Claude vs ChatGPT API: எது மலிவானது? முழுமையான ஒப்பீடு

சுருக்கமான பதில்

Claude மற்றும் ChatGPT API விலையிடலில் எந்த ஒரு நிறுவனம் சிறந்தது என்று கூற முடியாது. ஏனெனில், இந்த இரண்டு நிறுவனங்களும் ஒவ்வொரு நிலையிலும் (tier) உள்ளீடு (input) மற்றும் வெளியீட்டிற்கு (output) வெவ்வேறு விலைகளை நிர்ணயிக்கின்றன. ஆகஸ்ட் 2026 நிலவரப்படி, Claude-ன் மேல்நிலை இரண்டு tiers-ல் உள்ளீடு டோக்கன்களுக்கு OpenAI-க்கு இணையான கட்டணமே வசூலிக்கப்படுகிறது, ஆனால் வெளியீடு டோக்கன்களுக்குக் குறைவான கட்டணமே வசூலிக்கப்படுகிறது. எனவே, அதிக வெளியீடு தேவைப்படும் பணிகளுக்கு Claude சற்று சிக்கனமானது. சிறிய tier-ல், அதே பணிக்கு Claude பல மடங்கு அதிக செலவை ஏற்படுத்துகிறது. ஒரு குறிப்பிட்ட tier மற்றும் டோக்கன் விகிதத்தைக் குறிப்பிடாத எந்தவொரு பதிலும் வெறும் ஊகமே ஆகும்.

எனவே, இந்தப் பக்கம் முதலில் கணக்கீட்டையும், அதன் பிறகு மூன்று வெவ்வேறு பணிச்சுமைகளின் (workloads) செலவு விவரங்களையும், இறுதியாக headline விலையை விட உண்மையான கட்டணத்தை உயர்த்தும் காரணிகளையும் விளக்குகிறது.

உங்களுக்குத் தேவையான ஒரே சூத்திரம்

இரண்டு API-களும் உரையை ஒரே விதமாகவே கட்டணம் வசூலிக்கின்றன. நீங்கள் அனுப்பும் tokens-க்கு நீங்கள் பணம் செலுத்த வேண்டும், அதேபோல் model திரும்ப எழுதும் tokens-க்கு அதிக கட்டணம் செலுத்த வேண்டும்.

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

ஒரு token என்பது ஆங்கிலத்தில் சுமார் 4 எழுத்துக்கள், அல்லது ஒரு சொல்லில் 0.75 பங்கு ஆகும். இதை ஒரு தோராயமான மதிப்பீட்டிற்கு மட்டுமே பயன்படுத்தவும். உண்மையான கட்டணத்தைக் கணக்கிட, ஒவ்வொரு response-லும் உள்ள usage object-ல் கிடைக்கும் எண்ணிக்கையைப் பயன்படுத்த வேண்டும்.

# 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))

இந்த script 0.005-ஐ அச்சிடுகிறது, இது ஒரு turn-க்கு அரை சென்ட் ஆகும். ஒரு மாதத்தில் நீங்கள் எதிர்பார்க்கும் turns எண்ணிக்கையால் இதைப் பெருக்கினால், உங்கள் வரவுசெலவுத் திட்டம் (budget) கிடைத்துவிடும். அந்த வகுத்தியில் உள்ள மில்லியன்-token அலகு உங்களுக்குப் புரியவில்லை என்றால், Claude-ல் ஒரு மில்லியன் tokens எதைக் குறிக்கிறது என்பது அந்த அளவிலான உரையைத் தெளிவாக விளக்கும். இந்த ஒரே சூத்திரத்தைக் கற்றுக்கொண்டால், இனி வரும் விலை மாற்றங்களை ஒரு புதிய பகுப்பாய்வு செய்யாமல், ஒரே வரியில் திருத்தம் செய்துவிடலாம்.

வெளியிடப்பட்ட கட்டணங்கள், ஆகஸ்ட் 2026

இவை 1 ஆகஸ்ட் 2026 அன்று இரண்டு விற்பனையாளர்களும் வெளியிட்ட பட்டியல் விலைகள். இந்த பதிவில் விலை குறிப்பிடப்பட்டுள்ள ஒரே இடம் இதுதான். பட்ஜெட்டை உறுதி செய்வதற்கு முன், claude.com/pricing மற்றும் OpenAI-ன் விலை நிர்ணய பக்கத்துடன் இதைச் சரிபார்க்கவும்.

[
  {
    "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
  }
]

இந்த இணைப்புகள் அவற்றின் வரிசை நிலையின் அடிப்படையில் அமைக்கப்பட்டவை, புகழின் அடிப்படையில் அல்ல. Frontier என்பது gpt-5.6-sol-க்கு எதிரான Claude Opus 5 ஆகும். Workhorse என்பது gpt-5.6-terra-க்கு எதிரான Claude Sonnet 5 ஆகும். Small என்பது gpt-5.6-luna-க்கு எதிரான Claude Haiku 4.5 ஆகும். இரண்டு விற்பனையாளர்களும் இந்த தொகுதிக்கு மேல் உயர் நிலைகளை விற்கிறார்கள், மேலும் OpenAI பழைய தலைமுறை மாடல்களை அவற்றின் அசல் கட்டணத்திலேயே பட்டியலிட்டுள்ளது. Claude தரப்பில் அந்த நிலை Fable 5 ஆகும், இது இரண்டு பக்கங்களிலும் frontier வரிசையை விட இருமடங்கு விலையைக் கொண்டுள்ளது, அதே சமயம் ஐந்து மடங்கு வெளியீட்டு விகிதத்தைத் தக்கவைத்துள்ளது. எனவே, Fable 5-ன் விலை மற்றும் அது எப்போது அந்த கட்டணத்தைப் பெறுகிறது என்பதை Opus 5 தான் உங்கள் கட்டணத்தில் உச்சம் என்று கருதுவதற்கு முன் படிப்பது அவசியம். ஒரு பக்கத்தில் உள்ள முதன்மை மாடலை மற்றொரு பக்கத்தில் உள்ள பட்ஜெட் மாடலுடன் ஒப்பிடுவது எந்த அர்த்தமும் இல்லாத எண்ணையே தரும், இதுதான் பெரும்பாலான ஒப்பீடுகள் தலைப்புச் செய்தியாகப் பயன்படுத்தும் முறையாகும்.

அந்தத் தொகுதியில் இரண்டு விஷயங்களை வெளிப்படையாகக் கூற வேண்டும். Sonnet 5-ன் 2 மற்றும் 10 ஆகியவை அறிமுகக் கட்டணங்கள். Anthropic இவற்றை 31 ஆகஸ்ட் 2026-டன் முடிவடைவதாக ஆவணப்படுத்தியுள்ளது. அதன் பிறகு Sonnet 5, 3 மற்றும் 15 என வசூலிக்கும். அந்த ஒரு மாற்றம், workhorse நிலையை Claude-ன் சிறிய வெற்றியிலிருந்து OpenAI-ன் தெளிவான வெற்றியாக மாற்றுகிறது, மேலும் இது இந்தப் பதிவின் பயன்பாட்டுக் காலத்திற்குள்ளேயே நிகழ்கிறது.

இரண்டாவது விஷயம் நினைவில் கொள்ள வேண்டிய ஒரு முறை: மேலே உள்ள ஒவ்வொரு வரிசையிலும் Claude தனது உள்ளீட்டு கட்டணத்தை விட சரியாக 5 மடங்கு வெளியீட்டு கட்டணத்தை நிர்ணயிக்கிறது, OpenAI 6 மடங்கு நிர்ணயிக்கிறது. அந்த விகிதம்தான், முழுமையான கட்டணம் அல்ல, உங்கள் டோக்கன் கலவையைப் பொறுத்து வெற்றியாளரை மாற்றுகிறது.

வெவ்வேறு vendors-களுக்கிடையிலான ஒரு மில்லியன் tokens-க்கான கட்டணத்தை ஏன் ஒப்பிட முடியாது

ஒரு கட்டணம் என்பது ஒரு token-க்கான டாலர் மதிப்பு ஆகும். ஒரு கட்டண ரசீது என்பது ஒரு token-க்கான டாலர் மதிப்பை, பயன்படுத்தப்பட்ட tokens-களின் எண்ணிக்கையால் பெருக்குவதாகும். ஒரு உரைக்கான (text) token எண்ணிக்கை என்பது அந்த மாதிரியின் (model) பண்பு, உரையின் பண்பு அல்ல.

Anthropic இதை நேரடியாக ஆவணப்படுத்துகிறது: Claude 4.7 மற்றும் அதற்குப் பிந்தைய மாதிரிகள், இதில் Claude Opus 5 மற்றும் Claude Sonnet 5 ஆகியவை அடங்கும், புதிய tokenizer-ஐப் பயன்படுத்துகின்றன. இவை Claude Sonnet 4.6 மற்றும் அதற்கு முந்தைய மாதிரிகளை விட, அதே உரைக்கு சுமார் 30% கூடுதல் tokens-களை உருவாக்குகின்றன. கட்டண விகிதம் மாறவில்லை, ஆனால் ரசீது மாறியுள்ளது.

எனவே, ஒரே மாதிரியாகத் தோன்றும் இரண்டு கட்டண விகிதங்கள், ஒரே மாதிரியான இரண்டு ரசீதுகளைக் குறிக்காது. எந்தவொரு ஒப்பீட்டையும் நம்புவதற்கு முன், உங்கள் சொந்த உரையைப் பயன்படுத்தி இரு தரப்பிலும் tokens-களை எண்ணிப் பாருங்கள்.

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."}]
  }'

சரியான பதில் என்பது input_tokens-ஐக் கொண்ட ஒரு சிறிய JSON object ஆகும். 401 என்பது உங்கள் shell-ல் key variable காலியாக உள்ளது என்று பொருள். அதே உரையை மற்ற vendor-ன் tokenizer வழியாகச் செலுத்தி, ஒரு எண்ணிக்கையை மற்றொன்றால் வகுக்கவும். அந்த விகிதத்தை (ratio) வெளியிடப்பட்ட கட்டண விகிதத்துடன் பெருக்கி, அதன் பிறகு ஒப்பிடவும். அந்த விகிதம் ஒரு vendor-க்கு சுமார் 1.2-க்கும் அதிகமாக சாதகமாக இருந்தால், அது மேலே உள்ள அட்டவணையில் உள்ள அனைத்து கட்டண வேறுபாடுகளையும் விட முக்கியமானது.

சூழல் ஒன்று: ஒரு chat அம்சம்

ஒரு web application-க்குள் இருக்கும் support assistant. மாதத்திற்கு 120,000 உரையாடல் சுற்றுகள் (turns). ஒவ்வொரு சுற்றிலும் ஒரு system prompt, tool schemas, இரண்டு help-desk snippets மற்றும் சில முந்தைய செய்திகள் என சுமார் 1,400 input tokens அனுப்பப்படுகின்றன; model சுமார் 220 tokens-ல் பதிலளிக்கிறது. இது interactive என்பதால், batch discount இங்கு பொருந்தாது. இதை workhorse tier-ல் இயக்கவும்.

[
  {
    "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"
  }
]

பட்டியல் விலையின்படி, Claude 600.00 கட்டணத்தையும், OpenAI 652.80 கட்டணத்தையும் வசூலிக்கின்றன. input rates சமமாக இருப்பதால், input செலவுகளும் சமமாகவே இருக்கும். முழு விலை வேறுபாடும் output-ல் மட்டுமே உள்ளது; இந்த வேறுபாடு ஒரு vendor-ஐத் தேர்ந்தெடுக்கும் அளவுக்குப் பெரியது அல்ல.

இப்போது, அந்த 1,400 input tokens-ல் 800 tokens-ஐ stable prefix-ஆகக் குறிக்கவும்: இவை system prompt மற்றும் tool schemas ஆகும், இவை சுற்றுகளுக்கு இடையே மாறாது. இரண்டு vendor-களும் cache hit-க்குத் தங்கள் அடிப்படை input விலையில் 10% மட்டுமே வசூலிக்கின்றன. இப்போது Claude-ன் கட்டணம் 427.20 ஆகவும், OpenAI-ன் கட்டணம் 480.00 ஆகவும் குறைகிறது. vendor-ஐத் தேர்ந்தெடுப்பதை விட caching அதிக சேமிப்பைத் தருகிறது, மேலும் இரண்டு தளங்களும் இதை வழங்குகின்றன.

இங்குதான் Claude பின்தங்குகிறது. பெரும்பாலான support பதில்களுக்கு workhorse model தேவையில்லை. அதே traffic-ஐ small tier-க்கு மாற்றினால், Claude 213.60 கட்டணத்தையும், OpenAI 48.00 கட்டணத்தையும் வசூலிக்கின்றன. இரண்டையும் ஒப்பிடும்போது, அதே வேலைக்கு Claude சுமார் நான்கரை மடங்கு அதிக செலவை ஏற்படுத்துகிறது. Claude Haiku 4.5, ஒரு மில்லியன் input tokens-க்கு 1 கட்டணத்தை வசூலிக்கிறது, அதே சமயம் gpt-5.6-luna 0.2 கட்டணத்தை வசூலிக்கிறது. ஐந்து மடங்குள்ள இந்த விலை வேறுபாட்டை எந்த caching முறையாலும் ஈடுகட்ட முடியாது. உங்கள் பணிச்சுமை ஒரு சிறிய model-க்கு ஏற்றதாக இருந்தால், OpenAI மலிவானது மற்றும் அதன் விலை வித்தியாசம் கணிசமானது.

சூழல் இரண்டு: நீண்ட சூழல் கொண்ட ஆவணக் குழாய் அமைப்பு (long-context document pipeline)

மாதத்திற்கு 25,000 ஒப்பந்தங்கள். ஒவ்வொரு கோரிக்கையிலும் ஒரே மாதிரியான 9,000-token அறிவுறுத்தல்கள் மற்றும் JSON schema உள்ளன, அதனுடன் 12,000 tokens கொண்ட ஒப்பந்த உரை இணைக்கப்படுகிறது. மாதிரி (model) சுமார் 700 tokens கொண்ட கட்டமைக்கப்பட்ட தரவுகளைத் திருப்பித் தருகிறது. இந்த வேலையில் வெளியீடு (output) என்பது மொத்த tokens-ல் 4%-க்கும் குறைவு; இந்த ஒரு காரணியே ஒப்பீட்டைத் தீர்மானிக்கிறது.

[
  {
    "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"
  }
]

9,000-token முன்னொட்டு (prefix) இரு தரப்பிலும் cache செய்யப்பட்ட நிலையில், Claude 820.00 கட்டணத்தையும், OpenAI 855.00 கட்டணத்தையும் வசூலிக்கின்றன. ஆகஸ்ட் 2026-ல் உள்ளீட்டு விகிதங்கள் (input rates) சமமாக இருப்பதால், உள்ளீட்டுச் செலவுகள் பைசா மாறாமல் ஒத்துப்போகின்றன. முழு வித்தியாசமும் வெளியீட்டுச் செலவில் மட்டுமே உள்ளது; இது Claude-ல் உள்ளீட்டைப் போல 5 மடங்கும், OpenAI-ல் 6 மடங்கும் விலை நிர்ணயிக்கப்பட்டுள்ளது.

இந்த வேலையை batch முறையிலும் செய்ய முடியும். இரு நிறுவனங்களும் asynchronous பணிகளுக்கு உள்ளீடு மற்றும் வெளியீட்டில் 50% தள்ளுபடி வழங்குகின்றன, எனவே மொத்தத் தொகையும் பாதியாகக் குறைகிறது, ஆனால் அவற்றுக்கிடையேயான இடைவெளி அப்படியே நீடிக்கிறது. Batch என்பது இரு தளங்களிலும் கிடைக்கும் மிகப்பெரிய தள்ளுபடி ஆகும், மேலும் இரவு நேர ஆவணக் குழாய் அமைப்புகளுக்கு (nightly document pipeline) இதைப் எப்போதும் பயன்படுத்தலாம்.

Claude எங்கே பின்தங்குகிறது என்றால், முன்பே குறிப்பிட்ட அதே அடுக்கு (tier) தர்க்கத்தில்தான். நிலையான schema-வுக்கு எதிராகத் தரவுகளைப் பிரித்தெடுப்பது (field extraction) ஒரு சிறிய மாதிரி சிறப்பாகச் செய்யக்கூடிய வேலை, மேலும் இதில் 97% tokens உள்ளீடாகவே உள்ளன. ஒரு அடுக்கு கீழே இறங்கினால், OpenAI உள்ளீட்டு விகிதம் 0.1 மடங்காகவும், Claude உள்ளீட்டு விகிதம் 0.5 மடங்காகவும் மாறுகிறது. பெரிய மாதிரிதான் தேவை என்று முடிவெடுக்கும் முன், ஒரு பணிக்கு சரியான Claude அடுக்கைத் தேர்ந்தெடுப்பது எப்படி என்பதற்கான அதே மதிப்பீட்டைப் பயன்படுத்தி, 200 ஆவணங்களில் சிறிய மாதிரியைச் சோதித்துப் பாருங்கள்.

சூழல் மூன்று: எப்போதும் இயங்கும் கோடிங் ஏஜென்ட்

ஒரு டெவலப்பர் ஒரு VPS-ல் ஏஜென்ட்டை இயக்குகிறார், மாதத்திற்கு சுமார் 900 model turns. ஒவ்வொரு turn-லும் சுமார் 60,000 input tokens repository context-ஆகச் செல்கிறது, இதில் 80% cache hit ஆகும். இது சுமார் 1,800 tokens அளவுக்குத் திருத்தங்களையும் விளக்கங்களையும் உருவாக்குகிறது. இதை frontier tier-ல் கணக்கிடுங்கள், ஏனெனில் கோடிங் துறையில் திறன்குறைபாடு உண்மையான பண இழப்பை ஏற்படுத்தும்.

Claude 116.10 கட்டணத்தை வசூலிக்கிறது, OpenAI-ன் 124.20 கட்டணத்துடன் ஒப்பிடும்போது இது அமைகிறது. ஒரே input rate, ஒரே cache read rate, மற்றும் Claude-ன் குறைந்த output rate காரணமாக சுமார் 7% லாபம் கிடைக்கிறது.

அந்த 7% வித்தியாசம் முன்னரே குறிப்பிட்ட tokenizer error bar-க்குள் அடங்கிவிடுவதால், இந்தச் சூழலில் கட்டணங்கள் சமமானவை எனக் கருதலாம். ஆனால், billing model-ல் பெரிய வித்தியாசம் உள்ளது. ஒரு டெவலப்பருக்கு, இந்த அளவில் பயன்படுத்தும்போது, metered API calls-ஐ விட subscription seat பொதுவாகக் குறைந்த செலவையே தரும். ஒன்றைச் சேர்த்தவுடன் முழு ஒப்பீடும் மாறிவிடும். நீங்கள் ஒரு ஏஜென்ட்டை metered billing-ல் வைக்கும் முன், API மற்றும் subscription கட்டண ஒப்பீடு மூலம் இதைச் சரிபார்க்கவும். நீங்கள் அதை meter செய்ய முடிவு செய்தால், tokens எங்கு செலவாகிறது என்பதை முதலில் தெரிந்துகொள்ளுங்கள், ஏனெனில் ஒரு கோடிங் ஏஜென்ட்டின் token பயன்பாடு அது எழுதும் குறியீட்டை விட, ஒவ்வொரு turn-லும் மீண்டும் அனுப்பப்படும் context-ஆலேயே அதிகம் தீர்மானிக்கப்படுகிறது.

கட்டணத்தைத் தீர்மானிக்கும் பெருக்கிகள் (Multipliers)

இந்த பட்டியலில் உள்ளவற்றில், அடிப்படை விலை (headline rate) மிகச்சிறிய காரணியாகும். கீழே உள்ள ஒவ்வொரு அம்சமும், ஒரே நிலையில் உள்ள இரண்டு விற்பனையாளர்களுக்கு இடையிலான விலையை விட, உண்மையான கட்டணத்தில் அதிக மாற்றத்தை ஏற்படுத்தும்.

Cached input. cache hit ஏற்படும்போது, இரண்டு விற்பனையாளர்களும் அடிப்படை input விலையில் 10% கட்டணமாக வசூலிக்கின்றனர். Anthropic, cache-ஐ எழுதுவதற்கும் கட்டணம் வசூலிக்கிறது: ஐந்து நிமிட நுழைவுக்கு (entry) அடிப்படை input விலையை விட 1.25 மடங்கு, ஒரு மணிநேர நுழைவுக்கு 2 மடங்கு. பின்னர் ஏற்படும் hit, அந்த நுழைவை வாசிப்பு விலையில் (read price) புதுப்பிக்கும். எனவே, ஒரு ஐந்து நிமிட நுழைவு, ஒருமுறை வாசித்தாலே அதன் கட்டணத்தை ஈடுசெய்துவிடும். கோரிக்கைகளுக்கு இடையே நீண்ட இடைவெளி உள்ள பணிச்சுமைகளில், வாசிப்பதை விட எழுதுவதே அதிகம் நடக்கும்; அங்கு caching சேமிப்பதை விட அதிக செலவை ஏற்படுத்தும். சீரான traffic-க்கு caching சிறப்பாகச் செயல்படும். சீரற்ற (bursty) traffic-க்கு இது பொருந்தாது.

Batch discounts. இரண்டு தளங்களிலும் asynchronous பணிகளுக்கு மட்டும் input மற்றும் output கட்டணத்தில் 50% தள்ளுபடி உண்டு. பணி காத்திருக்க முடியும் என்றால், இது எந்த விற்பனையாளரிடமும் கட்டணத்தை பாதியாகக் குறைக்கும், மேலும் இது caching-உடன் இணைந்து செயல்படும்.

Output share. Claude தனது input விலையை விட 5 மடங்கு output கட்டணம் வசூலிக்கிறது. OpenAI 6 மடங்கு வசூலிக்கிறது. உங்கள் tokens-ல் வாசிப்பதை விட எழுதுவது (output) அதிகமாக இருந்தால், சமமான input விலையில் Claude லாபகரமாகத் தெரியும்; input அதிகமாக இருக்கும் பணிகளுக்கு இதற்கு நேர்மாறானது நடக்கும்.

Retries. ஒரு retry, முழு input கட்டணத்தையும் மீண்டும் செலுத்துமாறு செய்யும், ஆனால் பயனுள்ள எதையும் தராது. உங்கள் அழைப்புகளில் 6% schema validation தோல்வியடைந்து retry செய்யப்பட்டால், உங்கள் input அளவு திட்டமிட்டதை விட 6% அதிகமாக இருக்கும். Retries-ஐ பிழை வரிசையாகக் கருதாமல், செலவு வரிசையாகப் பதிவு செய்யுங்கள். குழுக்கள் இந்த பெருக்கியைத்தான் கடைசியாகக் கண்டறிகின்றன, ஆனால் இது பெரும்பாலும் அவர்கள் ஒரு வாரம் விவாதித்த விற்பனையாளர் விலை வித்தியாசத்தை விட அதிகமாக இருக்கும்.

எந்தத் தரப்பு தோல்வியடைகிறது மற்றும் எங்கே

சிறிய அடுக்கு (small tier) பிரிவில் Claude முழுமையாகத் தோல்வியடைகிறது. gpt-5.6-luna ஒரு மில்லியன் உள்ளீட்டு டோக்கன்களுக்கு 0.2 கட்டணம் வசூலிக்கிறது, அதே சமயம் Claude Haiku 4.5 1 கட்டணத்தில் உள்ளது; வெளியீட்டு டோக்கன்களுக்கு 1.2 எதிராக 5 என உள்ளது. அதிக அளவிலான வகைப்படுத்துதல் (classification) மற்றும் குறுகிய தரவு பிரித்தெடுத்தல் (extraction) பணிகளுக்கு Claude-ல் சுமார் நான்கு மடங்கு அதிக செலவாகிறது.

செப்டம்பர் 1, 2026 முதல் பணித்திறன் அடுக்கு (workhorse tier) பிரிவிலும் Claude தோல்வியடைகிறது, அப்போது அறிமுகக் கட்டணச் சலுகை முடிந்து Sonnet 5 ஆனது 3 மற்றும் 15 என மாறுகிறது, அதே சமயம் gpt-5.6-terra-வின் கட்டணம் மாறாமல் உள்ளது. எல்லை அடுக்கு (frontier tier) பிரிவில் வெளியீட்டு விகிதத்தில் Claude வெற்றி பெறுகிறது, ஆனால் உங்கள் டோக்கன் எண்ணிக்கையின் அடிப்படையில் இந்த வித்தியாசம் இல்லாமல் போகலாம். ஆகஸ்ட் 2026-ல் உள்ளீட்டுப் பணிகள் அதிகம் உள்ள சூழலில் எந்தத் தரப்பும் வெற்றி பெறவில்லை, ஏனெனில் இரு தரப்பிலும் ஒரு மில்லியன் டோக்கன்களுக்கு 2 என உள்ளீட்டுக் கட்டணம் சமமாக உள்ளது.

உங்கள் சொந்த traffic-ல் இதை எவ்வாறு அளவிடுவது

ஒவ்வொரு response-லும் உள்ள usage object-ஐ வாசித்து, ஒவ்வொரு கோரிக்கைக்கும் நான்கு எண்களைச் சேமிக்கவும்: input tokens, output tokens, cache read tokens மற்றும் cache write tokens. Claude API-ல் இவை input_tokens, output_tokens, cache_read_input_tokens மற்றும் cache_creation_input_tokens என வருகின்றன. இவற்றை நாளொன்றுக்குக் கூட்டி, தற்போதைய கட்டண விகிதங்களால் பெருக்கி, உங்கள் மொத்தத் தொகையை invoice-உடன் ஒப்பிட்டுப் பார்க்கவும். இரண்டிற்கும் இடையே உள்ள வேறுபாடு, பெரும்பாலும் retries அல்லது நீங்கள் கவனிக்காமல் விட்ட ஒரு code path-ஆக இருக்கலாம்.

மாதிரி prompt-களைப் பயன்படுத்துவதற்குப் பதிலாக, ஒரு வார கால உண்மையான traffic-ஐக் கொண்டு இந்த ஒப்பீட்டைச் செய்யவும். token-க்கான செலவை ஒப்பிடுவதற்குப் பதிலாக, முடிக்கப்பட்ட ஒரு பணிக்கான (completed task) செலவை ஒப்பிடவும். பாதியளவு கட்டணத்தில் மூன்று முயற்சிகள் தேவைப்படும் model-ஐ விட, இருமடங்கு கட்டணத்தில் ஒரே முயற்சியில் பதிலளிக்கும் model மலிவானது. token-க்கான செலவு என்பது ஒரு விகிதம் மட்டுமே. முடிக்கப்பட்ட பணிக்கான செலவுதான் உங்கள் உண்மையான கட்டணம்.

எந்தவொரு சேவையையும் இயக்கும் முன், செலவிற்கான உச்ச வரம்பை (spend ceiling) நிர்ணயிக்கவும். இரண்டு தளங்களும் அவற்றின் console-களில் செலவு வரம்புகளை வழங்குகின்றன. ஒரு agent retry loop-ல் சிக்கிக்கொண்டால், ஒரு மாதத்திற்கான பட்ஜெட்டை ஒரே இரவில் செலவழித்துவிடக்கூடும். எப்போதும் இயங்கும் agent-க்கான செலவு கட்டுப்பாடு என்பதற்கு நீங்கள் செய்வது போலவே இதையும் அமைக்கவும். நீங்கள் சொந்தமாக ஒரு server-ல் முதல் பதிப்பை உருவாக்குகிறீர்கள் என்றால், VPS-ல் முதல் Claude API app என்பது key கையாளுதல் மற்றும் இந்த கணக்கீடுகள் அமையும் request loop ஆகியவற்றை விளக்குகிறது.

FAQ

Claude API, ChatGPT API-ஐ விட மலிவானதா?

எப்போதும் இல்லை. ஆகஸ்ட் 2026 நிலவரப்படி, frontier மற்றும் workhorse நிலைகளில் உள்ள input token கட்டணங்கள் இரண்டுக்கும் சமமாக உள்ளன. Claude-ன் output token கட்டணம் குறைவாக இருப்பதால், output அதிகம் தேவைப்படும் பணிகளுக்கு Claude சில சதவீதம் மலிவாக இருக்கும். சிறிய அளவில், OpenAI-ன் gpt-5.6-luna, Claude Haiku 4.5-ஐ விட input token-க்கு ஐந்தில் ஒரு பங்கு மட்டுமே கட்டணம் வசூலிக்கிறது; எனவே அதிக அளவிலான வகைப்படுத்துதல் (classification) பணிகளுக்கு OpenAI மிகவும் மலிவானது. உங்கள் பயன்பாட்டு முறையை வைத்து நீங்களே கணக்கிடுங்கள், ஏனெனில் இத்தகைய சிறிய விலை வேறுபாடுகள் விலைப்பட்டியலை விட உங்கள் பணிச்சுமையைப் பொறுத்தே அமையும்.

ஒரே சொற்களுக்கு ஒவ்வொரு API-லும் ஏன் வெவ்வேறு token எண்ணிக்கை கிடைக்கிறது?

ஒவ்வொரு model-க்கும் தனித்தனி tokenizer உள்ளது, மேலும் token எண்ணிக்கை என்பது அந்தந்த model-ன் பண்பாகும். Claude 4.7 மற்றும் அதற்குப் பிந்தைய model-கள், Claude Sonnet 4.6 மற்றும் முந்தைய model-களை விட ஒரே உரைக்கு சுமார் 30% கூடுதல் token-களை உருவாக்குகின்றன என்று Anthropic குறிப்பிடுகிறது. உங்கள் உரையை அந்தந்த vendor-ன் token counting endpoint-க்கு அனுப்பி, ஒரு எண்ணிக்கையை மற்றொன்றால் வகுத்து, அந்த விகிதத்தை விலைப்பட்டியலுடன் பெருக்கி ஒப்பிடுங்கள். 20% token வேறுபாடு என்பது பெரும்பாலான விலை வேறுபாடுகளை விட முக்கியமானது.

Prompt caching எப்போதாவது கட்டணத்தை அதிகரிக்குமா?

ஆம், Anthropic-ல் இது நிகழும். ஐந்து நிமிட entry-க்கு base input கட்டணத்தை விட 1.25 மடங்கும், ஒரு மணிநேர entry-க்கு 2 மடங்கும் cache write கட்டணம் வசூலிக்கப்படும், அதே சமயம் hit-க்கு 0.1 மடங்கு மட்டுமே வசூலிக்கப்படும். உங்கள் traffic மிகக் குறைவாக இருந்து, பெரும்பாலான entry-கள் வாசிக்கப்படுவதற்கு முன்பே காலாவதியானால், நீங்கள் write கட்டணத்தை மட்டும் செலுத்துவீர்கள், ஆனால் எந்தப் பலனும் இருக்காது. உங்கள் logs-ல் cache_creation_input_tokens-ஐ cache_read_input_tokens-உடன் ஒப்பிட்டுப் பாருங்கள். இந்த விகிதம் 1-க்கு அருகில் இருந்தால், caching உங்களுக்கு நஷ்டத்தை ஏற்படுத்துகிறது என்று அர்த்தம்; எனவே entry காலத்தை நீட்டிக்கவும் அல்லது அதை நீக்கவும்.

நான் coding agent-ஐ API மூலமாக இயக்க வேண்டுமா அல்லது subscription மூலமாகவா?

சாதாரண பயன்பாடு கொண்ட ஒரு developer-க்கு, subscription seat பொதுவாக metered API billing-ஐ விடக் குறைவான செலவே ஆகும். ஏனெனில், coding agent ஒவ்வொரு முறையும் பெரிய context-ஐ மீண்டும் அனுப்புகிறது, அதற்கு ஒவ்வொரு முறையும் கட்டணம் வசூலிக்கப்படும். முதலில் ஒரு வாரம் பயன்பாட்டை அளவிட்டு, பிறகு API மொத்தக் கட்டணத்தை seat விலையுடன் ஒப்பிடுங்கள். பயன்பாடு சீரற்றதாக இருக்கும்போது அல்லது seat-ல் கிடைக்காத programmatic access தேவைப்படும்போது API சிறந்தது. விலையை விட பயன்பாட்டு வரம்பு (usage limit) காரணமாகவே நீங்கள் API-க்கு மாற விரும்பினால், Claude usage limit-லிருந்து விடுபடும் வழிகள் பல உள்ளன, அவை metered billing-க்கு மாறுவதை விடக் குறைந்த செலவு கொண்டவை.