Aling Claude model ang dapat gamitin? Gabay sa gastos

Anong Claude model ang dapat kong gamitin?

Ang maikling sagot sa tanong kung aling Claude model ang dapat mong gamitin: magsimula sa Claude Opus 4.8, at lumipat lamang dito kung may malinaw kang matutukoy na dahilan. Ganito rin ang gabay ng Anthropic. “Kung hindi ka sigurado kung aling model ang gagamitin, magsimula sa Claude Opus 4.8 para sa kumplikadong agentic coding at enterprise work.” Lumipat sa Claude Sonnet 5 kapag malinaw ang pagkakatukoy sa task at pinapatakbo mo ito nang maraming beses bawat araw. Lumipat naman sa Claude Haiku 4.5 para sa mekanikal at mataas ang volume na gawain kung alam mo na kung ano ang tamang sagot. Ang Claude Fable 5 ay mas mataas kaysa sa lahat ng ito at para sa mga agent na matagal tumatakbo.

May katumbas na presyo ang pagpili. Ito ang mga rate sa Claude API (application programming interface) noong 23 July 2026, bawat milyong token, na isinusulat sa dokumentasyon bilang MTok.

• 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): $2 in, $10 out sa introductory pricing hanggang 31 August 2026. Magsisimula ang karaniwang $3 in, $15 out sa 1 September 2026. 1M context.
• Claude Haiku 4.5 (claude-haiku-4-5): $1 in, $5 out. 200K context.

Kumpleto ang mga identifier na iyon sa pagkakasulat ng mga ito. Walang idinadagdag sa mga ito.

Walang dagdag-singil batay sa laki para sa mga model na may 1M-token context: “Pareho ang singil sa bawat token para sa 900k-token request at 9k-token request.” Umaabot din lampas sa API ang mga rate na ito, dahil sinusukat ng Claude Enterprise ang paggamit batay sa mga rate ng API bukod sa presyo ng seat nito, kaya pareho ang arithmetic sa ibaba para sa team na nasa seat plan. Binabago ng flat-rate subscription ang meter ngunit hindi ang desisyong ito, dahil parehong may mga model ang dalawang Claude Max tier at nagkakaiba lamang sa dami ng paggamit na kasama. Sa mas mababang antas ng parehong ladder, ang $20 bawat buwan ng Claude Pro ay nagbibigay ng usage allowance sa halip na rate bawat token, kaya limit reset, hindi bill, ang pumipigil sa iyo roon. Kung nasa ganitong sitwasyon ka ngayon, alamin muna kung aling window ang hinihintay mong mag-reset bago gawin ang anumang arithmetic sa ibaba, dahil ang paraan para makapagpatuloy ay gumamit ng mas maliit na model, mas maliit na context, o lumipat sa API sa halip na maghanap ng mas murang rate. At kung hindi ka pa nagsisimulang magbayad, ang tanong kung sulit ba ang Pro sa halagang $20 ay nakabatay sa kung gaano kadalas ka pinipigilan ng free limit, hindi sa alinman sa mga rate sa itaas.

Para saan talaga ang bawat model

Inilalarawan ng Anthropic ang lineup sa tig-isang linya para sa bawat model, at mas mahusay na gabay ang mga linyang iyon kaysa sa anumang leaderboard.

• Claude Fable 5: "Next-generation intelligence for long-running agents." Ito ang may pinakamabagal na latency sa apat.
• Claude Opus 4.8: "For complex agentic coding and enterprise work." Katamtaman ang latency.
• Claude Sonnet 5: "The best combination of speed and intelligence." Mabilis.
• Claude Haiku 4.5: "The fastest model with near-frontier intelligence."

Ang Fable 5 lamang sa apat ang hindi kailanman binibigyan ng presyo ng paghahambing na ito batay sa isang workload. Dahil doble ang rate nito kumpara sa Opus 4.8, nararapat pagtuunan ng sariling sagot ang tanong kung aling mga trabaho ang sulit sa $10 na gastos at $50 na balik.

May mga limitasyon din ang Haiku 4.5 na dapat isaalang-alang sa pagpili ng trabaho bago pa ang presyo. 200K tokens lamang ang context window nito sa halip na 1M. Dahil dito, hindi kasya rito ang malaking repository o mahabang agent transcript. Ang maximum output nito sa synchronous Messages API ay 64K tokens, kumpara sa 128K para sa iba. Ang maaasahang knowledge cutoff nito ay February 2025, samantalang January 2026 ang cutoff ng tatlo pa.

Ano ang aktuwal na gastos ng pagpiling ito sa real workload?

Sa bawat model sa lineup, ang presyo ng output ay limang beses ng rate ng input. Ang Opus 4.8 ay $5 para sa input at $25 para sa output. Ang Haiku 4.5 ay $1 para sa input at $5 para sa output. Pareho ang ratio sa buong range, kaya pinakamahalaga ang model na pipiliin mo sa mga workload na maraming output ang ginagawa.

Ganoon ang agentic work dahil sinisingil ang thinking tokens bilang output tokens at ibinibilang sa max_tokens kahit hindi makarating sa iyo ang text. Sa Fable 5, Opus 4.8, Opus 4.7, at Sonnet 5, default na hindi ipinapakita ang reasoning summary, kaya walang laman ang thinking field. Hindi nagbabago ang billing: "Either way the block is billed the same and passed back the same in multi-turn conversations." Hinahati nang detalyado ng Ano talaga ang bumubuo sa Claude token bill ang meter na iyon.

Magkakaiba sa mga model na ikinukumpara mo kung tatakbo man ang thinking. Kung hindi mo ito mapapansin, masisira ang cost test. Sa Sonnet 5 at Fable 5, naka-on na ang thinking at walang kailangang i-configure. Sa Opus 4.8 at Opus 4.7, naka-off ito hanggang itakda mo ang thinking: {type: "adaptive"} sa request. Itugma muna ang configuration sa magkabilang panig bago ka magbigay ng kahulugan sa mga numero.

Bakit maaaring maging pinakamahal ang pinakamurang modelo

Isaalang-alang ang isang self-contained na coding task. May 60,000 tokens ng context ang request, at gumagawa ang model ng 8,000 tokens ng output kasama ang thinking. Walang caching, kaya malinaw ang arithmetic.

Sa Opus 4.8: ang 0.06 MTok ng input sa halagang $5 ay $0.30, at ang 0.008 MTok ng output sa halagang $25 ay $0.20. Ang isang attempt ay nagkakahalaga ng $0.50. Sa Haiku 4.5, ang parehong attempt ay $0.06 at $0.04, kaya $0.10.

Limang beses na mas mura ang Haiku bawat attempt. Mukhang malaki ang matitipid hanggang sa tingnan mo kung ano ang epekto ng failed attempt. Mababasa mo ang maling sagot, kaya mauubos ang oras mo. Ipinapadala mo itong muli bilang context sa retry, kaya mas lumalaki ang bawat attempt kaysa sa nauna. At kapag mali pa rin ang ikatlong attempt, mag-e-escalate ka pa rin: $0.30 para sa Haiku at $0.50 para sa Opus, kaya $0.80 lahat, o 60% na mas mahal kaysa sa isang beses na paggamit ng Opus.

Kaya ang mahalagang tanong ay kung gaano kamura mong mabe-verify ang sagot. Kapag halata sa loob ng isang segundo ang maling sagot, sulit ang small model. Kapag kailangan mong basahing mabuti ang isang diff para makita ito, gumugugol ang small model ng oras na hindi lumalabas sa invoice. Ang paglalagay ng halaga sa oras na iyon ay kapareho ng arithmetic sa pagtukoy kung sulit ang Claude Code plan, at kapag isinama na sa kabuuan ang sarili mong hourly rate, madalas ay hindi na mukhang mura ang mas murang model.

Kung saan malinaw na mas mahusay ang mas maliit na modelo

Ang Haiku 4.5 ang tamang piliin sa mga sitwasyong ito:

• Mechanical na gawain ng subagent. Walang pangangailangan sa frontier reasoning ang subagent na nagpapalit ng pangalan ng mga file o kumukuha ng search output. Ito ang karaniwang pattern kapag gumawa ka ng AI agent gamit ang Claude at binigyan ito ng mga helper.
• Pagsusuri ng log. Ang pagpapasya kung noise lamang ang isang linya o kailangan itong suriin ng tao ay limitadong judgement na may malinaw na failure mode.
• Classification gamit ang fixed label set. Maikli ang output, at nasusukat ang accuracy gamit ang sample.
• Mga production call na mataas ang volume. Sa 100,000 run bawat araw, hindi na rounding error ang diperensiya sa bawat token. Ito ang karaniwang setup ng AI workflow na nakakonekta sa n8n.
• Anumang sitwasyong mahalaga ang bilis ng response para sa user. Ang Haiku 4.5 ang kinikilalang pinakamabilis na modelo sa lineup.

May isang limitasyon na partikular sa Haiku. Ang minimum cacheable prompt nito ay 4,096 token, kumpara sa 1,024 sa Opus 4.8 at Sonnet 5. Mas mababa rito, “any requests to cache fewer than this number of tokens will be processed without caching, and no error is returned”. Ang 1,500-token instruction block na naca-cache sa Sonnet 5 ay tahimik na hindi naca-cache sa Haiku 4.5. Ang palatandaan ay parehong zero ang cache_creation_input_tokens at cache_read_input_tokens. Tinutugunan ito ng pagbawas sa gastos ng always-on agent kasama ng iba pang paraan kung paano mawalan ng cache.

Mga lever na nagpapabago sa sagot

Ang bawat isa sa mga setting na ito ay mas nakaaapekto sa bill kaysa sa pangalan ng model.

Effort. Kinokontrol ng output_config.effort kung gaano karaming trabaho ang ginagawa ng model bago ito sumagot. Ang mga level ay low, medium, high, xhigh, at max, at ang high ang default: “Ang pag-set ng effort sa high ay nagbibigay ng eksaktong kaparehong behavior gaya ng hindi pagsama sa parameter na effort.” Nakapaloob ito sa output_config sa halip na nasa top level ng request:

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

Naaapektuhan ng effort ang bawat token sa response: “Maaari nitong maapektuhan ang lahat ng token na ginagamit, kabilang ang mga tool call. Halimbawa, mas kaunting tool call ang gagawin ni Claude kapag mas mababa ang effort.” Mas lumalaki ang epekto nito sa isang agentic loop. Hindi ito token cap: “Ang effort ay behavioral signal, hindi mahigpit na token budget.” Walang inilalabas ang Anthropic na cost multiplier para sa bawat level at sinasabi nitong subukan ang sarili mong use case. Dahil dito, maaari mong ihambing ngayong hapon ang isang Sonnet 5 run sa high at isang Opus 4.8 run sa low. Wala ang Haiku 4.5 sa listahan ng mga model na sumusuporta sa effort.

Prompt caching. Ang cache read ay nagkakahalaga ng 0.1x ng base input rate. Ang mahalaga sa pagpili ng model ay kung ano ang nagiging epekto nito sa iba’t ibang tier. Ang cache hit sa Opus 4.8 ay nagkakahalaga ng $0.50 / MTok, samantalang ang uncached input sa Haiku 4.5 ay nagkakahalaga ng $1 / MTok. Kaya mas mura kada input token ang maayos na naka-cache na Opus prefix kaysa sa cold Haiku prompt. Sa anumang workload na muling nagpapadala ng malaking stable prefix, mas mahalaga ang maayos na session hygiene kaysa sa pagpili ng model.

Batches. Kung walang naghihintay sa sagot, pinapatakbo ng Message Batches API ang parehong mga model na may “50% discount sa input at output tokens.” Hinahati nito sa kalahati ang bawat row ng paghahambing sa ibaba, at gumagana ito sa lahat ng tier. Mas mura ang isang batched Opus 4.8 job kaysa sa isang synchronous Sonnet 5 job sa standard price mula 1 September 2026. Ipinagpapalit nito ang latency para sa capability sa parehong halaga.

Isang kumpletong paghahambing ng gastos

Ang workload: ikategorya ang 100,000 support email, tig-iisang call, na may 2,000 input token at 300 output token bawat call. Katumbas ito ng 200 MTok na input at 30 MTok na output.

• Haiku 4.5: 200 x $1 = $200 para sa input, 30 x $5 = $150 para sa output. Kabuuang $350.
• Sonnet 5, introductory rate: 200 x $2 = $400 para sa input, 30 x $10 = $300 para sa output. Kabuuang $700.
• Sonnet 5, mula 1 September 2026: 200 x $3 = $600 para sa input, 30 x $15 = $450 para sa output. Kabuuang $1,050.
• Opus 4.8: 200 x $5 = $1,000 para sa input, 30 x $25 = $750 para sa output. Kabuuang $1,750.

Palitan ang apat na numero para ulitin ang kalkulasyon gamit ang mga presyo bukas. Mas malaki ang epekto ng mga adjustment sa ibaba kaysa sa pangalan ng model:

• Hinahati ng batching ang bawat halaga: $175, $350, $525 at $875. Walang kailangang maghintay sa nightly classification run, kaya walang dahilan para laktawan ito.
• Pag-cache ng shared prefix. Ipagpalagay na pareho ang 1,200 sa 2,000 input token na instruction block sa bawat pagkakataon. Sa Sonnet 5 sa introductory rate, nagkakahalaga ang mga ito ng $0.20 / MTok bilang cache hit sa halip na $2 / MTok, kaya $24 lamang ang halaga ng 120 MTok sa halip na $240. Idagdag ang 80 MTok na bagong input sa halagang $2, o $160, kasama ang $300 para sa output. Dahil dito, nasa $484 ang halaga ng Sonnet 5 sa halip na $700. Walang epekto ang parehong technique sa Haiku 4.5 dahil mas mababa sa minimum nitong 4,096 token ang 1,200 token.
• Mga retry. Ipagpalagay na tinatanggihan mo ang sagot ng Haiku sa 8% ng mga email at inuulit ang mga iyon sa Opus 4.8. Idagdag ang 0.08 x $1,750 = $140 sa $350, kaya nagiging $490. Sukatin ang sarili mong rejection rate sa halip na gamitin ang rate ko.
• Mga tool definition, kung gumagamit ang job ng mga ito. Ang system prompt na ginagawa ng mga ito ay 290 token sa Opus 4.8 kapag naka-set ang tool_choice sa auto, 354 sa Sonnet 5, at 496 sa Haiku 4.5. Ang pinakamurang model ang may pinakamalaking fixed overhead.

Parehong nagkakahalaga ang Haiku na may escalation path sa $490 at ang Sonnet 5 na may cache sa $484, at isa sa mga ito ang nakakagawa ng trabaho sa iisang pass. Hindi kailanman ang model ang buong usapin.

Mas nakakatipid ba kapag nagpapalit ng model sa kalagitnaan ng session?

Mas madalang ito kaysa sa ipinahihiwatig ng mga nakalistang presyo, dahil bawat token ang batayan ng tipid habang isang buong naka-cache na prefix ang maaaring maapektuhan.

Idinedokumento ng Anthropic kung ano ang nag-iinvalidate ng cache. Binubuo ang mga prefix sa ganitong pagkakasunod: tools, pagkatapos ay system, at pagkatapos ay messages. Nakasaad din na, “Ang mga pagbabago sa bawat level ay nag-iinvalidate sa level na iyon at sa lahat ng kasunod na level.” Kasama rin sa listahang iyon ang dalawang setting ng request: “Ni-render ang thinking configuration at ang na-resolve na effort level sa prompt mismo, kaya ang pagbabago sa alinman sa mga ito ay nagsisimula ng bagong cache prefix.” Mas malinaw pa ang dokumentasyon tungkol sa effort: “Iba-ibahin ang effort sa magkakaibang workload, sa halip na sa loob ng isang conversation na umaasa sa cache hits.”

Wala ang model sa dokumentadong listahang iyon, kaya huwag agad ipagpalagay ang alinmang sagot. Basahin ang cache_read_input_tokens sa unang request pagkatapos ng pagpapalit at hayaang ang aktuwal na numero ang magpasya. Para sa 150,000-token na Opus 4.8 prefix, humigit-kumulang $0.08 ang halaga ng cache read at humigit-kumulang $0.94 ang bagong write. Mas mataas ito kaysa sa halaga ng ilang turn batay sa diperensiya sa bawat token na sinusubukan mong tipirin.

Kaya gawin ang mga pagbabagong ito sa pagitan ng mga task, hindi sa loob ng iisang task. Sa Claude Code, nangangahulugan ito na /clear muna, kapag itinatapon na ang cache, at saka /model o /effort. Pareho itong tina-type sa CLI. Kung Linux ang gamit mo, ang terminal installation ang sulit magkaroon, dahil ang native na inihahatid ng Anthropic para sa Linux ay may stable na CLI habang beta pa ang desktop app. Kung lalabas man sa bill ang pagpapalit ay nakadepende sa paraan ng pagbabayad para sa session. Ang Claude Code ay maaaring gumamit ng flat monthly plan o per-token API credits, at ang ikalawa lamang ang nagpepresyo sa pagpapalit ng model sa dolyar. Sa flat plan, ang kapalit ng paggamit ng mas mabigat na model ay ang usage window, hindi ang invoice. Kasama ang Claude Code sa Pro at mas mataas na plan at gumagamit ito ng kaparehong window ng chat apps, kaya ang isang oras ng Opus sa terminal ay isang oras na hindi mo nagagamit sa browser.

Paano subukan ang sagot sa sarili mong workload

Huwag i-size ang isang prompt gamit ang bilang mula sa ibang model. Libre gamitin ang token-counting endpoint, at nagbibilang ito gamit ang tokenizer ng model na pangalanan mo, kaya ilagay ang model na balak mong tawagin. Isa ang endpoint na ito sa iilang bahagi ng platform na hindi kailanman naniningil, at sulit tingnan ang ano pa ang maaari mong patakbuhin nang walang bayad bago gumastos ng totoong credit para sa paghahambing. Gumagamit ang Opus 4.7 at mas bago, Fable 5, at Sonnet 5 ng mas bagong tokenizer na “gumagawa ng humigit-kumulang 30% mas maraming token para sa parehong text”, kaya mababa ang lumalabas na budget na sinukat sa mas lumang model kapag inilapat sa mas bago na may parehong rate bawat token.

Pagkatapos, basahin ang resulta. Ang input_tokens ay ang hindi lamang naka-cache na natitirang bahagi, kaya ang tunay na laki ng prompt ay ang field na iyon kasama ang cache_creation_input_tokens at cache_read_input_tokens. Ang unang Claude API app sa isang VPS ang pinakamaliit na tapat na lugar para patakbuhin ang pagsukat na iyon, at ang kung aling Claude plan ang angkop sa paggamit mo ay hiwalay na desisyon kung magbabayad ka ba talaga bawat token. Kung ang tanong pala ay kung aling subscription ang pananatilihin, sa halip na kung kukuha ka ba nito, ipinapakita ng mga tier ng Claude na itinabi sa presyo ng ChatGPT kung magkano ang parehong coding work sa mga seat ng ibang provider. Kung dahil sa pagsukat ay tuluyan mong ililipat ang work mo sa API, maaari mo pa ring gamitin ang panahong nabayaran mo na kahit ibaba ng isang tier ang subscription o kanselahin ito nang tuluyan, kaya walang penalty sa pagpapasya kapag nasa iyo na ang mga numero. Patakbuhin ang parehong pagsukat para sa isang team sa halip na isang tao, at mag-iiba ulit ang kabuuan dahil kailangang malampasan ng Team o Enterprise seat ang halagang gagastusin sana ng taong iyon bawat token bago ito maging sulit bilhin.

FAQ

Aling Claude model ang pinakamahusay para sa coding?

Ang Claude Opus 4.8 ang dokumentadong panimulang punto para sa kumplikadong agentic coding, sa halagang $5 bawat milyong input token at $25 bawat milyong output token noong July 2026. Itinuturing ang Claude Sonnet 5 na pinakamahusay na kombinasyon ng bilis at intelligence. Sa halagang $2 / $10 hanggang 31 August 2026, wala pang kalahati ang presyo nito. Patakbuhin ang parehong task sa dalawang model, panatilihing pareho ang thinking configuration, at ihambing ang kabuuang token spend mula sa response.usage.

Sapat bang mura ang Claude Haiku 4.5 para ipalit sa Sonnet 5?

Sa bawat token, oo: $1 / $5 kumpara sa $2 / $10 para sa Sonnet 5 sa introductory pricing, o $3 / $15 mula 1 September 2026. Ang mga limitasyon ang magpapasya. Ang Claude Haiku 4.5 ay may 200K token context window sa halip na 1M, 64K maximum output sa synchronous Messages API, reliable knowledge cutoff noong February 2025, walang suporta sa output_config.effort, at 4,096-token minimum cacheable prompt na tahimik na nagdi-disable ng caching sa maiikling system prompt.

Makakatipid ba kung lilipat sa mas murang Claude model sa kalagitnaan ng session?

Mas madalang kaysa sa inaakala. Ayon sa dokumentasyon ng Anthropic, ang mga cache invalidator ay mga pagbabago sa tools, system, o messages prefix, mga pagbabago sa thinking configuration, at mga pagbabago sa output_config.effort. Hindi dokumentado kung ano ang epekto ng paglipat ng model sa kasalukuyang cache. Ituring itong hindi alam at basahin ang cache_read_input_tokens sa unang request pagkatapos nito. Mahalagang malaman ito: sa 150,000-token Opus 4.8 prefix, humigit-kumulang $0.08 ang halaga ng cache read at humigit-kumulang $0.94 ang bagong write. Mas malaki ito kaysa sa matitipid sa bawat token sa ilang turn. Magpalit ng model sa pagitan ng mga task, pagkatapos ng /clear sa Claude Code, kapag itinatapon na rin ang cache.

Ano ang epekto ng output_config.effort sa bill ko?

Binabago nito kung ilang token ang ginagamit ng model sa text, tool call, at thinking. Kapag mas mababa ang effort, mas kaunti ang tool call. Lumalaki ang epekto nito sa agentic loop dahil ipinapadala muli ang bawat tool result sa mga susunod na turn. Ang mga level ay low, medium, high, xhigh, at max, kung saan ang high ang default. Walang inilalabas na cost multiplier ang Anthropic para sa bawat level. Itinuturing nito ang effort bilang behavioral signal, hindi bilang token budget. Kaya sukatin ito sa sarili mong task.

Magkano ang matitipid sa Claude Batches API?

50% sa input at output token, kapalit ng asynchronous delivery. Noong July 2026, nangangahulugan ito ng $2.50 input / $12.50 output para sa Opus 4.8, $1 / $5 para sa Sonnet 5 sa introductory pricing, at $0.50 / $2.50 para sa Haiku 4.5. Ang mahalagang paghahambing ay nasa magkakaibang tier: mas mura ang batched Opus 4.8 job kaysa sa synchronous Sonnet 5 job sa standard rate mula 1 September 2026. Sa parehong halaga, nakakakuha ka ng mas malakas na model sa pamamagitan ng batching.