Claude 与 ChatGPT API 哪个更便宜？

简短结论

Claude 与 ChatGPT API 的定价没有绝对赢家，因为两家供应商在每个层级对输入和输出采用了不同的定价方式。截至 2026 年 8 月，Claude 的上面两个层级与对应的 OpenAI 层级收取相同的输入 token 费用，但输出 token 费用更低，因此在输出占比较高的工作负载中，Claude 略占优势。在较小层级中，Claude 对同一任务的费用可能高出数倍。任何不说明层级和 token 组成的结论都只是猜测。

因此，本页先介绍计算方法，然后列出 3 个包含 token 组成和费用的工作负载，最后说明哪些倍数因素会让实际账单偏离页面标示的费率，而且偏离程度通常高于费率本身造成的差异。

您只需掌握的公式

两个 API 对文本采用相同的计费方式。您需要为发送的 token 付费，也需要按更高的单价为模型返回的 token 付费。

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

一个 token 约对应 4 个英文字符，接近 0.75 个单词。这里只能用于初步估算。实际账单应使用每个 API 在每次响应的 usage 对象中返回的数量。

# 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))

该脚本输出 0.005，即每轮交互半美分。将其乘以您预计每月进行的交互轮数，即可得到预算。如果分母中的百万 token 单位不够直观，Claude 中一百万个 token 实际能生成多少内容会用具体的文本量说明它。记住这个公式后，今后的每次价格调整都只需修改一行，无需重新分析。

已公布的价格，August 2026

以下是两家厂商在 1 August 2026 公布的标价。本段是全文唯一明确写出价格的地方。在确定预算前，请对照 claude.com/pricing 和 OpenAI 的定价页面进行核验。

[
  {
    "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
  }
]

各组模型按产品线中的位置对应，而不是按知名度对应。Frontier 对比的是 Claude Opus 5 和 gpt-5.6-sol。Workhorse 对比的是 Claude Sonnet 5 和 gpt-5.6-terra。Small 对比的是 Claude Haiku 4.5 和 gpt-5.6-luna。两家厂商还销售高于本段所列级别的产品，OpenAI 也继续按原价列出旧一代模型。在 Claude 一侧，该级别是 Fable 5。它的输入和输出价格都是 Frontier 行的两倍，但仍保持相同的 5 倍输出比例。因此，在假定 Opus 5 是账单上限之前，值得阅读Fable 5 的价格及其何时值得这一价格。一方使用旗舰模型、另一方使用低价模型进行比较，得出的数字没有意义。这也是大多数公开比较能够登上标题的原因。

本段有两点需要明确说明。Sonnet 5 的 2 和 10 是优惠价格。Anthropic 说明这些价格截至 31 August 2026，之后 Sonnet 5 的价格为 3 和 15。这项变化会使 Workhorse 级别从 Claude 小幅领先变为 OpenAI 明显领先，而且会在本文仍具参考价值期间生效。

第二点是一个值得记住的规律：上表每一行中，Claude 的输出价格恰好是其输入价格的 5 倍，而 OpenAI 的输出价格是输入价格的 6 倍。决定胜负随 token 组成变化的，正是这个比例，而不是绝对价格。

为什么每百万 token 的价格不能跨供应商比较

价格是每个 token 的费用。账单金额等于每个 token 的费用乘以 token 数量，而一段文本的 token 数量取决于模型，而不是文本本身。

Anthropic 对此有明确说明：Claude 4.7 及更高版本的模型，包括 Claude Opus 5 和 Claude Sonnet 5，使用更新的 tokenizer。对于相同文本，其生成的 token 数量比 Claude Sonnet 4.6 及更早版本多约 30%。价格没有变化，但账单金额变了。

因此，看起来相同的两个价格并不对应两张相同的账单。在相信任何比较结果（包括本比较）之前，请使用您自己的文本计算两边的 token 数量。

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."}]
  }'

正常响应应是一个包含 input_tokens 的小型 JSON 对象。出现 401 表示 shell 中的关键变量为空。使用另一家供应商的 tokenizer 处理相同文本，将一方的数量除以另一方的数量，再将该比值乘以公布的价格，然后进行比较。如果该比值使某一家供应商相差超过约 1.2 倍，其影响将超过上方价格区块中的所有价格差异。

场景一：聊天功能

Web 应用中的支持助手。每月处理 120,000 轮对话。每轮会发送系统提示词、工具 schema、两段检索到的帮助台内容和几条较早的消息，约 1,400 个输入 token；模型回复约 220 个 token。该功能具有交互性，因此始终无法使用批处理折扣。将其部署在 workhorse 层级。

[
  {
    "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"
  }
]

按目录价格计算，Claude 费用为 600.00，OpenAI 为 652.80。两者的输入费用相同，因为输入价格相同。全部差距都来自输出费用，而 Claude 的优势太小，不足以据此选择供应商。

现在将这 1,400 个输入 token 中的 800 个标记为稳定前缀：系统提示词和工具 schema 在不同轮次之间不会变化。两家供应商对缓存命中均按基础输入价格的 10% 收费。Claude 的费用降至 427.20，OpenAI 的费用降至 480.00。缓存带来的收益大于供应商选择本身，而且两个平台都支持缓存。

Claude 在这里处于劣势。大多数支持答复不需要 workhorse 模型。将相同流量迁移到 small 层级后，Claude 的费用为 213.60，OpenAI 的费用为 48.00。用前者除以后者，Claude 完成相同任务的成本约为 4.5 倍。Claude Haiku 4.5 的输入价格为每百万输入 token 1，而 gpt-5.6-luna 为 0.2；无论采用多少缓存，都无法弥合近 5 倍的差距。如果工作负载适合 small 模型，OpenAI 更便宜，而且价格优势很大。

场景二：长上下文文档处理流水线

每月处理 25,000 份合同。每个请求都包含相同的 9,000-token 指令和 JSON schema，随后是 12,000 token 的合同正文，模型返回约 700 token 的结构化字段。在这项任务中，输出不足总 token 数的 4%，而这一点决定了比较结果。

[
  {
    "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"
  }
]

双方都缓存 9,000-token 前缀后，Claude 的费用为 820.00，OpenAI 的费用为 855.00。输入部分的费用精确到美分，因为 2026 年 8 月两者的输入单价相同。全部差异都来自输出部分：Claude 的输出单价是输入单价的 5 倍，OpenAI 则是 6 倍。

这项任务还可以使用批处理。两家厂商都为异步任务的输入和输出提供 50% 折扣，因此两边的总费用都会减半，差距的比例保持不变。批处理是任一平台提供的最大单项折扣，而夜间运行的文档流水线始终可以使用该功能。

Claude 的劣势仍然来自之前提到的相同层级逻辑。按照固定 schema 提取字段，正是小型模型擅长的任务；在这里，输入占总 token 数的 97%。下调一个层级后，OpenAI 的输入单价变为原来的 0.1 倍，Claude 的输入单价变为原来的 0.5 倍。先使用 200 份文档测试小型模型，再决定是否确实需要更大的模型；评估方法应与为任务选择合适的 Claude 层级时使用的方法相同。

场景三：持续运行的编码代理

一名开发者在 VPS 上运行代理，每月大约进行 900 次模型交互。每次交互包含约 60,000 个仓库上下文输入 token，其中 80% 命中缓存，并生成约 1,800 个编辑和说明 token。按顶级模型档位计价，因为编码任务中的能力差距会直接带来实际成本。

Claude 的费用为 116.10，OpenAI 的费用为 124.20。输入费率相同，缓存读取费率相同，Claude 更低的输出费率使其成本低约 7%。

这个 7% 的差异处于前文 tokenizer 误差范围内，因此应将该场景视为费率相同。真正不同的是计费模式。对于这种用量的一名开发者，订阅席位通常比按量 API 调用更便宜；计入订阅费用后，整个比较结果都会改变。在让代理使用按量计费前，请先完成API 与订阅费用的比较。如果采用按量计费，应先了解 token 的消耗位置，因为编码代理的 token 用量主要来自每次交互重新发送的上下文，而不是它生成的代码。

决定账单的倍数项

标题价格是这份清单中影响最小的一项。下面每一项都会让实际账单产生更大的变化，超过同一档位两家供应商之间的价格差。

缓存输入。两家供应商都会对缓存命中收取基础输入价格的 10%。Anthropic 还会收取缓存写入费用：缓存条目保留五分钟时，按基础输入价格的 1.25 倍收取；保留一小时时，按 2 倍收取。后续命中会按读取价格刷新该条目。因此，五分钟缓存条目命中一次后即可收回成本。请求间隔较长的工作负载写入次数多于读取次数，此时缓存成本高于节省的费用。流量稳定时，缓存效果较好。流量突发时，缓存效果较差。

批处理折扣。两家平台都对输入和输出提供 50% 的折扣，但仅适用于异步任务。如果任务可以等待，在任一供应商处都能将账单减半，并且可与缓存叠加。

输出占比。Claude 的输出价格是输入价格的 5 倍。OpenAI 的输出价格是输入价格的 6 倍。在输入价格相同的情况下，写入的令牌占比越高，Claude 的价格优势越明显；对于输入占主导的工作负载，结论相反。

重试。每次重试都要再次支付完整的输入费用，并且不会返回可用结果。如果 6% 的请求因架构验证失败而重试，实际输入量会比计划值多 6%。应将重试记录为成本项，而不是错误项。团队通常最后才发现这个倍数，而它往往比团队花费一周争论的供应商价格差还大。

哪一方在哪些方面处于劣势

Claude 在小型档位上完全落败。gpt-5.6-luna 的每百万输入 token 价格为 0.2，而 Claude Haiku 4.5 为 1；输出价格分别为 1.2 和 5。对于高流量分类和短文本提取，Claude 的成本大约高出四倍。

从 1 September 2026 起，Claude 在主力档位上处于劣势，因为 introductory rate 到期后，Sonnet 5 的价格将调整为 3 和 15，而 gpt-5.6-terra 的价格保持不变。Claude 在前沿档位的输出价格上占优，但这一差距可能被您自己的 token 用量抵消。2026 年 8 月，双方在输入占主导的工作负载上都没有优势，因为双方的每百万输入价格均为 2，输入部分的价格相同。

如何在自己的流量上进行测量

读取每个响应中的 usage 对象，并为每个请求记录 4 个数值：输入 token、输出 token、缓存读取 token 和缓存写入 token。在 Claude API 中，这些数值分别位于 input_tokens、output_tokens、cache_read_input_tokens 和 cache_creation_input_tokens。按天汇总这些数值，乘以当前费率，再将总额与账单进行比较。两者之间的差额通常来自重试，或来自您忘记已经发布的代码路径。

使用一周的真实流量进行比较，不要只使用示例提示词。比较每个已完成任务的成本，而不是每个 token 的成本。一个模型如果以 2 倍费率一次完成任务，成本可能低于一个以一半费率但需要尝试 3 次的模型。每个 token 的成本是费率。每个已完成任务的成本才是账单金额。

在让任何服务持续运行前，设置明确的支出上限。两个平台都可在控制台中设置支出限制，而陷入重试循环的代理可能在一夜之间耗尽一个月的预算。请按照 持续运行代理的成本控制 的方式接入。如果您要在自己管理的服务器上构建第一个版本，在 VPS 上构建第一个 Claude API 应用介绍了密钥处理方式，以及该计算逻辑所依赖的请求循环。

FAQ

Claude API 是否比 ChatGPT API 更便宜？

不一定。2026 年 8 月，两个平台的 frontier 和 workhorse 层级对每个输入 token 收取相同费用，而 Claude 的输出 token 费用更低，因此在输出占比较高的工作负载中，Claude 的运行成本低几个百分点。在小型层级中，OpenAI 的 gpt-5.6-luna 每个输入 token 的费用是 Claude Haiku 4.5 的五分之一，因此高容量分类任务使用 OpenAI 便宜得多。请根据您自己的 token 组合计算实际成本，因为这么小的差异最终取决于工作负载，而不是价目表。

为什么相同文字在不同 API 上的 token 数量不同？

因为每个模型都有自己的 tokenizer，token 数量取决于模型。Anthropic 文档说明，Claude 4.7 及更高版本的模型处理相同文本时，生成的 token 大约比 Claude Sonnet 4.6 及更早版本多 30%。将您自己的文本发送到每个供应商的 token 计数 endpoint，计算两个结果的比值，然后在比较前将该比值乘入公布的费率。20% 的 token 差异会超过大多数公布的费率差异。

prompt caching 是否可能让账单更高？

是，在 Anthropic 上可能如此。对于五分钟的缓存条目，写入缓存的费用是基础输入费率的 1.25 倍；对于一小时的缓存条目，费用是 2 倍；命中缓存的费用是 0.1 倍。如果您的流量突发性较强，大多数条目在被读取前就已过期，您只会支付写入溢价，却没有缓存读取收益。请在日志中比较 cache_creation_input_tokens 和 cache_read_input_tokens。如果比值接近 1，说明缓存正在增加成本，因此应延长条目有效期或删除该缓存。

我应该通过 API 运行 coding agent，还是使用订阅？

对于普通用量的单个开发者，订阅席位通常比按量计费的 API 更便宜，因为 coding agent 每次交互都会重新发送较大的上下文，而该上下文每次都会计费。请先按量统计一周，然后将 API 总费用与席位价格进行比较。当用量具有突发性，或您需要订阅席位无法提供的程序化访问时，API 更有优势。如果促使您使用 API 的原因是达到用量限制，而不是价格，那么解决 Claude 用量限制的方法中有几种方案的成本低于改用按量计费。