सही Claude model कैसे चुनें: कीमत और उपयोग गाइड

मुझे कौन सा Claude model इस्तेमाल करना चाहिए?

आपको कौन सा Claude model इस्तेमाल करना चाहिए, इसका संक्षिप्त उत्तर यह है: Claude Opus 5.5 से शुरुआत करें, और इसे तभी बदलें जब आपके पास ऐसा करने का कोई ठोस कारण हो। Anthropic का मार्गदर्शन भी यही है। "यदि आप सुनिश्चित नहीं हैं कि किस model का उपयोग करना है, तो अधिकांश workloads के लिए Claude Opus 5.5 से शुरुआत करें।" जब कार्य अच्छी तरह से परिभाषित हो और आप इसे दिन में कई बार चलाते हों, तो Claude Sonnet 5.5 पर आ जाएं। यांत्रिक और अधिक मात्रा वाले कार्यों के लिए, जहाँ आप पहले से जानते हैं कि सही उत्तर कैसा दिखता है, Claude Haiku 5.5 का उपयोग करें। Claude Fable 5.1 इन सबसे ऊपर है। यह कठिन तर्क (reasoning) और लंबे समय तक चलने वाले agentic कार्यों के लिए है, या तब के लिए है जब Opus 5.5 पर अधिक प्रयास करने के बाद भी आपके परिणाम संतोषजनक न हों।

इस चुनाव की एक कीमत है। 17 October 2026 तक Claude API (application programming interface) पर दरें प्रति मिलियन tokens (जिसे docs में MTok लिखा गया है) इस प्रकार हैं:

• Claude Fable 5.1 (claude-fable-5-1): $10 / MTok इनपुट, $50 / MTok आउटपुट। 1M context।
• Claude Opus 5.5 (claude-opus-5-5): $4 इनपुट, $20 आउटपुट। 1M context।
• Claude Sonnet 5.5 (claude-sonnet-5-5): $2 इनपुट, $10 आउटपुट। 1M context।
• Claude Haiku 5.5 (claude-haiku-5-5): 100,000 tokens तक के prompts के लिए $0.10 इनपुट, $0.50 आउटपुट, और 100,000 tokens से अधिक के prompts के लिए $0.50 इनपुट, $2.50 आउटपुट। 1M context।

ये identifiers बिल्कुल वैसे ही हैं जैसे लिखे गए हैं। इनमें कुछ भी जोड़ा नहीं जाता है।

इस पेज पर July में अनुशंसित models अभी भी उपलब्ध हैं, लेकिन Anthropic अब उन्हें legacy models के रूप में सूचीबद्ध करता है। Claude Opus 4.8 और Opus 4.7 की कीमत $5 इनपुट और $25 आउटपुट है। Claude Sonnet 5 की कीमत $2 इनपुट और $10 आउटपुट है; Anthropic ने पहले इसे शुरुआती कीमत कहा था, फिर इसे मानक बना दिया और $3 और $15 की नियोजित वृद्धि को रद्द कर दिया। Claude Haiku 4.5 की कीमत $1 इनपुट और $5 आउटपुट है, और Claude Fable 5 की कीमत $10 इनपुट और $50 आउटपुट है।

Fable 5.1, Opus 5.5 या Sonnet 5.5 पर आकार के लिए कोई अतिरिक्त शुल्क नहीं है: "900k-token के अनुरोध के लिए वही प्रति-token दर ली जाती है जो 9k-token के अनुरोध के लिए ली जाती है।" Haiku 5.5 इसका अपवाद है, क्योंकि इसकी कीमत prompt की लंबाई के आधार पर तय होती है, और वह चरण नीचे कवर किया गया है। ये दरें API से आगे भी लागू होती हैं, क्योंकि Claude Enterprise अपनी seat कीमत के ऊपर API दरों पर usage को मापता है, इसलिए नीचे दी गई हर गणना seat plan पर काम करने वाली टीम के लिए समान है। एकमात्र अपवाद वह संगठन है जो US-only inference को चालू करता है, जिसे Anthropic Claude Opus 4.6, Sonnet 4.6 और बाद के models पर मानक API दरों का 1.1 गुना बिल करता है, इसलिए उस स्थिति में नीचे दिए गए योग को 1.1 से गुणा करें। एक flat-rate subscription मीटर को बदलता है लेकिन इस निर्णय को नहीं, क्योंकि दोनों Claude Max tiers में समान models होते हैं। दोनों tiers के बीच का अंतर यह है कि आपको कितना usage मिलता है (5x या 20x Pro), और प्रत्येक में Claude Platform पर निर्माण के लिए शामिल मासिक API credits: Max 5x पर $100 प्रति माह और Max 20x पर $200 प्रति माह, जैसा कि claude.com/pricing पर 17 October 2026 को सूचीबद्ध है। उसी श्रेणी में नीचे, Claude Pro का $20 प्रति माह आपको प्रति-token दर के बजाय एक usage allowance देता है, इसलिए वहां आपको जो चीज रोकती है वह बिल के बजाय limit reset है, जब तक कि आपने usage credits चालू न किए हों। ये Pro और Max पर opt-in हैं, आपको शामिल सीमाओं से आगे काम जारी रखने की अनुमति देते हैं, और आपके बिल पर अतिरिक्त शुल्क के रूप में दिखाई देते हैं। यदि आप अभी इसी स्थिति में हैं, तो यह पता लगाना कि आप किस window का इंतजार कर रहे हैं नीचे दी गई किसी भी गणना से पहले आता है, क्योंकि इससे बाहर निकलने का रास्ता एक छोटा model, छोटा context, usage credits या सस्ती दर के बजाय API पर जाना है। और यदि आपने अभी तक भुगतान शुरू नहीं किया है, तो क्या Pro $20 के लायक है इसका निर्णय इस बात से होता है कि free limit आपको कितनी बार रोकती है, न कि ऊपर दी गई किसी दर से।

प्रत्येक मॉडल का वास्तविक उद्देश्य

Anthropic प्रत्येक मॉडल के लिए एक पंक्ति में विवरण देता है, और ये पंक्तियाँ किसी भी लीडरबोर्ड से बेहतर मार्गदर्शन करती हैं।

• Claude Fable 5.1: "जटिल तर्क और लंबी अवधि के एजेंटिक कार्यों के लिए।" इसे चारों में सबसे धीमी लेटेंसी वाला माना गया है।
• Claude Opus 5.5: "लंबे समय तक चलने वाले एजेंटिक कोडिंग और ज्ञान संबंधी कार्यों के लिए।" मध्यम लेटेंसी।
• Claude Sonnet 5.5: "गति और बुद्धिमत्ता का सबसे अच्छा संयोजन।" तेज।
• Claude Haiku 5.5: "उच्च-वॉल्यूम, लेटेंसी-संवेदनशील कार्यों जैसे वर्गीकरण, निष्कर्षण और रूटिंग के लिए।" सबसे तेज।

Fable 5.1 इन चारों में से एकमात्र ऐसा मॉडल है जिसकी कीमत इस तुलना में किसी वर्कलोड पर निर्धारित नहीं की गई है। Opus 5.5 की दर से ढाई गुना अधिक होने पर, यह प्रश्न कि किन कार्यों में $10 का इनपुट और $50 का आउटपुट मिलता है अपने आप में एक अलग उत्तर का हकदार है।

Haiku 5.5 में अब वे सीमाएँ नहीं हैं जो कीमत के विचार से पहले छोटे मॉडल को बाहर कर देती थीं। चारों वर्तमान मॉडल 1M-token कॉन्टेक्स्ट विंडो, सिंक्रोनस Messages API पर 128K अधिकतम आउटपुट और जून 2026 की विश्वसनीय नॉलेज कटऑफ साझा करते हैं। Haiku 5.5 को जो बात अलग बनाती है, वह है इसकी कीमत का स्तर: यदि किसी अनुरोध का प्रॉम्प्ट 100,000 टोकन से अधिक हो जाता है, तो उसमें मौजूद प्रत्येक टोकन पर आधार दर से पाँच गुना अधिक शुल्क लगता है।

वास्तविक वर्कलोड पर इस विकल्प की क्या लागत है?

लाइनअप का प्रत्येक मॉडल आउटपुट के लिए इनपुट दर से पांच गुना मूल्य निर्धारित करता है। Opus 5.5 के लिए इनपुट $4 और आउटपुट $20 है। Haiku 5.5 के लिए इनपुट $0.10 और आउटपुट $0.50 है। यह अनुपात पूरी रेंज में समान रहता है, इसलिए जिस मॉडल को आप चुनते हैं, वह उन कार्यों पर सबसे अधिक मायने रखता है जो बहुत अधिक आउटपुट उत्पन्न करते हैं।

एजेंटिक कार्य इसी तरह का काम है, क्योंकि थिंकिंग टोकन को आउटपुट टोकन के रूप में बिल किया जाता है और वे max_tokens में गिने जाते हैं, भले ही वह टेक्स्ट आप तक न पहुँचे। Fable 5.1, Opus 5.5, Sonnet 5.5 और Haiku 5.5 पर रीजनिंग समरी डिफ़ॉल्ट रूप से हटा दी जाती है, इसलिए thinking फ़ील्ड खाली वापस आता है। बिलिंग में कोई बदलाव नहीं होता है: "किसी भी तरह से ब्लॉक का बिल समान होता है और मल्टी-टर्न वार्तालापों में इसे समान रूप से वापस भेजा जाता है।" Claude टोकन बिल वास्तव में कैसे भरता है उस मीटर का पूरा विश्लेषण करता है।

थिंकिंग सभी चार वर्तमान मॉडलों पर डिफ़ॉल्ट रूप से चालू है, लेकिन उनके बीच डिफ़ॉल्ट प्रयास स्तर अलग-अलग है, और इसे अनदेखा करने से लागत परीक्षण गलत हो सकता है। Opus 5.5 और Haiku 5.5 डिफ़ॉल्ट रूप से medium पर सेट होते हैं; Fable 5.1 और Sonnet 5.5 डिफ़ॉल्ट रूप से high पर सेट होते हैं। यदि आप पुराने Opus 4.8 या Opus 4.7 के साथ तुलना करते हैं, तो वहां थिंकिंग तब तक बंद रहती है जब तक आप अनुरोध में thinking: {type: "adaptive"} सेट नहीं करते। संख्याओं का विश्लेषण करने से पहले दोनों तरफ कॉन्फ़िगरेशन का मिलान करें।

सबसे सस्ता मॉडल सबसे महंगा क्यों हो सकता है

एक आत्मनिर्भर कोडिंग कार्य लें। अनुरोध में 60,000 tokens का context है, और मॉडल thinking सहित 8,000 tokens का output देता है। कोई caching नहीं है, इसलिए गणना स्पष्ट रहती है।

Opus 5.5 पर: $4 पर 0.06 MTok input का खर्च $0.24 है, और $20 पर 0.008 MTok output का खर्च $0.16 है। इस प्रयास की लागत $0.40 है। Haiku 5.5 पर, यदि prompt 100,000 tokens से कम है, तो वही प्रयास $0.006 और $0.004, यानी कुल $0.01 का पड़ता है।

Haiku प्रति प्रयास चालीस गुना सस्ता है, जो कि बहुत बड़ी बचत लगती है, जब तक कि आप यह न देखें कि एक विफल प्रयास क्या करता है। आप गलत उत्तर पढ़ते हैं, जिसमें आपका समय खर्च होता है। आप इसे retry पर context के रूप में फिर से भेजते हैं, इसलिए प्रत्येक प्रयास पिछले से बड़ा होता है, और 100,000 tokens से अधिक का context पूरे अनुरोध को Haiku की उच्च दर पर ले जाता है। और जब तीसरा प्रयास भी विफल रहता है, तो आप अंततः Opus का उपयोग करते हैं। Haiku के $0.03 और Opus के $0.40 मिलकर $0.43 होते हैं, जो Opus को एक बार चलाने की तुलना में लगभग 8% अधिक है, और आपने अपने ध्यान के तीन दौर भी खर्च कर दिए हैं।

इसलिए निर्णायक प्रश्न यह है कि आप उत्तर की जाँच कितनी सस्ते में कर सकते हैं। जब एक गलत उत्तर एक सेकंड में स्पष्ट हो जाता है, तो छोटा मॉडल एक अच्छा सौदा है। जब किसी गलती को पकड़ने के लिए diff को ध्यान से पढ़ना पड़ता है, तो छोटा मॉडल आपका वह समय खर्च करता है जो कभी invoice पर नहीं दिखता। उस समय पर एक संख्या निर्धारित करना यह गणना करने जैसा ही है कि क्या Claude Code plan का खर्च वसूल हो रहा है, और एक बार जब आपकी अपनी प्रति घंटा दर इस जोड़ में शामिल हो जाती है, तो सस्ता मॉडल अक्सर सस्ता दिखना बंद हो जाता है।

जहाँ छोटा मॉडल पूरी तरह से बेहतर है

इन स्थितियों में Haiku 5.5 सही विकल्प है:

• मैकेनिकल सब-एजेंट का काम। एक सब-एजेंट जिसे फाइलें रीनेम करनी हों या सर्च आउटपुट इकट्ठा करना हो, उसे फ्रंटियर रीजनिंग की आवश्यकता नहीं होती। जब आप Claude के साथ AI एजेंट बनाते हैं और उसे सहायक देते हैं, तो यह मानक पैटर्न बन जाता है।
• लॉग ट्राइएज। यह तय करना कि कोई लाइन शोर है या मानवीय ध्यान देने योग्य है, एक सीमित निर्णय है जिसमें विफलता का स्पष्ट तरीका होता है।
• निश्चित लेबल सेट के आधार पर वर्गीकरण। आउटपुट छोटा होता है और सटीकता को सैंपल पर मापा जा सकता है।
• हाई-वॉल्यूम प्रोडक्शन कॉल्स। प्रति दिन 100,000 रन पर, प्रति-टोकन का अंतर केवल राउंडिंग एरर नहीं रह जाता। यह आमतौर पर n8n में जुड़े AI वर्कफ़्लो का स्वरूप है।
• कोई भी कार्य जहाँ उपयोगकर्ता के लिए रिस्पॉन्स स्पीड मायने रखती है। Haiku 5.5 को लाइनअप में सबसे तेज़ मॉडल माना गया है।

एक मूल्य निर्धारण नियम केवल Haiku 5.5 पर लागू होता है। "एक रिक्वेस्ट की प्रॉम्प्ट लंबाई उसके सभी इनपुट टोकन की गिनती करती है, जिसमें कैश रीड और कैश राइट शामिल हैं", इसलिए 100,000 टोकन से अधिक की रिक्वेस्ट पर $0.50 इन और $2.50 आउट का भुगतान करना पड़ता है, भले ही उसका अधिकांश प्रॉम्प्ट कैश हिट हो। Haiku प्रॉम्प्ट को उस सीमा से नीचे रखें, अन्यथा उन्हें उच्च दर पर भुगतान करें। पुराना छोटा-मॉडल कैशिंग ट्रैप अब खत्म हो गया है: सभी चार वर्तमान मॉडलों पर न्यूनतम कैश करने योग्य प्रॉम्प्ट 512 टोकन है, जबकि Haiku 4.5 को 4,096 की आवश्यकता थी। न्यूनतम से नीचे नियम अपरिवर्तित है: "इस संख्या से कम टोकन कैश करने के किसी भी अनुरोध को बिना कैशिंग के प्रोसेस किया जाएगा, और कोई एरर नहीं लौटाया जाएगा"। इसका संकेत यह है कि cache_creation_input_tokens और cache_read_input_tokens दोनों शून्य पर हैं। हमेशा चालू रहने वाले एजेंट की लागत कम रखना इसे उन अन्य तरीकों के साथ कवर करता है जिनसे कैश खो सकता है।

वे कारक जो उत्तर को बदलते हैं

इनमें से प्रत्येक कारक बिल को मॉडल के नाम से मिलने वाले अनुमान से कहीं अधिक प्रभावित कर सकता है।

Effort. output_config.effort यह नियंत्रित करता है कि उत्तर देने से पहले मॉडल कितना काम करता है। इसके स्तर low, medium, high, xhigh और max हैं। अधिकांश मॉडलों पर डिफ़ॉल्ट high है और Opus 5.5 तथा Haiku 5.5 पर medium है: "effort को मॉडल के डिफ़ॉल्ट (Claude Opus 5.5 और Claude Haiku 5.5 पर "medium", अन्य मॉडलों पर "high") पर सेट करने से वही व्यवहार मिलता है जो effort पैरामीटर को पूरी तरह से हटाने पर मिलता है।" यह रिक्वेस्ट के टॉप लेवल पर रहने के बजाय output_config के अंदर नेस्ट होता है:

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

Effort रिस्पॉन्स के हर टोकन को प्रभावित करता है, जिसमें टेक्स्ट, टूल कॉल्स और थिंकिंग शामिल हैं: "कम Effort का मतलब कम और संक्षिप्त टूल कॉल्स भी है।" यह एक एजेंटिक लूप पर प्रभाव डालता है। यह टोकन कैप नहीं है: "Effort एक व्यवहार संबंधी संकेत है, न कि सख्त टोकन बजट।" Anthropic प्रति स्तर कोई लागत गुणक (cost multiplier) प्रकाशित नहीं करता है और आपको अपने उपयोग के मामले (use case) का परीक्षण करने के लिए कहता है, इसलिए Sonnet 5.5 को high पर और Opus 5.5 को low पर चलाकर तुलना करना एक ऐसा प्रयोग है जिसे आप आज दोपहर कर सकते हैं। Haiku 5.5 सभी पांच स्तरों का समर्थन करता है; Haiku 4.5 Effort का बिल्कुल भी समर्थन नहीं करता था।

Prompt caching. अब हर मॉडल पर कैश रीड इनपुट दर का समान हिस्सा नहीं होता है। यह Opus 5.5 और Sonnet 5.5 पर बेस इनपुट दर का 0.05x, Fable 5.1 पर 0.025x और Haiku 5.5 पर 0.1x खर्च करता है। मॉडल का चुनाव इस बात पर निर्भर करता है कि यह विभिन्न टियर्स पर कैसे काम करता है। Opus 5.5 पर कैश हिट की लागत $0.20 / MTok है। यह 100,000 टोकन से कम के अनकैश्ड Haiku 5.5 प्रॉम्प्ट की $0.10 दर से दोगुना है, लेकिन उससे अधिक के लिए $0.50 दर के आधे से भी कम है। इसलिए लंबे प्रॉम्प्ट पर, एक अच्छी तरह से कैश किया गया Opus प्रीफिक्स, अनकैश्ड Haiku की तुलना में प्रति इनपुट टोकन सस्ता पड़ता है। किसी भी ऐसे वर्कलोड में जो एक बड़े स्थिर प्रीफिक्स को बार-बार भेजता है, सेशन हाइजीन मॉडल के चुनाव से बेहतर परिणाम देती है।

Batches. यदि उत्तर की प्रतीक्षा में कोई समय सीमा नहीं है, तो Message Batches API उन्हीं मॉडलों को "इनपुट और आउटपुट दोनों टोकन पर 50% छूट" के साथ चलाता है। यह नीचे दी गई तुलना की हर पंक्ति को आधा कर देता है, और यह सभी टियर्स पर काम करता है: एक बैचड Opus 5.5 जॉब की लागत बिल्कुल उतनी ही होती है जितनी एक सिंक्रोनस Sonnet 5.5 जॉब की, यानी $2 इन और $10 आउट। आप गति छोड़ते हैं और बिना किसी अतिरिक्त लागत के अधिक शक्तिशाली मॉडल प्राप्त करते हैं।

कार्य-आधारित लागत तुलना

कार्यभार: 100,000 सपोर्ट ईमेल को वर्गीकृत करना, प्रत्येक कॉल के लिए 2,000 इनपुट टोकन और 300 आउटपुट टोकन। यह 200 MTok इनपुट और 30 MTok आउटपुट है। प्रत्येक प्रॉम्प्ट 100,000 टोकन से काफी कम है, इसलिए Haiku 5.5 अपनी निचली दर पर बिल करता है।

• Haiku 5.5: 200 x $0.10 = $20 इनपुट, 30 x $0.50 = $15 आउटपुट। कुल $35।
• Sonnet 5.5: 200 x $2 = $400 इनपुट, 30 x $10 = $300 आउटपुट। कुल $700।
• Opus 5.5: 200 x $4 = $800 इनपुट, 30 x $20 = $600 आउटपुट। कुल $1,400।

भविष्य की कीमतों के साथ इसे फिर से करने के लिए चार संख्याओं को बदलें। नीचे दिए गए समायोजन प्रत्येक पंक्ति को अधिकांश लोगों की अपेक्षा से अधिक प्रभावित करते हैं:

• Batching हर पंक्ति को आधा कर देता है: $17.50, $350 और $700। कोई भी कार्य रात्रिकालीन वर्गीकरण रन पर निर्भर नहीं है, इसलिए इसे छोड़ने का कोई कारण नहीं है।
• Shared prefix को कैश करना। मान लें कि 2,000 इनपुट टोकन में से 1,200 टोकन हर बार एक ही निर्देश ब्लॉक हैं। Sonnet 5.5 पर, ये $2 / MTok के बजाय कैश हिट के रूप में $0.10 / MTok पर खर्च होते हैं, इसलिए 120 MTok की लागत $240 के बजाय $12 आती है। इसमें $2 पर 80 MTok का नया इनपुट जोड़ें, जो $160 है, साथ ही $300 का आउटपुट जोड़ें, तो Sonnet 5.5 की लागत $700 के बजाय लगभग $472 हो जाती है। यही ट्रिक अब Haiku 5.5 पर भी काम करती है, क्योंकि 1,200 टोकन इसके 512-टोकन न्यूनतम को पार कर जाते हैं: $1.20 के कैश हिट, $8 का नया इनपुट और $15 का आउटपुट इसे लगभग $24 पर ले आते हैं।
• Retries (पुनः प्रयास)। मान लें कि आप 8% ईमेल पर Haiku के उत्तर को अस्वीकार करते हैं और उन्हें Opus 5.5 पर फिर से चलाते हैं। $35 में 0.08 x $1,400 = $112 जोड़ें, जिससे कुल $147 हो जाता है। मेरी दर के बजाय अपनी स्वयं की अस्वीकृति दर को मापें।
• Tool definitions, यदि कार्य इनका उपयोग करता है। tool_choice को auto पर सेट करने पर Opus 5.5, Sonnet 5.5 और Haiku 5.5 तीनों पर उनके द्वारा उत्पन्न सिस्टम प्रॉम्प्ट 286 टोकन का होता है, इसलिए यह निश्चित ओवरहेड अब तुलना को प्रभावित नहीं करता है। Opus 5.5 और Sonnet 5.5 जबरन टूल उपयोग (any या tool) को 400 error के साथ अस्वीकार कर देते हैं, इसलिए जो क्लासिफायर टूल कॉल को मजबूर करने पर निर्भर करता है, उसे उन दो मॉडलों पर auto का उपयोग करना होगा।

Escalation path के साथ Haiku की लागत $147 है, जो cached Sonnet 5.5 के $472 के एक तिहाई से भी कम है। Haiku को लगभग 31% ईमेल पर विफल होना होगा, तब जाकर उस escalation path की लागत Sonnet 5.5 द्वारा एक ही बार में किए गए कार्य के बराबर होगी। मॉडल कभी भी एकमात्र प्रश्न नहीं था।

क्या mid-session में model बदलने से पैसे बचते हैं?

यह sticker prices से जितना दिखता है, उससे कहीं कम बार होता है, क्योंकि बचत प्रति token होती है और आप एक पूरे cached prefix को जोखिम में डाल रहे होते हैं।

Anthropic ने यह document किया है कि cache को क्या अमान्य (invalidate) करता है। Prefixes tools, फिर system, और फिर messages के क्रम में बनाए जाते हैं, और "प्रत्येक स्तर पर बदलाव उस स्तर और उसके बाद के सभी स्तरों को अमान्य कर देता है।" दो request settings भी उस सूची में हैं: "thinking configuration और resolved effort स्तर को prompt में ही render किया जाता है, इसलिए उनमें से किसी को भी बदलने पर एक नया cache prefix शुरू हो जाता है।" Effort पर docs और आगे जाते हैं: "इसे cache hits पर निर्भर conversation के भीतर बदलने के बजाय workloads के बीच बदलें।" एक नया अपवाद है। Fable 5.1, Opus 5.5, Sonnet 5.5 और Haiku 5.5 पर, आप messages के भीतर प्रति message effort बदल सकते हैं (एक beta feature), और cached prefix सुरक्षित रहता है।

Model उस documented सूची में नहीं है, इसलिए किसी भी तरह का अनुमान न लगाएं। Docs एक संबंधित प्रभाव का वर्णन करते हैं: thinking blocks जिन्हें नया model नहीं पढ़ सकता, उन्हें हटा दिया जाता है, और जब ऐसा होता है तो "cached prefix उस block की स्थिति से आगे बदल जाता है।" स्विच करने के बाद पहली request पर cache_read_input_tokens पढ़ें और संख्या को उत्तर देने दें। 150,000-token के Opus 5.5 prefix पर, एक cache read की लागत लगभग $0.03 है और एक नए पांच-मिनट के write की लागत लगभग $0.75 है, जो उस प्रति-token अंतर के कई turns से अधिक है जिसे आप हासिल करने की कोशिश कर रहे थे।

इसलिए इन चीजों को tasks के बीच बदलें, न कि एक के भीतर। Claude Code में इसका मतलब है पहले /clear, जब cache को वैसे भी discard किया जा रहा होता है, फिर /model या /effort। ये दोनों CLI पर टाइप किए जाते हैं, इसलिए यदि आप Linux पर काम कर रहे हैं तो terminal वाला install रखना फायदेमंद है, क्योंकि Anthropic जो Linux के लिए natively ship करता है वह एक स्थिर CLI को अभी भी beta में चल रहे desktop app के साथ जोड़ता है। क्या यह swap bill पर दिखाई देगा, यह इस बात पर निर्भर करता है कि आप उस session के लिए भुगतान कैसे कर रहे हैं, क्योंकि Claude Code या तो flat monthly plan पर चलता है या per-token API credits पर और केवल दूसरा वाला ही हर model परिवर्तन की कीमत dollars में लगाता है। Flat plan पर, भारी model का उपयोग करने की कीमत आपके invoice के बजाय आपकी usage window है, जब तक आप शामिल usage के भीतर रहते हैं; usage credits चालू होने पर, उसके बाद का कुछ भी standard API rates पर bill किया जाता है, और यह terminal में Claude Code को भी cover करता है। Claude Code Pro और उससे ऊपर के plans में शामिल है और उसी window का उपयोग करता है जिसका chat apps करते हैं, इसलिए terminal में Opus का एक घंटा वह समय है जो आप browser में खर्च नहीं कर रहे हैं।

अपने वर्कलोड पर उत्तर का परीक्षण कैसे करें

किसी अन्य मॉडल से ली गई गणना के आधार पर प्रॉम्प्ट का आकार निर्धारित न करें। टोकन-काउंटिंग एंडपॉइंट उपयोग के लिए निःशुल्क है और जिस मॉडल का आप नाम लेते हैं, उसके टोकेनाइज़र के साथ गणना करता है, इसलिए उसी का नाम लें जिसे आप कॉल करने की योजना बना रहे हैं। वह एंडपॉइंट प्लेटफॉर्म के उन कुछ हिस्सों में से एक है जिसके लिए कभी शुल्क नहीं लिया जाता है, और बिना भुगतान किए आप और क्या चला सकते हैं यह जांचना उचित है, इससे पहले कि आप तुलना पर वास्तविक क्रेडिट खर्च करें। Claude 4.7 और बाद के मॉडल, जिसमें वर्तमान लाइनअप के सभी चार मॉडल शामिल हैं, एक नए टोकेनाइज़र का उपयोग करते हैं जो "समान टेक्स्ट के लिए लगभग 30 प्रतिशत अधिक टोकन उत्पन्न करता है"। इसलिए, Haiku 4.5 जैसे पुराने मॉडल पर मापा गया टोकन बजट नए मॉडल पर कम आएगा, भले ही प्रति-टोकन दर समान हो।

फिर जो उत्तर आया उसे पढ़ें। input_tokens केवल अनकैश्ड (uncached) शेष भाग है, इसलिए वास्तविक प्रॉम्प्ट आकार वह फ़ील्ड प्लस cache_creation_input_tokens प्लस cache_read_input_tokens है। VPS पर पहला Claude API ऐप उस माप को चलाने के लिए सबसे छोटा ईमानदार स्थान है, और कौन सा Claude प्लान आपके उपयोग के अनुकूल है यह एक अलग निर्णय है कि क्या आपको प्रति टोकन भुगतान करना है या नहीं। यदि यह प्रश्न इस बात का निकलता है कि कौन सा सब्सक्रिप्शन रखना है न कि यह कि क्या कोई सब्सक्रिप्शन रखना है, तो ChatGPT के साथ Claude के टियर्स की कीमत यह कवर करता है कि समान कोडिंग कार्य पर दूसरे प्रदाता की सीटों पर कितना खर्च आता है। यदि माप आपके कार्य को स्थायी रूप से API पर भेजता है, तो सब्सक्रिप्शन को एक टियर नीचे करना या पूरी तरह बंद करना भी आपको वह अवधि प्रदान करता है जिसके लिए आप पहले ही भुगतान कर चुके हैं, इसलिए आंकड़े आने के बाद निर्णय लेने पर कोई दंड नहीं है। एक व्यक्ति के बजाय टीम के लिए वही माप चलाएं और योग का स्वरूप फिर से बदल जाएगा, क्योंकि Team या Enterprise सीट को उस खर्च से अधिक प्रभावी होना चाहिए जो वह व्यक्ति प्रति टोकन खर्च करता है, तभी उसे खरीदना सार्थक है।

FAQ

कोडिंग के लिए कौन सा Claude मॉडल सबसे अच्छा है?

जटिल एजेंटिक कोडिंग के लिए Claude Opus 5.5 को शुरुआती बिंदु के रूप में प्रलेखित किया गया है, जिसकी कीमत अक्टूबर 2026 तक $4 प्रति मिलियन इनपुट टोकन और $20 प्रति मिलियन आउटपुट टोकन है। Claude Sonnet 5.5 को गति और बुद्धिमत्ता के सर्वोत्तम संयोजन के रूप में रखा गया है, और $2 / $10 पर यह उससे आधी कीमत का है। एक ही कार्य को दोनों पर चलाएं और प्रयास स्तर (effort level) को समान रखें, क्योंकि Opus 5.5 डिफ़ॉल्ट रूप से medium पर और Sonnet 5.5 high पर सेट होता है। फिर response.usage से कुल टोकन खर्च की तुलना करें।

क्या Claude Haiku 5.5 इतना सस्ता है कि Sonnet 5.5 की जगह ले सके?

टोकन के आधार पर, बिल्कुल: Sonnet 5.5 के $2 / $10 की तुलना में $0.10 / $0.50, बशर्ते प्रॉम्प्ट 100,000 टोकन से कम रहे। जिन सीमाओं ने Haiku 4.5 को बाहर कर दिया था, वे अब नहीं हैं। Haiku 5.5 में Sonnet 5.5 के समान ही 1M टोकन का कॉन्टेक्स्ट विंडो, 128K अधिकतम आउटपुट और जून 2026 का विश्वसनीय नॉलेज कटऑफ है। यह सभी पांच प्रयास स्तरों का समर्थन करता है और 512 टोकन से प्रॉम्प्ट को कैश करता है। अब दो चीजें इसे तय करती हैं। पहली है 100,000 टोकन से अधिक के प्रॉम्प्ट पर $0.50 / $2.50 की कीमत, जिसमें कैश रीड्स की गणना होती है। दूसरी वह गुणवत्ता है जिसे आप अपने परीक्षणों में मापते हैं।

क्या सेशन के बीच में सस्ते Claude मॉडल पर स्विच करने से पैसे बचते हैं?

जितना दिखता है, उससे कम बार। Anthropic कैश इनवैलिडेटर्स को tools, system या messages प्रीफिक्स में बदलाव, थिंकिंग कॉन्फ़िगरेशन में बदलाव और टॉप-लेवल output_config.effort में बदलाव के रूप में प्रलेखित करता है। मॉडल स्विच करना उस सूची में नहीं है। दस्तावेज़ कहते हैं कि थिंकिंग ब्लॉक्स जिन्हें नया मॉडल नहीं पढ़ सकता, उन्हें हटा दिया जाता है और उस बिंदु से प्रीफिक्स बदल जाता है, इसलिए बाद के पहले अनुरोध पर cache_read_input_tokens पढ़ें। दांव पर क्या है यह जानना महत्वपूर्ण है: 150,000-टोकन वाले Opus 5.5 प्रीफिक्स पर एक कैश रीड की लागत लगभग $0.03 होती है और एक नए राइट की लागत लगभग $0.75 होती है, जो प्रति-टोकन बचत के कई टर्न्स से अधिक है। कार्यों के बीच स्विच करें, Claude Code में /clear के बाद, जब कैश वैसे भी हटाया जा रहा हो।

output_config.effort मेरे बिल पर क्या असर डालता है?

यह बदलता है कि मॉडल टेक्स्ट, टूल कॉल्स और थिंकिंग पर कितने टोकन खर्च करता है। कम प्रयास (effort) से कम टूल कॉल्स होते हैं, जो एजेंटिक लूप्स पर बढ़ जाते हैं क्योंकि हर टूल परिणाम बाद के टर्न्स पर फिर से भेजा जाता है। स्तर low, medium, high, xhigh और max हैं। डिफ़ॉल्ट अधिकांश मॉडलों पर high है और Opus 5.5 तथा Haiku 5.5 पर medium है। Anthropic प्रति स्तर कोई लागत गुणक (cost multiplier) प्रकाशित नहीं करता है, और प्रयास को टोकन बजट के बजाय एक व्यवहारिक संकेत मानता है, इसलिए इसे अपने कार्य पर स्वयं मापें।

Claude Batches API कितनी बचत करता है?

असिंक्रोनस डिलीवरी के बदले इनपुट और आउटपुट दोनों टोकन पर 50% की बचत। अक्टूबर 2026 तक, यह Opus 5.5 को $2 इन / $10 आउट, Sonnet 5.5 को $1 / $5, और Haiku 5.5 को 100,000 टोकन तक के प्रॉम्प्ट के लिए $0.05 / $0.25 पर लाता है। ध्यान देने योग्य तुलना टियर्स के बीच चलती है: एक बैच्ड Opus 5.5 जॉब की लागत बिल्कुल उतनी ही है जितनी एक सिंक्रोनस Sonnet 5.5 जॉब की, इसलिए बैचिंग बिना किसी अतिरिक्त खर्च के एक अधिक शक्तिशाली मॉडल प्रदान करती है।