SSD Nodes Learn Hosting plans →
मार्गदर्शक Matt Connorद्वारे Matt Connor

Claude Code खर्च ट्रॅकर्सची तुलना कशी करावी?

Claude Code खर्च ट्रॅकर्समधील फरक समजून घ्या. स्थानिक लॉग पार्सर, Anthropic डॅशबोर्ड आणि OpenTelemetry स्टॅक हे तीनही स्रोत वेगवेगळी आकडेवारी का दाखवतात, याची सविस्तर माहिती.

Claude Code spend tracker नक्की काय वाचतो

प्रत्येक Claude Code spend tracker तीनपैकी एका डेटा स्रोतावरून माहिती वाचतो आणि कोणता प्रश्न सोडवायचा हे त्या स्रोतावर अवलंबून असते. लॉग पार्सर (log parser) तुमच्या डिस्कवरील सेशन ट्रान्सक्रिप्ट फाइल्स वाचतो. डॅशबोर्ड तुमच्या खात्यासाठी किंवा संस्थेसाठी Anthropic कडे असलेल्या वापराच्या नोंदी वाचतो. मेट्रिक्स बॅकएंड (metrics backend) OpenTelemetry (OTel) स्ट्रीम वाचतो, जो तुम्ही Claude Code सुरू करता तेव्हा तो उत्सर्जित करतो. हे तिन्ही स्रोत एकाच वेळी बरोबर असू शकतात आणि तरीही त्यांच्या आकडेवारीत तफावत असू शकते, कारण ते वेगवेगळ्या गोष्टी मोजत असतात.

हे मार्गदर्शक टोकन्सची पुन्हा व्याख्या करत नाही. Claude Code टोकन वापर कसा मोजतो यामध्ये इनपुट, आउटपुट, कॅशे राइट्स आणि कॅशे रीड्सची माहिती दिली आहे आणि जोपर्यंत तो भाग स्पष्ट होत नाही, तोपर्यंत कोणत्याही डॅशबोर्डचा फारसा उपयोग नसतो. येथे प्रश्न अधिक मर्यादित आहे: प्रत्येक प्रकारच्या टूलसाठी, ते काय पाहू शकते आणि ते काय कधीही पाहू शकत नाही.

एका दिवशी तीन Claude Code खर्च ट्रॅकर का दिसले

एकाच दिवशी Claude Code च्या खर्चाचे तीन स्वतंत्र ट्रॅकर प्रकाशित झाले. ते एकाच साधनाच्या तीन आवृत्त्या नव्हत्या; आणि हाच महत्त्वाचा भाग आहे. एका ट्रॅकरने स्थानिक session files चे विश्लेषण केले. दुसऱ्याने account usage screens साठी wrapper दिला. तिसरा hosted tracing backend होता, जो तुम्ही स्वतः चालवता.

हे तिन्ही एकाच वेळी आले, कारण agent session ची किंमत आता सहज समजत नाही. स्क्रीनवर दिसणाऱ्या मजकुरावरून chat ची किंमत साधारणपणे समजू शकते. मात्र agent वीस files वाचतो, test suite चालवतो आणि प्रत्येक turn वेळी संपूर्ण conversation पुन्हा पाठवतो. त्यामुळे तुम्ही स्वतः टाइप न केलेल्या context मुळे bill वाढतो. Subscription मध्ये Claude Code दाखवणारी session dollar figure ही estimate असते; Anthropic च्या मते ती billing साठी relevant नाही. महत्त्वाचा आकडा म्हणजे usage bar, जो काही दिवस इतर दिवसांपेक्षा वेगाने भरतो. या तिन्ही साधनांपैकी प्रत्येक या अंतराचा वेगळा भाग भरून काढतो.

आकार 1: स्थानिक log parser आजचा खर्च किती झाला ते सांगतो

Claude Code प्रत्येक conversation JSON Lines (JSONL) स्वरूपात ~/.claude/projects/<project>/<session-id>.jsonl येथे साठवतो. येथे <project> हा तुमच्या working directory चा path आहे; त्यातील अल्फान्यूमेरिक नसलेली अक्षरे - ने बदलली जातात. त्या file मधील प्रत्येक assistant turn मध्ये त्याच्या request साठीचे token counts असतात. Log parser ही counts एकत्र करून त्यांची किंमत काढतो.

ccusage हे बहुतेक लोक वापरतात. त्यासाठी install आवश्यक नाही:

npx ccusage@latest daily
npx ccusage@latest daily --breakdown
npx ccusage@latest blocks
npx ccusage@latest session --json

daily तारखेनुसार एकूण मोजणी करतो. --breakdown प्रत्येक row चे model नुसार विभाजन करतो. त्यामुळे एका Opus afternoon मुळे आठवड्याच्या खर्चाचा मोठा भाग कसा होतो हे समजते. blocks subscription reset होणाऱ्या five-hour window नुसार गट तयार करतो. session प्रत्येक conversation ची एकूण मोजणी करतो, तर daily --instances project नुसार गट तयार करतो. त्यामुळे कोणता repository महाग आहे हे दिसते. कालावधीची मर्यादा घालण्यासाठी --since आणि --until जोडा. तुमच्या version ला अपेक्षित असलेला date format पाहण्यासाठी npx ccusage@latest daily --help चालवा. October 2026 पर्यंत हे Codex आणि OpenCode यांसह इतर agent CLIs देखील वाचते. त्यांची तुलना करताना हे उपयुक्त ठरते. Default reports मध्ये आढळलेले सर्व sources एकत्र येतात. फक्त Claude Code साठी report पाहायचा असल्यास daily किंवा session च्या आधी claude जोडा.

किंमत model price table मधून घेतली जाते. या tool मध्ये cost चे three modes आहेत. --mode auto वापरल्यास file मध्ये Claude Code ने लिहिलेली costUSD value उपलब्ध असल्यास ती वापरली जाते. ती उपलब्ध नसल्यास token counts वरून किंमत काढली जाते. --mode calculate नेहमी tokens वरून किंमत काढतो आणि नोंदवलेल्या cost कडे दुर्लक्ष करतो. --mode display फक्त नोंदवलेल्या costs दाखवतो आणि ज्यांच्यासाठी cost नाही अशा rows साठी $0.00 छापतो. Total चुकीचा वाटत असल्यास तोच report प्रथम calculate अंतर्गत आणि नंतर display अंतर्गत चालवा. दोन्हींमध्ये मोठा फरक असल्यास बहुतेक entries मध्ये recorded cost नाही. त्यामुळे तुम्ही पाहत असलेली प्रत्येक किंमत estimate आहे. Contracted rates लागू असल्यास ccusage.json config file मधील defaults अंतर्गत pricingOverrides जोडल्याने individual models साठीची price बदलते.

हाच data तुमच्या prompt मध्येही वापरता येतो. ccusage statusline Claude Code status bar साठी compact line छापतो. ती इतर status line command प्रमाणे ~/.claude/settings.json मध्ये जोडता येते. Settings block आणि त्याला मिळणारी fields पाहण्यासाठी Claude Code statusline तयार करणे पहा.

या machine वर न घडलेली कोणतीही गोष्ट log parser पाहू शकत नाही. दुसरा laptop, claude.ai वरील session किंवा teammate चे काम: त्या transcripts त्या machines वरील disks वर असतात. cleanupPeriodDays अंतर्गत older terminal sessions default ने 30 days inactivity नंतर साफ केले जातात. Retention configurable आहे. अनेक वर्षांचा history ठेवण्यासाठी 3650 सारखी मोठी value वापरा. Desktop किंवा Cowork मध्ये सुरू केलेल्या किंवा अलीकडेच पुन्हा सुरू ठेवलेल्या sessions चे transcripts default ने त्या कालावधीपलीकडेही ठेवले जातात. HIPAA configurations सारखे exceptions लागू होऊ शकतात.

आणखी एक धोका आहे. तो structural आहे. Anthropic च्या documentation नुसार entry format हे Claude Code साठी internal आहे आणि versions मध्ये बदलते. त्यामुळे या files चे थेट parsing करणारे scripts कोणत्याही release मध्ये काम करणे थांबवू शकतात. या प्रकारच्या प्रत्येक tool ला हे लागू होते. याच कारणामुळे JSONL वर केलेला स्वतःचा jq one-liner दिसतो त्यापेक्षा अधिक धोकादायक आहे. Maintained parsers format मधील बदल तुमच्यासाठी हाताळतात. Field चे नाव बदललेल्या दिवशी तुमचा one-liner मात्र आत्मविश्वासाने चुकीची संख्या दाखवेल.

शेवटी, subscription संदर्भात dollar figure साठी एक महत्त्वाची अट आहे. तुमच्या Pro किंवा Max plan limit मधील usage साठी प्रत्येक token नुसार billing होत नाही. त्यामुळे ही संख्या list API rates नुसार तुमच्या tokens ची संभाव्य किंमत दर्शवते. ती तुमचा usage किती जड आहे हे मोजते. ती तुमची bill नाही. Usage credits हा अपवाद आहे. ते सुरू केल्यास plan limit पेक्षा जास्त usage साठी standard API rates नुसार स्वतंत्र charge आकारला जातो. त्या महिन्याचा spend claude.ai मध्ये Settings > Usage अंतर्गत दिसतो. प्रत्यक्ष प्रश्न कोणता plan निवडायचा हा असल्यास ती स्वतंत्र तुलना आहे: Claude subscription विरुद्ध API billing पहा.

आकार 2: अंतर्भूत वापर स्क्रीनमुळे कोणत्या मॉडेलने बजेट खर्च केले ते कळते

Claude Code स्वतःचे reporting देते, परंतु बहुतेक लोक ते कधीच उघडत नाहीत. Session मध्ये /usage चालवा. वरचा Session block सध्याच्या session साठी मॉडेलनुसार tokens आणि dollar figure दाखवतो. हा आकडा स्थानिक पातळीवर token counts आणि standard list rates वापरून मोजला जातो. मात्र administrator ने managed settings मध्ये modelPricing table सेट केली असल्यास Total cost line मध्ये at your organization's configured rates असे दिसते. कोणत्याही परिस्थितीत हा आकडा अंदाजे असतो आणि तुमच्या invoice पेक्षा वेगळा असू शकतो. Pro किंवा Max प्लॅनवर Anthropic नुसार billing साठी हा आकडा लागू होत नाही, कारण तो वापर प्लॅनमध्ये समाविष्ट असतो. /clear नवीन conversation सुरू झाल्यावर totals पुन्हा शून्यापासून मोजले जातात.

Pro, Max, Team किंवा seat-based Enterprise plan वर हीच screen तुमच्या plan limit पैकी किती वापरले आहे ते दाखवते. Usage-based Enterprise मध्ये वापरून संपणारा included allowance नसतो, कारण प्रत्येक token API rates नुसार billed केला जातो. या plans वर अलीकडील वापरापैकी skills, subagents, plugins आणि individual MCP servers यांचा वाटा एकूण वापराच्या टक्केवारीनुसार ही screen दाखवते. अलीकडील वापराच्या 10% किंवा अधिक वाट्यासाठी जबाबदार असलेले behaviours, जसे long context किंवा cache misses, ती flag करते. मागील 24 hours आणि मागील 7 days यांमध्ये बदलण्यासाठी d किंवा w दाबा. हे आकडे approximate असतात आणि या machine वरील local session history मधून मोजले जातात. त्यामुळे दुसऱ्या device वरील वापर मोजला जात नाही. Allowance संपल्यावर Claude Code त्या limit चे नाव आणि reset time दाखवते. Consumption bar रिकामी आहे याचा अर्थ allowance संपली आहे असा होत नाही. Reset झाल्यानंतर session थांबून पुन्हा सुरू ठेवता येते. Limit गाठल्यानंतर काय करावे हा model, context आणि plan यांबाबतचा स्वतंत्र निर्णय आहे.

एकापेक्षा अधिक developer असतील, तर हे आकडे account स्तरावर दिसतात. API organisation ला Console Cost page, प्रत्येक member साठी spend आणि accepted lines दाखवणारा Claude Code dashboard, तसेच admin key वापरून दररोजची समान per-user metrics परत करणारा Claude Code Analytics API मिळतो. Teams आणि Enterprise plans मध्ये admin console मधील spend report आणि CSV export मिळतात. हा report दररोज update होतो. Seat-based plans वरील usage-credit spend आणि usage-based Enterprise मधील पूर्ण वापर त्यात समाविष्ट असतो. Enterprise मध्ये analytics API देखील मिळतो. प्रत्येक developer ने कशा प्रकारे sign in केले आहे यावर यांपैकी कोणते report तुम्हाला दिसतील हे अवलंबून असते. त्यामुळे mixed organisation मध्ये दोन reports वाचून त्यांची बेरीज manually करावी लागते.

Budget आकार ठरवताना, October 2026 पर्यंत Anthropic च्या cost documentation मध्ये प्रकाशित केलेला आकडा active day मागे प्रति developer सरासरी जवळपास $13 आणि प्रति developer दरमहा $150 ते $250 असा आहे. 90% users चा खर्च active day मागे $30 पेक्षा कमी असल्याचेही त्यात नमूद आहे. हा enterprise deployments मधून प्रकाशित केलेला benchmark समजा. तो तुमच्या team साठी prediction समजू नका. अंदाज बाहेरच्या मोठ्या गटाला लागू करण्यापूर्वी pilot group चालवून मोजमाप करा.

Dashboards ना day आणि person यांपेक्षा अधिक सूक्ष्म माहिती दिसत नाही. मंगळवारच्या बहुतांश वेळेत Opus वापरले गेले हे ते सांगतील. मात्र कोणता prompt, कोणते repository किंवा कोणते CI job त्यासाठी कारणीभूत होते हे सांगणार नाहीत. Organisation reports दररोज update होत असल्यामुळे त्यात विलंबही असतो. त्यामुळे ते review tool आहेत; आज दुपारी अनियंत्रित agent पकडण्याचे साधन नाहीत. अनियंत्रित agent पकडण्यासाठी reports नव्हे, तर limits आवश्यक आहेत. याच विषयावर VPS वर agent चा खर्च मर्यादित ठेवणे चर्चा केली आहे.

रचना 3: स्वतःचा OpenTelemetry stack कोणता prompt regression घडवतो हे दाखवतो

Telemetry सक्षम करून exporters कॉन्फिगर केल्यानंतर Claude Code OpenTelemetry metrics आणि events तयार करतो. वापरकर्त्यानुसार token आणि cost data जवळपास real time मध्ये तुम्ही नियंत्रित करत असलेल्या system मध्ये stream करणारा हा एकमेव पर्याय आहे. या metrics मध्ये USD मधील claude_code.cost.usage, tokens मधील claude_code.token.usage, claude_code.session.count आणि claude_code.active_time.total यांचा समावेश होतो.

Token metric महत्त्वाचा आहे, कारण त्यात attributes असतात. प्रत्येक data point मध्ये type असते. ते input, output, cacheRead किंवा cacheCreation असू शकते. त्यात model आणि query_source देखील असते. ते main, subagent किंवा auxiliary असू शकते. याशिवाय agent.name, skill.name, mcp_server.name आणि mcp_tool.name देखील असतात. तुम्ही स्वतः configure केलेल्या MCP servers आणि तुमच्या custom subagents ची नावे custom म्हणून येतात, जोपर्यंत तुम्ही OTEL_LOG_TOOL_DETAILS=1 सेट करत नाही. OTEL_LOG_TOOL_DETAILS=1 सेट केल्यावर tool events मध्ये Bash commands आणि tool input देखील जोडले जातात. यामुळे कोणत्याही dashboard मधून मिळणार नाहीत अशा प्रश्नांची उत्तरे मिळतात: बिलातील किती भाग तुमच्या स्वतःच्या turns ऐवजी subagents मुळे आहे, एका MCP server मुळे input tokens दुप्पट झाले का, तसेच कोणीतरी CLAUDE.md संपादित केल्यानंतर cache reads कमी झाले का. आश्चर्य बहुतेक वेळा cache behaviour मध्ये दिसते. prompt caching कधी स्वतःचा खर्च भरून काढते यात तुम्ही पाहत असलेल्या माहितीचे स्पष्टीकरण आहे.

यासंबंधी एक दुरुस्ती करणे आवश्यक आहे, कारण प्रत्येक चर्चेत हा मुद्दा येतो. Langfuse हा self-hosted tracing backend म्हणून चांगला आहे. VPS वर तो चालवण्याची माहिती agent tracing साठी Langfuse self-host करणे येथे दिली आहे. त्याचा OTLP endpoint केवळ traces स्वीकारतो. Claude Code default ने metrics आणि log events export करतो, spans नाही. त्यामुळे OTEL_EXPORTER_OTLP_ENDPOINT ला Langfuse कडे निर्देश केल्यास project रिकामा राहतो आणि वाचण्यासारखी कोणतीही error मिळत नाही. Span export उपलब्ध आहे, पण ते beta स्वरूपात असून CLAUDE_CODE_ENHANCED_TELEMETRY_BETA=1 आणि OTEL_TRACES_EXPORTER सेट करेपर्यंत बंद राहते. Langfuse चे स्वतःचे Claude Code integration वेगळी पद्धत वापरते: Stop hook किंवा तो install करणारा plugin प्रत्येक response नंतर session transcripts वाचतो आणि त्यांचे traces मध्ये रूपांतर करतो. त्यामुळे त्यालाही log parser च्या local-only मर्यादा लागू होतात. API वर स्वतः तयार केलेल्या agents साठी Langfuse योग्य tool आहे. अशा वेळी तुमचा स्वतःचा code prompt, model आणि cost यांसह प्रत्येक span तयार करतो. Claude Code CLI मधील spend totals साठी metrics store अधिक योग्य आहे.

तुमच्या स्वतःच्या VPS वर Claude Code च्या खर्चाचे tracking सेट करा

दोन सेवा पुरेशा आहेत: metrics स्वीकारणारा collector आणि त्या साठवणारा Prometheus. दोन्ही सेवा public internet पासून दूर ठेवा, कारण उघडा OTLP port शोधणाऱ्या कोणत्याही व्यक्तीकडून writes स्वीकारतो. /opt/ccmetrics/compose.yaml लिहा:

services:
  collector:
    image: otel/opentelemetry-collector-contrib:latest
    command: ["--config=/etc/otel/config.yaml"]
    volumes:
      - ./collector.yaml:/etc/otel/config.yaml:ro
    ports:
      - "10.8.0.1:4318:4318"
    restart: unless-stopped
  prometheus:
    image: prom/prometheus:latest
    volumes:
      - ./prometheus.yml:/etc/prometheus/prometheus.yml:ro
      - prom-data:/prometheus
    ports:
      - "127.0.0.1:9090:9090"
    restart: unless-stopped

volumes:
  prom-data:

10.8.0.1 हा WireGuard tunnel मधील server चा address आहे. त्यामुळे collector तुमच्या machines मधून reachable राहतो आणि इतर कुठूनही reachable राहत नाही. Port च्या आधी दिलेला address येथे महत्त्वाचा आहे, कारण published Docker ports वर ufw filtering लागू करत नाही: Docker published ports ufw ला bypass का करतात हे पहा. Tunnel स्वतः सेट करण्यासाठी तुमच्या स्वतःच्या VPS वर WireGuard VPN पहा.

/opt/ccmetrics/collector.yaml:

receivers:
  otlp:
    protocols:
      http:
        endpoint: 0.0.0.0:4318

processors:
  batch:

exporters:
  prometheus:
    endpoint: 0.0.0.0:8889

service:
  pipelines:
    metrics:
      receivers: [otlp]
      processors: [batch]
      exporters: [prometheus]

/opt/ccmetrics/prometheus.yml. Port 8889 host वर कधीही publish केला जात नाही, कारण Prometheus Compose network वरून service name वापरून collector पर्यंत पोहोचतो:

global:
  scrape_interval: 30s

scrape_configs:
  - job_name: claude-code
    static_configs:
      - targets: ["collector:8889"]
cd /opt/ccmetrics
docker compose up -d
docker compose logs collector

Collector log चा शेवट Everything is ready. Begin running and processing data. असा असावा. Config error मुळे log पुढे जात नसेल, तर YAML parse झालेले नाही. अशा वेळी container loop मध्ये restart होत राहील.

आता Claude Code ला त्याकडे निर्देशित करा. Claude Code चालवणाऱ्या प्रत्येक machine वर ~/.claude/settings.json मध्ये हे जोडा:

{
  "env": {
    "CLAUDE_CODE_ENABLE_TELEMETRY": "1",
    "OTEL_METRICS_EXPORTER": "otlp",
    "OTEL_LOGS_EXPORTER": "none",
    "OTEL_EXPORTER_OTLP_PROTOCOL": "http/protobuf",
    "OTEL_EXPORTER_OTLP_ENDPOINT": "http://10.8.0.1:4318",
    "OTEL_METRIC_EXPORT_INTERVAL": "10000"
  }
}

एक session सुरू करा, एक prompt पाठवा, export interval पूर्ण होईपर्यंत प्रतीक्षा करा (येथे 10 seconds, default 60 seconds), आणि नंतर Prometheus कडून त्याने काय शिकले आहे ते विचारा:

curl -s http://localhost:9090/api/v1/label/__name__/values | grep -o 'claude_code[a-z_]*'

तुम्हाला claude_code_ ने सुरू होणारी अनेक names मिळायला हवीत. Exporter dots चे underscores मध्ये रूपांतर करतो आणि unit जोडतो. त्यामुळे अचूक strings तुमच्या collector version वर अवलंबून असतात. रिकामा result म्हणजे काहीही पोहोचलेले नाही. Protocol आणि port एकमेकांशी जुळतात का ते तपासा, कारण http/protobuf 4318 कडे आणि grpc 4317 कडे जाते. Mismatch झाल्यास कोणतीही स्पष्ट error न येता ते अपयशी ठरते. claude --debug-file /tmp/claude-debug.log चालवा आणि त्या file मध्ये [3P telemetry] lines शोधा. Claude Code OTel export errors याच ठिकाणी नोंदवतो.

एका machine साठी आणि server न वापरता हे सर्व टाळा. CLAUDE_CODE_ENABLE_TELEMETRY=1 आणि OTEL_METRICS_EXPORTER=prometheus सेट करा. त्यानंतर Claude Code स्वतः http://localhost:9464/metrics येथे scrape endpoint expose करतो. prometheus हा सूचीतील एकमेव exporter असताना, scrape वैध Prometheus text format मध्ये राहावा यासाठी Claude Code exported metrics मधून USD, tokens आणि s units वगळतो. Metric names बदलत नाहीत. otlp,prometheus सारखी exporters एकत्र करणारी setting units कायम ठेवते.

या रचनेसोबत एक privacy decision घ्यावा लागतो. Default नुसार machine मधून फक्त counts आणि metadata बाहेर जातात; prompt text किंवा tool output जात नाही. OTEL_LOG_USER_PROMPTS=1 exported events मध्ये prompt text जोडते आणि OTEL_LOG_ASSISTANT_RESPONSES=0 त्यावर override करत नसेल तर assistant response text देखील enable करते. OTEL_LOG_TOOL_CONTENT=1 trace spans मध्ये निवडक tool output जोडते. Content limit वर exclusions आणि truncation लागू होतात; default limit 60 KB आहे. या flags मुळे निवडलेल्या content मध्ये source code आणि secrets बाहेर जाऊ शकतात. मात्र context मधील सर्व content आपोआप export होत नाही. पूर्ण conversation bodies साठी स्वतंत्र OTEL_LOG_RAW_API_BODIES setting आवश्यक आहे. हे पर्याय जाणीवपूर्वक enable करा आणि आधी agent context मधून secrets दूर ठेवणे वाचा.

स्क्रिप्टेड आणि CI रनवरील खर्चाचा मागोवा

Non-interactive रनमध्ये खर्चाबाबत अनपेक्षित परिणाम दिसतात, कारण स्क्रीनवर कोणीही लक्ष ठेवत नसते. claude -p मध्ये --output-format json वापरल्यास त्या रनचा खर्च result payload मध्ये मिळतो:

claude -p "summarise the failing tests" --output-format json | jq '.total_cost_usd'

या payload मध्ये total_cost_usd तसेच प्रत्येक model नुसार खर्चाचा तपशील असतो. त्यामुळे CI job कोणत्याही dashboard शिवाय स्वतःचा खर्च नोंदवू शकते. प्रत्येक local figure प्रमाणे हा client-side अंदाज असतो. तसेच --continue किंवा --resume वापरून conversation पुढे सुरू ठेवणाऱ्या रनमध्ये आधीच्या रनसह संपूर्ण conversation चा एकूण खर्च नोंदवला जातो. ही किंमत फाइलमध्ये जोडू शकता किंवा वरील collector कडे metric म्हणून पाठवू शकता. उपलब्ध असलेल्या spend tracking पद्धतींपैकी ही सर्वात कमी खर्चाची उपयुक्त पद्धत आहे. प्रत्येक रनसाठी एक jq call लागतो.

अपयशाच्या स्थिती आणि तुम्हाला दिसणारे परिणाम

अहवाल रिकामा आहे. npx ccusage@latest daily मध्ये कोणत्याही ओळी छापल्या जात नसतील, तर Claude Code ज्या ठिकाणी डेटा लिहिते ते ठिकाण ते वाचत नाही. CLAUDE_CONFIG_DIR हे ठिकाण बदलते आणि ccusage देखील तोच variable वाचते; त्यामुळे दोन्हींसाठी समान value वापरा. जुन्या sessions दिसत नसतील, तर cleanupPeriodDays तपासा: terminal sessions default नुसार 30 दिवस inactivity नंतर साफ केली जातात, तर Desktop आणि Cowork transcripts सामान्यतः त्या कालावधीनंतरही जतन केले जातात.

दोन machines वेगवेगळे totals दाखवतात. हे अपेक्षित आहे आणि bug नाही. /usage breakdown आणि कोणताही log parser फक्त स्थानिक session history वाचतात. त्यामुळे दुसऱ्या device वरील किंवा claude.ai वरील usage दोन्हीकडे दिसत नाही.

स्थानिक total invoice शी जुळत नाही. Contracted rates configure केले नसतील, तर स्थानिक आकडे standard list rates नुसार token counts वरून मोजले जातात: managed settings मध्ये /usage साठी modelPricing table किंवा ccusage साठी pricingOverrides. Subscription मध्ये plan limit अंतर्गत असलेल्या usage साठी प्रति-token billing होत नाही; फक्त usage credits साठी billing होते. API billing साठी Console Cost page हा अधिकृत स्रोत आहे.

तुम्ही तेच काम करत असताना cost वाढली. इतर काही तपासण्यापूर्वी cache columns तपासा. दीर्घ session मध्ये प्रत्येक turn वेळी संपूर्ण history पुन्हा पाठवली जाते. Cache warm असताना त्यासाठी cached rate लागू होतो; cache cold झाल्यावर full input rate लागू होतो. त्यामुळे दीर्घकाळाचा एक break संपूर्ण conversation पुन्हा process करतो. यामुळे लहान output number च्या शेजारी मोठा input number दिसतो. input आणि output token pricing मधील फरक हे दोन्ही स्वतंत्रपणे का बदलतात ते स्पष्ट करते.

Subagents असलेला दिवस अवास्तव वाटतो. प्रत्येक subagent स्वतःचा context window चालवतो. त्यामुळे token use हे किती subagents चालले आणि प्रत्येक किती वेळ चालला यानुसार वाढते. Plan वर, /usage attribution या machine साठी subagent share टक्केवारीत दाखवते. प्रत्येक request च्या तपशीलासाठी, claude_code.token.usage वरील query_source attribute वापरून OTel data त्यांना वेगळे दाखवतो. Log parser तुम्हाला total दाखवेल; मात्र कारण शोधण्यासाठी तुम्हाला स्वतः अंदाज बांधावा लागेल.

FAQ

Max प्लॅनवर मला प्रत्यक्ष आकारले जाणारे शुल्क ccusage दाखवते का?

नाही. Subscription च्या प्लॅन मर्यादेतला वापर प्रति token आकारला जात नाही. त्यामुळे log parser तुमच्या token चे मूल्यांकन standard list API rates नुसार करतो आणि हेच काम API द्वारे केले असते तर किती खर्च आला असता ते दाखवतो. एखादा दिवस किती जड होता याचे सापेक्ष मोजमाप करण्यासाठी हे उपयुक्त आहे. तसेच प्रकल्प किंवा models यांची परस्पर तुलना करण्यासाठीही ते उपयोगी आहे. तुम्हाला प्रत्यक्ष किती देय आहे हे पाहण्यासाठी API billing साठी Console Cost page आणि subscription साठी plan billing page वापरा. Usage credits सुरू केले असल्यास, मर्यादेपेक्षा जास्त वापर standard API rates नुसार आकारला जातो. claude.ai मध्ये हा खर्च Settings > Usage अंतर्गत दिसतो.

ही साधने वाचतात त्या session files Claude Code कुठे साठवते?

~/.claude/projects/<project>/<session-id>.jsonl मध्ये. येथे <project> हा working directory चा path आहे; त्यातील alphanumeric नसलेली अक्षरे - ने बदलली जातात. प्रत्येक ओळ एका message, tool use किंवा metadata entry साठीचा JSON object असतो. CLAUDE_CONFIG_DIR संपूर्ण directory दुसरीकडे हलवते. cleanupPeriodDays मधील settings.json retention नियंत्रित करते. Terminal sessions साठी inactivity चे default 30 days आहे. Desktop आणि Cowork transcripts साधारणपणे या कालावधीनंतरही ठेवले जातात. Anthropic entry format ला internal आणि versions दरम्यान बदलू शकणारे असे document करते. त्यामुळे स्वतःची script लिहिण्याऐवजी maintained tool वापरून त्याचे parsing करा.

Claude Code telemetry Langfuse कडे पाठवता येते का?

Default telemetry वापरून नाही. Langfuse OTLP endpoint traces स्वीकारते. मात्र Claude Code default ने spans ऐवजी metrics आणि log events export करते. त्यामुळे त्या data साठी destination उपलब्ध होत नाही. Span export beta स्वरूपात आहे आणि ते स्वतः सुरू करावे लागते. Langfuse चे स्वतःचे Claude Code integration त्याऐवजी Stop hook वापरते आणि session transcripts चे traces मध्ये रूपांतर करते. खर्चाच्या एकूण आकड्यांसाठी Claude Code metrics OpenTelemetry collector कडे पाठवा आणि ती Prometheus मध्ये साठवा. API वर स्वतः तयार केलेल्या agents साठी Langfuse वापरा. त्या वेळी तुमचा code prompt, model आणि cost असलेले spans तयार करू शकतो.

माझे local numbers Console usage page शी जुळत का नाहीत?

कारण त्यांची गणना वेगवेगळ्या पद्धतीने केली जाते. /usage आणि log parsers तुम्ही वापरत असलेल्या machine वरील session files मधील token counts ची बेरीज करतात. Contracted rates configured नसल्यास ते standard list rates नुसार किंमत ठरवतात. Managed settings मध्ये modelPricing द्वारे /usage साठी किंवा ccusage साठी pricingOverrides द्वारे हे नियंत्रित केले जाते. Console तुमच्या organisation मधील सर्व machines आणि keys वरील usage दाखवते. प्रत्यक्ष API costs साठी तिचे Cost page वापरा, कारण Claude Code analytics dashboard मधील spend figures हे estimates आहेत. आकड्यांमध्ये फरक असणे सामान्य आहे. मोठा फरक असल्यास त्याचे कारण बहुतेकदा दुसरे device, CI runner किंवा त्याच account वर billing करणारा दुसरा team member असतो.

CI मध्ये claude -p run चा cost कसा track करू?

तो --output-format json सह चालवा आणि result मधून total_cost_usd वाचा; उदाहरणार्थ claude -p "..." --output-format json | jq '.total_cost_usd' वापरा. त्याच payload मध्ये प्रत्येक model नुसार breakdown आणि session ID देखील असते. प्रत्येक job साठी ती value record केल्यास agent, dashboard किंवा अतिरिक्त service शिवाय प्रत्येक pipeline चा spend मिळतो.

हा लेख उपयुक्त होता का?