבד בקשות באופן אסינכרוני ומעניק הנחה של 50 אחוז הן על קלט והן על פלט. אם עבודה מסוימת אינה דורשת תשובה בתוך השנייה הקרובה, העבירו אותה לעיבוד אצווה. הדבר מתאים לסיווג, לחילוץ, לסיכום backlog ולהרצות הערכה. ההנחה על עיבוד אצווה מצטברת עם caching של prompt. היא אינה חלה על session אינטראקטיבי, משום שבמקרה כזה אין דבר שאפשר להמתין לו.

האם מחייבים אותי יותר מדי?

זו השאלה האמיתית שמסתתרת מאחורי "למה Claude יקר", ולכן הנה תשובה ישירה. התעריפים מפורסמים, זהים לכולם במסלולים הסטנדרטיים, והחיוב מתבצע לפי מספר ה־tokens. החריג הוא חוזה במשא ומתן, וגם במקרה כזה תמחור Claude Enterprise מוסיף חיוב לפי משתמש לפני אותם tokens שנמדדים, במקום להחליף אותם. אם ההשוואה שאתם עושים היא לספק אחר ולא למסלול אחר, אותן משימות בתמחור של ממשקי ה־API של Claude ושל ChatGPT מציג היכן כל אחד מהם זול יותר. אין בחשבון רכיב הנתון לשיקול דעת. טבלת התעריפים אינה יכולה לומר לכם אם אתם מקבלים תמורה, משום שהיא מתמחרת tokens ואילו לכם חשובים התוצרים.

לכן תמחור צריך להתבסס על התוצר. הסשן שלמעלה עלה 12.70 דולרים ללא שימוש ב־cache. אם הוא סיפק תכונה שהייתה דורשת מכם שעה, זהו מחיר נמוך. אם הוא השקיע ארבעים סבבים בחזרה על עצמו, אותם 12.70 דולרים לא קנו דבר, והתעריף מעולם לא היה הבעיה.

זה החלק שכדאי לזכור. החשבון שלכם גדל בהתאם למספר ה־tokens, ולא בהתאם לערך. סשן יעיל וסשן מבוזבז באותו אורך עולים אותו דבר. לכן ארבעת המנופים חשובים יותר מטבלת התעריפים: אינכם יכולים לנהל משא ומתן על המחיר ל־token, אבל אתם קובעים כמה tokens המשימה תצרוך.

לכן עקבו אחר העלות בדולרים לכל משימה שהושלמה, ולא אחר העלות בדולרים לחודש. אם המספר הזה יורד בזמן שאתם מכווננים caching ו־routing, התצורה שלכם משתפרת גם כאשר הסכום החודשי עולה, משום שהסכום הכולל עולה בגלל שאתם מבצעים יותר עבודה.

מה לא מוריד את החשבון

עצות פופולריות מסוימות כמעט אינן משפיעות. הנחיה למודל להיות "תמציתי" מקצרת את הפלט, והפלט היווה 5 אחוזים מהחשבון בדוגמה. קיצור השאלה שלכם חוסך כמה מאות טוקנים מתוך הקשר של 60,000 טוקנים. כיבוי החשיבה המורחבת עוזר רק כאשר טוקני החשיבה היו חלק משמעותי מהפלט, ובלוק השימוש מציג זאת במקום להשאיר אתכם לנחש.

חלון הקשר גדול יותר אינו מגדיל כשלעצמו את העלות. ב־Claude 4.6 ובגרסאות מאוחרות יותר, חלון של מיליון טוקנים מחויב לפי התעריף הרגיל לטוקן, ולכן בקשה של 900,000 טוקנים עולה אותו מחיר לטוקן כמו בקשה של 9,000 טוקנים. גודל החלון אינו קובע את המחיר. מה שקובע הוא התוכן שאתם בוחרים להכניס לחלון.

שני דברים נוספים שייכים לתכנון ולא לסשן יחיד. אם השימוש שלכם יומיומי ואינטראקטיבי, השוו בין תשלום לפי טוקן לבין מסלול בתשלום קבוע: ההשוואה בין עלות ה־API לבין עלות המנוי מבצעת את החישוב. אם המסלול הקבוע משתלם יותר ואתם שוקלים במקביל ספק אחר, מסלולי Claude ו־ChatGPT זה לצד זה מבצע את אותה השוואה בין שניהם. ואם agent פועל ללא השגחה בשרת, הגדירו תקרת הוצאה קשיחה לפני שתכווננו דבר אחר; בכך עוסק בקרות עלויות עבור agent של AI ב־VPS. כדי לקבל תחושה בסיסית של סדר הגודל, מה מיליון טוקנים של Claude באמת מאפשרים לקנות ממיר את טבלת התעריפים לעמודים של טקסט.

FAQ

מדוע החשבון שלי ב־Claude גדל כשעברתי להשתמש ב־agent?

משום ש־agent שולח בקשות רבות עבור כל שאלה, וכל בקשה כוללת את כל השיחה עד אותו רגע. צ׳אט שולח בקשה אחת עבור כל שאלה. agent לתכנות שולח בקשה אחת עבור כל שלב, ו־40 שלבים עבור משימה אחת הם דבר רגיל. כל אחת מהבקשות האלה מחויבת לפי מלוא ההקשר, ולכן סשן שמסתיים ב־100,000 טוקנים עשוי להיות מחויב בסך הכול עבור יותר מ־2 מיליון טוקני קלט. קראו את input_tokens ואת cache_read_input_tokens בתגובת ה־API כדי לראות זאת ישירות.

האם caching של prompt באמת מפחית את החשבון במידה כזאת?

בדוגמה המחושבת, הוא הוריד את עלות הסשן מ־12.70 דולר ל־2.48 דולר, משום שקריאת cache עולה עשירית מתעריף הקלט. החיסכון תלוי לחלוטין בשיעור ההתאמות שלכם. עם cache של 5 דקות, הוא מחזיר את עלותו כבר לאחר קריאה אחת, משום שהכתיבה עולה פי 1.25 מתעריף הקלט והקריאה עולה פי 0.1 ממנו. אם ה־prompt משתנה סמוך להתחלה בכל בקשה, לא יהיו לכם התאמות כלל ותשלמו את תוספת המחיר על הכתיבה ללא תמורה. אשרו באמצעות cache_read_input_tokens לפני שתניחו שהמנגנון פועל.

האם פשוט כדאי להשתמש ב־Haiku עבור הכול?

לא. Haiku 4.5 עולה 1 דולר לכל מיליון טוקני קלט, לעומת 5 עבור Opus 5, ולכן החיסכון ממשי בעבודה פשוטה ובנפח גבוה, כגון סיווג וניתוב. תשובה שגויה במשימה מורכבת עולה יותר מהחיסכון של המודל, משום שאתם משלמים גם עבור ניסיון חוזר וגם עבור הזמן שלכם. הדפוס היעיל הוא שילוב: המודל הקטן עבור שלבים מכניים, ומודל החזית עבור השלב שדורש שיקול דעת.

האם ה־API זול יותר ממינוי Claude?

זה תלוי ביציבות השימוש שלכם. מינוי הוא מחיר חודשי קבוע עם מגבלות שימוש. ה־API מחויב לפי טוקן ללא תקרה, ולכן הוא זול יותר כאשר השימוש קל או מגיע בפרצי פעילות, ויקר יותר כאשר משתמשים בו בכבדות בכל יום עבודה. קחו את ממוצע הטוקנים ליום מתוך בלוק השימוש, חשבו את מחירם לפי תעריף המודל שלכם, והשוו את התוצאה למחיר התוכנית, שלרמת הכניסה שלה יש פירוט ב־כמה עולה Claude Pro והיכן מגבלות השימוש שלו עוצרות אתכם. אם הסכום מתקבל לטובת ה־API, ביטול התוכנית או מעבר לרמה נמוכה יותר אינו מבזבז את החודש שכבר שילמתם עליו, משום שהגישה שלכם נמשכת עד סוף תקופת החיוב הנוכחית.