تحریر: Claude یا ChatGPT API: کون سستا ہے؟
ہر workload میں ایک API سستی نہیں۔ token کا حساب سیکھیں، 3 لاگت والے jobs دیکھیں، اور جانیں کہ کس tier اور token mix میں Claude کا bill زیادہ بنتا ہے۔
مختصر جواب
Claude اور ChatGPT API کی قیمتوں میں کوئی ایک واضح فاتح نہیں، کیونکہ دونوں vendors کے درمیان فرق tier اور آپ کے token mix کے ساتھ بدلتا ہے۔ 21 October 2026 تک workhorse tier میں دونوں جانب ہر input token کی قیمت یکساں ہے، جبکہ Claude میں ہر output token کی قیمت کم ہے۔ اس لیے output-heavy کام میں Claude معمولی طور پر آگے رہتا ہے۔ frontier tier میں OpenAI کے promotional gpt-5.6-sol rates ہر مرحلے پر Claude Opus 5 سے 20% کم ہیں۔ small tier میں اسی کام کے لیے Claude Haiku 4.5 کی قیمت کئی گنا زیادہ ہے۔ ایسا کوئی بھی جواب جو tier اور token mix بیان نہ کرے، محض اندازہ ہے۔
اس لیے یہ صفحہ پہلے حساب کا طریقہ دیتا ہے، پھر token mixes کے ساتھ تین لاگت والے workloads پیش کرتا ہے، اور اس کے بعد وہ multipliers بیان کرتا ہے جو headline rate کے مقابلے میں حقیقی bill کو مزید نمایاں طور پر بدل سکتے ہیں۔
صرف یہی فارمولا درکار ہے
دونوں APIs متن کی قیمت کا حساب ایک ہی طریقے سے لگاتی ہیں۔ آپ بھیجے گئے tokens کی قیمت ادا کرتے ہیں، اور model کی جانب سے واپس لکھے گئے tokens کے لیے زیادہ شرح ادا کرتے ہیں۔
cost = (input tokens / 1,000,000) * input rate + (output tokens / 1,000,000) * output rate
ایک token میں موجود متن کی مقدار model پر منحصر ہوتی ہے۔ Anthropic کی glossary کے مطابق Claude Sonnet 4.6، Claude Haiku 4.5 اور اس سے پہلے کے models میں ایک token انگریزی کے تقریباً 3.5 characters کے برابر ہوتا ہے۔ Claude 4.7 اور اس کے بعد کے models، جن میں Opus 5، Sonnet 5، Fable 5 اور 5.5 generation شامل ہیں، نیا tokenizer استعمال کرتے ہیں۔ یہ اسی متن کے لیے تقریباً 30% زیادہ tokens بناتا ہے، یعنی تقریباً 2.7 characters فی token۔ تقریباً 4 characters، یعنی ایک لفظ کے قریب 0.75، والی معروف قدر OpenAI کے اپنے models کے لیے عمومی اندازہ ہے، Claude کے لیے نہیں۔ ابتدائی اندازے کے لیے ان میں سے کوئی بھی قدر استعمال کریں۔ حقیقی bill کے لیے ہر API کے ہر response کے usage object میں واپس کیے گئے counts استعمال کریں۔
# 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))script 0.005 دکھاتا ہے، جو ہر turn کے لیے نصف cent ہے۔ اسے ایک ماہ میں متوقع turns کی تعداد سے ضرب دیں، اور آپ کا budget تیار ہے۔ اگر denominator میں million-token unit سمجھنا مشکل لگے تو Claude میں دس لاکھ tokens سے حقیقتاً کیا حاصل ہوتا ہے اس کے پیچھے متن کی ایک واضح مقدار پیش کرتا ہے۔ یہ ایک فارمولا سیکھ لیں؛ اس کے بعد آج کے بعد ہونے والی ہر price change نئی analysis کے بجائے صرف ایک سطری ترمیم بن جائے گی۔
شائع کردہ نرخ، اکتوبر 2026
یہ دونوں vendors کے pricing pages پر درج list prices ہیں، جنہیں 21 October 2026 کو چیک کیا گیا تھا۔ اس block میں ذیل کے scenarios میں استعمال ہونے والا ہر rate شامل ہے۔ بجٹ منظور کرنے سے پہلے اسے claude.com/pricing اور OpenAI کے pricing page سے ملا کر دیکھیں۔
اس چارٹ کے پیچھے کا ڈیٹا
[
{
"label": "Frontier",
"claude_input": 5,
"claude_output": 25,
"openai_input": 4,
"openai_output": 20
},
{
"label": "Workhorse",
"claude_input": 2,
"claude_output": 10,
"openai_input": 2,
"openai_output": 12
},
{
"label": "Workhorse, Sonnet 4.6",
"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
}
]یہ pairings ہر lineup میں position کے مطابق ہیں، شہرت کے مطابق نہیں۔ Frontier میں Claude Opus 5 کا مقابلہ gpt-5.6-sol سے ہے۔ Workhorse میں Claude Sonnet 5 کا مقابلہ gpt-5.6-terra سے ہے۔ Small میں Claude Haiku 4.5 کا مقابلہ gpt-5.6-luna سے ہے۔ دونوں vendors اس block سے اوپر higher tiers بھی فروخت کرتے ہیں۔ Claude کی جانب وہ tier Fable 5 ہے، جس کی قیمت دونوں legs پر frontier row سے دوگنی ہے، جبکہ output ratio وہی پانچ گنا رہتا ہے۔ اس لیے Fable 5 کی قیمت اور یہ rate کب مناسب بنتا ہے پڑھ لینا مفید ہے، اس سے پہلے کہ آپ یہ فرض کریں کہ Opus 5 آپ کے bill کی سب سے اوپر والی سطح ہے۔ ایک جانب flagship اور دوسری جانب budget model کا موازنہ ایسا number پیدا کرتا ہے جس کا کوئی مفہوم نہیں ہوتا۔ زیادہ تر published comparisons اپنی headline اسی طرح بناتے ہیں۔
اس block میں تین باتیں واضح طور پر بیان کرنا ضروری ہیں۔ Sonnet 5 کے 2 اور 10 اس کے standard rates ہیں۔ Anthropic نے ابتدا میں انہیں 31 August 2026 تک introductory price کے طور پر فروخت کیا، پھر انہیں standard بنا دیا اور $3 اور $15 تک planned rise منسوخ کر دی۔ اس لیے workhorse tier میں Claude کو معمولی برتری حاصل رہتی ہے۔ دوسری workhorse row پچھلی generation، Claude Sonnet 4.6، کی ہے، جس کے rates اب بھی 3 اور 15 درج ہیں۔
دوسری بات frontier row سے متعلق ہے۔ 21 August 2026 کو OpenAI نے gpt-5.6-sol کی قیمت $5 اور $30 سے کم کر کے 4 اور 20 کر دی۔ یہ promotional pricing ہے، اور اس کے model page کے مطابق کم از کم 21 November 2026 تک جاری رہے گی۔ اس تاریخ تک Sol، input، cache reads اور output تینوں پر Claude Opus 5 سے 20% کم قیمت رکھتا ہے۔ اس تاریخ کے بعد اس row کو دوبارہ چیک کریں۔
تیسری بات ایک ایسا pattern ہے جسے یاد رکھنا چاہیے: Claude ہر اوپر والی row میں output کی قیمت اپنی input rate سے بالکل 5 گنا رکھتا ہے۔ OpenAI، gpt-5.6-terra اور gpt-5.6-luna پر output کی قیمت 6 گنا رکھتا ہے، جبکہ promotional rate پر gpt-5.6-sol کے لیے یہ 5 گنا ہے۔ winner کا تعین absolute rate نہیں بلکہ یہی ratio کرتا ہے، کیونکہ آپ کا token mix بدلنے سے نتیجہ بھی بدل جاتا ہے۔
دونوں vendors نے اس block میں موازنہ کی گئی generation کے بعد نئی generation بھی جاری کی ہے۔ Anthropic، prompts up to 100,000 tokens کے لیے Claude Opus 5.5 کو $4 اور $20، Claude Sonnet 5.5 کو $2 اور $10، اور Claude Haiku 5.5 کو $0.10 اور $0.50 پر درج کرتا ہے۔ OpenAI کی model list میں اب gpt-6-astra $10 اور $50، gpt-6.1-sol $2 اور $10، اور gpt-6-luna $0.10 اور $0.50 کے ساتھ سرفہرست ہیں۔ ان کی per-token rates اوپر والی rows کے مقابلے میں ایک دوسرے کے زیادہ قریب ہیں، اس لیے نئی models میں tokenizer اور caching sections ذیل میں bill کا فیصلہ کرتے ہیں۔ Small tier کی صورتِ حال سب سے زیادہ بدلتی ہے، اور Haiku 5.5 کی قیمت اور اس کا موزوں استعمال پڑھ لینا مفید ہے، اس سے پہلے کہ آپ اس tier میں Claude کو خارج کریں۔
لاکھ tokens کی شرح مختلف vendors کے درمیان قابلِ موازنہ کیوں نہیں ہوتی
شرح فی token ڈالر میں ہوتی ہے۔ bill، فی token ڈالر کو tokens کی تعداد سے ضرب دینے سے بنتا ہے، اور متن کے کسی حصے کے لیے tokens کی تعداد متن کی نہیں بلکہ model کی خصوصیت ہوتی ہے۔
Anthropic اس کی براہِ راست وضاحت کرتا ہے: Claude 4.7 اور اس کے بعد کے models، جن میں Claude Opus 5 اور Claude Sonnet 5 شامل ہیں، نیا tokenizer استعمال کرتے ہیں جو Claude Sonnet 4.6 اور اس سے پہلے کے models کے مقابلے میں اسی متن کے لیے تقریباً 30% زیادہ tokens بناتا ہے۔ شرح تبدیل نہیں ہوئی۔ bill تبدیل ہو گیا۔
اس لیے بظاہر یکساں دو rates، دو یکساں bills نہیں ہوتیں۔ کسی بھی comparison، بشمول اس comparison، پر اعتماد کرنے سے پہلے اپنے متن کے ساتھ دونوں طرف tokens شمار کریں۔
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."}]
}'درست response ایک چھوٹا JSON object ہوتا ہے جس میں input_tokens موجود ہوتا ہے۔ 401 کا مطلب ہے کہ API key قبول نہیں کی گئی۔ پہلے اپنے shell میں تصدیق کریں کہ key variable خالی نہیں ہے، پھر یہ جانچیں کہ key خود malformed، revoked یا expired نہیں ہے، کیونکہ ان تمام صورتوں میں یہی error واپس آتا ہے۔ اسی متن کو دوسرے vendor کے tokenizer سے گزاریں، ایک count کو دوسرے count پر divide کریں، پھر comparison سے پہلے اس ratio کو published rate میں ضرب دیں۔ اگر ratio کسی ایک vendor کے حق میں تقریباً 1.25 سے زیادہ ہو، تو یہ اوپر والے block میں frontier اور workhorse rates کے فرق پر غالب آ جاتا ہے۔ یہ چھوٹے tier کے قریب بھی نہیں پہنچتا، جہاں input rates میں پانچ گنا فرق ہے۔
منظرنامہ ایک: چیٹ فیچر
ایک web application کے اندر support assistant۔ ماہانہ 120,000 turns۔ ہر turn میں system prompt، tool schemas، help desk سے حاصل کیے گئے دو snippets اور پہلے کے چند messages بھیجے جاتے ہیں۔ یہ تقریباً 1,400 input tokens بنتے ہیں، جبکہ model تقریباً 220 tokens میں جواب دیتا ہے۔ یہ interactive ہے، اس لیے batch discount یہاں کبھی لاگو نہیں ہو سکتا۔ اسے workhorse tier پر چلائیں۔
اس چارٹ کے پیچھے کا ڈیٹا
[
{
"label": "List price",
"claude_usd": "600.00",
"openai_usd": "652.80"
},
{
"label": "Cached prefix, 1,100 tokens",
"claude_usd": "362.40",
"openai_usd": "415.20"
},
{
"label": "Small tier, same prefix",
"claude_usd": "300.00",
"openai_usd": "41.52"
}
]List price پر Claude کا بل 600.00 بنتا ہے، جبکہ OpenAI کا 652.80۔ Input کے دونوں حصے یکساں ہیں، کیونکہ input rates یکساں ہیں۔ پورا فرق output میں ہے، اور Claude یہ فرق اتنے معمولی margin سے جیتتا ہے کہ اسی بنیاد پر vendor منتخب نہیں کیا جا سکتا۔
اب stable prefix دیکھیں: system prompt اور tool schemas، یعنی ان 1,400 input tokens میں سے تقریباً 800، جو turns کے درمیان تبدیل نہیں ہوتے۔ کوئی بھی vendor اسے cache نہیں کرے گا۔ Claude Sonnet 5 اور gpt-5.6-terra دونوں cacheable prefix کے لیے کم از کم 1,024 tokens مقرر کرتے ہیں، اور اس سے مختصر prefix کو error کے بغیر معمول کے input کے طور پر bill کیا جاتا ہے۔ اگر آپ کا stable prefix 1,100 tokens تک پہنچ جائے تو دونوں طرف caching لاگو ہو جاتی ہے۔ دونوں models cache hit کے لیے اپنی base input rate کا 10% لیتے ہیں، اس لیے کبھی کبھار ہونے والی cache write سے پہلے Claude کا بل کم ہو کر 362.40 اور OpenAI کا 415.20 ہو جاتا ہے۔ Caching، vendor کے انتخاب سے زیادہ فائدہ دیتی ہے، اور دونوں platforms اسے فراہم کرتے ہیں، بشرطیکہ prefix کم از کم حد پوری کرے۔
یہاں Claude مہنگا ثابت ہوتا ہے۔ زیادہ تر support answers کے لیے workhorse model درکار نہیں ہوتا۔ اسی traffic کو small tier پر منتقل کریں تو Claude کا بل 300.00 بنتا ہے، جبکہ OpenAI کا 41.52۔ ایک کو دوسرے پر تقسیم کریں تو اسی کام کے لیے Claude تقریباً سات گنا مہنگا پڑتا ہے۔ Claude Haiku 4.5 ہر million input tokens کے لیے 1 لیتا ہے، جبکہ gpt-5.6-luna کی شرح 0.2 ہے۔ Haiku 4.5، 4,096 tokens سے کم prefix کو cache نہیں کرے گا، اس لیے 1,100 tokens والا prefix، جو gpt-5.6-luna پر cache ہو جاتا ہے، Claude پر پوری rate کے مطابق bill ہوگا۔ Caching کی کوئی مقدار بھی پانچ گنا فرق ختم نہیں کر سکتی۔ اگر آپ کا workload small model کے لیے موزوں ہے تو اس pairing میں OpenAI سستا ہے، اور margin نمایاں ہے۔
منظرنامہ دو: طویل context والی دستاویز pipeline
ماہانہ 25,000 معاہدے۔ ہر request میں وہی 9,000-token instruction اور JSON schema، پھر 12,000 tokens کا معاہدے کا متن شامل ہوتا ہے، جبکہ model تقریباً 700 tokens کے structured fields واپس کرتا ہے۔ اس کام میں output کل tokens کے 4% سے بھی کم ہے، اور یہی ایک حقیقت تقابلی نتیجہ طے کرتی ہے۔
اس چارٹ کے پیچھے کا ڈیٹا
[
{
"label": "Chat feature",
"claude_usd": "362.40",
"openai_usd": "415.20"
},
{
"label": "Document pipeline",
"claude_usd": "820.00",
"openai_usd": "855.00"
},
{
"label": "Coding agent",
"claude_usd": "116.10",
"openai_usd": "92.88"
}
]دونوں جانب 9,000-token prefix cache ہونے کی صورت میں، Claude کی لاگت 820.00 اور OpenAI کی لاگت 855.00 ہے۔ Input کی لاگت cent تک یکساں ہے، کیونکہ 21 October 2026 کو دونوں کے input rates یکساں ہیں۔ پورا فرق output leg سے پیدا ہوتا ہے: Claude پر اس کی قیمت input سے 5 گنا اور OpenAI پر 6 گنا ہے۔
یہ کام batch processing بھی استعمال کر سکتا ہے۔ دونوں vendors asynchronous کام کے لیے input اور output پر 50% رعایت دیتے ہیں، اس لیے دونوں totals نصف ہو جاتے ہیں اور فرق کی نسبت برقرار رہتی ہے۔ دونوں platforms میں batch سب سے بڑی واحد discount ہے، اور nightly document pipeline اسے ہمیشہ استعمال کر سکتی ہے۔
Claude کا نقصان وہی tier logic ہے جو پہلے بیان ہوا تھا۔ Fixed schema کے مطابق field extraction وہ کام ہے جس میں چھوٹا model اچھی کارکردگی دکھاتا ہے، اور یہاں input کل tokens کا 97% ہے۔ ایک tier نیچے جانے سے OpenAI کی input rate 0.1 گنا اور Claude کی input rate 0.5 گنا ہو جاتی ہے۔ یہ فرض کرنے سے پہلے کہ آپ کو بڑا model درکار ہے، 200 documents پر چھوٹے model کو test کریں، اور وہی evaluation استعمال کریں جو آپ کسی کام کے لیے درست Claude tier منتخب کرنے کے لیے کریں گے۔
منظرنامہ تین: ہمیشہ فعال coding agent
ایک developer VPS پر agent چلا رہا ہے، اور ماہانہ تقریباً 900 model turns ہوتے ہیں۔ ہر turn میں repository context کے تقریباً 60,000 input tokens شامل ہیں، جن میں سے 80% cache hit ہوتے ہیں، اور تقریباً 1,800 tokens پر مشتمل edits اور وضاحت پیدا ہوتی ہے۔ اس کی قیمت frontier tier کے مطابق لگائیں، کیونکہ coding میں capability gap کی حقیقی مالی لاگت ہوتی ہے۔
Claude کے لیے 116.10 لاگت آتی ہے، جبکہ OpenAI کے لیے 92.88۔ promotional rates پر gpt-5.6-sol input، cache reads اور output تینوں کے لیے 20% سستا ہے، اس لیے cache writes کو شامل کرنے سے پہلے OpenAI 20% کم لاگت پیش کرتا ہے۔
یہ 20% فرق tokenizer section میں بیان کردہ token-count کے فرق سے کم ہے۔ اس لیے فیصلہ کرنے سے پہلے اپنی repository میں tokens شمار کریں، اور 21 November 2026 کے بعد دوبارہ جانچیں، کیونکہ Sol کی promotion اس تاریخ کو ختم ہو سکتی ہے۔ دونوں rates سے زیادہ اہم billing model ہے۔ اس volume پر ایک developer کے لیے subscription seat عموماً metered API calls سے کم لاگت رکھتی ہے، اور اسے شامل کرنے کے بعد پورا موازنہ بدل جاتا ہے۔ Agent کو metered billing پر رکھنے سے پہلے API اور subscription cost کا موازنہ کر کے یہ حساب مکمل کریں۔ اگر آپ metered billing استعمال کریں تو پہلے معلوم کریں کہ tokens کہاں خرچ ہو رہے ہیں، کیونکہ coding agent کا token usage اس code کے بجائے ہر turn پر دوبارہ بھیجے جانے والے context سے زیادہ متعین ہوتا ہے جو agent لکھتا ہے۔
بل کا فیصلہ کرنے والے عوامل
سرخی میں دی گئی rate اس فہرست کی سب سے کم اہم چیز ہے۔ ذیل میں دیا گیا ہر عامل حقیقی بل میں اتنی تبدیلی کرتا ہے جو ایک ہی tier پر دونوں vendors کے درمیان فرق سے زیادہ ہوتی ہے۔
Cached input۔ اوپر rates block میں شامل ہر model کے لیے دونوں vendors cache hit پر base input کا 10% لیتے ہیں۔ یہ کوئی universal rule نہیں ہے: Anthropic کے نئے Opus 5.5 اور Sonnet 5.5 پر یہ 5% ہے، Fable 5.1 پر 2.5% ہے، اور OpenAI کے gpt-6.1-sol پر 5% ہے۔ دونوں vendors cache لکھنے کی فیس بھی لیتے ہیں۔ Anthropic پانچ منٹ کی entry کے لیے base input کا 1.25 گنا اور ایک گھنٹے کی entry کے لیے 2 گنا لیتا ہے، جبکہ بعد کا hit اس entry کی میعاد read price پر دوبارہ بڑھا دیتا ہے۔ OpenAI، GPT-5.6 اور بعد کے models پر اپنی default entry کے لیے base input کا 1.25 گنا لیتا ہے۔ یہ entry لکھے جانے یا آخری بار read ہونے کے بعد کم از کم 30 منٹ تک دوبارہ استعمال کے قابل رہتی ہے۔ اس کی Responses API، base input کے 2.5 گنا پر 12 گھنٹے کی entry بھی فراہم کرتی ہے۔ اس لیے پانچ منٹ کی entry ایک read کے بعد اپنی لاگت پوری کر دیتی ہے۔ کوئی بھی vendor model کی minimum حد سے چھوٹا prefix cache نہیں کرتا: Claude Sonnet 5 اور GPT-5.6 پر 1,024 tokens، Claude Opus 5 پر 512، اور Claude Haiku 4.5 پر 4,096۔ اس حد سے کم پر آپ پوری input فیس ادا کرتے ہیں اور کوئی error نہیں ملتا۔ طویل وقفوں والی workload میں requests پڑھنے کے بجائے زیادہ بار cache لکھتی ہیں، اس لیے caching سے بچت کے بجائے لاگت بڑھتی ہے۔ مستقل traffic اچھی طرح cache ہوتا ہے۔ وقفے وقفے سے آنے والا traffic نہیں ہوتا۔
Batch discounts۔ دونوں platforms پر صرف asynchronous کام کے لیے input اور output پر 50% رعایت ملتی ہے۔ اگر job انتظار کر سکتی ہے تو کسی بھی vendor پر بل آدھا ہو جاتا ہے، اور یہ رعایت caching کے ساتھ جمع ہو جاتی ہے۔
Output share۔ Claude اپنی input rate کا 5 گنا output کے لیے لیتا ہے۔ OpenAI gpt-5.6-terra اور gpt-5.6-luna پر 6 گنا لیتا ہے، جبکہ promotional rate پر gpt-5.6-sol کے لیے 5 گنا لیتا ہے۔ آپ کے tokens میں جتنا زیادہ حصہ پڑھنے کے بجائے لکھنے کا ہو، مساوی input rate پر Claude اتنا ہی بہتر دکھائی دیتا ہے۔ input-dominated کام میں اس کے برعکس ہوتا ہے۔
Retries۔ Retry پر پوری input کی فیس دوبارہ ادا ہوتی ہے اور استعمال کے قابل کچھ واپس نہیں ملتا۔ اگر آپ کی calls میں سے 6% schema validation میں ناکام ہو کر retry ہوتی ہیں تو آپ کی input لاگت plan میں درج مقدار سے 6% زیادہ ہے۔ Retries کو error line کے بجائے cost line کے طور پر log کریں۔ Teams کو یہ multiplier عموماً آخر میں معلوم ہوتا ہے، اور یہ اکثر اس vendor gap سے بڑا ہوتا ہے جس پر وہ ایک ہفتہ بحث کرتے رہے ہوتے ہیں۔
کس طرف کو کہاں نقصان ہوتا ہے
اس مقابلے میں Claude چھوٹے درجے میں واضح طور پر ہار جاتا ہے۔ gpt-5.6-luna کی قیمت فی ملین input tokens 0.2 ہے، جبکہ Claude Haiku 4.5 کے لیے یہ قیمت 1 ہے۔ output کے لیے قیمتیں بالترتیب 1.2 اور 5 ہیں۔ زیادہ حجم والی classification اور مختصر extraction کی لاگت Claude پر فی token چار سے پانچ گنا زیادہ ہے، اور caching استعمال ہونے پر اس سے بھی زیادہ ہو جاتی ہے۔
Claude درمیانے درجے میں output کے معاملے میں بہتر ہے: gpt-5.6-terra پر فی ملین قیمت 10 کے مقابلے میں 12 ہے۔ تاہم آپ کے اپنے token counts اس فرق کو ختم کر سکتے ہیں۔ یہ فرق 1 September 2026 کے بعد بھی برقرار رہتا ہے، کیونکہ Anthropic نے Sonnet 5 کی ابتدائی قیمت کو مستقل قیمت بنا دیا ہے۔ فی الحال Claude جدید ترین درجے میں ہار جاتا ہے: gpt-5.6-sol کی promotional قیمتیں 4 اور 20 ہر مرحلے میں Claude Opus 5 سے 20% کم ہیں، کم از کم 21 November 2026 تک۔ درمیانے درجے میں input-dominated کام کے لیے کوئی فریق برتر نہیں، کیونکہ دونوں طرف فی ملین قیمت 2 ہے اور input کی قیمت ایک جیسی ہے۔
اپنے traffic پر اسے کیسے ناپیں
ہر response میں usage object پڑھیں اور ہر request کے لیے چار numbers محفوظ کریں: input tokens، output tokens، cache read tokens اور cache write tokens۔ Claude API میں یہ input_tokens، output_tokens، cache_read_input_tokens اور cache_creation_input_tokens کے طور پر موصول ہوتے ہیں۔ انہیں روزانہ جمع کریں، موجودہ rates سے ضرب دیں، اور اپنی کل رقم کو invoice سے compare کریں۔ دونوں کے درمیان فرق عموماً retries یا ایسے code path کی وجہ سے ہوتا ہے جسے آپ بھول گئے کہ deploy کیا تھا۔
comparison کو کسی sample prompt کے بجائے ایک ہفتے کے حقیقی traffic پر چلائیں، اور cost per token کے بجائے cost per completed task کا موازنہ کریں۔ جو model ایک attempt میں جواب دے اور اس کی rate دو گنا ہو، وہ اس model سے سستا ہے جسے نصف rate پر تین attempts درکار ہوں۔ Cost per token ایک rate ہے۔ Cost per completed task آپ کا bill ہے۔
کسی بھی چیز کو running چھوڑنے سے پہلے hard spend ceiling مقرر کریں۔ دونوں platforms اپنے consoles میں spend limits فراہم کرتے ہیں، اور retry loop میں پھنسا ہوا agent ایک ہی رات میں ایک ماہ کا budget خرچ کر سکتا ہے۔ اسے اسی طرح configure کریں جیسے آپ ہمہ وقت چلنے والے agent کے لیے cost control configure کرتے۔ اگر آپ اپنی ملکیت کے server پر پہلا version بنا رہے ہیں تو VPS پر پہلی Claude API app میں key handling اور request loop کا طریقہ دیا گیا ہے، جن کے اوپر یہ حساب مبنی ہے۔
FAQ
کیا Claude API، ChatGPT API سے سستی ہے؟
ہمیشہ نہیں۔ 21 October 2026 تک workhorse tier میں دونوں طرف فی input token یکساں قیمت ہے، جبکہ Claude فی output token کم قیمت لیتا ہے؛ اس لیے output-heavy کام میں Claude چند فیصد سستا پڑتا ہے۔ frontier tier میں OpenAI کے promotional gpt-5.6-sol rates ہر مرحلے پر Claude Opus 5 سے 20% کم ہیں، کم از کم 21 November 2026 تک۔ small tier میں OpenAI کا gpt-5.6-luna فی input token Claude Haiku 4.5 کی قیمت کا ایک پانچواں ہے، اس لیے high-volume classification میں OpenAI بہت سستا ہے۔ اپنا حساب اپنے token mix کی بنیاد پر کریں، کیونکہ اس قدر معمولی فرق میں فیصلہ price list نہیں بلکہ آپ کا workload کرتا ہے۔
ایک ہی الفاظ کی قیمت ہر API پر مختلف تعداد کے tokens میں کیوں آتی ہے؟
کیونکہ ہر model کا اپنا tokenizer ہوتا ہے، اور token count کا تعلق model سے ہوتا ہے۔ Anthropic کی documentation کے مطابق Claude 4.7 اور بعد کے models، Claude Sonnet 4.6 اور اس سے پہلے کے models کے مقابلے میں، ایک ہی متن کے لیے تقریباً 30% زیادہ tokens بناتے ہیں۔ اپنا متن ہر vendor کے token counting endpoint پر بھیجیں، ایک count کو دوسرے count سے تقسیم کریں، پھر موازنہ کرنے سے پہلے اس ratio کو شائع شدہ rate میں ضرب دیں۔ 20% کا token فرق frontier اور workhorse rate gaps کے تقریباً برابر ہے، اس لیے یہ دونوں میں سے کسی ایک کا نتیجہ بدل سکتا ہے۔
کیا prompt caching کبھی bill زیادہ کر دیتی ہے؟
ہاں، دونوں platforms پر۔ Anthropic میں cache write کی قیمت پانچ منٹ کے entry کے لیے base input rate سے 1.25 گنا اور ایک گھنٹے کے entry کے لیے 2 گنا ہے۔ OpenAI، GPT-5.6 اور بعد کے models پر، اپنے default 30-minute entry کے لیے 1.25 گنا، یا اختیاری 12-hour entry کے لیے 2.5 گنا charge کرتا ہے؛ جبکہ یہاں موازنے میں شامل models پر cache hit کی قیمت 0.1 گنا ہے۔ اگر آپ کی traffic اتنی bursty ہو کہ زیادہ تر entries کسی read سے پہلے expire ہو جائیں، تو آپ write premium ادا کرتے ہیں مگر کوئی read حاصل نہیں ہوتا۔ اپنے logs میں cache_creation_input_tokens کا cache_read_input_tokens سے موازنہ کریں۔ پانچ منٹ کے entry کو فائدہ مند ہونے کے لیے تقریباً ہر write پر ایک read درکار ہوتی ہے، جبکہ ایک گھنٹے کے entry کے لیے تقریباً دو reads درکار ہوتی ہیں۔ اگر آپ کی reads اس حد سے کم ہوں تو caching آپ کے پیسے خرچ کر رہی ہے: entry کی مدت بڑھائیں یا اسے ختم کر دیں۔
کیا coding agent کو API پر چلانا چاہیے یا subscription پر؟
ایک developer کے لیے، معمول کے volume پر، subscription seat عموماً metered API billing سے سستی ہوتی ہے، کیونکہ coding agent ہر turn پر بڑا context دوبارہ بھیجتا ہے اور ہر بار اس context کے لیے charge ہوتا ہے۔ پہلے اسے ایک ہفتے تک meter کریں، پھر API total کا seat price سے موازنہ کریں۔ جب usage spiky ہو، یا آپ کو ایسا programmatic access درکار ہو جو seat فراہم نہیں کرتی، تو API بہتر رہتی ہے۔ اگر API کی طرف جانے کی وجہ price نہیں بلکہ usage limit تک پہنچنا تھی، تو Claude usage limit سے نکلنے کے طریقے میں کئی ایسے راستے شامل ہیں جو metered billing پر منتقل ہونے سے سستے ہیں۔