Claude API की ChatGPT API: कोणते स्वस्त आहे?

थोडक्यात उत्तर

Claude आणि ChatGPT API च्या किमतींमध्ये एकच स्पष्ट विजेता नाही, कारण दोन्ही विक्रेते प्रत्येक स्तरावर इनपुट आणि आउटपुटसाठी वेगवेगळे दर आकारतात. August 2026 पर्यंत, Claude च्या वरच्या दोन स्तरांमध्ये त्यांच्या OpenAI समकक्षांइतकाच प्रति इनपुट टोकन दर आणि त्यापेक्षा कमी प्रति आउटपुट टोकन दर आहे. त्यामुळे आउटपुट-केंद्रित कामांमध्ये Claude किंचित पुढे आहे. लहान स्तरावर त्याच कामासाठी Claude ची किंमत अनेक पटींनी जास्त आहे. स्तर आणि टोकनचे प्रमाण नमूद न करणारे कोणतेही उत्तर हा केवळ अंदाज आहे.

म्हणून या पृष्ठावर प्रथम गणना दिली आहे. त्यानंतर टोकनच्या प्रमाणांसह खर्चाची गणना केलेली तीन कामांची उदाहरणे दिली आहेत. शेवटी, दर्शविलेल्या दरांपेक्षा प्रत्यक्ष बिलावर अधिक परिणाम करणारे गुणक दिले आहेत.

तुम्हाला आवश्यक असलेले एकमेव सूत्र

दोन्ही APIs मजकुराचे बिलिंग एकाच पद्धतीने करतात. तुम्ही पाठवलेल्या tokens साठी शुल्क देता आणि model ने परत लिहिलेल्या tokens साठी जास्त दराने शुल्क देता.

cost = (input tokens / 1,000,000) * input rate + (output tokens / 1,000,000) * output rate

एक token म्हणजे इंग्रजीतील सुमारे 4 characters, म्हणजे जवळपास 0.75 शब्द. सुरुवातीच्या अंदाजासाठीच हे प्रमाण वापरा. प्रत्यक्ष बिलासाठी प्रत्येक response मधील usage object मध्ये API ने परत दिलेली counts वापरा.

# Rates are US dollars per million tokens.
def cost(in_tok, out_tok, in_rate, out_rate):
    return in_tok / 1e6 * in_rate + out_tok / 1e6 * out_rate

# One support-chat turn: 1,400 tokens in, 220 tokens out, on a $2 / $10 model.
print(round(cost(1400, 220, 2.0, 10.0), 6))

script 0.005 प्रिंट करते. हे प्रत्येक turn साठी अर्धा cent आहे. महिन्यात अपेक्षित असलेल्या turns च्या संख्येने याचा गुणाकार करा आणि तुमचे budget मिळेल. हे एक सूत्र समजून घेतल्यावर आजनंतरच्या प्रत्येक price change साठी नवीन analysis करण्याऐवजी फक्त एका ओळीत edit करावे लागेल.

प्रकाशित दर, August 2026

या दोन्ही विक्रेत्यांनी 1 August 2026 रोजी प्रकाशित केलेले सूचीबद्ध दर आहेत. या पोस्टमध्ये किंमत लिहिलेली आहे ते हे एकमेव ठिकाण आहे. बजेट निश्चित करण्यापूर्वी हे दर claude.com/pricing आणि OpenAI च्या pricing page वरील दरांशी तपासा.

[
  {
    "label": "Frontier",
    "claude_input": 5,
    "claude_output": 25,
    "openai_input": 5,
    "openai_output": 30
  },
  {
    "label": "Workhorse",
    "claude_input": 2,
    "claude_output": 10,
    "openai_input": 2,
    "openai_output": 12
  },
  {
    "label": "Workhorse from September",
    "claude_input": 3,
    "claude_output": 15,
    "openai_input": 2,
    "openai_output": 12
  },
  {
    "label": "Small",
    "claude_input": 1,
    "claude_output": 5,
    "openai_input": 0.2,
    "openai_output": 1.2
  }
]

ही जोडणी प्रत्येक lineup मधील स्थानानुसार केली आहे, प्रसिद्धीनुसार नाही. Frontier मध्ये Claude Opus 5 ची तुलना gpt-5.6-sol शी केली आहे. Workhorse मध्ये Claude Sonnet 5 ची तुलना gpt-5.6-terra शी केली आहे. Small मध्ये Claude Haiku 4.5 ची तुलना gpt-5.6-luna शी केली आहे. दोन्ही विक्रेते या block पेक्षा उच्च tiers देखील विकतात. OpenAI जुन्या generations ना त्यांच्या मूळ दरांवर सूचीबद्ध ठेवते. एका बाजूला flagship आणि दुसऱ्या बाजूला budget model यांची तुलना केल्यास अर्थहीन संख्या मिळते. बहुतेक प्रकाशित comparisons मधील headline याच पद्धतीने तयार होतो.

या block मधील दोन गोष्टी स्पष्टपणे सांगणे आवश्यक आहे. Sonnet 5 चे 2 आणि 10 हे introductory rates आहेत. Anthropic च्या माहितीनुसार ते 31 August 2026 रोजी संपतील. त्यानंतर Sonnet 5 साठी 3 आणि 15 आकारले जातील. या एका बदलामुळे workhorse tier मधील Claude ची अल्प आघाडी स्पष्ट OpenAI आघाडीत बदलते. हा बदल या पोस्टच्या shelf life मध्येच होतो.

दुसरी गोष्ट लक्षात ठेवण्यासारखी आहे. वरील प्रत्येक row मध्ये Claude चा output rate त्याच्या input rate च्या नेमका 5 पट आहे. OpenAI चा output rate 6 पट आहे. Absolute rate पेक्षा हा ratio महत्त्वाचा आहे. तुमच्या token mix नुसार विजेता बदलतो.

प्रति दशलक्ष टोकन दरांची विक्रेत्यांमध्ये तुलना का करता येत नाही

दर म्हणजे प्रति टोकन डॉलर. बिल म्हणजे प्रति टोकन डॉलर गुणिले टोकनची संख्या. मजकुराच्या एखाद्या भागातील टोकनची संख्या ही मजकुराची नव्हे, तर मॉडेलची विशेषता असते.

Anthropic हे थेट स्पष्ट करते: Claude 4.7 आणि त्यानंतरची मॉडेल्स, ज्यात Claude Opus 5 आणि Claude Sonnet 5 समाविष्ट आहेत, नवीन tokenizer वापरतात. त्यामुळे Claude Sonnet 4.6 आणि त्यापूर्वीच्या मॉडेल्सच्या तुलनेत त्याच मजकुरासाठी सुमारे 30% अधिक टोकन तयार होतात. दर बदलला नाही. बिल मात्र बदलले.

त्यामुळे दिसायला समान असलेले दोन दर समान बिल दर्शवत नाहीत. या तुलनेसह कोणत्याही तुलनेवर विश्वास ठेवण्यापूर्वी, स्वतःच्या मजकुराचा वापर करून दोन्ही बाजूंची टोकन संख्या मोजा.

curl https://api.anthropic.com/v1/messages/count_tokens \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-sonnet-5",
    "messages": [{"role": "user", "content": "Summarise the attached contract."}]
  }'

यशस्वी प्रतिसादामध्ये input_tokens धारण करणारा लहान JSON ऑब्जेक्ट असतो. 401 म्हणजे तुमच्या shell मधील मुख्य variable रिक्त आहे. तोच मजकूर दुसऱ्या विक्रेत्याच्या tokenizer मधून चालवा, एका टोकन संख्येला दुसऱ्या संख्येने भागा, आणि नंतर तुलना करण्यापूर्वी तो गुणोत्तर प्रकाशित दरामध्ये गुणा. हे गुणोत्तर एखाद्या विक्रेत्याच्या बाजूने सुमारे 1.2 पेक्षा अधिक असल्यास, वरील विभागातील दरांमधील प्रत्येक फरकापेक्षा त्याचा प्रभाव अधिक असतो.

परिस्थिती एक: चॅट सुविधा

वेब अनुप्रयोगामधील सपोर्ट असिस्टंट. दर महिन्याला 120,000 टर्न. प्रत्येक टर्नमध्ये system prompt, tool schemas, पुनर्प्राप्त केलेले help-desk snippets पैकी दोन आणि काही आधीचे संदेश पाठवले जातात. यासाठी सुमारे 1,400 input tokens लागतात आणि मॉडेल सुमारे 220 tokens मध्ये उत्तर देते. ही परस्परसंवादी सुविधा असल्यामुळे batch discount येथे लागू होऊ शकत नाही. हे workhorse tier वर चालवा.

[
  {
    "label": "List price",
    "claude_usd": "600.00",
    "openai_usd": "652.80"
  },
  {
    "label": "Cached prefix",
    "claude_usd": "427.20",
    "openai_usd": "480.00"
  },
  {
    "label": "Small tier, cached",
    "claude_usd": "213.60",
    "openai_usd": "48.00"
  }
]

List price नुसार Claude चे बिल 600.00 आहे, तर OpenAI चे 652.80 आहे. Input legs समान आहेत, कारण input rates समान आहेत. संपूर्ण फरक output मुळे आहे आणि Claude हा फरक इतक्या कमी मार्जिनने जिंकते की त्यावरून vendor निवडता येत नाही.

आता त्या 1,400 input tokens पैकी 800 tokens स्थिर prefix म्हणून चिन्हांकित करा: system prompt आणि tool schemas. ते टर्नदरम्यान बदलत नाहीत. Cache hit साठी दोन्ही vendors त्यांच्या मूळ input rate च्या 10% शुल्क आकारतात. Claude चे बिल 427.20 पर्यंत कमी होते आणि OpenAI चे 480.00 पर्यंत कमी होते. Caching मुळे vendor निवडीपेक्षा अधिक बचत होते आणि दोन्ही platforms ही सुविधा देतात.

Claude येथे महाग ठरते. बहुतेक सपोर्ट उत्तरांसाठी workhorse model आवश्यक नसते. तोच traffic small tier वर हलवा. Claude चे बिल 213.60 तर OpenAI चे 48.00 होते. एकाची दुसऱ्याने भागाकार केल्यास, त्याच कामासाठी Claude ची किंमत सुमारे साडेचार पट जास्त असल्याचे दिसते. Claude Haiku 4.5 साठी प्रति million input tokens 1 शुल्क आहे, तर gpt-5.6-luna साठी ते 0.2 आहे. कोणत्याही प्रमाणातील caching मुळे पाचपट फरक भरून निघत नाही. तुमचा workload small model मध्ये बसत असल्यास, OpenAI स्वस्त आहे आणि हा फरक मोठा आहे.

परिस्थिती दोन: दीर्घ-संदर्भ दस्तऐवज पाइपलाइन

दर महिन्याला 25,000 करार. प्रत्येक विनंतीमध्ये तेच 9,000-टोकनचे निर्देश आणि JSON schema, त्यानंतर कराराचा 12,000 टोकनचा मजकूर असतो. मॉडेल सुमारे 700 टोकनची संरचित फील्ड्स परत करते. या कामातील आउटपुट एकूण टोकनच्या 4% पेक्षा कमी आहे आणि हाच एक तथ्य तुलना ठरवतो.

[
  {
    "label": "Chat feature",
    "claude_usd": "427.20",
    "openai_usd": "480.00"
  },
  {
    "label": "Document pipeline",
    "claude_usd": "820.00",
    "openai_usd": "855.00"
  },
  {
    "label": "Coding agent",
    "claude_usd": "116.10",
    "openai_usd": "124.20"
  }
]

दोन्ही बाजूंवर 9,000-टोकनचा prefix कॅश केल्यानंतर, Claude साठी 820.00 आणि OpenAI साठी 855.00 आकारले जातात. इनपुटच्या दोन्ही भागांचा खर्च शेवटच्या सेंटपर्यंत समान आहे, कारण August 2026 मध्ये मुख्य इनपुट दर समान आहेत. संपूर्ण फरक आउटपुटच्या भागामुळे आहे: Claude वर त्याची किंमत इनपुटपेक्षा 5 पट आणि OpenAI वर 6 पट आहे.

या कामासाठी batch देखील वापरता येतो. asynchronous कामासाठी दोन्ही विक्रेते इनपुट आणि आउटपुटवर 50% सूट देतात. त्यामुळे दोन्ही एकूण खर्च निम्मे होतात आणि फरकाचे स्वरूप कायम राहते. कोणत्याही प्लॅटफॉर्मवरील हा एकमेव सर्वात मोठा सवलत-पर्याय आहे आणि रात्री चालणारी दस्तऐवज पाइपलाइन तो नेहमी वापरू शकते.

Claude ज्या ठिकाणी मागे पडते, ते आधीप्रमाणेच tier logic मुळे आहे. ठरावीक schema विरुद्ध field extraction हे लहान मॉडेल चांगल्या प्रकारे करू शकते, आणि येथे इनपुट एकूण टोकनच्या 97% आहे. एका tier ने खाली गेल्यास OpenAI चा इनपुट दर 0.1 ने आणि Claude चा इनपुट दर 0.5 ने गुणला जातो. मोठ्या मॉडेलची गरज आहे असे गृहीत धरण्यापूर्वी 200 दस्तऐवजांवर लहान मॉडेलची चाचणी घ्या. यासाठी कामासाठी योग्य Claude tier निवडणे यासाठी वापराल तेच मूल्यांकन वापरा.

परिस्थिती तीन: सतत कार्यरत coding agent

एका developer कडून VPS वर agent चालवला जातो. महिन्याला साधारण 900 model turns होतात. प्रत्येक turn मध्ये repository context चे सुमारे 60,000 input tokens असतात. त्यापैकी 80% cache hit असतात. प्रत्येक turn सुमारे 1,800 tokens इतके edits आणि स्पष्टीकरण तयार करतो. याची किंमत frontier tier नुसार ठरवा, कारण coding मध्ये capability gap मुळे प्रत्यक्ष खर्च वाढतो.

Claude साठी 116.10 आकारले जातात, तर OpenAI साठी 124.20 आकारले जातात. Input rate समान आहे, cache read rate समान आहे, आणि Claude चा कमी output rate यामुळे सुमारे 7% फायदा होतो.

हा 7% फरक आधीच्या tokenizer error bar मध्ये येतो. त्यामुळे rates च्या बाबतीत ही परिस्थिती समान समजा. मात्र billing model समान नाही. या प्रमाणातील वापरासाठी एका developer साठी subscription seat ची किंमत सहसा metered API calls पेक्षा कमी असते. Subscription समाविष्ट केल्यावर संपूर्ण तुलना बदलते. Agent ला metered billing वर ठेवण्यापूर्वी API आणि subscription खर्चाची तुलना तपासा. Metering वापरणार असल्यास, tokens कुठे खर्च होतात हे आधी समजून घ्या, कारण coding agent चा token वापर तो लिहित असलेल्या code पेक्षा प्रत्येक turn मध्ये पुन्हा पाठवलेल्या context मुळे अधिक ठरतो.

बिल ठरवणारे गुणक

या यादीतील इतर घटकांच्या तुलनेत शीर्षकातील दर हा सर्वात लहान घटक आहे. खालीलपैकी प्रत्येक घटक, समान स्तरावरील दोन विक्रेत्यांमधील फरकापेक्षा जास्त प्रमाणात प्रत्यक्ष बिल बदलतो.

कॅश केलेले इनपुट. कॅश हिटसाठी दोन्ही विक्रेते मूलभूत इनपुटच्या 10% इतके शुल्क आकारतात. Anthropic कॅश लिहिण्यासाठीही शुल्क आकारते: पाच मिनिटांच्या नोंदीसाठी मूलभूत इनपुटच्या 1.25 पट आणि एका तासाच्या नोंदीसाठी 2 पट. नंतरचा हिट त्या नोंदीचे read price वर नूतनीकरण करतो. त्यामुळे पाच मिनिटांची नोंद एका read नंतरचा खर्च भरून काढते. विनंत्यांमध्ये मोठे अंतर असलेल्या workload मध्ये वाचनापेक्षा लेखन अधिक वेळा होते. अशा परिस्थितीत caching मुळे होणारी बचत खर्चापेक्षा कमी असते. स्थिर network traffic साठी caching उपयुक्त ठरते. अधूनमधून वाढणाऱ्या network traffic साठी ते उपयुक्त ठरत नाही.

Batch discounts. दोन्ही platforms वर input आणि output साठी 50% सूट लागू होते, मात्र ती केवळ asynchronous कामासाठी असते. काम थांबवून ठेवता येत असल्यास, कोणत्याही विक्रेत्याकडे बिल निम्मे होते. ही सूट caching सोबत एकत्र लागू होते.

Output share. Claude output साठी त्याच्या input rate च्या 5 पट शुल्क आकारते. OpenAI 6 पट शुल्क आकारते. तुमच्या tokens पैकी input म्हणून वाचण्याऐवजी output म्हणून लिहिल्या जाणाऱ्या tokens चे प्रमाण जितके जास्त, तितके समान input rate वर Claude अधिक किफायतशीर ठरते. Input-केंद्रित कामासाठी उलट परिणाम होतो.

Retries. Retry साठी संपूर्ण input पुन्हा आकारला जातो आणि वापरण्यायोग्य output मिळत नाही. तुमच्या calls पैकी 6% schema validation मध्ये अपयशी ठरून पुन्हा चालवले जात असल्यास, तुमचा input भाग योजनेतील अंदाजापेक्षा 6% मोठा असतो. Retries ची नोंद error line म्हणून नव्हे, तर cost line म्हणून करा. Teams ला हा गुणक शेवटी लक्षात येतो. अनेकदा आठवडाभर ज्या vendor gap वर चर्चा केली जाते, त्यापेक्षा हा गुणक मोठा असतो.

कोणता पक्ष कुठे पिछाडीवर राहतो

Claude लहान श्रेणीत स्पष्टपणे पिछाडीवर राहतो. gpt-5.6-luna ची किंमत प्रति दशलक्ष इनपुट टोकनसाठी 0.2 आहे, तर Claude Haiku 4.5 ची किंमत 1 आहे. आउटपुटची किंमत अनुक्रमे 1.2 आणि 5 आहे. मोठ्या प्रमाणातील वर्गीकरण आणि लहान माहिती-उत्कर्षण कार्यांसाठी Claude वरचा खर्च साधारणपणे चारपट अधिक आहे.

1 September 2026 पासून Claude कार्यक्षम मुख्य श्रेणीत पिछाडीवर राहतो. त्या दिवशी प्रारंभिक दर संपतो आणि Sonnet 5 चे दर 3 आणि 15 होतात, तर gpt-5.6-terra चे दर बदलत नाहीत. आउटपुट दराच्या बाबतीत Claude आघाडीवर आहे. मात्र, तुमची स्वतःची टोकनसंख्या हा फरक मिटवू शकते. August 2026 मध्ये इनपुट-केंद्रित कार्यात कोणताही पक्ष विजयी ठरत नाही. दोन्ही पक्षांसाठी प्रति दशलक्ष 2 या दराने इनपुटचा खर्च समान आहे.

आपल्या स्वतःच्या नेटवर्क ट्रॅफिकवर हे कसे मोजावे

प्रत्येक प्रतिसादावरील usage ऑब्जेक्ट वाचा आणि प्रत्येक विनंतीसाठी चार संख्या साठवा: इनपुट टोकन, आउटपुट टोकन, cache read टोकन आणि cache write टोकन. Claude API मध्ये ही माहिती input_tokens, output_tokens, cache_read_input_tokens आणि cache_creation_input_tokens म्हणून मिळते. त्यांची दररोज बेरीज करा, ती सध्याच्या दरांनी गुणा करा आणि एकूण रकमेची invoice शी तुलना करा. या दोन्ही रकमांमधील फरक सहसा retries किंवा तुम्ही release केलेला पण विसरलेला code path यांमुळे असतो.

ही तुलना sample prompt वर न करता, एका आठवड्याच्या वास्तविक नेटवर्क ट्रॅफिकवर करा. तसेच token मागील खर्चाऐवजी पूर्ण झालेल्या task मागील खर्चाची तुलना करा. एखादे model दुप्पट दराने आकारणी करत असले, तरी ते एका प्रयत्नात उत्तर देत असल्यास, अर्ध्या दराने आकारणी करणाऱ्या पण तीन प्रयत्नांची गरज असलेल्या model पेक्षा स्वस्त ठरते. Token मागील खर्च हा दर आहे. पूर्ण झालेल्या task मागील खर्च हे तुमचे bill आहे.

काहीही चालू ठेवण्यापूर्वी खर्चाची कमाल मर्यादा निश्चित करा. दोन्ही platforms त्यांच्या consoles मध्ये spend limits उपलब्ध करून देतात. retry loop मध्ये अडकलेला agent एका रात्रीत महिन्याचे budget खर्च करू शकतो. हे तुम्ही नेहमी चालू असलेल्या agent साठी खर्च नियंत्रण करता त्याच पद्धतीने जोडा. तुमच्या मालकीच्या server वर पहिली आवृत्ती तयार करत असल्यास, VPS वरचे पहिले Claude API app या arithmetic च्या आधारभूत key handling आणि request loop चे वर्णन करते.

FAQ

Claude API, ChatGPT API पेक्षा स्वस्त आहे का?

नेहमीच नाही. August 2026 मध्ये frontier आणि workhorse tiers मध्ये दोन्ही API साठी प्रत्येक input token चा दर समान आहे. Claude चा प्रत्येक output token चा दर कमी आहे. त्यामुळे output-heavy कामांमध्ये Claude काही टक्के स्वस्त पडते. Small tier मध्ये OpenAI चे gpt-5.6-luna, प्रत्येक input token साठी Claude Haiku 4.5 च्या एक-पंचमांश दरात आहे. त्यामुळे मोठ्या प्रमाणातील classification साठी OpenAI खूप स्वस्त आहे. तुमच्या token mix वरून स्वतःचा खर्च काढा. फरक इतका कमी असल्याने निर्णय price list पेक्षा तुमच्या workload वर अवलंबून असतो.

प्रत्येक API वर समान शब्दांसाठी वेगवेगळ्या संख्येने tokens का आकारले जातात?

कारण प्रत्येक model चे स्वतःचे tokenizer असते आणि token count हा model चा गुणधर्म असतो. Anthropic च्या documentation नुसार Claude 4.7 आणि त्यानंतरचे models, Claude Sonnet 4.6 आणि त्यापूर्वीच्या models पेक्षा समान मजकुरासाठी सुमारे 30% अधिक tokens तयार करतात. तुमचा स्वतःचा मजकूर प्रत्येक vendor च्या token counting endpoint वर पाठवा. एक count दुसऱ्याने भागा. तुलना करण्यापूर्वी तो ratio प्रकाशित दरात गुणा. 20% token फरकामुळे प्रकाशित दरांमधील बहुतेक फरकांपेक्षा अधिक परिणाम होतो.

Prompt caching मुळे कधी bill वाढतो का?

होय, Anthropic वर असे होऊ शकते. Five-minute entry साठी cache write चा खर्च base input rate च्या 1.25 पट असतो. One-hour entry साठी तो 2 पट असतो. Cache hit चा खर्च 0.1 पट असतो. तुमचा traffic इतका bursty असेल की बहुतेक entries कोणी वाचण्यापूर्वी expire होतील, तर तुम्ही write premium भरता आणि कोणतेही reads मिळवत नाही. तुमच्या logs मधील cache_creation_input_tokens आणि cache_read_input_tokens यांची तुलना करा. Ratio 1 जवळ असल्यास caching मुळे तुमचा खर्च वाढत आहे. अशा वेळी entry ची मुदत वाढवा किंवा caching बंद करा.

Coding agent API वर चालवावा की subscription वर?

सामान्य प्रमाणात वापर करणाऱ्या एका developer साठी subscription seat सहसा metered API billing पेक्षा स्वस्त असते. Coding agent प्रत्येक turn वेळी मोठा context पुन्हा पाठवतो आणि त्या context साठी प्रत्येक वेळी शुल्क आकारले जाते. प्रथम एक आठवडा वापर मोजा. त्यानंतर API च्या एकूण खर्चाची seat price शी तुलना करा. वापर अनियमितपणे वाढत-घटत असेल किंवा seat मधून उपलब्ध नसलेला programmatic access आवश्यक असेल, तर API अधिक योग्य ठरते.