SSD Nodes Learn Hosting plans →
Mga Gabay Matt ConnorNi Matt Connor · Na-update 2026-10-30

Claude Output Tokens: Bakit 5x ang Gastos sa Input

5x ang presyo ng Claude output tokens kumpara sa input. Alamin kung bakit mas mabagal ang decoding kaysa prefill at paano nito pinapalaki ang buwanang bill ng agent.

Mas mahal ang output tokens kaysa input tokens

Limang beses ang halaga ng output tokens kumpara sa input tokens sa bawat Claude model sa kasalukuyang catalogue. Ang dahilan ay ang paraan ng computation. Isang pass lang sa model ang pagbasa ng prompt. Sa pagsulat ng reply, may isang pass para sa bawat token, at kailangang hintayin ng bawat pass ang nauna rito.

Pareho ang ratio na ito sa bawat row ng price list, kaya hindi nababago ng pinili mong model kung gaano kalaki sa bill mo ang napupunta sa output. Ang hugis ng workload ang nagpapasya nito. Ang isang agent step na nagbabasa ng 60,000 tokens at sumasagot gamit ang 800 ay halos walang output cost. Ang isang drafting job na nagbabasa ng 2,000 tokens at nagsusulat ng 12,000 ay halos walang input cost. Ipinapakita sa ibaba ang dalawang sitwasyon gamit ang mga rate na inilathala ng Anthropic, na sinuri noong 27 October 2026.

Ang prefill ay isang beses lang tumatakbo, samantalang ang decoding ay tumatakbo sa bawat token

Pinoproseso ng inference server ang isang request sa dalawang phase na malaki ang pagkakaiba sa gastos. Binabasa ng prefill ang prompt. Isinusulat naman ng decoding ang reply.

Pinoproseso ng prefill ang buong prompt nang sabay-sabay. Pumapasok ang bawat token ng prompt sa network sa iisang forward pass, kaya ang attention at feed-forward na trabaho ay nagiging maliit na bilang ng malalaking matrix multiplication na sumasaklaw sa libo-libong token bawat pagkakataon. Isang pagbasa mula sa memory ng model weights ang nagsisilbi sa buong prompt. Nananatiling abala ang matrix units ng accelerator, kaya karaniwang compute-bound ang prefill: ang limitasyon ay kung gaano kabilis makapag-multiply ang chip. Tinutukoy ng serving documentation ng NVIDIA ang mga exception: nagiging memory-bound ang napakaikling prefill at ang prefill na may mahabang prefix na cache hit na.

Hindi ganito maaaring gumana ang ordinaryong decoding dahil nakadepende ang token 2 sa token 1. Nagiging bahagi ng input sa susunod na step ang token na kalalabas lang ng model, kaya sunod-sunod na tumatakbo ang mga step. May sariling forward pass ang bawat output token, at binabasa ng bawat pass na ito mula sa high-bandwidth memory ang buong set ng model weights, pati ang KV cache (key/value cache, ang nakaimbak na attention state para sa bawat token hanggang sa puntong iyon), upang makagawa ng isang token. Dahil dito, karaniwang memory-bound ang decoding: ang limitasyon ay kung gaano kabilis maililipat ang weights at cached state, hindi kung gaano kabilis maisasagawa ang multiplication. Sa mahahabang context, itinuturing ng NVIDIA na bottleneck ang pagbasa sa KV cache. Ang parehong weight traffic na nakapagproseso ng buong prompt sa prefill ay isang token lang ang nalilikha sa decoding.

Binabago ng speculative decoding ang tuntuning ito nang hindi ito nilalabag. Nanghuhula ang isang maliit na draft model ng ilang token nang mas maaga, at sabay-sabay na sinusuri ng malaking model ang lahat ng ito sa iisang pass. Ayon sa NVIDIA, maaari nitong ilipat ang decode patungo sa pagiging compute-bound. Tinatanggap pa rin ng malaking model ang mga hula nang sunod-sunod at humihinto sa unang maling hula, kaya maraming pass pa rin ang kailangan para sa mahabang reply.

Nilalabanan ito ng mga serving system sa pamamagitan ng batching. Sabay-sabay na nagde-decode ang maraming request, kaya ang isang pagbasa sa weights ay nakakagawa ng isang token para sa bawat request sa batch. Dahil dito, nagiging praktikal ang decoding. Muli, memory ang nagtatakda ng limitasyon. May sariling KV cache ang bawat request na kasalukuyang pinoproseso. Lumalaki ang cache na iyon sa bawat nalilikhang token. Kapag napuno nito ang accelerator, hindi na maaaring palakihin pa ang batch.

Wala sa mga ito ang nagbibigay ng eksaktong numero, at hindi mo dapat ituring ang 5x bilang nasukat na hardware ratio. Isa itong presyong itinakda ng Anthropic at ibinatay sa asymmetry na iyon. Ang maaari mong suriin mismo ay ang direksiyon ng pagkakaiba, at humigit-kumulang isang minuto lang ang kailangan.

Sukatin mismo ang input at output gap

I-install ang mga tool sa anumang Ubuntu box:

sudo apt update && sudo apt install -y curl jq moreutils

Ngayon, mag-stream ng maikling prompt na humihingi ng mahabang sagot, at lagyan ng oras ang bawat linyang dumating.

curl -sN 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-sonnet-5","max_tokens":1000,"stream":true,
       "messages":[{"role":"user","content":"Count from 1 to 300, one number per line."}]}' \
  | ts -s '%.s'

Nilalagyan ng ts -s ang bawat linya ang bilang ng mga segundong lumipas mula nang magsimula ang command. Dalawang bagay ang mahalagang basahin sa output na iyon. Ang unang linyang may content_block_delta ay ang oras bago dumating ang unang token, at sa loob nito nangyari ang buong prefill. Ang bawat kasunod na linya ay isang maliit na hakbang ng decoding, at patuloy na tumataas ang mga timestamp hanggang dumating ang message_stop.

Ngayon, baligtarin ang hugis. Maglagay ng mahabang dokumento sa prompt at limitahan ang sagot sa ilang token.

curl -sN https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d "$(jq -n --rawfile doc ./long-document.txt \
       '{model:"claude-sonnet-5", max_tokens:16, stream:true,
         messages:[{role:"user", content:("Answer in one word. Is this document about networking?\n\n" + $doc)}]}')" \
  | ts -s '%.s'

Mas matagal ang unang delta kaysa noong maikli ang prompt, dahil mas maraming text ang kailangang basahin sa prefill. Pagdating nito, halos agad natatapos ang response dahil iilang token na lang ang kailangang i-decode. Sampu-sampung libong token ang pumasok, pero halos hindi gumalaw ang oras. Ilang daang token ang lumabas, at tumakbo ang orasan sa buong panahong iyon.

Nagtatapos ang bawat non-streaming response sa mga numerong ginagamit sa billing.

{
  "usage": {
    "input_tokens": 41283,
    "output_tokens": 6,
    "cache_creation_input_tokens": 0,
    "cache_read_input_tokens": 0
  }
}

I-log ang lahat ng apat na field sa bawat request. Kasama sa output_tokens ang thinking tokens, kaya kapag nag-iisip muna ang model bago sumagot, sinisingil ang mga token na iyon sa output rate. Para malaman ang presyo ng prompt bago ito ipadala, ginagamit ng POST /v1/messages/count_tokens ang parehong request body para sa karamihan ng requests, ibinabalik ang {"input_tokens": N} bilang estimate nang hindi pinapatakbo ang model, at libre ito sa loob ng sarili nitong rate limit. Tinatanggihan nito ang ilang body na tinatanggap ng Messages API: karamihan ng server tools gaya ng web search, MCP connector, at image o document blocks na may url o file source. Kaya ipadala bilang base64 ang images at PDFs kapag binibilang ang mga ito. Hindi lang ito ang bahagi ng API na walang bayad, at sulit tingnan ang mga bahagi ng Claude API na hindi kailanman sinisingil sa iyo bago magtakda ng budget para sa unang project.

Magkano ang singil ng Claude kada milyong token noong Oktubre 2026

TsartClaude API list rates, US dollars per million tokens, October 2026
Ang datos sa likod ng tsart na ito
[
  {
    "label": "Haiku 4.5",
    "input_usd": 1,
    "output_usd": 5,
    "output_multiple": 5
  },
  {
    "label": "Sonnet 5",
    "input_usd": 2,
    "output_usd": 10,
    "output_multiple": 5
  },
  {
    "label": "Opus 5",
    "input_usd": 5,
    "output_usd": 25,
    "output_multiple": 5
  },
  {
    "label": "Fable 5",
    "input_usd": 10,
    "output_usd": 50,
    "output_multiple": 5
  }
]

Ang huling column ay output na hinati sa input, at ipinapakita nito ang 5 sa bawat row. Naniningil ang Haiku 4.5 ng $1 para sa input at $5 para sa output. Naniningil ang Opus 5 ng $5 at $25. Ang Fable 5, ang pinakamahal, ay naniningil ng $10 at $50, at makatutulong basahin ang kung ano ang makukuha mo sa mga rate ng Fable 5 bago mo isantabi ang unang row na iyon. Kapag umakyat ka sa mas mataas na tier, pareho ang factor na ipinaparami sa magkabilang panig. Kaya nagbabago ang kabuuang halaga, pero nananatiling eksakto ang hati ng input at output.

Naniningil ang Sonnet 5 ng $2 para sa input at $10 para sa output. Inilunsad ito ng Anthropic sa rate na iyon bilang introductory pricing hanggang 31 August 2026, at nakatakdang tumaas sa $3 at $15 noong 1 September. Sa halip, ginawa nitong standard price ang $2 at $10. Hindi kailanman ipinatupad ang pagtaas, kaya ang rate sa bawat worked example sa ibaba ay ang rate na binabayaran mo ngayon.

Naglabas din ang Anthropic ng mas bagong mga modelo mula nang unang ilathala ang page na ito, at inililista na ngayon ng claude.com/pricing ang apat na nabanggit bilang legacy models na available pa rin. Pareho pa rin ang 5x ratio ng mga bagong modelo. Naniningil ang Opus 5.5 ng $4 at $20, ang Sonnet 5.5 ng $2 at $10, ang Fable 5.1 ng $10 at $50, at ang Haiku 5.5 ng $0.10 at $0.50 para sa mga prompt na hanggang 100,000 token. Tumataas ito sa $0.50 at $2.50 kapag lumampas doon. Ang halaga ng 60,000-token agent step na kinakalkula sa ibaba ay nasa ilalim ng limitasyong iyon, pero kalaunan ay lalampas dito ang isang agent na patuloy na lumalaki ang history nito. Ipinapakita ng kung paano gumagana sa aktuwal na mga trabaho ang dalawang price tier ng Haiku 5.5 kung paano naaapektuhan ng pagtalon na iyon ang bill. Ang base input at output rates ng Opus 5.5 ay 20% na mas mababa kaysa sa Opus 5. Kaya 20% na mas mababa sa Opus 5.5 ang bawat uncached na halaga ng Opus 5 sa ibaba. Mas mababa pa ang cached na halaga dahil binabasa ng Opus 5.5 ang cache hit sa $0.20 kada milyong token, kumpara sa $0.50 sa Opus 5. Ibig sabihin, 60% ang bawas. Ang cached agent step na nagkakahalaga ng $0.0725 sa Opus 5 sa ibaba ay nagkakahalaga ng humigit-kumulang $0.047 sa Opus 5.5, o halos 35% na mas mababa.

Nagbabago ang mga rate, at hindi ang page na ito ang dapat mong gamiting sanggunian para suriin ang mga ito. Ang claude.com/pricing ang opisyal na sanggunian. Ang nananatili kahit magbago ang presyo ay ang pamamaraan.

May isang caveat sa mga note sa ilalim ng price table ng Anthropic, hindi sa mismong mga rate. Nakasaad sa pricing page ng Anthropic na gumagamit ang Claude 4.7 at mga mas bagong modelo ng mas bagong tokenizer. Gumagawa ito ng humigit-kumulang 30% na mas maraming token para sa parehong text kaysa sa tokenizer ng Sonnet 4.6 at mga naunang bersyon. Kung ihahambing lamang ang dalawang modelo batay sa presyo kada milyong token, magmumukhang mas mura ang mas bagong modelo. Mas marami kasi itong token para sa parehong document. Ihambing ang gastos kada natapos na task, at bilangin ang aktuwal mong mga prompt laban sa modelong talagang gagamitin mo. Ganoon din ang problema sa pagitan ng mga provider dahil magkakaiba rin ang mga tokenizer nila. Kaya mas marami kang malalaman sa pagkalkula ng gastos ng isang aktuwal na trabaho sa Claude at ChatGPT kaysa sa simpleng pagtatabi ng dalawang rate card. Ipinapakita ng kung gaano karaming aktuwal na text ang katumbas ng isang milyong Claude token kung ano ang praktikal na saklaw ng volume na iyon.

Kailan nagsisimulang mangibabaw ang output sa bill mo?

Kapag ang presyo ng output ay 5 beses ng input, madaling kalkulahin ang break-even. Tawagin nating I ang input tokens at O ang output tokens. Ang halaga ng input ay I. Ang halaga ng output ay 5 beses ng O. Lalampas sa kalahati ng kabuuang gastos ang output kapag mas malaki ang 5 beses ng O kaysa I. Katumbas ito ng ratio na 5 input sa 1 output.

Kaya kung mahigit limang beses na mas mahaba ang prompt kaysa sa reply, input ang mas malaking bahagi ng gastos. Kapag mas mababa rito, output naman.

TsartShare of spend by input to output token ratio, at 5x output pricing
Ang datos sa likod ng tsart na ito
[
  {
    "label": "100:1",
    "input_share_pct": 95.2,
    "output_share_pct": 4.8
  },
  {
    "label": "75:1",
    "input_share_pct": 93.75,
    "output_share_pct": 6.25
  },
  {
    "label": "20:1",
    "input_share_pct": 80,
    "output_share_pct": 20
  },
  {
    "label": "10:1",
    "input_share_pct": 66.7,
    "output_share_pct": 33.3
  },
  {
    "label": "5:1",
    "input_share_pct": 50,
    "output_share_pct": 50
  },
  {
    "label": "1:1",
    "input_share_pct": 16.7,
    "output_share_pct": 83.3
  },
  {
    "label": "1:6",
    "input_share_pct": 3.2,
    "output_share_pct": 96.8
  }
]

Sa ratio na 100 sa 1, 4.8% ng gastos ang output, kaya ang pagbabawas sa prompt ang tanging sulit na gawin. Sa ratio na 5 sa 1, magkapantay ang dalawang panig. Sa ratio na 1 sa 6, 96.8% ang output at rounding error na lang ang prompt. Kadalasan, mali ang tantiya ng mga tao sa sarili nilang ratio, kaya kunin muna ito sa logs bago mag-optimize.

Isang agent workload: mahaba ang context, maikli ang sagot

Kumuha ng isang retrieval agent step: 60,000 input token mula sa mga na-retrieve na dokumento at conversation history, at 800 token na sagot. Ratio itong 75 sa 1, na normal para sa anumang nagbabasa bago sumulat.

TsartOne agent step, 60,000 input and 800 output tokens, US dollars per call
Ang datos sa likod ng tsart na ito
[
  {
    "label": "Haiku 4.5",
    "input_cost": 0.06,
    "output_cost": 0.004,
    "total_cost": 0.064
  },
  {
    "label": "Sonnet 5",
    "input_cost": 0.12,
    "output_cost": 0.008,
    "total_cost": 0.128
  },
  {
    "label": "Opus 5",
    "input_cost": 0.3,
    "output_cost": 0.02,
    "total_cost": 0.32
  },
  {
    "label": "Fable 5",
    "input_cost": 0.6,
    "output_cost": 0.04,
    "total_cost": 0.64
  }
]

Ang output ay 6.25% ng call na iyon sa bawat model, dahil fixed ang ratio sa buong price list. Ang call ay nagkakahalaga ng $0.32 sa Opus 5, $0.128 sa Sonnet 5, at $0.064 sa Haiku 4.5. Ang 200 ganoong step bawat araw sa Opus 5 ay nagkakahalaga ng $64 bawat araw.

Malinaw ang pangunahing lever kapag nakita mo ang hatian. Ang pagbawas sa sagot mula 800 token tungo sa 400 ay nakakatipid ng humigit-kumulang 3% ng call. Ang pag-alis ng 20,000 token ng luma o hindi na kailangang context mula sa prompt ay nakakatipid ng humigit-kumulang isang-katlo ng gastos nito. Halos nasasayang ang pagsisikap na higpitan ang output length sa isang read-heavy agent. Ipinapaliwanag ng kung saan talaga napupunta ang mga token ng coding agent kung ano ang bumubuo sa prompt na iyon.

Isang generation workload: maikling prompt, mahabang draft

Ngayon, baligtarin ang hugis. Isang 2,000-token na brief, isang 12,000-token na draft, at ratio na 1 sa 6.

TsartOne draft, 2,000 input and 12,000 output tokens, US dollars per draft
Ang datos sa likod ng tsart na ito
[
  {
    "label": "Haiku 4.5",
    "input_cost": 0.002,
    "output_cost": 0.06,
    "total_cost": 0.062,
    "batch_total_cost": 0.031
  },
  {
    "label": "Sonnet 5",
    "input_cost": 0.004,
    "output_cost": 0.12,
    "total_cost": 0.124,
    "batch_total_cost": 0.062
  },
  {
    "label": "Opus 5",
    "input_cost": 0.01,
    "output_cost": 0.3,
    "total_cost": 0.31,
    "batch_total_cost": 0.155
  },
  {
    "label": "Fable 5",
    "input_cost": 0.02,
    "output_cost": 0.6,
    "total_cost": 0.62,
    "batch_total_cost": 0.31
  }
]

Ang output ay 96.8% ng bill na ito. Nagkakahalaga ang Opus 5 ng $0.31 bawat draft, kumpara sa $0.062 gamit ang Haiku 4.5. Halos buong-buo mula sa output side ang limang beses na agwat na iyon. Dito eksaktong pinakamalaki ang matitipid kapag mas murang model ang ginamit.

Ang huling column ay ang parehong workload sa pamamagitan ng Batch API, na nagbabawas ng 50% sa input at output. Bumaba ang presyo ng Opus 5 sa $0.155 bawat draft. Asynchronous ang Batch sa halip na agarang magbalik ng resulta. Ayon sa Anthropic, karamihan ng batch ay natatapos sa loob ng isang oras, ngunit mag-e-expire ang batch na pinoproseso pa rin pagkalipas ng 24 oras. Anumang request na hindi pa nito naaabot bago iyon ay ibabalik bilang expired, hindi sisingilin, at walang message. Kaya angkop ito para sa overnight report generation at bulk classification, basta may hakbang na muling magsumite ng anumang mag-e-expire. Hindi ito angkop sa gawaing hinihintay agad ng isang tao.

Dito kapaki-pakinabang ang model routing sa paraang hindi nito nagagawa sa agent step. Kung mekanikal ang verbose na bahagi ng workload, gaya ng pagre-reformat ng text o pagpapalawak ng outline na naaprubahan mo na, nagagawa ng murang model ang mga token na iyon sa ikalimang bahagi ng presyo. Saklaw ng pagpili sa pagitan ng Opus, Sonnet at Haiku kung nasaan talaga ang hangganan ng kalidad.

Caching discount sa input lamang, hindi sa output

Ang prompt caching ay nag-iimbak ng prefix ng prompt sa server at naniningil ng bahagi ng input rate kapag muli itong binasa. Noong 27 October 2026, ang mga multiplier ay 1.25x ng base input rate para magsulat ng 5 minute cache, 2x para magsulat ng 1 hour cache, at 0.1x para magbasa ng cache hit sa mga model na may presyong nakalista sa page na ito. Mas mababa ang singil sa mga pinakabagong model kapag nagbabasa ng cache hit: 0.05x sa Opus 5.5 at Sonnet 5.5, at 0.025x sa Fable 5.1.

Hindi kasama ang output sa presyong iyon. Walang cached output. Bawat token na isinusulat ng model ay sinisingil sa buong output rate sa bawat pagkakataon, gaano man karami sa prompt ang nagmula sa cache hit.

Gamitin ang parehong agent step sa Opus 5, kung saan 55,000 sa 60,000 input token ang nagmula sa warm cache.

TsartThe same Opus 5 agent step, with and without a warm 55,000 token cache, US dollars
Ang datos sa likod ng tsart na ito
[
  {
    "label": "No cache",
    "input_cost": 0.3,
    "output_cost": 0.02,
    "total_cost": 0.32
  },
  {
    "label": "55k prefix cache read",
    "input_cost": 0.0525,
    "output_cost": 0.02,
    "total_cost": 0.0725
  }
]

Bumababa ang singil mula $0.32 tungo sa $0.0725. Hindi nagbabago ang output line: $0.02 bago, at $0.02 pagkatapos. Binabawasan ng caching ang bill at binabago nito ang pagkakahati ng gastos. 6.25% ng singil sa call na iyon ay para sa output. Ngayon, mahigit isang-kapat na ito ng kabuuang singil, kaya nagbabago kung aling lever ang sulit baguhin sa susunod.

Ang unang call ang nagbabayad para sa write. Ang pagsulat ng 5 minute cache ay nagkakahalaga ng 1.25x ng base input, kaya nababawi nito ang gastos matapos ang isang hit. Ang 1 hour write ay nagkakahalaga ng 2x, kaya nangangailangan ito ng dalawang hit. Ipinapakita ng ang mga multiplier para sa write at read, at kung kailan hindi na sulit ang caching ang kalkulasyong iyon.

Apat na lever na makokontrol mo

  1. Itakda ang max_tokens batay sa p95 output length, hindi sa maximum ng model.
  2. I-route ang mahahabang step sa mas murang model.
  3. I-batch ang anumang hindi hinihintay ng ibang tao.
  4. Burahin ang mga instruction na nagpapahaba ng mga reply.

Hard ceiling ang max_tokens, at walang dagdag na gastos ang mataas na setting nito, dahil sinisingil ka sa mga token na nagawa, hindi sa ceiling. Ang ginagawa ng mataas na cap ay alisin ang limitasyon sa reply na nagkamali ng direksiyon. Kunin ang output_tokens distribution mula sa logs mo, itakda ang cap nang kaunti sa itaas ng 95th percentile, at pangasiwaan ang stop_reason: "max_tokens" sa code sa pamamagitan ng pagpapatuloy ng response o pag-retry. Mas mura ang truncation na nade-detect mo kaysa sa 4,000-token na mahabang reply na binayaran mo at itinapon. Napupunta rin ang thinking sa output_tokens at ibinabawas sa max_tokens, kaya gamitin ang parehong ebidensiya sa pagtakda ng cap. Sa mga model na may adaptive thinking, babaan ang effort level kung patuloy na kinakain ng thinking ang reply.

Gumagana ang routing kapag volume, hindi judgement, ang nagpapamahal sa isang step. Panatilihin ang malakas na model para sa decision, at ipagawa ang pagta-type sa mas murang model. Sukatin muna ang routed version gamit ang sarili mong evaluation set, dahil ang mahalagang numero ay cost per finished task. Sa agent step sa itaas, ang dalawang pagtatangka gamit ang Haiku 4.5 ay nagkakahalaga ng $0.128 kumpara sa $0.32 para sa isang pagtatangka gamit ang Opus 5, kaya kaya ng agwat sa presyo ang isa o dalawang retry. Ang hindi nito kayang saluhin ay maling sagot na walang nakakapansin.

Ang batching ang tanging lever na nagbibigay ng discount sa output. 50% off sa magkabilang panig, karamihan ng batch ay natatapos sa loob ng isang oras, at kwalipikado ang anumang naka-schedule, basta muling i-submit ng job ang anumang nag-expire sa 24 hour mark.

Ang huling lever ang madalas nilalaktawan ng mga tao. Ang mga pariralang gaya ng "be thorough" at "explain your reasoning" ay nagtatakda ng output length sa bawat call na gagawin mo. Palitan ang mga ito ng eksaktong format na kailangan mo: "Answer in at most three sentences", o "Return only the JSON object, with no preamble". Ang system prompt na nagdaragdag ng 300 token sa bawat reply ay nagkakahalaga ng limang beses ng halaga ng kaparehong 300 token sa prompt. Sinasaklaw ng pagpapanatiling kontrolado ng mga gastos ng tumatakbong agent ang bahagi ng monitoring, at makabubuting ayusin muna kung mas mura ang API o flat subscription para sa pattern ng paggamit mo bago ka gumugol ng isang linggo sa pag-tune ng per-token spend na sana ay saklaw na ng subscription. Para sa isang developer, kadalasan ay nakasalalay ito sa kung sapat para sa trabaho ang $20 bawat buwan ng Claude Pro at ang mga limitasyon sa paggamit nito na kung hindi ay susukatin mo bawat gamit. Kung naaabot mo na ang mga limitasyong iyon sa kalagitnaan ng session, unahin ang pag-alam kung aling window ang hinihintay mo, dahil maaaring mas maliit na model, mas magaang context, karagdagang usage credits, o paglipat ng gawaing iyon sa metered API ang solusyon. Kung lumabas na mas mura ang metered API para sa gawaing iyon, ang paglipat sa mas maliit na plan o pagkansela nito ay hindi magbabago sa buwang nabayaran mo na, kaya walang gastos ang paglipat. Kung ang plan na ikinukumpara mo sa Pro ay plan ng ChatGPT at hindi ang metered API, ipinapakita ng magkatabing presyo ng dalawang subscription ladder kung alin ang mas mura para sa coding work. Kung para sa team at hindi sa isang developer ang tanong na ito, tandaan na pinagsasama ng Claude Enterprise ang per-seat fee at mga token na sinusukat sa parehong API rates, kaya nalalapat pa rin ang bawat lever sa metered half ng bill na iyon.

FAQ

Bakit mas mahal ang output tokens kaysa input tokens?

Mas maraming accelerator time ang kailangan para ma-generate ang mga ito sa bawat token. Pinoproseso ang prompt sa isang forward pass sa buong laman nito, kaya isang pagbasa lang ng model weights ang sumasaklaw sa libo-libong token, at karaniwang multiply throughput ang naglilimita sa hardware. Sa ordinaryong decoding, paisa-isang token na ginagawa ang reply. Bawat token ay nangangailangan ng sarili nitong forward pass na muling bumabasa sa model weights at sa lumalaking KV cache, kaya karaniwang memory bandwidth ang naglilimita sa hardware. Binabawasan ng mga technique gaya ng speculative decoding ang agwat na ito, pero hindi ito inaalis. Sinisingil ng Anthropic ang output nang limang beses sa input sa buong kasalukuyang catalogue, mula Haiku 5.5 hanggang Fable 5.1.

Pinapamura ba ng prompt caching ang output tokens?

Hindi. Input lamang ang saklaw ng prompt caching. Noong 27 October 2026, ang cache read ay nagkakahalaga ng 0.1x ng base input rate sa karamihan ng mga model (0.05x sa Opus 5.5 at Sonnet 5.5, at 0.025x sa Fable 5.1). Ang cache writes naman ay nagkakahalaga ng 1.25x para sa 5 minute duration o 2x para sa 1 hour duration. Sinisingil ang output sa buong rate sa bawat call, anuman ang ginawa ng cache. Kaya binabago ng caching ang hugis ng bill mo pati ang laki nito: kapag lumiit na nang malaki ang input side, ang output ang bahaging sulit bawasan.

Magkakagastos ba sa akin ang mataas na max_tokens kung maikli ang reply?

Hindi. Sinisingil ka batay sa mga token na aktuwal na ginagawa ng model, kaya ang max_tokens ay isang ceiling at hindi isang reservation. Mahalaga pa rin ito dahil ito ang tanging hard limit sa reply na patuloy na humahaba. Itakda ito nang kaunti sa itaas ng 95th percentile ng naobserbahan mong output_tokens, pagkatapos ay pangasiwaan ang stop_reason: "max_tokens" sa code sa halip na maglabas ng sagot na tahimik na naputol.

Paano ko malalaman ang sarili kong input-to-output token ratio?

I-log ang input_tokens, output_tokens, cache_read_input_tokens at cache_creation_input_tokens mula sa usage object ng bawat response, pagkatapos ay hatiin ang mga total sa loob ng isang linggo. Kung higit sa 5 input sa 1 output, nasa prompt ang malaking bahagi ng gastos mo. I-cache ang stable na bahagi at paikliin ang natitira. Kung mas mababa rito, nasa reply ang malaking bahagi ng gastos mo. Limitahan ang haba nito at ilipat sa mas murang model o sa Batch API ang mga hakbang na lumilikha ng pinakamarami nito.

Nakatulong ba ang artikulong ito?