Dlaczego Claude jest tak drogi? Analiza kosztów tokenów

Dlaczego Claude jest drogi? Krótka odpowiedź

Claude jest drogi z czterech powodów, które nakładają się na siebie. Tokeny wyjściowe są wyceniane pięciokrotnie wyżej niż tokeny wejściowe. API nie przechowuje pamięci konwersacji, więc cała historia jest przesyłana ponownie i rozliczana przy każdym kolejnym zapytaniu. Agent zamienia jedno pytanie w dziesiątki wywołań API, a każde z nich zawiera rosnącą historię konwersacji. Ponadto model klasy frontier jest wyceniany w oparciu o stopień trudności wykonywanej pracy, a nie o koszt uruchomienia małego modelu.

Token to fragment tekstu. W przybliżeniu jeden token to około cztery znaki lub około 0.75 słowa w języku angielskim. Stawki podawane są za milion tokenów, oznaczany jako MTok (million tokens). Każda stawka poniżej jest oficjalną stawką API Claude obowiązującą w sierpniu 2026 roku.

Większość nieoczekiwanych rachunków wynika z drugiego i trzeciego powodu na tej liście. Użytkownicy zazwyczaj zakładają, że płaci się za odpowiedzi generowane przez Claude. W sesji agenta koszt generowania tekstu stanowi często mniej niż jedną dziesiątą całego rachunku.

Opublikowane stawki, czyli uzgodnienie liczb

[
  {
    "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"
  }
]

Należy skupić się na proporcjach, a nie na wartościach bezwzględnych. Każdy model kosztuje dokładnie pięć razy więcej za wyjście niż za wejście. Opus 5 kosztuje 5 dolara za milion tokenów wejściowych oraz 25 dolara za milion tokenów wyjściowych. Haiku 4.5 kosztuje odpowiednio 1 oraz 5. Zatem różnica między najtańszym a najdroższym modelem wynosi pięciokrotność, podobnie jak różnica między odczytem a zapisem.

Sonnet 5 jest objęty ceną promocyjną w wysokości 2 oraz 10 dolara za milion tokenów do 31 sierpnia 2026 roku. Od 1 września 2026 roku stawki zmienią się na 3 oraz 15. Cenniki zmieniają się wraz z wydaniami nowych modeli, dlatego przed zaplanowaniem budżetu należy sprawdzić aktualne wartości. Nie istnieje darmowy poziom dostępu poniżej tej tabeli, choć nowe konta otrzymują niewielki kredyt startowy, a niektóre elementy API są całkowicie bezpłatne.

Ostatnia kolumna zawiera stawkę za odczyt z pamięci podręcznej (cache). To ona decyduje o większości kosztów. Należy do niej wrócić po wykonaniu obliczeń.

Dlaczego tokeny wyjściowe kosztują pięć razy więcej niż wejściowe?

Odczyt i zapis nie wymagają takiej samej ilości pracy. Tokeny wejściowe są przetwarzane w jednym przebiegu. Model odczytuje cały prompt jednocześnie, a praca przebiega równolegle, dlatego odczyt promptu o długości 60 000 tokenów nie trwa 60 000 razy dłużej niż odczyt promptu o długości 1 000 tokenów.

Tokeny wyjściowe są generowane pojedynczo. Każdy nowy token wymaga osobnego przebiegu przez model i wykorzystuje wszystkie poprzednie tokeny jako kontekst. Zapisanie 1 000 tokenów oznacza 1 000 przebiegów, jeden po drugim. Ta praca szeregowa nie może zostać rozproszona tak jak odczyt, dlatego każdy token wyjściowy blokuje zasoby sprzętowe na dłużej.

Dlatego polecenie „skróć odpowiedź” jest słabszym narzędziem optymalizacji, niż oczekują użytkownicy. Działa ono na mniejszą część rachunku za działanie agenta.

Dlaczego cała konwersacja jest ponownie rozliczana przy każdym kroku?

API Claude jest bezstanowe. Po stronie Anthropic nie istnieje żadna konwersacja, do której dodawana jest pojedyncza wiadomość. Każde żądanie zawiera pełną historię wiadomości, a model odczytuje ją w całości przed wygenerowaniem jakiejkolwiek odpowiedzi. Z tego powodu krok 30 jest rozliczany również za kroki od 1 do 29.

Oznacza to, że koszt konwersacji rośnie szybciej niż jej długość. Krok 1 rozlicza niewielki kontekst. Krok 40 rozlicza kontekst o dużym rozmiarze. Po zsumowaniu wszystkich czterdziestu kroków opłata obejmuje wielokrotność liczby tokenów, które zostały faktycznie wygenerowane.

[
  {
    "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"
  }
]

Powyższa sesja rozpoczyna się od 20,000 tokenów, co obejmuje prompt systemowy, definicje narzędzi oraz pierwsze pliki otwarte przez agenta. W kroku 40 kontekst zawiera 100,000 tokenów. Uśredniając tę wartość dla wszystkich czterdziestu kroków, otrzymujemy około 60 000 odczytanych tokenów na żądanie.

Dlaczego agent kosztuje znacznie więcej niż czat?

Czat to jedno żądanie na pytanie. Agent to jedno żądanie na każdy krok. Odczytanie pliku to krok. Uruchomienie testu to krok. Odczytanie wyniku testu to krok. Edycja pliku to krok. Czterdzieści kroków do ukończenia jednego zadania to standard dla agenta programistycznego.

Z użyciem narzędzi wiążą się dwa dodatkowe koszty. Definicje narzędzi stanowią tokeny wejściowe w każdym żądaniu, ponieważ model musi być za każdym razem informowany o dostępnych narzędziach. Anthropic publikuje informacje o narzucie: systemowy prompt użycia narzędzi to 286 tokenów w modelu Opus 5 przy ustawieniu tool_choice na auto, do czego dochodzą tokeny własnych schematów narzędzi. Niektóre narzędzia po stronie serwera wiążą się z dodatkową opłatą. Wyszukiwanie w sieci jest rozliczane w stawce 10 USD za 1000 wyszukiwań, niezależnie od tokenów zużywanych przez wyniki.

Każdy wynik działania narzędzia staje się również stałym kontekstem. Polecenie, które wypisuje 3000 linii, dodaje te 3000 linii do każdego kolejnego żądania w danej sesji. Zużycie tokenów na sesję raportowane przez Claude Code czyni to widocznym: należy obserwować wzrost liczby tokenów wejściowych bezpośrednio po wykonaniu polecenia generującego dużą ilość danych.

Arytmetyka pojedynczej rzeczywistej sesji

Oto realistyczny obraz godziny pracy agenta kodującego w Opus 5. Czterdzieści żądań API. Kontekst rośnie z 20,000 do 100,000 tokenów, co daje średnio około 60,000 tokenów na żądanie. Model generuje około 700 tokenów na żądanie, co stanowi mieszankę krótkich wywołań narzędzi oraz kilku dłuższych bloków kodu.

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"
  }
]

Należy zwrócić uwagę na podział kosztów. Koszt odczytu wyniósł 12.00 dolarów, a koszt zapisu 0.70 dolarów, zatem dane wyjściowe, które faktycznie zostały odczytane, stanowią około pięć procent rachunku. Model zapisał 28,000 tokenów i został obciążony za odczyt 2,400,000 tokenów. Nikt nie wpisał ręcznie 2.4 miliona tokenów. Te same 100,000 tokenów było odczytywanych wielokrotnie.

Dźwignia 1: prompt caching, czyli najważniejszy element

Prompt caching przechowuje przetworzoną postać stabilnego prefiksu promptu. Przy kolejnym żądaniu prefiks ten jest odczytywany z pamięci podręcznej zamiast ponownego przetwarzania. Zapis do pamięci podręcznej kosztuje 1,25 raza więcej niż stawka wejściowa w przypadku pamięci pięciominutowej lub 2 razy więcej w przypadku pamięci godzinnej. Odczyt kosztuje 0,1 stawki wejściowej. W modelu Opus 5 oznacza to 0.50 dolarów za milion tokenów zamiast 5 dolarów.

Zastosuj to do powyższej sesji. Każdy ze 100 000 tokenów jest zapisywany do pamięci podręcznej raz w miarę rozwoju konwersacji. Pozostałe 2 300 000 tokenów wejściowych staje się odczytami z pamięci podręcznej.

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

Część podlegającą buforowaniu oznacza się polem cache_control. Punkt przerwania należy umieścić za treścią, która nie zmienia się między turami: za promptem systemowym i definicjami narzędzi. Długi dokument, do którego często się odwołujesz, również powinien znaleźć się w tym samym stabilnym bloku.

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

Kolejność elementów w prompcie decyduje teraz o kosztach. Trafienie w pamięć podręczną (cache hit) wymaga dokładnego dopasowania od samego początku promptu, więc wszystko, co zmienia się przy każdym żądaniu, musi znajdować się za elementami stałymi. Umieszczenie znacznika czasu na początku promptu systemowego powoduje utratę trafienia w każdej turze: cały prefiks staje się chybieniem (miss), a użytkownik płaci 1,25 stawki wejściowej za ponowny zapis.

Odpowiedź informuje, czy operacja zakończyła się powodzeniem. Wyślij żądanie i sprawdź blok użycia (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"}]
  }'

Każda odpowiedź zawiera obiekt usage, taki jak ten:

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

Powtórzone żądanie, które nadal wykazuje 0 w polu cache_read_input_tokens, oznacza brak trafienia w pamięć podręczną. Zazwyczaj przyczyną jest zmiana elementu znajdującego się przed punktem przerwania. Pamięć pięciominutowa również wygasa, więc żądanie wysłane sześć minut później skutkuje chybieniem i koniecznością ponownego zapisu.

Poziom 2: przekierowanie prostych zadań do mniejszego modelu

Większość tur w sesji agenta nie jest skomplikowana. Otwarcie pliku, uruchomienie formatera czy odczytanie diffa nie wymagają modelu klasy frontier. Przekierowanie ich do Haiku 4.5 obniża koszt wejściowy z 5 dolarów za milion tokenów do 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"
  }
]

Ta sama sesja kosztuje 12.70 dolarów przy użyciu Opus 5 bez cache'owania, 2.48 z cache'owaniem, 0.99 na Sonnet 5 z cache'owaniem oraz 0.50 na Haiku 4.5 z cache'owaniem. Samo cache'owanie redukuje rachunek o około osiemdziesiąt procent. Wybór modelu eliminuje większość pozostałych kosztów.

Należy jednak pamiętać o istotnym zastrzeżeniu. Tańszy model, który udzieli błędnej odpowiedzi, generuje koszt powtórzenia całej sesji oraz stratę czasu użytkownika. Zadania należy kierować w oparciu o ich stopień trudności, a nie cenę. Zasada ta działa również w drugą stronę: Claude Fable 5 jest droższy od Opus 5, kosztując odpowiednio 10 i 50 dolarów za milion tokenów, dlatego przed wysłaniem tam zapytania warto sprawdzić co oferują te stawki. Artykuł Wybór między Opus, Sonnet i Haiku szczegółowo omawia zastosowania każdego z tych modeli.

Poziom 3: higiena kontekstu

Każdy token pozostawiony w kontekście jest rozliczany w każdej kolejnej turze, dlatego wczesne usunięcie zbędnych danych jest znacznie bardziej opłacalne niż późne. Plik o rozmiarze 5000 tokenów wklejony w 5. turze sesji trwającej 40 tur zostanie odczytany jeszcze 35 razy. Generuje to 175 000 dodatkowych tokenów wejściowych, co w przypadku modelu Opus 5 oznacza koszt bliski jednego dolara za jedno nieprzemyślane wklejenie.

Cztery nawyki pozwalające zoptymalizować zużycie:

• Rozpoczynaj nową sesję dla każdego nowego zadania zamiast kontynuować wczorajszą.
• Filtruj zaszumione dane wyjściowe poleceń przed przekazaniem ich do modelu, używając narzędzi takich jak head -50, zamiast robić to później.
• Proś o wygenerowanie tylko tej funkcji, która jest istotna, a nie całego pliku.
• Gdy długa sesja przestaje przynosić postępy, poproś o podsumowanie i rozpocznij nową sesję na jego podstawie. Podsumowanie zajmuje kilkaset tokenów. Pełny zapis sesji może zajmować sto tysięcy.

Poziom 4: przetwarzanie wsadowe dla zadań nieinteraktywnych

Batch API przetwarza żądania asynchronicznie i obniża koszty wejścia oraz wyjścia o 50 procent. Jeśli zadanie nie wymaga odpowiedzi w czasie rzeczywistym, należy je przetworzyć wsadowo. Dotyczy to klasyfikacji, ekstrakcji, podsumowywania zaległych danych oraz uruchomień ewaluacyjnych. Rabat za przetwarzanie wsadowe łączy się z mechanizmem prompt caching. Nie ma on zastosowania w sesjach interaktywnych, ponieważ w takim przypadku nie występuje oczekiwanie na wynik w tle.

Czy przepłacam?

To jest rzeczywiste pytanie kryjące się pod hasłem „dlaczego Claude jest drogi”, zatem oto bezpośrednia odpowiedź. Stawki są publikowane, jednakowe dla wszystkich użytkowników w ramach standardowych planów i naliczane za token. Wyjątek stanowią wynegocjowane umowy, ale nawet w ich przypadku cennik Claude Enterprise wprowadza opłatę za stanowisko obok tych samych opłat za tokeny, zamiast je zastępować. Jeśli porównujesz innego dostawcę, a nie inny plan, te same zadania wycenione w API Claude i ChatGPT pokazują, gdzie każde z nich wychodzi taniej. Żaden element rachunku nie jest uznaniowy. Cennik nie informuje, czy otrzymujesz wartość, ponieważ wycenia tokeny, podczas gdy użytkownika interesują rezultaty.

Należy zatem wycenić rezultat. Powyższa sesja kosztowała 12.70 dolarów bez użycia cache. Jeśli dzięki niej wdrożono funkcję, której przygotowanie zajęłoby godzinę, jest to tanio. Jeśli natomiast wykonano czterdzieści tur w kółko, te same 12.70 dolarów nie przyniosły żadnego efektu, a problemem nigdy nie była stawka.

Warto zapamiętać ten aspekt. Rachunek skaluje się wraz z liczbą tokenów, a nie z wartością. Produktywna sesja i zmarnowana sesja o tej samej długości kosztują tyle samo. Dlatego cztery dźwignie znaczą więcej niż cennik: nie można negocjować ceny za token, ale to użytkownik decyduje, ile tokenów zużyje dane zadanie.

Należy więc śledzić dolary na ukończone zadanie, a nie dolary na miesiąc. Jeśli ta liczba spada podczas optymalizacji cache i routingu, konfiguracja ulega poprawie, nawet jeśli miesięczna suma rośnie, ponieważ wzrost sumy wynika z wykonania większej ilości pracy.

Co nie obniża rachunku

Niektóre popularne porady przynoszą znikome efekty. Polecenie modelowi, aby był „zwięzły”, ogranicza długość odpowiedzi, a wyjściowy tekst stanowił zaledwie pięć procent przykładowego rachunku. Skrócenie własnego pytania pozwala zaoszczędzić kilkaset tokenów w kontekście liczącym 60 000 tokenów. Wyłączenie rozszerzonego myślenia pomaga tylko wtedy, gdy tokeny myślowe stanowiły istotną część wyjścia, a blok użycia informuje o tym bezpośrednio, zamiast zmuszać do zgadywania.

Większe okno kontekstowe samo w sobie nie generuje kosztów. W modelu Claude 4.6 i nowszych pełne okno miliona tokenów jest rozliczane według standardowej stawki za token, więc zapytanie o rozmiarze 900 000 tokenów kosztuje tyle samo za token, co zapytanie o rozmiarze 9 000 tokenów. Rozmiar okna nie ustala ceny. Ustala ją to, co zdecydujesz się w nim umieścić.

Dwie kolejne kwestie powinny być częścią planowania, a nie pojedynczej sesji. Jeśli korzystasz z narzędzia codziennie i w sposób interaktywny, porównaj płatność za token z planem ryczałtowym: porównanie kosztów API i subskrypcji wykonuje to obliczenie. Jeśli plan ryczałtowy jest korzystniejszy i rozważasz jednocześnie ofertę innego dostawcy, zestawienie cen planów Claude i ChatGPT przeprowadza to samo porównanie dla obu usług. Jeśli agent działa bez nadzoru na serwerze, ustaw twardy limit wydatków, zanim zaczniesz optymalizować cokolwiek innego; zagadnienie to omawia kontrola kosztów agenta AI na VPS. Aby uzyskać jasne wyobrażenie o skali, co faktycznie oznacza milion tokenów Claude przekłada cennik na strony tekstu.

FAQ

Dlaczego rachunek za Claude wzrósł po rozpoczęciu korzystania z agenta?

Ponieważ agent wysyła wiele żądań na jedno pytanie, a każde żądanie zawiera całą dotychczasową historię konwersacji. Czat wysyła jedno żądanie na pytanie. Agent programistyczny wysyła jedno żądanie na każdy krok, a czterdzieści kroków dla jednego zadania to standard. Każde z tych żądań jest rozliczane za pełny kontekst, więc sesja kończąca się na 100 000 tokenów może zostać rozliczona łącznie za ponad dwa miliony tokenów wejściowych. Przeczytaj input_tokens oraz cache_read_input_tokens w odpowiedzi API, aby zobaczyć to bezpośrednio.

Czy buforowanie promptów faktycznie tak bardzo obniża rachunek?

W przedstawionym przykładzie koszt sesji spadł z 12.70 dolarów do 2.48 dolarów, ponieważ odczyt z pamięci podręcznej kosztuje jedną dziesiątą stawki wejściowej. Oszczędność zależy całkowicie od współczynnika trafień. Przy pięciominutowym buforze koszt zwraca się po pojedynczym odczycie, ponieważ zapis kosztuje 1,25 stawki wejściowej, a odczyt 0,1. Jeśli prompt zmienia się na początku przy każdym żądaniu, nie uzyskasz żadnych trafień i zapłacisz premię za zapis bez żadnej korzyści. Potwierdź działanie za pomocą cache_read_input_tokens, zanim założysz, że mechanizm funkcjonuje poprawnie.

Czy powinienem używać Haiku do wszystkiego?

Nie. Haiku 4.5 kosztuje 1 dolarów za milion tokenów wejściowych w porównaniu do 5 dla Opus 5, więc oszczędność jest realna w przypadku prostych zadań o dużej skali, takich jak klasyfikacja czy routing. Błędna odpowiedź w trudnym zadaniu kosztuje więcej niż zaoszczędzone środki, ponieważ płacisz za ponowne wykonanie oraz za swój własny czas. Sprawdza się model mieszany: mały model do zadań mechanicznych, model klasy frontier do zadań wymagających oceny.

Czy API jest tańsze niż subskrypcja Claude?

Zależy to od stabilności wykorzystania. Subskrypcja to stała miesięczna opłata z określonymi limitami użycia. API to płatność za token bez górnego limitu, co jest tańsze przy niewielkim lub nieregularnym wykorzystaniu, a droższe przy intensywnej pracy każdego dnia roboczego. Oblicz średnią liczbę tokenów dziennie z bloku użycia, wyceń je według stawki wybranego modelu, a następnie porównaj tę kwotę z ceną planu, która dla poziomu podstawowego została opisana w ile kosztuje Claude Pro i gdzie kończą się jego limity użycia. Jeśli suma przemawia na korzyść API, rezygnacja z planu lub przejście na niższy poziom nie powoduje utraty opłaconego miesiąca, ponieważ dostęp pozostaje aktywny do końca bieżącego okresu rozliczeniowego.