Mengapa Biaya API Claude Sangat Mahal? Ini Penjelasannya

Mengapa Claude mahal? Jawaban singkatnya

Claude mahal karena empat alasan yang saling bertumpuk. Token output dihargai lima kali lipat dari tarif token input. API tidak menyimpan memori percakapan Anda, sehingga seluruh riwayat dikirim kembali dan ditagihkan lagi pada setiap giliran. Sebuah agen mengubah satu pertanyaan menjadi puluhan panggilan API, dan setiap panggilan membawa riwayat yang terus bertambah tersebut. Selain itu semua, model frontier dihargai berdasarkan tingkat kesulitan pekerjaan yang dilakukannya, bukan berdasarkan biaya menjalankan model kecil.

Token adalah potongan teks. Sebagai panduan kasar, satu token setara dengan sekitar empat karakter, atau sekitar 0,75 kata dalam bahasa Inggris. Tarif dikutip per satu juta token, yang ditulis sebagai MTok (million tokens). Setiap tarif di bawah ini adalah tarif API Claude yang dipublikasikan per Agustus 2026.

Sebagian besar tagihan yang mengejutkan berasal dari alasan kedua dan ketiga dalam daftar tersebut. Orang biasanya datang dengan keyakinan bahwa jawaban yang ditulis Claude adalah hal yang memakan biaya. Dalam sesi agen, penulisan sering kali memakan biaya kurang dari sepersepuluh dari total tagihan.

Tarif yang dipublikasikan, agar kita sepakat mengenai angka-angkanya

[
  {
    "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"
  }
]

Perhatikan polanya alih-alih angka absolutnya. Setiap model mengenakan biaya tepat lima kali lipat lebih mahal untuk output dibandingkan input. Opus 5 memakan biaya 5 dolar per satu juta token input dan 25 dolar per satu juta token output. Haiku 4.5 memakan biaya 1 dan 5. Jadi, selisih dari model termurah ke yang termahal adalah lima kali lipat, dan selisih dari membaca ke menulis juga lima kali lipat.

Sonnet 5 berada pada harga perkenalan sebesar 2 dan 10 dolar per satu juta token hingga 31 Agustus 2026. Mulai 1 September 2026, harganya berubah menjadi 3 dan 15. Tarif berubah seiring dengan rilis model, jadi periksa tarif yang berlaku saat ini sebelum Anda menyusun anggaran berdasarkan tarif tersebut. Tidak ada paket gratis di bawah tabel ini, meskipun akun baru akan mendapatkan kredit kecil dan beberapa bagian dari API tidak dikenakan biaya sama sekali.

Kolom terakhir adalah tarif baca cache. Kolom ini menentukan sebagian besar tagihan. Kembali ke kolom ini setelah melakukan perhitungan.

Mengapa token output berbiaya lima kali lipat dari token input?

Membaca dan menulis memerlukan beban kerja yang berbeda. Token input diproses dalam satu lintasan. Model membaca seluruh prompt sekaligus dan pengerjaannya berjalan secara paralel, itulah sebabnya prompt dengan 60.000 token tidak membutuhkan waktu 60.000 kali lebih lama untuk dibaca dibandingkan prompt dengan 1.000 token.

Token output dihasilkan satu per satu. Setiap token baru memerlukan satu lintasan tersendiri melalui model, dan memerlukan setiap token sebelumnya sebagai konteks. Menulis 1.000 token berarti melakukan 1.000 lintasan, satu demi satu. Pekerjaan serial tersebut tidak dapat disebarkan seperti halnya proses membaca, sehingga setiap token output menahan perangkat keras lebih lama.

Inilah sebabnya mengapa instruksi "buat jawaban lebih singkat" memiliki dampak yang lebih kecil daripada yang diperkirakan orang. Instruksi tersebut hanya memengaruhi bagian yang lebih kecil dari tagihan agen.

Mengapa seluruh percakapan saya ditagihkan kembali pada setiap giliran?

Claude API bersifat stateless. Tidak ada percakapan yang tersimpan di sisi Anthropic yang hanya Anda tambahkan satu pesan saja. Setiap permintaan membawa seluruh riwayat pesan, dan model membaca semuanya sebelum menulis apa pun. Jadi, giliran ke-30 juga ditagihkan untuk giliran 1 sampai 29.

Itu berarti biaya percakapan tumbuh lebih cepat daripada panjangnya. Giliran 1 menagihkan konteks yang kecil. Giliran 40 menagihkan konteks yang besar. Jumlahkan keempat puluh giliran tersebut dan Anda telah membayar berkali-kali lipat dari jumlah token yang sebenarnya ditulis.

[
  {
    "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"
  }
]

Sesi di atas dimulai pada 20,000 token, yang merupakan system prompt, definisi tool, dan file pertama yang dibuka oleh agen. Pada giliran 40, konteks menampung 100,000 token. Rata-ratakan itu di seluruh empat puluh giliran dan Anda mendapatkan sekitar 60,000 token yang dibaca per permintaan.

Mengapa biaya agen jauh lebih mahal daripada chat?

Chat adalah satu permintaan per pertanyaan. Agen adalah satu permintaan per langkah. Membaca file adalah satu langkah. Menjalankan tes adalah satu langkah. Membaca output tes adalah satu langkah. Mengedit file adalah satu langkah. Empat puluh langkah untuk menyelesaikan satu tugas adalah hal yang wajar bagi agen pemrograman.

Dua biaya tambahan muncul saat menggunakan alat (tool). Definisi alat adalah token input pada setiap permintaan, karena model harus diberi tahu alat apa saja yang tersedia setiap saat. Anthropic memublikasikan overhead tersebut: sistem prompt penggunaan alat adalah 286 token pada Opus 5 dengan tool_choice disetel ke auto, ditambah token dari skema alat Anda sendiri. Beberapa alat sisi server juga mengenakan biaya terpisah. Pencarian web ditagih sebesar $10 per 1.000 pencarian di luar token yang dikonsumsi oleh hasil pencarian tersebut.

Setiap hasil alat juga menjadi konteks permanen. Perintah yang mencetak 3.000 baris akan memasukkan 3.000 baris tersebut ke dalam setiap permintaan selama sisa sesi. Penggunaan token per sesi yang dilaporkan oleh Claude Code membuat hal ini terlihat: perhatikan angka input yang meningkat tepat setelah perintah yang menghasilkan output panjang.

Aritmetika dalam satu sesi nyata

Berikut adalah satu jam coding agenik yang realistis pada Opus 5. Empat puluh permintaan API. Konteks berkembang dari 20.000 menjadi 100.000 token, sehingga rata-ratanya sekitar 60.000 token per permintaan. Model menulis sekitar 700 token per permintaan, yang merupakan campuran dari panggilan alat singkat dan beberapa blok kode yang lebih panjang.

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"
  }
]

Perhatikan pembagiannya. Biaya membaca adalah 12.00 dolar dan biaya menulis adalah 0.70 dolar, sehingga output yang sebenarnya Anda baca adalah sekitar lima persen dari tagihan. Model menulis 28,000 token dan ditagih untuk membaca 2,400,000. Tidak ada yang mengetik 2,4 juta token. 100.000 token yang sama dibaca berulang kali.

Tuas 1: prompt caching, yang merupakan tuas terbesar

Prompt caching menyimpan bentuk yang telah diproses dari awalan (prefix) yang stabil pada prompt Anda. Pada permintaan berikutnya, awalan tersebut dibaca dari cache alih-alih diproses kembali. Menulis ke cache memakan biaya 1,25 kali lipat dari tarif input untuk cache lima menit, atau 2 kali lipat untuk cache satu jam. Membaca dari cache memakan biaya 0,1 kali lipat dari tarif input. Pada Opus 5, biayanya adalah 0.50 dolar per juta token, bukan 5 dolar.

Terapkan hal tersebut pada sesi di atas. Sebanyak 100.000 token ditulis ke cache satu kali seiring berkembangnya percakapan. Sebanyak 2.300.000 token input lainnya menjadi pembacaan cache.

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

Anda menandai bagian yang dapat di-cache dengan field cache_control. Letakkan breakpoint setelah konten yang tidak berubah antar giliran: prompt sistem dan definisi tool. Dokumen panjang yang terus Anda rujuk termasuk dalam blok stabil yang sama.

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

Urutan prompt Anda sekarang menentukan biaya. Cache hit memerlukan kecocokan persis dari awal prompt, sehingga apa pun yang berubah pada setiap permintaan harus diletakkan setelah bagian yang tidak berubah. Jika Anda meletakkan stempel waktu di bagian atas prompt sistem, Anda akan merusak cache pada setiap giliran: seluruh awalan menjadi miss, dan Anda membayar 1,25 kali lipat dari tarif input untuk menulisnya kembali.

Respons akan memberi tahu Anda apakah cara tersebut berhasil. Kirimkan permintaan dan baca blok penggunaan (usage block).

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"}]
  }'

Setiap respons membawa objek usage seperti berikut:

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

Permintaan berulang yang masih menunjukkan 0 di dalam cache_read_input_tokens berarti cache tidak terkena (cache miss). Penyebab umum adalah adanya sesuatu sebelum breakpoint Anda yang berubah. Cache lima menit juga akan kedaluwarsa, sehingga permintaan yang dikirim enam menit kemudian akan menjadi miss yang diikuti dengan penulisan baru.

Level 2: kirim giliran yang mudah ke model yang lebih kecil

Sebagian besar giliran dalam sesi agen tidaklah sulit. Membuka file, menjalankan formatter, atau membaca diff. Tugas-tugas tersebut tidak memerlukan model frontier. Mengarahkannya ke Haiku 4.5 mengubah tarif input dari 5 dolar per juta menjadi 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"
  }
]

Sesi yang sama memakan biaya 12.70 dolar pada Opus 5 tanpa caching, 2.48 dengan caching, 0.99 pada Sonnet 5 dengan caching, dan 0.50 pada Haiku 4.5 dengan caching. Caching saja dapat memangkas sekitar delapan puluh persen dari tagihan. Pemilihan model akan memangkas sebagian besar sisanya.

Berikut adalah peringatan jujur. Model yang lebih murah namun memberikan jawaban salah akan membuat Anda harus mengulang seluruh sesi, ditambah waktu Anda sendiri. Lakukan routing berdasarkan tingkat kesulitan tugas, bukan berdasarkan harga. Aturan ini juga berlaku ke atas: Claude Fable 5 terdaftar di atas Opus 5 dengan harga $10 dan $50 per juta, jadi bacalah apa yang Anda dapatkan dari tarif tersebut sebelum mengirim giliran ke sana. Memilih antara Opus, Sonnet, dan Haiku menjelaskan di mana keunggulan masing-masing model.

Level 3: kebersihan konteks

Setiap token yang Anda biarkan dalam konteks akan ditagihkan pada setiap giliran berikutnya, sehingga menghapus token lebih awal jauh lebih berharga daripada menghapusnya di akhir. File sebesar 5.000 token yang dimasukkan pada giliran ke-5 dari sesi 40 giliran akan dibaca 35 kali lagi. Itu berarti 175.000 token input tambahan, yang hampir setara dengan satu dolar pada Opus 5 hanya karena satu tempelan yang ceroboh.

Empat kebiasaan yang mengubah angka tersebut:

• Mulailah sesi baru untuk tugas baru alih-alih melanjutkan sesi kemarin.
• Saring perintah yang tidak perlu sebelum output mencapai model, dengan sesuatu seperti head -50, alih-alih setelahnya.
• Mintalah satu fungsi yang Anda perlukan saja, bukan seluruh isi file.
• Saat sesi yang panjang berhenti memberikan kemajuan, mintalah ringkasan dan mulailah kembali dari ringkasan tersebut. Ringkasan hanya berjumlah beberapa ratus token. Transkripnya bisa mencapai seratus ribu.

Level 4: lakukan batching untuk proses yang tidak interaktif

Batch API memproses permintaan secara asinkron dan memberikan potongan harga 50 persen untuk input maupun output. Jika sebuah pekerjaan tidak memerlukan jawaban dalam satu detik ke depan, lakukan batching. Ini mencakup klasifikasi, ekstraksi, peringkasan backlog, dan proses evaluasi. Diskon batch dapat digabungkan dengan prompt caching. Diskon ini tidak berlaku untuk sesi interaktif, karena tidak ada proses yang perlu ditunggu di sana.

Apakah saya ditipu?

Itulah pertanyaan sebenarnya di balik "mengapa Claude mahal", jadi berikut adalah jawaban langsungnya. Tarifnya dipublikasikan, tarif tersebut sama untuk semua orang pada tingkatan standar, dan dibebankan per token. Pengecualiannya adalah kontrak yang dinegosiasikan, dan bahkan di sana Claude Enterprise pricing menetapkan biaya per kursi di depan token terukur yang sama, alih-alih menggantinya. Jika perbandingan di benak Anda adalah vendor lain alih-alih paket lain, the same jobs priced on the Claude and ChatGPT APIs menunjukkan di mana masing-masing vendor menjadi lebih murah. Tidak ada biaya dalam tagihan yang bersifat diskresioner. Apa yang tidak dapat diberitahukan oleh kartu tarif kepada Anda adalah apakah Anda mendapatkan nilai, karena kartu tersebut memberi harga pada token sedangkan Anda peduli pada hasil.

Jadi, berikan harga pada hasilnya. Sesi di atas menelan biaya 12.70 dolar tanpa caching. Jika sesi tersebut menghasilkan fitur yang seharusnya memakan waktu satu jam bagi Anda, maka itu murah. Jika sesi tersebut menghabiskan empat puluh putaran hanya untuk berputar-putar, 12.70 dolar yang sama tidak menghasilkan apa-apa, dan tarifnya tidak pernah menjadi masalahnya.

Ini adalah bagian yang perlu diingat. Tagihan Anda berskala berdasarkan token, bukan berdasarkan nilai. Sesi yang produktif dan sesi yang terbuang dengan panjang yang sama memiliki biaya yang sama. Itulah sebabnya empat tuas tersebut lebih penting daripada kartu tarif: Anda tidak dapat menegosiasikan harga per token, tetapi Anda memutuskan berapa banyak token yang dibutuhkan untuk pekerjaan tersebut.

Jadi, lacak dolar per tugas yang diselesaikan, bukan dolar per bulan. Jika angka tersebut turun saat Anda menyesuaikan caching dan perutean, pengaturan Anda membaik bahkan ketika total bulanan meningkat, karena total tersebut meningkat karena melakukan lebih banyak pekerjaan.

Hal yang tidak mengurangi tagihan Anda

Beberapa saran populer tidak memberikan dampak yang berarti. Meminta model untuk "bersikap ringkas" memang memangkas output, padahal output hanya menyumbang lima persen dari contoh tagihan. Mempersingkat pertanyaan Anda sendiri hanya menghemat beberapa ratus token dibandingkan dengan konteks sebesar 60.000 token. Mematikan extended thinking hanya membantu jika token pemikiran merupakan porsi nyata dari output Anda, dan blok penggunaan akan memberi tahu Anda hal tersebut alih-alih membiarkan Anda menebak-nebak.

Jendela konteks yang lebih besar dengan sendirinya bukanlah sebuah biaya. Pada Claude 4.6 dan versi setelahnya, jendela satu juta token penuh ditagihkan dengan tarif standar per token, sehingga permintaan 900.000 token memiliki biaya per token yang sama dengan permintaan 9.000 token. Ukuran jendela tidak menentukan harga. Apa yang Anda pilih untuk dimasukkan ke dalam jendela itulah yang menentukan harga.

Dua hal lainnya lebih tepat dimasukkan ke dalam perencanaan daripada dalam satu sesi tunggal. Jika penggunaan Anda bersifat harian dan interaktif, bandingkan biaya per token dengan paket tetap: perbandingan biaya API dan langganan melakukan perhitungan tersebut. Jika paket tetap lebih menguntungkan dan Anda sedang mempertimbangkan paket vendor lain pada saat yang sama, perbandingan harga paket Claude dan ChatGPT secara berdampingan menjalankan perbandingan yang sama untuk keduanya. Dan jika agen berjalan tanpa pengawasan di server, tetapkan batas pengeluaran (hard spend cap) sebelum Anda menyesuaikan hal lainnya, yang merupakan cakupan dari kontrol biaya untuk agen AI di VPS. Untuk gambaran skala yang sederhana, apa yang sebenarnya didapatkan dari satu juta token Claude mengubah kartu tarif menjadi jumlah halaman teks.

FAQ

Mengapa tagihan Claude saya melonjak saat saya mulai menggunakan agen?

Karena agen mengirimkan banyak permintaan per pertanyaan, dan setiap permintaan membawa seluruh riwayat percakapan sejauh ini. Obrolan biasa hanya mengirim satu permintaan per pertanyaan. Agen pengodean mengirim satu permintaan per langkah, dan empat puluh langkah untuk satu tugas adalah hal yang wajar. Setiap permintaan tersebut ditagih berdasarkan konteks penuh, sehingga sesi yang berakhir pada 100.000 token dapat ditagih lebih dari dua juta token input secara total. Baca input_tokens dan cache_read_input_tokens pada respons API untuk melihatnya secara langsung.

Apakah prompt caching benar-benar memangkas tagihan sebanyak itu?

Dalam contoh yang dikerjakan, biaya sesi turun dari 12.70 dolar menjadi 2.48 dolar, karena pembacaan cache hanya memakan biaya sepersepuluh dari tarif input. Penghematan sepenuhnya bergantung pada tingkat hit Anda. Dengan cache lima menit, biaya tersebut akan tertutup setelah satu kali pembacaan, karena penulisan memakan biaya 1,25 kali lipat dari input dan pembacaan memakan biaya 0,1 kali lipat. Jika prompt Anda berubah di dekat bagian awal pada setiap permintaan, Anda tidak akan mendapatkan hit sama sekali dan Anda membayar premi penulisan dengan sia-sia. Konfirmasikan dengan cache_read_input_tokens sebelum Anda berasumsi bahwa fitur tersebut berfungsi.

Haruskah saya menggunakan Haiku untuk semuanya?

Tidak. Haiku 4.5 berbiaya 1 dolar per satu juta token input dibandingkan dengan 5 untuk Opus 5, jadi penghematannya nyata pada pekerjaan bervolume tinggi yang sederhana seperti klasifikasi dan perutean. Jawaban yang salah pada pekerjaan yang sulit memakan biaya lebih besar daripada yang dihemat oleh model, karena Anda membayar untuk percobaan ulang dan waktu Anda sendiri sebagai tambahan. Pola yang bertahan adalah campuran: model kecil untuk giliran mekanis, model frontier untuk giliran yang membutuhkan penilaian.

Apakah API lebih murah daripada langganan Claude?

Itu bergantung pada seberapa stabil penggunaan Anda. Langganan adalah harga bulanan tetap dengan batasan penggunaan yang menyertainya. API adalah bayar per token tanpa batas atas, yang lebih murah jika penggunaan Anda ringan atau datang dalam lonjakan, dan lebih mahal jika Anda menggunakannya secara berat setiap hari kerja. Ambil rata-rata token per hari Anda dari blok penggunaan, hitung harganya berdasarkan tarif model Anda, lalu bandingkan angka tersebut dengan harga paket, yang untuk tingkat awal ditetapkan dalam berapa biaya Claude Pro dan di mana batasan penggunaannya menghentikan Anda. Jika jumlahnya lebih menguntungkan API, membatalkan paket atau turun ke tingkat yang lebih rendah tidak akan menyia-nyiakan bulan yang sudah Anda bayar, karena akses Anda tetap berjalan hingga akhir periode penagihan saat ini.