Claude vs ChatGPT API ค่ายไหนถูกกว่ากัน

คำตอบโดยย่อ

การเปรียบเทียบราคา API ระหว่าง Claude กับ ChatGPT ไม่มีผู้ชนะที่แน่นอน เนื่องจากผู้ให้บริการทั้งสองรายกำหนดราคาสำหรับโทเค็นอินพุตและเอาต์พุตแตกต่างกันในแต่ละระดับ ณ เดือน August 2026 ระดับราคาสูงสุด 2 ระดับของ Claude คิดค่าบริการต่อโทเค็นอินพุตเท่ากับระดับราคาที่เทียบเท่ากันของ OpenAI และคิดค่าบริการต่อโทเค็นเอาต์พุตต่ำกว่า ดังนั้น Claude จึงมีข้อได้เปรียบเล็กน้อยสำหรับงานที่มีเอาต์พุตจำนวนมาก ในระดับราคาขนาดเล็ก Claude มีค่าใช้จ่ายสูงกว่าสำหรับงานเดียวกันหลายเท่า คำตอบใดก็ตามที่ไม่ระบุระดับราคาและสัดส่วนโทเค็นย่อมเป็นเพียงการคาดเดา

ดังนั้น หน้านี้จะเริ่มจากการคำนวณ จากนั้นจะแสดงตัวอย่างปริมาณงาน 3 รายการพร้อมสัดส่วนโทเค็น และปิดท้ายด้วยตัวคูณที่ทำให้ค่าใช้จ่ายจริงแตกต่างจากอัตราที่ประกาศไว้มากกว่า

สูตรเดียวที่คุณต้องใช้

API ทั้งสองแบบคิดค่าบริการข้อความเหมือนกัน คุณจ่ายตามจำนวนโทเค็นที่ส่ง และจ่ายในอัตราที่สูงกว่าสำหรับโทเค็นที่โมเดลส่งกลับมา

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

โทเค็น 1 รายการมีอักขระภาษาอังกฤษประมาณ 4 ตัว หรือใกล้เคียง 0.75 คำ ใช้ค่านี้สำหรับการประมาณการเบื้องต้นเท่านั้น สำหรับค่าใช้จ่ายจริง ให้ใช้จำนวนที่ API แต่ละรายการส่งกลับในออบเจ็กต์ usage ของการตอบกลับทุกครั้ง

# 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))

สคริปต์จะแสดง 0.005 ซึ่งเท่ากับครึ่งเซนต์ต่อรอบ คูณด้วยจำนวนรอบที่คาดว่าจะใช้ใน 1 เดือน แล้วคุณจะได้งบประมาณ เรียนรู้สูตรนี้เพียงสูตรเดียว แล้วการเปลี่ยนแปลงราคาหลังจากวันนี้จะเป็นการแก้ไขเพียงบรรทัดเดียว แทนที่จะต้องวิเคราะห์ใหม่

อัตราค่าบริการที่ประกาศ เดือนสิงหาคม 2026

นี่คือราคาตามรายการที่ผู้ให้บริการทั้งสองรายประกาศเมื่อวันที่ 1 สิงหาคม 2026 ส่วนนี้เป็นเพียงจุดเดียวในบทความที่ระบุราคาไว้ โปรดตรวจสอบกับ claude.com/pricing และหน้าราคาของ OpenAI ก่อนจัดทำงบประมาณ

[
  {
    "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
  }
]

การจับคู่พิจารณาจากตำแหน่งในชุดผลิตภัณฑ์ของแต่ละราย ไม่ใช่จากชื่อเสียง Frontier คือ Claude Opus 5 เทียบกับ gpt-5.6-sol Workhorse คือ Claude Sonnet 5 เทียบกับ gpt-5.6-terra Small คือ Claude Haiku 4.5 เทียบกับ gpt-5.6-luna ผู้ให้บริการทั้งสองรายยังจำหน่ายระดับที่สูงกว่านี้ และ OpenAI ยังคงแสดงรุ่นเก่าโดยใช้อัตราเดิม การเปรียบเทียบโมเดลระดับเรือธงของฝ่ายหนึ่งกับโมเดลราคาประหยัดของอีกฝ่ายจะได้ตัวเลขที่ไม่มีความหมาย ซึ่งเป็นสาเหตุที่การเปรียบเทียบที่เผยแพร่ส่วนใหญ่นำไปใช้เป็นพาดหัว

มี 2 ประเด็นในส่วนนั้นที่ต้องระบุให้ชัดเจน 2 และ 10 ของ Sonnet 5 เป็นอัตราแนะนำ และ Anthropic ระบุว่าอัตรานี้สิ้นสุดในวันที่ 31 สิงหาคม 2026 หลังจากนั้น Sonnet 5 จะคิดอัตรา 3 และ 15 การเปลี่ยนแปลงเพียงครั้งเดียวนี้ทำให้ระดับ Workhorse เปลี่ยนจากการที่ Claude ชนะเล็กน้อยเป็นการที่ OpenAI ชนะอย่างชัดเจน และการเปลี่ยนแปลงนี้จะเกิดขึ้นภายในช่วงเวลาที่บทความนี้ยังมีความเกี่ยวข้อง

อีกประเด็นคือรูปแบบที่ควรจดจำ: Claude คิดค่าบริการ output เท่ากับ 5 เท่าของอัตรา input ของตนเองในทุกรายการด้านบน ส่วน OpenAI คิดค่า output เท่ากับ 6 เท่า อัตราส่วนนี้ ไม่ใช่อัตราค่าสมบูรณ์ เป็นปัจจัยที่ทำให้ผู้ชนะเปลี่ยนไปตามสัดส่วน token ที่คุณใช้

เหตุใดอัตราต่อโทเคนหนึ่งล้านรายการจึงเปรียบเทียบข้ามผู้ให้บริการไม่ได้

อัตราคือค่าใช้จ่ายต่อโทเคน บิลคือค่าใช้จ่ายต่อโทนคูณด้วยจำนวนโทเคน และจำนวนโทเคนของข้อความหนึ่งชุดเป็นคุณสมบัติของโมเดล ไม่ใช่ของข้อความ

Anthropic ระบุเรื่องนี้โดยตรงว่าโมเดล Claude 4.7 และรุ่นใหม่กว่า ซึ่งรวมถึง Claude Opus 5 และ Claude Sonnet 5 ใช้ tokenizer รุ่นใหม่ที่สร้างโทเคนมากกว่าข้อความเดียวกันประมาณ 30% เมื่อเทียบกับ Claude Sonnet 4.6 และรุ่นก่อนหน้า อัตราไม่ได้เปลี่ยนแปลง แต่บิลเปลี่ยนแปลง

ดังนั้น อัตรา 2 อัตราที่ดูเหมือนกันจึงไม่ใช่บิลที่เหมือนกัน ให้นับโทเคนของทั้ง 2 ฝั่งด้วยข้อความของคุณเองก่อนเชื่อถือการเปรียบเทียบใดๆ รวมถึงการเปรียบเทียบนี้

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."}]
  }'

ผลลัพธ์ที่ถูกต้องควรเป็นออบเจ็กต์ JSON ขนาดเล็กที่มี input_tokens หาก 401 หมายความว่าตัวแปรคีย์ว่างอยู่ใน shell ของคุณ ให้นำข้อความเดียวกันไปประมวลผลผ่าน tokenizer ของผู้ให้บริการอีกราย แบ่งจำนวนหนึ่งด้วยอีกจำนวนหนึ่ง แล้วนำอัตราส่วนนั้นไปคูณกับอัตราที่ประกาศไว้ก่อนเปรียบเทียบ หากอัตราส่วนเอื้อให้ผู้ให้บริการรายหนึ่งมากกว่า aproximadamente 1.2 อัตราส่วนดังกล่าวมีผลมากกว่าความแตกต่างของอัตราทั้งหมดในส่วนก่อนหน้า

สถานการณ์ที่หนึ่ง: ฟีเจอร์แชต

ผู้ช่วยฝ่ายสนับสนุนภายในเว็บแอปพลิเคชัน มีการโต้ตอบ 120,000 ครั้งต่อเดือน แต่ละครั้งส่ง system prompt, tool schemas, ข้อความช่วยเหลือจาก help desk ที่ดึงมา 2 รายการ และข้อความก่อนหน้าอีกเล็กน้อย รวมประมาณ 1,400 input tokens จากนั้นโมเดลตอบกลับประมาณ 220 tokens ฟีเจอร์นี้เป็นแบบโต้ตอบ จึงไม่สามารถใช้ส่วนลด batch ได้ ให้รันบน workhorse tier

[
  {
    "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"
  }
]

ที่ราคาตามรายการ Claude คิดค่าบริการ 600.00 เทียบกับ 652.80 ของ OpenAI ค่า input เท่ากัน เพราะอัตราค่า input เท่ากันทั้งหมด ส่วนต่างเกิดจาก output และ Claude มีราคาถูกกว่าด้วยส่วนต่างที่น้อยเกินกว่าจะใช้เลือกผู้ให้บริการ

จากนั้นกำหนดให้ 800 จาก 1,400 input tokens เป็นคำนำหน้าคงที่ ได้แก่ system prompt และ tool schemas ซึ่งไม่เปลี่ยนแปลงระหว่างแต่ละการโต้ตอบ ผู้ให้บริการทั้งสองรายคิดค่าบริการ 10% ของอัตรา input พื้นฐานเมื่อพบ cache hit ค่าใช้บริการของ Claude ลดลงเหลือ 427.20 และของ OpenAI ลดลงเหลือ 480.00 การทำ caching ให้ประโยชน์มากกว่าการเลือกผู้ให้บริการ และทั้งสองแพลตฟอร์มรองรับฟีเจอร์นี้

จุดที่ Claude เสียเปรียบคือ คำตอบสนับสนุนส่วนใหญ่ไม่จำเป็นต้องใช้ workhorse model ย้ายทราฟฟิกเดิมไปยัง small tier แล้ว Claude จะคิดค่าบริการ 213.60 ขณะที่ OpenAI คิดค่าบริการ 48.00 เมื่อนำราคาหนึ่งหารด้วยอีกตัว Claude จะมีต้นทุนสูงกว่าประมาณสี่เท่าครึ่งสำหรับงานเดียวกัน Claude Haiku 4.5 คิดค่าใช้บริการ 1 ต่อ 1 ล้าน input tokens เทียบกับ gpt-5.6-luna ที่ 0.2 และการทำ caching ไม่ว่าในระดับใดก็ไม่สามารถชดเชยส่วนต่างที่สูงถึงห้าเท่าได้ หาก workload ของคุณเหมาะกับ small model, OpenAI มีราคาถูกกว่าอย่างชัดเจน

สถานการณ์ที่สอง: ไปป์ไลน์เอกสารบริบทขนาดยาว

สัญญา 25,000 ฉบับต่อเดือน ทุกคำขอมีคำสั่งและ JSON schema เดิมขนาด 9,000 โทเค็น ตามด้วยข้อความสัญญา 12,000 โทเค็น และโมเดลส่งคืนฟิลด์แบบมีโครงสร้างประมาณ 700 โทเค็น ผลลัพธ์มีขนาดต่ำกว่า 4% ของโทเค็นในงานนี้ และข้อเท็จจริงเพียงข้อนี้เป็นตัวตัดสินการเปรียบเทียบ

[
  {
    "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"
  }
]

เมื่อแคชคำนำหน้าขนาด 9,000 โทเค็นไว้ทั้งสองฝั่งแล้ว Claude คิดค่าบริการ 820.00 และ OpenAI คิดค่าบริการ 855.00 ค่าใช้จ่ายส่วนอินพุตเท่ากันถึงระดับเซนต์ เพราะอัตราค่าอินพุตของงานหลักเท่ากันในเดือน August 2026 ความแตกต่างทั้งหมดอยู่ที่ส่วนเอาต์พุต ซึ่ง Claude คิดราคาเป็น 5 เท่าของอินพุต ส่วน OpenAI คิดเป็น 6 เท่า

งานนี้ยังเหมาะกับการประมวลผลแบบแบตช์ด้วย ผู้ให้บริการทั้งสองรายลดค่าอินพุตและเอาต์พุตลง 50% สำหรับงานแบบอะซิงโครนัส ดังนั้นยอดรวมของทั้งสองรายจึงลดลงครึ่งหนึ่ง และช่องว่างยังคงมีสัดส่วนเดิม Batch เป็นส่วนลดเดี่ยวที่มากที่สุดบนทั้งสองแพลตฟอร์ม และไปป์ไลน์เอกสารที่ทำงานทุกคืนสามารถใช้ได้เสมอ

จุดที่ Claude เสียเปรียบยังคงเป็นตรรกะด้านระดับราคาแบบเดียวกับก่อนหน้านี้ การดึงฟิลด์ตาม schema ที่กำหนดตายตัวเป็นงานที่โมเดลขนาดเล็กทำได้ดีโดยตรง และอินพุตคิดเป็น 97% ของโทเค็นในงานนี้ การลดลงหนึ่งระดับทำให้อัตราค่าอินพุตของ OpenAI ลดลงเหลือ 0.1 เท่า และของ Claude ลดลงเหลือ 0.5 เท่า ให้ทดสอบโมเดลขนาดเล็กกับเอกสาร 200 ฉบับก่อนสรุปว่าจำเป็นต้องใช้โมเดลขนาดใหญ่ โดยใช้การประเมินเดียวกับที่คุณจะใช้สำหรับ การเลือกระดับ Claude ที่เหมาะสมกับงาน

สถานการณ์ที่สาม: coding agent ที่ทำงานตลอดเวลา

นักพัฒนา 1 คนเรียกใช้ agent บน VPS โดยมีประมาณ 900 รอบการทำงานต่อเดือน แต่ละรอบมี input tokens จากบริบทของ repository ประมาณ 60,000 tokens โดย 80% เป็น cache hit และสร้าง edits กับคำอธิบายประมาณ 1,800 tokens กำหนดราคาโดยใช้ระดับ frontier เนื่องจากงาน coding เป็นจุดที่ความแตกต่างด้านความสามารถมีต้นทุนจริง

Claude คิดค่าใช้จ่าย 116.10 เมื่อเทียบกับ 124.20 ของ OpenAI ใช้อัตรา input เท่ากัน อัตรา cache read เท่ากัน และอัตรา output ที่ต่ำกว่าของ Claude ทำให้มีค่าใช้จ่ายต่ำกว่าประมาณ 7%

ส่วนต่าง 7% นี้ยังอยู่ภายในค่าความคลาดเคลื่อนของ tokenizer จากก่อนหน้านี้ ดังนั้นให้ถือว่าสถานการณ์นี้มีอัตราค่าใช้จ่ายเท่ากัน สิ่งที่ไม่เท่ากันคือรูปแบบการเรียกเก็บเงิน สำหรับนักพัฒนา 1 คนที่มีปริมาณการใช้งานระดับนี้ subscription seat มักมีค่าใช้จ่ายต่ำกว่าการเรียกใช้ API แบบคิดตามการใช้งาน และผลการเปรียบเทียบจะเปลี่ยนไปทั้งหมดเมื่อรวม subscription เข้าไปด้วย โปรดวิเคราะห์ประเด็นนี้ผ่าน การเปรียบเทียบค่าใช้จ่ายระหว่าง API กับ subscription ก่อนกำหนดให้ agent ใช้การเรียกเก็บเงินแบบคิดตามการใช้งาน หากเลือกคิดตามการใช้งาน ให้ตรวจสอบก่อนว่า tokens ถูกใช้ไปที่ใด เนื่องจาก การใช้ tokens ของ coding agent ส่วนใหญ่เกิดจากการส่งบริบทเดิมซ้ำในทุก รอบการทำงาน ไม่ใช่จากโค้ดที่ agent เขียน

ตัวคูณที่กำหนดค่าใช้จ่าย

อัตราที่ประกาศเป็นรายการที่มีผลน้อยที่สุดในรายการนี้ แต่ละปัจจัยด้านล่างทำให้ค่าใช้จ่ายจริงเปลี่ยนแปลงมากกว่าความแตกต่างระหว่างผู้ให้บริการ 2 รายที่อยู่ในระดับเดียวกัน

อินพุตที่แคชไว้ ผู้ให้บริการทั้ง 2 รายคิดค่าบริการ 10% ของอินพุตพื้นฐานเมื่อเรียกใช้แคชสำเร็จ Anthropic ยังคิดค่าบริการสำหรับการเขียนแคชด้วย โดยคิด 1.25 เท่าของอินพุตพื้นฐานสำหรับรายการที่มีอายุ 5 นาที และ 2 เท่าสำหรับรายการที่มีอายุ 1 ชั่วโมง การเรียกใช้แคชในภายหลังจะต่ออายุรายการนั้นด้วยราคาการอ่าน ดังนั้น รายการที่มีอายุ 5 นาทีจะคุ้มทุนหลังจากการอ่าน 1 ครั้ง เวิร์กโหลดที่มีช่วงห่างระหว่างคำขอนานจะเขียนแคชบ่อยกว่าการอ่าน ทำให้การแคชมีค่าใช้จ่ายสูงกว่าค่าใช้จ่ายที่ประหยัดได้ การรับส่งข้อมูลที่สม่ำเสมอเหมาะกับการแคช การรับส่งข้อมูลที่มาเป็นช่วงไม่เหมาะกับการแคช

ส่วนลดแบบ Batch ลดราคาอินพุตและเอาต์พุต 50% บนทั้ง 2 แพลตฟอร์ม และใช้ได้เฉพาะงานแบบอะซิงโครนัส หากงานรอได้ ค่าใช้จ่ายจะลดลงครึ่งหนึ่งกับผู้ให้บริการรายใดก็ได้ และส่วนลดนี้ใช้ร่วมกับการแคชได้

สัดส่วนเอาต์พุต Claude คิดค่าเอาต์พุตในอัตรา 5 เท่าของอัตราอินพุต ส่วน OpenAI คิด 6 เท่า ยิ่งโทเค็นของคุณเป็นการเขียนมากกว่าการอ่าน Claude ก็ยิ่งดูดีกว่าเมื่อใช้อัตราอินพุตเท่ากัน และงานที่เน้นอินพุตก็ให้ผลตรงกันข้าม

การลองใหม่ การลองใหม่จะคิดค่าอินพุตทั้งหมดอีกครั้ง และไม่ส่งคืนผลลัพธ์ที่นำไปใช้ได้ หาก 6% ของการเรียกใช้ของคุณไม่ผ่านการตรวจสอบ schema และต้องลองใหม่ อินพุตที่ใช้จริงจะมากกว่าที่แผนระบุ 6% ให้บันทึกการลองใหม่เป็นรายการต้นทุน ไม่ใช่รายการข้อผิดพลาด ทีมต่างๆ มักพบตัวคูณนี้เป็นลำดับสุดท้าย และบ่อยครั้งตัวคูณนี้มีผลมากกว่าความแตกต่างระหว่างผู้ให้บริการที่พวกเขาใช้เวลาโต้แย้งกันตลอด 1 สัปดาห์

ฝั่งใดเสียเปรียบ และเสียเปรียบที่ใด

Claude เสียเปรียบในระดับงานขนาดเล็กอย่างชัดเจน gpt-5.6-luna คิดค่าบริการ 0.2 ต่อโทเค็นอินพุต 1 ล้านโทเค็น เทียบกับ Claude Haiku 4.5 ที่ 1 ส่วนเอาต์พุตคิดที่ 1.2 เทียบกับ 5 งานจัดประเภทปริมาณมากและงานดึงข้อมูลสั้น ๆ มีค่าใช้จ่ายบน Claude สูงกว่าประมาณ 4 เท่า

Claude เสียเปรียบในระดับงานหลักตั้งแต่ 1 September 2026 เมื่ออัตราแนะนำสิ้นสุดลง และ Sonnet 5 ปรับไปเป็น 3 และ 15 เทียบกับ gpt-5.6-terra ที่ยังคงอัตราเดิม Claude ได้เปรียบในระดับงานแนวหน้าเมื่อพิจารณาอัตราค่าเอาต์พุต แต่ความได้เปรียบนี้อาจหายไปจากจำนวนโทเค็นจริงของคุณ งานที่มีสัดส่วนอินพุตสูงไม่มีฝ่ายใดได้เปรียบใน August 2026 เพราะเมื่อคิดที่ 2 ต่อโทเค็น 1 ล้านโทเค็นสำหรับทั้งสองฝ่าย ค่าอินพุตจึงเท่ากัน

วิธีวัดค่านี้จากทราฟฟิกของคุณเอง

อ่านออบเจ็กต์ usage ในทุกการตอบกลับ และจัดเก็บตัวเลข 4 ค่าในแต่ละคำขอ ได้แก่ input tokens, output tokens, cache read tokens และ cache write tokens สำหรับ Claude API ค่าเหล่านี้จะแสดงเป็น input_tokens, output_tokens, cache_read_input_tokens และ cache_creation_input_tokens ตามลำดับ รวมค่าแต่ละรายการต่อวัน คูณด้วยอัตราปัจจุบัน แล้วเปรียบเทียบผลรวมกับใบแจ้งหนี้ ผลต่างระหว่างสองค่ามักเกิดจากการลองส่งคำขอซ้ำ หรือเส้นทางการทำงานของโค้ดที่คุณลืมว่าปล่อยใช้งานแล้ว

เรียกใช้การเปรียบเทียบกับทราฟฟิกจริงเป็นเวลา 1 สัปดาห์ แทนการใช้ prompt ตัวอย่าง และเปรียบเทียบค่าใช้จ่ายต่อภารกิจที่เสร็จสมบูรณ์ แทนค่าใช้จ่ายต่อ token โมเดลที่ตอบได้ภายใน 1 ครั้งด้วยอัตรา 2 เท่า มีค่าใช้จ่ายต่ำกว่าโมเดลที่ต้องลอง 3 ครั้งด้วยอัตราครึ่งหนึ่ง ค่าใช้จ่ายต่อ token เป็นอัตรา ค่าใช้จ่ายต่อภารกิจที่เสร็จสมบูรณ์คือยอดเรียกเก็บของคุณ

กำหนดเพดานค่าใช้จ่ายที่แน่นอนก่อนปล่อยให้ระบบทำงานต่อเนื่อง ทั้ง 2 แพลตฟอร์มมีการตั้งขีดจำกัดค่าใช้จ่ายในคอนโซล และ agent ที่ติดอยู่ในลูปการลองซ้ำอาจใช้ งบประมาณ 1 เดือนได้ภายในข้ามคืน ตั้งค่าดังกล่าวตามแนวทางใน การควบคุมค่าใช้จ่ายสำหรับ agent ที่ทำงานตลอดเวลา หากคุณกำลังสร้างเวอร์ชันแรกบน server ที่คุณเป็นเจ้าของ แอป Claude API แรกบน VPS จะอธิบายการจัดการ key และลูปคำขอที่ใช้เป็นพื้นฐานของการคำนวณนี้

FAQ

Claude API มีราคาถูกกว่า ChatGPT API หรือไม่

ไม่เสมอไป ในเดือน August 2026 ระดับ frontier และ workhorse เรียกเก็บค่า input token ต่อหน่วยเท่ากันทั้งสองฝั่ง และ Claude เรียกเก็บค่า output token ต่ำกว่า ดังนั้น Claude จึงมีค่าใช้จ่ายถูกกว่าสองสามเปอร์เซ็นต์สำหรับงานที่มี output จำนวนมาก ในระดับ small, gpt-5.6-luna ของ OpenAI มีค่า input token เพียงหนึ่งในห้าของ Claude Haiku 4.5 ดังนั้นงานจัดประเภทปริมาณมากจึงถูกกว่ามากเมื่อใช้ OpenAI ให้คำนวณต้นทุนของคุณจากสัดส่วน token จริงของคุณเอง เพราะส่วนต่างที่น้อยเช่นนี้ขึ้นอยู่กับลักษณะงานมากกว่าราคาที่ประกาศ

เหตุใดคำเดียวกันจึงมีจำนวน token แตกต่างกันในแต่ละ API

เพราะแต่ละ model มี tokenizer ของตนเอง และจำนวน token เป็นคุณสมบัติของ model นั้น Anthropic ระบุว่า Claude 4.7 และ model รุ่นหลังจากนั้นสร้าง token มากกว่าประมาณ 30% เมื่อใช้ข้อความเดียวกัน เทียบกับ Claude Sonnet 4.6 และรุ่นก่อนหน้า ส่งข้อความจริงของคุณไปยัง endpoint สำหรับนับ token ของผู้ให้บริการแต่ละราย หารจำนวนที่ได้จากรายหนึ่งด้วยอีกรายหนึ่ง แล้วนำอัตราส่วนนั้นไปคูณกับอัตราค่าบริการที่ประกาศไว้ก่อนเปรียบเทียบ ความแตกต่างของจำนวน token 20% มีผลมากกว่าส่วนใหญ่ของความแตกต่างด้านอัตราค่าบริการที่ประกาศไว้

การแคช prompt ทำให้ค่าใช้จ่ายสูงขึ้นได้หรือไม่

ได้ใน Anthropic การเขียนลงแคชมีค่าใช้จ่าย 1.25 เท่าของอัตรา input พื้นฐานสำหรับรายการที่มีอายุ 5 นาที และ 2 เท่าสำหรับรายการที่มีอายุ 1 ชั่วโมง ขณะที่การอ่านข้อมูลที่พบในแคชมีค่าใช้จ่าย 0.1 เท่า หาก traffic ของคุณเกิดขึ้นเป็นช่วงจนรายการส่วนใหญ่หมดอายุก่อนถูกอ่าน คุณจะจ่ายค่าการเขียนเพิ่ม แต่ไม่ได้รับประโยชน์จากการอ่าน เปรียบเทียบ cache_creation_input_tokens กับ cache_read_input_tokens ใน log ของคุณ อัตราส่วนที่ใกล้ 1 หมายความว่าการแคชกำลังทำให้คุณเสียค่าใช้จ่ายมากขึ้น ดังนั้นให้เพิ่มอายุของรายการหรือนำรายการนั้นออก

ควรเรียกใช้ coding agent ผ่าน API หรือ subscription

สำหรับนักพัฒนา 1 คนที่มีปริมาณการใช้งานทั่วไป subscription seat มักมีค่าใช้จ่ายต่ำกว่าการเรียกเก็บเงิน API ตามปริมาณการใช้งาน เพราะ coding agent ส่ง context ขนาดใหญ่ซ้ำทุก turn และ context นั้นถูกเรียกเก็บเงินทุกครั้ง ให้ติดตามปริมาณการใช้งานเป็นเวลา 1 สัปดาห์ก่อน แล้วเปรียบเทียบยอดรวมของ API กับราคา seat API จะคุ้มกว่าเมื่อการใช้งานพุ่งขึ้นเป็นช่วง หรือเมื่อคุณต้องการการเข้าถึงแบบ programmatic ซึ่ง seat ไม่รองรับ