ఏ Claude మోడల్ ఎంచుకోవాలి? ధరల పూర్తి వివరాలు

నేను ఏ Claude మోడల్‌ను ఉపయోగించాలి?

మీరు ఏ Claude మోడల్‌ను ఉపయోగించాలో దానికి క్లుప్త సమాధానం: Claude Opus 4.8 తో ప్రారంభించండి, దానికి తగిన కారణం ఉంటే తప్ప వేరే మోడల్‌కు మారకండి. Anthropic సూచన కూడా ఇదే. "ఏ మోడల్‌ను ఉపయోగించాలో మీకు తెలియకపోతే, సంక్లిష్టమైన ఏజెంటిక్ కోడింగ్ మరియు ఎంటర్‌ప్రైజ్ పనుల కోసం Claude Opus 4.8 తో ప్రారంభించండి." పని స్పష్టంగా ఉండి, మీరు దానిని రోజుకు అనేకసార్లు చేస్తున్నప్పుడు Claude Sonnet 5 కి మారండి. సరైన సమాధానం ఎలా ఉంటుందో మీకు ఇప్పటికే తెలిసిన యాంత్రికమైన, అధిక-వాల్యూమ్ పనుల కోసం Claude Haiku 4.5 కి మారండి. సుదీర్ఘకాలం నడిచే ఏజెంట్ల కోసం Claude Fable 5 వీటన్నింటి కంటే పైన ఉంటుంది.

ఈ ఎంపికకు ధర ఉంటుంది. 23 July 2026 నాటికి Claude API (application programming interface) పై ఉన్న ధరలు ఇవి, వీటిని మిలియన్ టోకెన్లకు (MTok అని పిలుస్తారు) లెక్కిస్తారు.

• Claude Fable 5 (claude-fable-5): $10 / MTok in, $50 / MTok out. 1M context.
• Claude Opus 4.8 (claude-opus-4-8): $5 in, $25 out. 1M context.
• Claude Opus 4.7 (claude-opus-4-7): $5 in, $25 out. 1M context.
• Claude Sonnet 5 (claude-sonnet-5): 31 August 2026 వరకు పరిచయ ధరగా $2 in, $10 out. 1 September 2026 నుండి ప్రామాణిక ధర $3 in, $15 out వర్తిస్తుంది. 1M context.
• Claude Haiku 4.5 (claude-haiku-4-5): $1 in, $5 out. 200K context.

ఆ ఐడెంటిఫైయర్లు పైన రాసిన విధంగానే పూర్తిస్థాయిలో ఉంటాయి. వాటికి అదనంగా ఏమీ చేర్చకూడదు.

1M-token మోడళ్లలో పరిమాణం వల్ల ఎటువంటి అదనపు ఛార్జీ ఉండదు: "900k-token అభ్యర్థనకు కూడా 9k-token అభ్యర్థనకు వర్తించే అదే టోకెన్ రేటు వర్తిస్తుంది." ఈ రేట్లు API కి మాత్రమే పరిమితం కావు, ఎందుకంటే Claude Enterprise తన సీట్ ధరపై API రేట్ల ప్రకారం వినియోగాన్ని లెక్కిస్తుంది, కాబట్టి సీట్ ప్లాన్‌లో ఉన్న టీమ్‌కు కూడా కింద పేర్కొన్న లెక్కలే వర్తిస్తాయి. ఫ్లాట్-రేట్ సబ్‌స్క్రిప్షన్ మీటరింగ్‌ను మారుస్తుంది కానీ ఈ నిర్ణయాన్ని కాదు, ఎందుకంటే రెండు Claude Max టైర్లు ఒకే రకమైన మోడళ్లను కలిగి ఉంటాయి మరియు కేవలం వినియోగ పరిమితిలో మాత్రమే భిన్నంగా ఉంటాయి. అదే క్రమంలో కిందికి వస్తే, Claude Pro యొక్క $20 నెలవారీ రుసుము టోకెన్ రేటుకు బదులుగా వినియోగ అనుమతిని కొనుగోలు చేస్తుంది, కాబట్టి అక్కడ మిమ్మల్ని ఆపేది బిల్లు కాదు, పరిమితి రీసెట్. మీరు ప్రస్తుతం ఆ స్థితిలో ఉంటే, ఏ విండో కోసం వేచి ఉండాలో తెలుసుకోవడం కింద పేర్కొన్న లెక్కల కంటే ముఖ్యం, ఎందుకంటే దానికి పరిష్కారం తక్కువ రేటు కాదు, చిన్న మోడల్, తక్కువ కాంటెక్స్ట్ లేదా API కి మారడం. ఒకవేళ మీరు ఇంకా చెల్లింపులు ప్రారంభించకపోతే, Pro ప్లాన్ $20 కి విలువైనదా కాదా అనేది పైన పేర్కొన్న రేట్ల కంటే, ఉచిత పరిమితి మిమ్మల్ని ఎంత తరచుగా ఆపుతుందనే దానిపై ఆధారపడి ఉంటుంది.

ప్రతి మోడల్ దేనికోసం ఉద్దేశించబడింది

Anthropic ప్రతి మోడల్ గురించి ఒకే వాక్యంలో వివరిస్తుంది, ఆ వివరణలు ఏ leaderboard కంటే కూడా మెరుగైన మార్గదర్శకాన్ని అందిస్తాయి.

• Claude Fable 5: "సుదీర్ఘకాలం నడిచే ఏజెంట్ల కోసం తదుపరి తరం మేధస్సు." నాలుగింటిలో ఇదే అత్యంత నెమ్మదైనదిగా పరిగణించబడుతుంది.
• Claude Opus 4.8: "సంక్లిష్టమైన ఏజెంట్ కోడింగ్ మరియు ఎంటర్‌ప్రైజ్ పనుల కోసం." దీని latency మధ్యస్థంగా ఉంటుంది.
• Claude Sonnet 5: "వేగం మరియు మేధస్సుల ఉత్తమ కలయిక." ఇది వేగవంతమైనది.
• Claude Haiku 4.5: "ఫ్రాంటియర్ స్థాయి మేధస్సుతో అత్యంత వేగవంతమైన మోడల్."

ఈ పోలికలో Fable 5 మాత్రమే ఏ పనిభారానికి (workload) ధర నిర్ణయించబడలేదు. Opus 4.8 ధర కంటే రెండు రెట్లు ఎక్కువగా ఉన్నప్పుడు, ఏ పనులకు $10 ఇన్పుట్ మరియు $50 అవుట్పుట్ విలువ లభిస్తుంది అనే ప్రశ్నకు ప్రత్యేక సమాధానం అవసరం.

Haiku 4.5 ధర కంటే ముందే దాని పరిమితులు ఏ పనికి సరిపోతుందో నిర్ణయిస్తాయి. దీని context window 1M కు బదులుగా 200K tokens మాత్రమే, కాబట్టి పెద్ద repository లేదా సుదీర్ఘమైన ఏజెంట్ ట్రాన్స్‌క్రిప్ట్ ఇందులో పట్టవు. synchronous Messages API పై దీని గరిష్ట అవుట్‌పుట్ 64K tokens, మిగిలిన వాటికి ఇది 128K గా ఉంది. దీని నమ్మదగిన knowledge cutoff ఫిబ్రవరి 2025, మిగిలిన మూడు మోడల్స్ జనవరి 2026 వరకు సమాచారాన్ని కలిగి ఉన్నాయి.

నిజమైన పనిభారంపై ఈ ఎంపిక వల్ల నాకు అయ్యే ఖర్చు ఎంత?

ప్రతి మోడల్ తన ఇన్‌పుట్ రేటు కంటే ఐదు రెట్లు ఎక్కువ ధరను అవుట్‌పుట్ కోసం నిర్ణయిస్తుంది. Opus 4.8 ధర ఇన్‌పుట్‌కు $5 మరియు అవుట్‌పుట్‌కు $25. Haiku 4.5 ధర ఇన్‌పుట్‌కు $1 మరియు అవుట్‌పుట్‌కు $5. ఈ నిష్పత్తి శ్రేణి అంతటా ఒకేలా ఉంటుంది, కాబట్టి ఎక్కువ అవుట్‌పుట్‌ను ఉత్పత్తి చేసే పనుల విషయంలో మీరు ఎంచుకునే మోడల్ చాలా కీలకం.

ఏజెంటిక్ (Agentic) పనులు అటువంటి రకానికి చెందినవి, ఎందుకంటే థింకింగ్ టోకెన్లు అవుట్‌పుట్ టోకెన్లుగా బిల్ చేయబడతాయి మరియు టెక్స్ట్ మీకు చేరకపోయినా అవి max_tokens లో లెక్కించబడతాయి. Fable 5, Opus 4.8, Opus 4.7 మరియు Sonnet 5 లలో రీజనింగ్ సమ్మరీ డిఫాల్ట్‌గా ఉండదు, కాబట్టి thinking ఫీల్డ్ ఖాళీగా వస్తుంది. బిల్లింగ్ మాత్రం మారదు: "ఏది ఏమైనప్పటికీ, మల్టీ-టర్న్ సంభాషణలలో ఈ బ్లాక్ ఒకే విధంగా బిల్ చేయబడుతుంది మరియు తిరిగి పంపబడుతుంది." క్లాడ్ టోకెన్ బిల్లును ఏది నిర్ణయిస్తుంది అనే అంశం ఈ మీటరింగ్ విధానాన్ని పూర్తిగా వివరిస్తుంది.

మీరు పోల్చుతున్న మోడళ్ల మధ్య థింకింగ్ ప్రక్రియ జరుగుతుందా లేదా అనేది మారుతూ ఉంటుంది, మీరు దీన్ని గమనించకపోతే ఖర్చు పరీక్ష ఫలితాలు తప్పుగా వస్తాయి. Sonnet 5 మరియు Fable 5 లలో థింకింగ్ ఇప్పటికే ఆన్‌లో ఉంటుంది మరియు దానికి ఎటువంటి కాన్ఫిగరేషన్ అవసరం లేదు. Opus 4.8 మరియు Opus 4.7 లలో మీరు అభ్యర్థనలో thinking: {type: "adaptive"} సెట్ చేసే వరకు అది ఆఫ్‌లో ఉంటుంది. సంఖ్యలను విశ్లేషించే ముందు రెండు వైపులా కాన్ఫిగరేషన్ సరిగ్గా ఉందో లేదో సరిచూసుకోండి.

అత్యంత చౌకైన మోడల్ ఎందుకు అత్యంత ఖరీదైనదిగా మారవచ్చు

ఒక స్వయం-సమగ్రమైన కోడింగ్ పనిని తీసుకోండి. ఈ అభ్యర్థన 60,000 tokens context ను కలిగి ఉంది, మరియు మోడల్ thinking తో కలిపి 8,000 tokens output ను ఇస్తుంది. Caching లేదు కాబట్టి, లెక్కలు స్పష్టంగా కనిపిస్తాయి.

Opus 4.8 పై: 0.06 MTok input ధర $5 చొప్పున $0.30, మరియు 0.008 MTok output ధర $25 చొప్పున $0.20. ఈ ప్రయత్నానికి $0.50 ఖర్చవుతుంది. Haiku 4.5 పై అదే ప్రయత్నానికి $0.06 ప్లస్ $0.04, అంటే $0.10 ఖర్చవుతుంది.

Haiku ప్రతి ప్రయత్నానికి ఐదు రెట్లు చౌకగా ఉంటుంది, ఇది తప్పు జరిగినప్పుడు ఏమి జరుగుతుందో గమనించే వరకు చాలా ఆదా అవుతున్నట్లు అనిపిస్తుంది. మీరు తప్పుడు సమాధానాన్ని చదువుతారు, దీనికి మీ సమయం ఖర్చవుతుంది. మీరు దాన్ని మళ్ళీ context గా పంపి retry చేస్తారు, కాబట్టి ప్రతి ప్రయత్నం మునుపటి కంటే పెద్దదిగా మారుతుంది. మూడవ ప్రయత్నం కూడా విఫలమైతే, మీరు చివరకు Opus కి మారుతారు: $0.30 Haiku ఖర్చు ప్లస్ $0.50 Opus ఖర్చు మొత్తం $0.80 అవుతుంది, అంటే ఒక్కసారి Opus ని ఉపయోగించడం కంటే ఇది 60% ఎక్కువ ఖర్చు.

కాబట్టి, సమాధానాన్ని ఎంత చౌకగా సరిచూసుకోవచ్చు అనేదే నిర్ణయాత్మక ప్రశ్న. తప్పుడు సమాధానం ఒక సెకనులో స్పష్టంగా తెలిస్తే, చిన్న మోడల్ లాభదాయకం. కానీ తప్పును గుర్తించడానికి diff ను జాగ్రత్తగా చదవాల్సి వస్తే, చిన్న మోడల్ మీకు ఇన్వాయిస్‌లో కనిపించని సమయాన్ని ఖర్చు చేస్తుంది. ఆ సమయానికి ఒక విలువను కేటాయించడం అనేది Claude Code ప్లాన్ లాభదాయకమా కాదా అని లెక్కించడం వంటిదే, మరియు మీ స్వంత గంట వేతనాన్ని ఈ లెక్కలో చేర్చినప్పుడు, చౌకైన మోడల్ తరచుగా ఖరీదైనదిగా కనిపిస్తుంది.

చిన్న మోడల్ ఎక్కడ ఖచ్చితంగా గెలుస్తుంది

ఈ సందర్భాలలో Haiku 4.5 సరైన ఎంపిక:

• మెకానికల్ సబ్-ఏజెంట్ పనులు. ఫైళ్లను రీనేమ్ చేయడం లేదా సెర్చ్ అవుట్‌పుట్‌ను సేకరించడం వంటి పనులకు ఫ్రాంటియర్ స్థాయి రీజనింగ్ అవసరం లేదు. మీరు Claude తో AI ఏజెంట్‌ను నిర్మించి దానికి సహాయకాలను (helpers) అందించినప్పుడు ఇది ప్రామాణిక పద్ధతిగా మారుతుంది.
• లాగ్ ట్రయాజ్ (Log triage). ఒక లైన్ అనవసరమైనదా లేక మనిషి దృష్టికి అవసరమైనదా అని నిర్ణయించడం అనేది స్పష్టమైన ఫెయిల్యూర్ మోడ్ ఉన్న ఒక పరిమితమైన తీర్పు.
• నిర్ణీత లేబుల్ సెట్‌తో వర్గీకరణ. దీని అవుట్‌పుట్ చిన్నదిగా ఉంటుంది మరియు నమూనాపై ఖచ్చితత్వాన్ని కొలవవచ్చు.
• అధిక వాల్యూమ్ ఉన్న ప్రొడక్షన్ కాల్స్. రోజుకు 100,000 రన్‌లు ఉన్నప్పుడు, పర్-టోకెన్ వ్యత్యాసం అనేది కేవలం రౌండింగ్ ఎర్రర్ లాగా ఉండదు. n8n లో అనుసంధానించబడిన AI వర్క్‌ఫ్లోల సాధారణ రూపం ఇదే.
• వినియోగదారుకు ప్రతిస్పందన వేగం ముఖ్యమైన ఏ పనికైనా. Haiku 4.5 ఈ లైనప్‌లో అత్యంత వేగవంతమైన మోడల్‌గా రేట్ చేయబడింది.

Haiku కు సంబంధించి ఒక పరిమితి ఉంది. దీని కనీస క్యాషబుల్ ప్రాంప్ట్ 4,096 టోకెన్లు, అదే Opus 4.8 మరియు Sonnet 5 లలో ఇది 1,024 టోకెన్లు. ఈ కనిష్ట పరిమితి కంటే తక్కువ ఉంటే "ఈ సంఖ్య కంటే తక్కువ టోకెన్లను క్యాష్ చేయడానికి చేసే ఏ అభ్యర్థనలైనా క్యాషింగ్ లేకుండా ప్రాసెస్ చేయబడతాయి మరియు ఎటువంటి ఎర్రర్ తిరిగి రాదు". Sonnet 5 లో క్యాష్ అయ్యే 1,500-టోకెన్ల ఇన్‌స్ట్రక్షన్ బ్లాక్, Haiku 4.5 లో నిశ్శబ్దంగా క్యాష్ అవ్వదు. దీనికి సంకేతం cache_creation_input_tokens మరియు cache_read_input_tokens రెండూ సున్నా వద్ద ఉండటం, దీని గురించి ఎల్లప్పుడూ ఆన్‌లో ఉండే ఏజెంట్ ఖర్చులను తగ్గించడం అనే విభాగంలో, క్యాష్‌ను కోల్పోయే ఇతర మార్గాలతో పాటు వివరించబడింది.

సమాధానాన్ని మార్చే అంశాలు

వీటిలో ప్రతి ఒక్కటి మోడల్ పేరు కంటే బిల్లును ఎక్కువగా ప్రభావితం చేస్తాయి.

Effort. మోడల్ సమాధానం ఇచ్చే ముందు ఎంత పని చేయాలో output_config.effort నియంత్రిస్తుంది. ఇందులో low, medium, high, xhigh మరియు max స్థాయిలు ఉంటాయి, high డిఫాల్ట్ సెట్టింగ్: "effort ను high కి సెట్ చేయడం అనేది effort పారామీటర్‌ను పూర్తిగా వదిలేయడంతో సమానమైన ఫలితాన్ని ఇస్తుంది." ఇది రిక్వెస్ట్ యొక్క టాప్ లెవల్‌లో కాకుండా output_config లోపల ఉంటుంది:

response = client.messages.create(
    model="claude-sonnet-5",
    max_tokens=4096,
    output_config={"effort": "medium"},
    messages=messages,
)

Effort ప్రతిస్పందనలోని ప్రతి టోకెన్‌పై ప్రభావం చూపుతుంది: "ఇది టూల్ కాల్స్‌తో సహా అన్ని టోకెన్ ఖర్చులను ప్రభావితం చేయగలదు. ఉదాహరణకు, తక్కువ effort అంటే Claude తక్కువ టూల్ కాల్స్ చేస్తుందని అర్థం." ఇది ఏజెంటిక్ లూప్‌పై ప్రభావం చూపుతుంది. ఇది టోకెన్ పరిమితి కాదు: "Effort అనేది ఒక ప్రవర్తనా సంకేతం, కఠినమైన టోకెన్ బడ్జెట్ కాదు." Anthropic ప్రతి స్థాయికి ఎటువంటి ఖర్చు గుణకాన్ని (cost multiplier) ప్రకటించలేదు, కాబట్టి మీ సొంత వినియోగ సందర్భాన్ని పరీక్షించుకోమని సూచిస్తుంది. కాబట్టి, high వద్ద Sonnet 5 రన్ మరియు low వద్ద Opus 4.8 రన్ మధ్య పోలికను మీరు ఈరోజే పరీక్షించవచ్చు. Effort కు మద్దతు ఇచ్చే మోడళ్ల జాబితాలో Haiku 4.5 లేదు.

Prompt caching. ఒక కాష్ రీడ్ (cache read) బేస్ ఇన్‌పుట్ రేటులో 0.1x ఖర్చు అవుతుంది, మరియు మోడల్ ఎంపికను నిర్ణయించే సంఖ్య వివిధ స్థాయిలలో దీని ప్రభావంపై ఆధారపడి ఉంటుంది. Opus 4.8 పై ఒక కాష్ హిట్ (cache hit) ధర $0.50 / MTok, మరియు Haiku 4.5 పై కాష్ చేయని ఇన్‌పుట్ ధర $1 / MTok. కాబట్టి, బాగా కాష్ చేసిన Opus ప్రిఫిక్స్, కోల్డ్ Haiku ప్రాంప్ట్ కంటే ఇన్‌పుట్ టోకెన్‌కు తక్కువ ఖర్చుతో కూడుకున్నది. పెద్ద స్థిరమైన ప్రిఫిక్స్‌ను పదేపదే పంపే ఏ వర్క్‌లోడ్‌కైనా, మోడల్ ఎంపిక కంటే సెషన్ హైజీన్ (session hygiene) మెరుగైన ఫలితాలను ఇస్తుంది.

Batches. సమాధానం కోసం వేచి ఉండాల్సిన అవసరం లేనప్పుడు, Message Batches API అదే మోడళ్లను "ఇన్‌పుట్ మరియు అవుట్‌పుట్ టోకెన్‌లపై 50% తగ్గింపుతో" రన్ చేస్తుంది. ఇది క్రింద ఉన్న పోలిక పట్టికలోని ప్రతి వరుస ఖర్చును సగానికి తగ్గిస్తుంది, మరియు ఇది అన్ని స్థాయిలలో పనిచేస్తుంది: 1 సెప్టెంబర్ 2026 నుండి, ఒక బ్యాచ్డ్ Opus 4.8 జాబ్, స్టాండర్డ్ ధర వద్ద ఉన్న సింక్రోనస్ Sonnet 5 జాబ్ కంటే తక్కువ ఖర్చు అవుతుంది. తద్వారా అదే ధరకు సామర్థ్యం కోసం లాటెన్సీని (latency) సర్దుబాటు చేసుకోవచ్చు.

పనిభారం ఆధారంగా వ్యయ పోలిక

పనిభారం: 100,000 సపోర్ట్ ఈమెయిల్స్‌ను వర్గీకరించడం, ఒక్కో కాల్‌కు 2,000 ఇన్‌పుట్ టోకెన్లు మరియు 300 అవుట్‌పుట్ టోకెన్లు. అంటే మొత్తం 200 MTok ఇన్‌పుట్ మరియు 30 MTok అవుట్‌పుట్.

• Haiku 4.5: 200 x $1 = $200 ఇన్‌పుట్, 30 x $5 = $150 అవుట్‌పుట్. మొత్తం $350.
• Sonnet 5, పరిచయ ధర: 200 x $2 = $400 ఇన్‌పుట్, 30 x $10 = $300 అవుట్‌పుట్. మొత్తం $700.
• Sonnet 5, 1 సెప్టెంబర్ 2026 నుండి: 200 x $3 = $600 ఇన్‌పుట్, 30 x $15 = $450 అవుట్‌పుట్. మొత్తం $1,050.
• Opus 4.8: 200 x $5 = $1,000 ఇన్‌పుట్, 30 x $25 = $750 అవుట్‌పుట్. మొత్తం $1,750.

రేపటి ధరలతో తిరిగి లెక్కించడానికి నాలుగు సంఖ్యలను మార్చండి. కింద పేర్కొన్న సర్దుబాట్లు మోడల్ పేరు కంటే ఫలితంపై ఎక్కువ ప్రభావాన్ని చూపుతాయి:

• Batching ప్రతి లైన్ ఖర్చును సగానికి తగ్గిస్తుంది: $175, $350, $525 మరియు $875. రాత్రిపూట జరిగే వర్గీకరణ ప్రక్రియ కోసం వేచి ఉండాల్సిన అవసరం లేదు కాబట్టి, దీన్ని వదిలివేయడానికి కారణం లేదు.
• భాగస్వామ్య ప్రిఫిక్స్‌ను కాష్ చేయడం. 2,000 ఇన్‌పుట్ టోకెన్లలో 1,200 టోకెన్లు ప్రతిసారీ ఒకే రకమైన ఇన్‌స్ట్రక్షన్ బ్లాక్ అనుకుందాం. Sonnet 5 పరిచయ ధర వద్ద, ఇవి $2 / MTok కు బదులుగా $0.20 / MTok కాష్ హిట్ ధరతో లభిస్తాయి. కాబట్టి 120 MTok కు $240 కి బదులుగా $24 ఖర్చవుతుంది. దీనికి $2 చొప్పున 80 MTok కొత్త ఇన్‌పుట్ ($160) మరియు $300 అవుట్‌పుట్ కలిపితే, Sonnet 5 ఖర్చు $700 కు బదులుగా సుమారు $484 అవుతుంది. Haiku 4.5 లో ఈ పద్ధతి పనిచేయదు, ఎందుకంటే 1,200 టోకెన్లు దాని 4,096-టోకెన్ కనీస పరిమితి కంటే తక్కువ.
• రీట్రైలు (Retries). Haiku ఇచ్చిన సమాధానాలను 8% ఈమెయిల్స్‌లో తిరస్కరించి, వాటిని Opus 4.8 పై మళ్ళీ రన్ చేస్తున్నారని అనుకుందాం. $350 కి 0.08 x $1,750 = $140 కలిపితే, మొత్తం $490 అవుతుంది. నా అంచనాను కాకుండా, మీ స్వంత తిరస్కరణ రేటును లెక్కించండి.
• టూల్ డెఫినిషన్లు, ఒకవేళ పనిలో వాటిని ఉపయోగిస్తే. Opus 4.8 లో tool_choice ను auto గా సెట్ చేసినప్పుడు జనరేట్ అయ్యే సిస్టమ్ ప్రాంప్ట్ 290 టోకెన్లు, Sonnet 5 లో 354, మరియు Haiku 4.5 లో 496 టోకెన్లు ఉంటాయి. అత్యంత చౌకైన మోడల్ అత్యధిక స్థిర ఓవర్హెడ్‌ను కలిగి ఉంటుంది.

$490 ఖర్చయ్యే ఎస్కలేషన్ పాత్ ఉన్న Haiku మరియు $484 ఖర్చయ్యే కాష్డ్ Sonnet 5 దాదాపు సమానమైన వ్యయాన్ని కలిగి ఉన్నాయి, వీటిలో ఒకటి మాత్రమే పనిని ఒకేసారి పూర్తి చేస్తుంది. మోడల్ ఎంపిక మాత్రమే మొత్తం సమస్య కాదు.

సెషన్ మధ్యలో మోడల్స్ మార్చడం వల్ల డబ్బు ఆదా అవుతుందా?

స్టిక్కర్ ధరలు సూచించిన దానికంటే తక్కువ సందర్భాల్లోనే ఇది ఆదా అవుతుంది, ఎందుకంటే ఆదా అనేది ప్రతి టోకెన్‌కు లెక్కించబడుతుంది, కానీ మీరు రిస్క్ చేసేది మొత్తం cached prefix ను.

Cache ను ఏది చెల్లుబాటు కాకుండా చేస్తుందో Anthropic డాక్యుమెంట్ చేసింది. Prefixes అనేవి tools, ఆపై system, ఆపై messages క్రమంలో నిర్మించబడతాయి, మరియు "ప్రతి స్థాయిలో మార్పులు ఆ స్థాయిని మరియు తదుపరి అన్ని స్థాయిలను చెల్లుబాటు కాకుండా చేస్తాయి." రెండు అభ్యర్థన సెట్టింగ్‌లు కూడా ఆ జాబితాలో ఉన్నాయి: "Thinking configuration మరియు resolved effort స్థాయి ప్రాంప్ట్‌లోనే రెండర్ చేయబడతాయి, కాబట్టి వాటిలో దేనిని మార్చినా కొత్త cache prefix ప్రారంభమవుతుంది." Effort విషయంలో డాక్యుమెంట్స్ ఇంకా ఇలా చెబుతున్నాయి: "cache hits పై ఆధారపడే సంభాషణలో కాకుండా, పనిభారాన్ని బట్టి effort ను మార్చండి".

మోడల్ అనేది ఆ డాక్యుమెంట్ చేయబడిన జాబితాలో లేదు, కాబట్టి ఏ విధంగానూ ఊహించవద్దు. స్విచ్ చేసిన తర్వాత మొదటి అభ్యర్థనపై cache_read_input_tokens ను చదవండి మరియు ఆ సంఖ్యనే సమాధానంగా తీసుకోండి. 150,000-token Opus 4.8 prefix పై cache read సుమారు $0.08 ఖర్చవుతుంది మరియు కొత్త write సుమారు $0.94 ఖర్చవుతుంది, ఇది మీరు ఆదా చేయాలనుకుంటున్న ప్రతి-టోకెన్ వ్యత్యాసం కంటే ఎక్కువ.

కాబట్టి వీటిని పనుల మధ్య మార్చండి, ఒక పని మధ్యలో కాదు. Claude Code లో దీని అర్థం, cache ఎలాగూ తొలగించబడుతుంది కాబట్టి, ముందుగా /clear, ఆపై /model లేదా /effort చేయాలి. ఇవి రెండూ CLI లో టైప్ చేయబడతాయి, కాబట్టి మీరు Linux లో పనిచేస్తుంటే, Linux కోసం Anthropic స్థానికంగా అందించేవి స్థిరమైన CLI ని ఇంకా బీటాలో ఉన్న డెస్క్‌టాప్ యాప్‌తో జత చేస్తాయి కాబట్టి, టెర్మినల్ వెర్షన్‌ను ఇన్‌స్టాల్ చేసుకోవడం మంచిది. ఈ మార్పు బిల్లులో కనిపిస్తుందా లేదా అనేది మీరు ఆ సెషన్ కోసం ఎలా చెల్లిస్తున్నారనే దానిపై ఆధారపడి ఉంటుంది, ఎందుకంటే Claude Code ఫ్లాట్ మంత్లీ ప్లాన్ లేదా ప్రతి-టోకెన్ API క్రెడిట్స్ ద్వారా పనిచేస్తుంది మరియు రెండో పద్ధతిలో మాత్రమే మోడల్ మార్పుకు డాలర్లలో ధర నిర్ణయించబడుతుంది. ఫ్లాట్ ప్లాన్‌లో, భారీ మోడల్‌ను ఎంచుకోవడం వల్ల మీ ఇన్‌వాయిస్‌పై కాకుండా మీ usage window పై ప్రభావం పడుతుంది, మరియు Claude Code ప్రో ప్లాన్ నుండి అందుబాటులో ఉంటుంది మరియు చాట్ యాప్‌ల మాదిరిగానే అదే usage window ను ఉపయోగిస్తుంది, కాబట్టి టెర్మినల్‌లో ఒక గంట Opus వాడటం అంటే బ్రౌజర్‌లో మీరు గడపని ఒక గంట అని అర్థం.

మీ స్వంత వర్క్‌లోడ్‌పై సమాధానాన్ని ఎలా పరీక్షించాలి

వేరే మోడల్ నుండి తీసుకున్న గణనతో ప్రాంప్ట్ పరిమాణాన్ని నిర్ణయించవద్దు. టోకెన్-కౌంటింగ్ ఎండ్‌పాయింట్ ఉచితంగా అందుబాటులో ఉంటుంది మరియు మీరు పేర్కొన్న మోడల్ యొక్క టోకెనైజర్‌తో లెక్కిస్తుంది, కాబట్టి మీరు దేనిని ఉపయోగించాలనుకుంటున్నారో దాని పేరునే పేర్కొనండి. ఆ ఎండ్‌పాయింట్ ప్లాట్‌ఫారమ్‌లో ఎప్పుడూ ఛార్జ్ చేయని కొన్ని భాగాలలో ఒకటి, మరియు డబ్బు చెల్లించకుండా మీరు ఇంకా ఏమి రన్ చేయవచ్చు అనే దానిని మీరు నిజమైన క్రెడిట్‌ను ఖర్చు చేసి పోలిక చేసే ముందు తనిఖీ చేయడం మంచిది. Opus 4.7 మరియు ఆ తర్వాత వచ్చినవి, Fable 5 మరియు Sonnet 5 కొత్త టోకెనైజర్‌ను ఉపయోగిస్తాయి, ఇది "అదే టెక్స్ట్ కోసం సుమారు 30% ఎక్కువ టోకెన్లను ఉత్పత్తి చేస్తుంది", కాబట్టి పాత మోడల్‌పై లెక్కించిన బడ్జెట్, కొత్త మోడల్‌పై అదే టోకెన్ రేటుతో తక్కువగా కనిపిస్తుంది.

ఆ తర్వాత వచ్చిన సమాధానాన్ని చదవండి. input_tokens అనేది కేవలం కాష్ చేయని మిగిలిన భాగం మాత్రమే, కాబట్టి అసలైన ప్రాంప్ట్ పరిమాణం ఆ ఫీల్డ్ ప్లస్ cache_creation_input_tokens ప్లస్ cache_read_input_tokens అవుతుంది. VPSపై మొదటి Claude API యాప్ అనేది ఆ కొలతను రన్ చేయడానికి అత్యంత చిన్న మరియు సరైన ప్రదేశం, మరియు మీ వినియోగానికి ఏ Claude ప్లాన్ సరిపోతుంది అనేది మీరు టోకెన్ ప్రాతిపదికన చెల్లించాలా వద్దా అనే దానిపై తీసుకునే ప్రత్యేక నిర్ణయం. ఒకవేళ ఇది సబ్‌స్క్రిప్షన్ తీసుకోవాలా వద్దా అనే దానికంటే, ఏ సబ్‌స్క్రిప్షన్ తీసుకోవాలి అనే ప్రశ్నగా మారితే, ChatGPT ధరలతో Claude యొక్క టైర్లు అనే విభాగం అదే కోడింగ్ పనికి ఇతర ప్రొవైడర్ల వద్ద ఎంత ఖర్చవుతుందో వివరిస్తుంది. ఒకవేళ ఈ కొలత మీ పనిని శాశ్వతంగా APIకి పంపేలా చేస్తే, సబ్‌స్క్రిప్షన్‌ను తక్కువ టైర్‌కు మార్చడం లేదా పూర్తిగా రద్దు చేయడం చేసినా, మీరు ఇప్పటికే చెల్లించిన కాలపరిమితి మీకు అందుబాటులో ఉంటుంది, కాబట్టి గణాంకాలు తెలిసిన తర్వాత నిర్ణయం తీసుకోవడంలో ఎటువంటి నష్టం లేదు. ఒక వ్యక్తికి బదులుగా టీమ్ కోసం అదే కొలతను రన్ చేస్తే మొత్తం మారుతుంది, ఎందుకంటే టీమ్ లేదా ఎంటర్‌ప్రైజ్ సీట్ కొనుగోలు చేసే ముందు, ఆ వ్యక్తి టోకెన్ ప్రాతిపదికన ఖర్చు చేసే దానికంటే ఎక్కువ ప్రయోజనం పొందాలి.

FAQ

కోడింగ్ కోసం ఏ Claude మోడల్ ఉత్తమమైనది?

క్లిష్టమైన ఏజెంటిక్ కోడింగ్ కోసం Claude Opus 4.8 ప్రామాణిక ప్రారంభ బిందువు. జూలై 2026 నాటికి, దీని ధర ప్రతి మిలియన్ ఇన్‌పుట్ టోకెన్లకు $5 మరియు అవుట్‌పుట్ టోకెన్లకు $25. Claude Sonnet 5 వేగం మరియు తెలివితేటల కలయికగా ఉత్తమమైనదిగా పరిగణించబడుతుంది. ఆగస్టు 31, 2026 వరకు దీని ధర $2 / $10, ఇది Opus ధరలో సగం కంటే తక్కువ. ఒకే పనిని రెండింటిపై రన్ చేసి, thinking కాన్ఫిగరేషన్‌ను స్థిరంగా ఉంచి, response.usage నుండి మొత్తం టోకెన్ ఖర్చును పోల్చి చూడండి.

Claude Haiku 4.5, Sonnet 5 స్థానంలో వాడటానికి తగినంత చౌకగా ఉంటుందా?

టోకెన్ ధర పరంగా చూస్తే, ఇది చాలా చౌక: Sonnet 5 ప్రారంభ ధర $2 / $10 తో పోలిస్తే, Haiku 4.5 ధర $1 / $5. సెప్టెంబర్ 1, 2026 నుండి Sonnet 5 ధర $3 / $15 అవుతుంది. అయితే, పరిమితులు నిర్ణయాత్మక పాత్ర పోషిస్తాయి. Haiku 4.5 లో 1M కు బదులుగా 200K టోకెన్ల కాంటెక్స్ట్ విండో, synchronous Messages API పై 64K గరిష్ట అవుట్‌పుట్, ఫిబ్రవరి 2025 నాటి నాలెడ్జ్ కటాఫ్, output_config.effort సపోర్ట్ లేకపోవడం మరియు 4,096-టోకెన్ల కనీస cacheable ప్రాంప్ట్ వంటి పరిమితులు ఉన్నాయి. చిన్న సిస్టమ్ ప్రాంప్ట్‌లపై ఇది caching ను నిలిపివేస్తుంది.

సెషన్ మధ్యలో తక్కువ ధర గల Claude మోడల్‌కు మారడం వల్ల డబ్బు ఆదా అవుతుందా?

చూడటానికి అలా అనిపించినా, ఆచరణలో తక్కువగానే ఆదా అవుతుంది. tools, system లేదా messages ప్రిఫిక్స్‌లలో మార్పులు, thinking కాన్ఫిగరేషన్‌లో మార్పులు మరియు output_config.effort లో మార్పులు cache ను ఇన్వాలిడేట్ చేస్తాయని Anthropic పేర్కొంది. మోడల్ మారినప్పుడు ఇప్పటికే ఉన్న cache ఏమవుతుందో డాక్యుమెంట్ చేయబడలేదు, కాబట్టి దానిని తెలియని అంశంగా పరిగణించి, ఆ తర్వాత వచ్చే మొదటి అభ్యర్థనపై cache_read_input_tokens ను పరిశీలించండి. దీని వల్ల కలిగే నష్టాన్ని అర్థం చేసుకోవడం ముఖ్యం: 150,000-టోకెన్ల Opus 4.8 ప్రిఫిక్స్‌పై cache రీడ్ ధర సుమారు $0.08, కొత్తగా రాసే ధర $0.94. ఇది టోకెన్ల పొదుపు కంటే ఎక్కువ ఖర్చు అవుతుంది. కాబట్టి, cache తొలగించబడే సమయాల్లో, అంటే Claude Code లో /clear తర్వాత మాత్రమే మోడల్స్ మధ్య మారండి.

output_config.effort నా బిల్లుపై ఎలాంటి ప్రభావం చూపుతుంది?

ఇది టెక్స్ట్, టూల్ కాల్స్ మరియు thinking కోసం మోడల్ వినియోగించే టోకెన్ల సంఖ్యను మారుస్తుంది. తక్కువ effort ఉంటే టూల్ కాల్స్ తగ్గుతాయి. ఏజెంటిక్ లూప్‌లలో ప్రతి టూల్ ఫలితం తదుపరి టర్న్‌లలో మళ్ళీ పంపబడుతుంది కాబట్టి, ఇది ఖర్చుపై ప్రభావం చూపుతుంది. అందుబాటులో ఉన్న స్థాయిలు low, medium, high, xhigh మరియు max, వీటిలో high డిఫాల్ట్‌గా ఉంటుంది. Anthropic ప్రతి స్థాయికి ఖర్చు గుణకాన్ని (cost multiplier) ప్రకటించలేదు; effort ను టోకెన్ బడ్జెట్‌గా కాకుండా ప్రవర్తనా సంకేతంగా పరిగణించమని సూచించింది. కాబట్టి, మీ పనిపై దీని ప్రభావాన్ని మీరే కొలవండి.

Claude Batches API ఎంత ఆదా చేస్తుంది?

అసింక్రోనస్ డెలివరీకి బదులుగా ఇన్‌పుట్ మరియు అవుట్‌పుట్ టోకెన్లపై 50% ఆదా అవుతుంది. జూలై 2026 నాటికి, దీని ప్రకారం Opus 4.8 ధర $2.50 in / $12.50 out, Sonnet 5 ధర $1 / $5, మరియు Haiku 4.5 ధర $0.50 / $2.50 గా ఉంటుంది. గమనించదగ్గ విషయం ఏమిటంటే, సెప్టెంబర్ 1, 2026 నుండి ప్రామాణిక రేటుతో పోలిస్తే, బ్యాచ్ చేసిన Opus 4.8 జాబ్ ధర, సింక్రోనస్ Sonnet 5 జాబ్ ధర కంటే తక్కువ. కాబట్టి, బ్యాచింగ్ ద్వారా అదే ఖర్చుతో మరింత శక్తివంతమైన మోడల్‌ను పొందవచ్చు.