Claude Modellerinde Girdi ve Çıktı Token Maliyet Farkı
Claude modellerinde çıktı token maliyeti girdi token fiyatının beş katıdır. Prefill ve decoding süreçlerindeki hesaplama farklarını ve faturalara etkisini inceleyin.
Çıktı token'larının girdi token'larından daha maliyetli olmasının nedeni
Mevcut katalogdaki tüm Claude modellerinde çıktı token'larının maliyeti, girdi token'larının beş katıdır. Bunun nedeni hesaplama biçimidir. Bir istemi okumak, model üzerinde tek bir geçiş gerektirir. Bir yanıtı yazmak ise her token için ayrı bir geçiş gerektirir ve her geçiş kendinden öncekini beklemek zorundadır.
Bu oran fiyat listesindeki her satırda aynıdır, bu nedenle seçtiğiniz model faturanızın ne kadarının çıktıdan kaynaklandığını değiştirmez. Bunu iş yükünüzün yapısı belirler. 60,000 token okuyup 800 token ile yanıt veren bir aracı adımı, çıktı için neredeyse hiçbir maliyet oluşturmaz. 2,000 token okuyup 12,000 token yazan bir taslak oluşturma işi ise girdi için neredeyse hiçbir maliyet oluşturmaz. Her iki durum da aşağıda Anthropic'in yayınladığı oranlara göre hesaplanmış olup 27 Ekim 2026 tarihinde doğrulanmıştır.
Prefill bir kez çalışır, decoding her token için bir kez çalışır
Bir çıkarım (inference) sunucusu, bir isteği maliyetleri birbirinden çok farklı iki aşamada işler. Prefill istemi (prompt) okur. Decoding ise yanıtı yazar.
Prefill, istemin tamamını tek seferde alır. Her istem token'ı ağa aynı ileri geçiş (forward pass) ile girer; bu nedenle dikkat (attention) ve ileri beslemeli (feed-forward) işlemler, bir seferde binlerce token'ı kapsayan az sayıda büyük matris çarpımına dönüşür. Model ağırlıklarının bellekten bir kez okunması, tüm istemi karşılar. Hızlandırıcının matris birimleri meşgul kalır; bu da prefill işleminin genellikle hesaplama sınırlı (compute-bound) olduğu anlamına gelir: sınır, çipin ne kadar hızlı çarpma yapabildiğidir. NVIDIA'nın sunum belgeleri istisnaları belirtir: çok kısa prefill işlemleri ve uzun bir önekin (prefix) zaten önbellek isabeti (cache hit) olduğu prefill işlemleri, bunun yerine bellek sınırlı (memory-bound) hale gelir.
Sıradan decoding bu şekilde çalışamaz, çünkü 2. token 1. token'a bağlıdır. Modelin az önce ürettiği token, bir sonraki adımın girdisinin bir parçası haline gelir; bu nedenle adımlar art arda çalışır. Her çıktı token'ı kendi ileri geçişini alır ve bu geçişlerin her biri, tek bir token üretmek için model ağırlıklarının tamamını ve KV önbelleğini (key/value cache; şimdiye kadarki her token için depolanan dikkat durumu) yüksek bant genişlikli bellekten okur. Bu durum genellikle decoding işlemini bellek sınırlı hale getirir: sınır, ağırlıkların ve önbelleğe alınmış durumun ne kadar hızlı çarpılabildiği değil, ne kadar hızlı taşınabildiğidir. Uzun bağlamlarda NVIDIA, KV önbelleği okumalarını darboğaz olarak işaret eder. Prefill sırasında tüm bir istemi tüketen aynı ağırlık trafiği, decoding sırasında size yalnızca bir token kazandırır.
Tahminleyici decoding (speculative decoding), bu kuralı bozmadan esnetir. Küçük bir taslak model, birkaç token sonrasını tahmin eder ve büyük model bunların hepsini tek bir geçişte paralel olarak kontrol eder; NVIDIA bunun decoding işlemini hesaplama sınırlı hale getirebileceğini belirtir. Büyük model tahminleri yine de sırayla kabul eder ve ilk yanlış tahminde durur; bu nedenle uzun bir yanıt hala birçok geçişe mal olur.
Sunum sistemleri, gruplama (batching) yaparak buna karşı koyar. Birçok istek birlikte çözümlenir (decode edilir), böylece ağırlıkların bir kez okunması, gruptaki her istek için bir token üretir. Decoding işleminin makul maliyetli olmasının nedeni budur. Tavan yine bellektir. İşlemdeki her istek kendi KV önbelleğini tutar; bu önbellek üretilen her token ile büyür ve hızlandırıcıyı doldurduğunda grup daha fazla büyüyemez.
Bunların hiçbiri size kesin bir sayı vermez ve 5x değerini ölçülmüş bir donanım oranı olarak okumamalıyız. Bu, Anthropic tarafından belirlenen ve bu asimetriye dayanan bir fiyattır. Kendi başınıza kontrol edebileceğiniz şey yöndür ve bu yaklaşık bir dakika sürer.
Giriş ve çıkış boşluğunu kendiniz ölçün
Araçları herhangi bir Ubuntu makinesine kurun:
sudo apt update && sudo apt install -y curl jq moreutilsŞimdi uzun bir yanıt gerektiren kısa bir istemi akışa alın ve her satırı ulaştığı zaman damgasıyla işaretleyin.
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'ts -s, her satırın başına komut başladıktan sonra geçen saniyeyi ekler. Bu çıktıdan okunması gereken iki husus vardır. İlk content_block_delta satırı, ilk token'a ulaşma sürenizdir ve tüm prefill işlemi bu süre içinde gerçekleşmiştir. Bundan sonraki her satır, decoding işleminin küçük bir adımıdır ve message_stop gelene kadar damgalar artmaya devam eder.
Şimdi şekli tersine çevirin. İstem içine uzun bir belge koyun ve yanıtı birkaç token ile sınırlayın.
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'İlk delta, kısa istemde olduğundan daha uzun sürer; çünkü prefill işlemi okunacak çok daha fazla metne sahiptir. Yanıt geldikten sonra süreç neredeyse anında biter, çünkü decode edilecek sadece birkaç token kalmıştır. On binlerce token girişi yapıldı ve saat neredeyse hiç ilerlemedi. Birkaç yüz token çıkışı oldu ve saat tüm süre boyunca çalıştı.
Akış içermeyen her yanıt, faturalandırıldığınız sayıları içerir.
{
"usage": {
"input_tokens": 41283,
"output_tokens": 6,
"cache_creation_input_tokens": 0,
"cache_read_input_tokens": 0
}
}Her istek için dört alanı da kaydedin. output_tokens düşünme token'larını içerir; bu nedenle yanıt vermeden önce düşünen bir model, bu düşünme sürecini çıkış hızından faturalandırır. Bir istemi göndermeden önce fiyatlandırmak için POST /v1/messages/count_tokens, çoğu istek için aynı istek gövdesini alır, modeli çalıştırmadan bir tahmin olarak {"input_tokens": N} değerini döndürür ve kendi hız sınırı dahilinde ücretsizdir. Messages API'nin kabul ettiği bazı gövdeleri reddeder: web araması, MCP bağlayıcısı ve url veya file kaynağına sahip görüntü veya belge blokları gibi çoğu sunucu aracı; bu nedenle görüntüleri ve PDF'leri sayarken base64 olarak gönderin. API'nin ücretsiz olan tek kısmı bu değildir ve Claude API'nin hangi kısımları için asla faturalandırılmadığınız konusu, ilk projenizin bütçesini yapmadan önce kontrol edilmeye değerdir.
Ekim 2026 itibarıyla Claude'un milyon token başına ücretlendirmesi
Bu grafiğin arkasındaki veriler
[
{
"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
}
]Son sütun, çıktının girdiye bölünmesiyle elde edilir ve her satırda 5 değerini gösterir. Haiku 4.5, giriş için $1, çıkış için $5 faturalandırır. Opus 5, $5 ve $25 olarak ücretlendirilir. En pahalı model olan Fable 5, $10 ve $50 olarak faturalandırılır ve Fable 5 fiyatlarının size neler kazandırdığı konusu, en üst satırı göz ardı etmeden önce okunmaya değerdir. Ürün gamında yukarı çıkıldığında her iki taraf da aynı katsayı ile çarpılır; bu durum toplam maliyeti değiştirse de giriş-çıkış oranını olduğu gibi bırakır.
Sonnet 5, giriş için $2, çıkış için $10 olarak ücretlendirilir. Anthropic, bu modeli 31 Ağustos 2026'ya kadar geçerli olmak üzere tanıtım fiyatıyla piyasaya sürmüş, 1 Eylül için $3 ve $15 seviyesine bir artış planlamış, ancak daha sonra $2 ve $10 fiyatlarını standart fiyat olarak belirlemiştir. Artış hiçbir zaman yürürlüğe girmediği için aşağıdaki tüm örneklerde yer alan oranlar, bugün ödediğiniz oranlardır.
Anthropic, bu sayfa ilk yayına girdiğinden beri daha yeni modeller de yayınladı ve claude.com/pricing artık yukarıdaki dört modeli, erişilebilir kalmaya devam eden eski (legacy) modeller olarak listeliyor. Yeni modeller aynı 5x oranını korumaktadır. Opus 5.5 $4 ve $20, Sonnet 5.5 $2 ve $10, Fable 5.1 $10 ve $50 olarak ücretlendirilirken; Haiku 5.5, 100.000 tokene kadar olan istemler için $0.10 ve $0.50, bu sınırın üzerinde ise $0.50 ve $2.50 olarak ücretlendirilir. Aşağıda yer alan 60.000 tokenlik aracı adımı maliyeti bu sınırın altındadır, ancak geçmişi sürekli büyüyen bir aracı zamanla bu sınırı aşacaktır ve Haiku 5.5'in iki fiyat kademesinin gerçek işlerde nasıl sonuçlandığı, bu sıçramanın faturaya etkisini göstermektedir. Opus 5.5'in temel giriş ve çıkış oranları Opus 5'ten %20 daha düşüktür, bu nedenle aşağıda yer alan önbelleğe alınmamış (uncached) tüm Opus 5 rakamları Opus 5.5'te %20 daha düşüktür. Önbelleğe alınmış (cached) rakamlar daha da düşer; çünkü Opus 5.5, önbellek isabetlerini milyon token başına $0.20'den okur, bu da Opus 5'teki $0.50'ye kıyasla %60'lık bir indirimdir. Opus 5'te $0.0725 maliyeti olan önbelleğe alınmış aracı adımı, Opus 5.5'te yaklaşık %35 daha az bir maliyetle $0.047 civarına gelir.
Fiyatlar değişebilir ve bu sayfa fiyatları kontrol etmeniz gereken yer değildir. claude.com/pricing tek doğru kaynaktır. Fiyat değişikliğinden etkilenmeyen şey yöntemdir.
Bir uyarı, oranların kendisinden ziyade Anthropic'in fiyat tablosunun altındaki notlarda yer almaktadır. Anthropic'in fiyatlandırma sayfası, Claude 4.7 ve sonraki modellerin, Sonnet 4.6 ve önceki modellerdeki tokenizer'a göre aynı metin için yaklaşık %30 daha fazla token üreten daha yeni bir tokenizer kullandığını belirtmektedir. Sadece milyon token başına fiyata göre karşılaştırılan iki model, yeni olanın lehine yanıltıcı sonuçlar verecektir; çünkü aynı belge yeni modelde daha fazla token kaplar. Karşılaştırmayı tamamlanmış iş başına maliyet üzerinden yapın ve gerçek istemlerinizi kullanmayı planladığınız modele göre hesaplayın. Aynı tuzak, tokenizer'ları birbirinden farklı olan sağlayıcılar arasında da mevcuttur; bu nedenle Claude ve ChatGPT üzerinde gerçek bir işin maliyetini hesaplamak, iki fiyat listesini yan yana koymaktan daha fazla bilgi sağlar. Bir milyon Claude tokeninin gerçek metin olarak karşılığı, bu hacmin pratikte neye benzediğini açıklamaktadır.
Çıktı maliyeti faturanızda ne zaman baskın hale gelir?
Çıktı fiyatı, girdi fiyatının 5 katı olarak belirlendiğinde, başa baş noktasını zihinden hesaplamak kolaydır. Girdi token'larını I, çıktı token'larını O olarak adlandırın. Girdi maliyeti I'dır. Çıktı maliyeti ise 5 çarpı O'dur. 5 çarpı O, I'dan büyük olduğunda, yani 5 girdi token'ına karşılık 1 çıktı token'ı oranında, çıktı harcamalarınızın yarısından fazlasını oluşturur.
Dolayısıyla, isteminiz yanıtınızdan beş kat daha uzunsa, girdi daha büyük bir maliyet kalemidir. Bu oranın altında ise çıktı daha baskındır.
Bu grafiğin arkasındaki veriler
[
{
"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
}
]100'e 1 oranında, çıktı harcamanın 4.8%'ini oluşturur ve bu durumda sadece istemi kısaltmak üzerinde çalışmaya değer. 5'e 1 oranında iki taraf eşittir. 1'e 6 oranında ise çıktı 96.8%'dir ve istem ihmal edilebilir bir hata payı haline gelir. Çoğu kişi kendi oranını yanlış tahmin eder, bu nedenle herhangi bir optimizasyon yapmadan önce bu veriyi loglarınızdan çekin.
Bir aracı iş yükü: uzun bağlam girişi, kısa yanıt çıkışı
Bir aracı (agent) erişim adımını ele alalım: 60.000 token'lık erişilen dokümanlar ve konuşma geçmişinden oluşan girdi ile 800 token'lık bir yanıt. Bu, yazmadan önce okuma yapan her işlem için normal kabul edilen 75'e 1 oranına denk gelir.
Bu grafiğin arkasındaki veriler
[
{
"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
}
]Çıktı, her modeldeki çağrının 6.25%'ini oluşturur çünkü bu oran tüm fiyat listesi boyunca sabittir. Bu çağrı Opus 5 üzerinde $0.32, Sonnet 5 üzerinde $0.128 ve Haiku 4.5 üzerinde $0.064 maliyete sahiptir. Opus 5 üzerinde günde iki yüz adet bu tür adımın maliyeti günlük $64'tır.
Dağılımı gördüğünüzde kaldıraç etkisi netleşir. Yanıtı 800 token'dan 400 token'a düşürmek, çağrı maliyetinin yaklaşık %3'ünden tasarruf sağlar. İstemin içinden 20.000 token'lık eski bağlamı çıkarmak ise maliyetin yaklaşık üçte birini tasarruf ettirir. Okuma ağırlıklı bir aracıda çıktı uzunluğunu kısıtlamak, neredeyse boşa harcanmış bir çabadır. bir kodlama aracısının token'larının aslında nereye gittiği, istemi ilk etapta neyin doldurduğunu detaylandırır.
Bir üretim iş yükü: kısa istem, uzun taslak
Şimdi durumu tersine çevirelim. 2.000 token'lık bir özet, 12.000 token'lık bir taslak; yani 1'e 6 oranı.
Bu grafiğin arkasındaki veriler
[
{
"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
}
]Çıktı, bu faturanın 96.8%'ini oluşturuyor. Opus 5 ile taslak başına maliyet 0.31 $ iken, Haiku 4.5 ile bu maliyet 0.062 $'dır. Bu beş katlık fark neredeyse tamamen çıktı tarafındaki maliyetten kaynaklanmaktadır; ucuz bir modelin size en çok tasarruf sağladığı yer tam olarak burasıdır.
Son sütun, girdi ve çıktı maliyetlerini %50 oranında düşüren Batch API üzerinden aynı işi göstermektedir. Opus 5, taslak başına 0.155 $ seviyesine düşer. Batch işlemi anlık değil, asenkrondur. Anthropic, çoğu toplu işlemin bir saatten kısa sürede tamamlandığını belirtmektedir; ancak 24 saat sonunda hala işlenmekte olan bir toplu işlem süresi dolar ve o ana kadar ulaşılmamış tüm istekler süresi dolmuş, faturalandırılmamış ve mesaj içermeyen bir şekilde geri döner. Bu nedenle, gece rapor üretimi ve toplu sınıflandırma işlemleri için uygundur; süresi dolan öğeler için yeniden gönderim adımı gerektirir. Bir kullanıcının başında beklediği işler için uygun değildir.
Model yönlendirme (routing), ajan adımında hiçbir zaman sağlamadığı bir kazancı bu noktada sağlar. İşin uzun ve detaylı kısmı mekanikse, yani metni yeniden biçimlendirmek veya onayladığınız bir taslağı genişletmekten ibaretse, ucuz model bu token'ları beşte bir fiyatına üretir. Opus, Sonnet ve Haiku arasında seçim yapma konusu, kalite sınırının gerçekte nerede durduğunu açıklamaktadır.
Girdi önbellekleme indirimleri, yalnızca girdi için geçerlidir
Prompt caching, isteminizin bir önekini sunucuda saklar ve bu kısmı tekrar okumak için standart girdi ücretinin bir kısmını tahsil eder. 27 Ekim 2026 itibarıyla çarpanlar şu şekildedir: 5 dakikalık bir önbellek yazmak için temel girdi ücretinin 1.25 katı, 1 saatlik önbellek yazmak için 2 katı ve bu sayfada fiyatlandırılan modellerde bir önbellek isabetini okumak için 0.1 katı. En yeni modeller isabetleri daha düşük maliyetle okur: Opus 5.5 ve Sonnet 5.5 üzerinde 0.05 katı, Fable 5.1 üzerinde ise 0.025 katı.
Çıktı bu anlaşmaya dahil değildir. Önbelleğe alınmış çıktı diye bir şey yoktur. Modelin yazdığı her token, istemin ne kadarı önbellek isabeti olarak dönmüş olursa olsun, her seferinde tam çıktı ücreti üzerinden faturalandırılır.
Opus 5 üzerinde aynı aracı adımını ele alalım; 60,000 girdi token'ının 55,000'i hazır bir önbellekten sağlansın.
Bu grafiğin arkasındaki veriler
[
{
"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
}
]Çağrı maliyeti $0.32 seviyesinden $0.0725 seviyesine düşer. Çıktı satırı değişmez: Öncesinde $0.02, sonrasında $0.02. Önbellekleme faturayı düşürür ve yapısını değiştirir. Çıktı, bu çağrının %6.25'ini oluşturuyordu. Şimdi ise dörtte birinden fazlasını oluşturuyor; bu durum, bir sonraki adımda hangi optimizasyonun daha değerli olduğunu değiştirir.
İlk çağrı yazma işleminin bedelini öder. 5 dakikalık bir önbellek yazma işlemi temel girdinin 1.25 katına mal olur, bu nedenle tek bir isabetten sonra kendini amorti eder. 1 saatlik yazma işlemi 2 katına mal olur, bu nedenle iki isabet gerekir. yazma ve okuma çarpanları ile önbelleklemenin avantajlı olmaktan çıktığı noktalar bu hesaplamayı detaylandırır.
Kontrol edebileceğiniz dört kaldıraç
max_tokensdeğerini modelin maksimum kapasitesine değil, p95 çıktı uzunluğunuza göre ayarlayın.- Uzun adımları daha düşük maliyetli bir modele yönlendirin.
- Kimsenin beklemediği her şeyi toplu işleme (batch) dahil edin.
- Yanıtları şişiren talimatları silin.
max_tokens kesin bir üst sınırdır ve bu değeri yüksek tutmanın tek başına bir maliyeti yoktur; çünkü faturalandırma üretilen token miktarı üzerinden yapılır, sınırın kendisi üzerinden değil. Cömert bir sınır belirlemenin faydası, hatalı bir yanıtta limitin sizi kısıtlamasını önlemektir. Loglarınızdan output_tokens dağılımını çıkarın, sınırı 95. yüzdelik dilimin biraz üzerine ayarlayın ve stop_reason: "max_tokens" durumlarını kod tarafında yanıtı devam ettirerek veya yeniden deneyerek yönetin. Tespit ettiğiniz bir kesilme, ödeyip çöpe attığınız 4.000 token'lık gereksiz bir metinden daha ucuza mal olur. Düşünme süreci de output_tokens içine dahil edilir ve max_tokens kotasından düşer; bu nedenle sınırı aynı veriler ışığında belirleyin. Adaptif düşünme yeteneğine sahip modellerde, düşünme süreci yanıtı tüketmeye devam ediyorsa çaba seviyesini düşürün.
Yönlendirme, bir adımın pahalı kısmının yargıdan ziyade hacim olduğu durumlarda işe yarar. Karar verme aşamasında güçlü modeli tutun, yazma işini ise daha ucuz bir modele devredin. Yönlendirilmiş sürümü önce kendi değerlendirme setinizde ölçün, çünkü önemli olan nihai görev başına düşen maliyettir. Yukarıdaki aracı adımında, iki Haiku 4.5 denemesi 0,128 $ maliyet oluştururken, bir Opus 5 denemesi 0,32 $ maliyet oluşturur; dolayısıyla fiyat farkı bir veya iki yeniden denemeyi tolere edebilir. Ancak kimsenin fark etmediği yanlış bir cevabı tolere edemez.
Toplu işleme (batching), çıktı maliyetini düşüren tek kaldıraçtır. Her iki tarafta da %50 indirim sağlar, çoğu toplu iş bir saat içinde tamamlanır. 24 saatlik süre dolduğunda işi yeniden gönderdiğiniz sürece, zamanlanmış her görev bu kapsama girer.
Son kaldıraç ise insanların genellikle göz ardı ettiği kısımdır. "Kapsamlı ol" veya "mantığını açıkla" gibi ifadeler, yapacağınız her çağrıda çıktı uzunluğunu belirler. Bunları istediğiniz formatla değiştirin: "En fazla üç cümleyle cevapla" veya "Önsöz olmadan sadece JSON nesnesini döndür". Her yanıta 300 token ekleyen bir sistem istemi, aynı 300 token'ın istem içinde kapladığı maliyetin beş katına mal olur. çalışan bir aracın maliyetlerini kontrol altında tutma konusu izleme tarafını kapsar ve API'nin mi yoksa sabit aboneliğin mi kullanım düzeniniz için daha ucuz olduğu konusu, aboneliğin karşılayabileceği token bazlı harcamaları optimize etmek için bir hafta harcamadan önce değerlendirilmelidir. Tek bir geliştirici için bu durum genellikle Claude Pro'nun aylık 20 $'lık ücreti ve beraberinde gelen kullanım limitlerinin yapacağınız işi karşılayıp karşılamadığına bağlıdır. Eğer bu limitlere oturum ortasında ulaşıyorsanız, hangi pencerede beklediğinizi belirlemek ilk adım olmalıdır; çünkü çözüm daha küçük bir model, daha hafif bir bağlam, ek kullanım kredileri veya bu işi ücretli API'ye taşımaktır. Eğer ücretli API bu iş için daha ucuz bir seçenekse, daha küçük bir plana geçmek veya aboneliği iptal etmek, zaten ödemesini yaptığınız ayı etkilemez, bu yüzden geçiş yapmanın size ek bir maliyeti olmaz. Pro planını ücretli API yerine ChatGPT ile kıyaslıyorsanız, iki abonelik modelinin yan yana fiyatlandırılması, kodlama işleri için hangisinin daha ekonomik olduğunu gösterir. Bu soru tek bir geliştirici için değil de bir ekip için soruluyorsa, Claude Enterprise'ın koltuk başına ücreti, bu API oranlarında ölçülen token'larla birleştirdiğini unutmayın; bu nedenle bu sayfadaki her kaldıraç, faturanın ölçülen kısmı için geçerlidir.
FAQ
Çıktı token'ları neden girdi token'larından daha maliyetlidir?
Bunların üretilmesi, token başına çok daha fazla hızlandırıcı süresi gerektirir. Bir istem, bütünü üzerinden tek bir ileri geçişte işlenir; dolayısıyla model ağırlıklarının tek bir okuması binlerce token'ı kapsar ve donanım genellikle çarpma işlem hacmi ile sınırlanır. Olağan kod çözme işleminde yanıt her seferinde bir token olarak üretilir; her token, model ağırlıklarını ve büyüyen KV önbelleğini tekrar okuyan kendi ileri geçişine ihtiyaç duyar, bu nedenle donanım genellikle bellek bant genişliği ile sınırlanır. Spekülatif kod çözme gibi teknikler bu farkı daraltır ancak tamamen ortadan kaldırmaz. Anthropic, mevcut kataloğun tamamında çıktı fiyatını, Haiku 5.5'ten Fable 5.1'e kadar girdi fiyatının beş katı olarak belirlemiştir.
İstem önbellekleme (prompt caching) çıktı token'larını ucuzlatır mı?
Hayır. İstem önbellekleme yalnızca girdi için geçerlidir. 27 Ekim 2026 itibarıyla, bir önbellek okuması çoğu modelde temel girdi oranının 0.1 katına (Opus 5.5 ve Sonnet 5.5'te 0.05 katına, Fable 5.1'de 0.025 katına) mal olur ve önbellek yazmaları 5 dakikalık süre için 1.25 kat, 1 saatlik süre için 2 kat maliyetlidir. Çıktı, önbelleğin ne yaptığına bakılmaksızın her çağrıda tam oran üzerinden faturalandırılır. Önbelleklemenin faturanızın boyutunun yanı sıra şeklini de değiştirmesinin nedeni budur: girdi tarafı küçüldüğünde, maliyetin ana kaynağı çıktı haline gelir.
Yanıt kısa gelirse yüksek bir max_tokens bana para kaybettirir mi?
Hayır. Yalnızca modelin fiilen ürettiği token'lar için faturalandırılırsınız, bu nedenle max_tokens bir rezervasyon değil, bir üst sınırdır. Yine de önemlidir, çünkü kontrolden çıkan bir yanıt üzerindeki tek kesin sınırdır. Bunu, gözlemlediğiniz output_tokens değerinin 95. yüzdelik diliminin biraz üzerine ayarlayın, ardından sessizce kesilmiş bir yanıt göndermek yerine stop_reason: "max_tokens" durumunu kod içerisinde yönetin.
Kendi girdi/çıktı token oranımı nasıl bulabilirim?
Her yanıtın usage nesnesinden input_tokens, output_tokens, cache_read_input_tokens ve cache_creation_input_tokens değerlerini kaydedin, ardından bir hafta boyunca toplamları birbirine bölün. 5 girdi/1 çıktı oranının üzerindeyseniz, paranız istemin içindedir; bu nedenle kararlı kısmı önbelleğe alın ve geri kalanını kırpın. Bunun altında kalıyorsanız, paranız yanıttadır; bu nedenle yanıt uzunluğunu sınırlayın ve en çok çıktı üreten adımları daha ucuz bir modele veya Batch API'ye taşıyın.