作者： Matt Connor
Claude为什么这么贵？Token费用怎么算
输出token单价是输入的5倍，且每轮都会重新计费完整上下文。用一个真实会话拆解账单，并说明4个可降低Claude API成本的杠杆。
Claude 为什么昂贵？简要回答
Claude 昂贵有四个相互叠加的原因。输出 token 的价格是输入 token 的 5 倍。API 不会保存对话记忆，因此每轮都会重新发送完整历史记录，并再次计费。Agent 会将一个问题转换为几十次 API 调用，而每次调用都会携带不断增长的历史记录。除此之外，frontier model 的定价依据是其处理任务的难度，而不是运行小型模型的成本。
token 是一段文本。粗略来说，1 个 token 约等于 4 个字符，或约等于 0.75 个英文单词。费率按每 1 million 个 token 报价，写作 MTok（million tokens）。以下所有费率均为截至 2026 年 10 月公布的 Claude API 费率。
大多数意外账单都来自上述列表中的第二和第三个原因。人们通常认为，Claude 生成的答案才是费用来源。在一次 Agent 会话中，生成文本的费用通常不到总账单的十分之一。
已发布的费率，先统一数字
此图表背后的数据
[
{
"label": "Haiku 4.5",
"input_usd": 1,
"output_usd": 5,
"cache_read_usd": "0.10"
},
{
"label": "Sonnet 5",
"input_usd": 2,
"output_usd": 10,
"cache_read_usd": "0.20"
},
{
"label": "Sonnet 4.6",
"input_usd": 3,
"output_usd": 15,
"cache_read_usd": "0.30"
},
{
"label": "Opus 5",
"input_usd": 5,
"output_usd": 25,
"cache_read_usd": "0.50"
}
]重点看费率的比例，而不是绝对数值。每个模型的输出费率都正好是输入费率的5倍。Opus 5的输入费率为每百万输入 token 5 美元，输出费率为 25 美元。Haiku 4.5的费率分别为 1 和 5 美元。因此，这张表中最便宜模型与最昂贵模型的费率相差5倍，读取与写入之间的费率也相差5倍。
Sonnet 5的费率为每百万 2 和 10 美元。Anthropic最初将该价格作为引导性费率提供至2026年8月31日，随后将其定为标准价格，并取消原计划中的3美元和15美元涨价。费率会随模型发布而变化，因此在据此编制预算前，请先确认当前费率。较新的模型仍保持相同的5倍比例：Opus 5.5的费率为每百万4美元和20美元，Sonnet 5.5为2美元和10美元；Haiku 5.5于2026年10月7日发布，费率为0.10美元和0.50美元。该表下方也没有免费层级，不过新账户会获得少量额度，而且API 的某些部分完全免费。
最后一列是缓存读取费率。大多数账单由它决定。先完成算术计算，再回来看这一列。
为什么输出 token 的成本是输入 token 的 5 倍？
读取和生成所需的计算量不同。输入 token 只需处理一遍。模型会一次性读取整个提示词，并在各部分之间并行执行计算。因此，读取 60,000 个 token 并不会比读取 1,000 个 token 多花 60,000 倍时间。
输出 token 则是逐个生成的。每生成一个新 token，都需要让它单独经过一遍模型，并将之前的所有 token 作为上下文。生成 1,000 个 token 就意味着依次执行 1,000 遍计算。这种串行计算无法像读取那样并行展开，因此每个输出 token 占用硬件的时间更长。
因此，“让答案更短”的节省效果通常低于预期。它只能减少代理服务账单中较小的一部分。
为什么我每轮都会再次为整个对话付费？
Claude API 是无状态的。Anthropic 端没有一个持续存在的对话，供您每次只追加一条消息。每个请求都会携带完整的消息历史，模型会先读取全部内容，再生成响应。因此，第 30 轮的计费也包含第 1 至第 29 轮的内容。
这意味着，对话成本的增长速度会高于对话长度。第 1 轮只计费少量上下文。第 40 轮则会计费大量上下文。将这 40 轮的费用相加，您实际支付的 token 数量可能远高于整个对话实际生成的 token 数量。
此图表背后的数据
[
{
"turn": 1,
"context_tokens": "20,000"
},
{
"turn": 5,
"context_tokens": "32,000"
},
{
"turn": 10,
"context_tokens": "45,000"
},
{
"turn": 15,
"context_tokens": "55,000"
},
{
"turn": 20,
"context_tokens": "64,000"
},
{
"turn": 25,
"context_tokens": "74,000"
},
{
"turn": 30,
"context_tokens": "84,000"
},
{
"turn": 35,
"context_tokens": "92,000"
},
{
"turn": 40,
"context_tokens": "100,000"
}
]上面的会话从 20,000 个 token 开始，其中包括 system prompt、工具定义以及代理打开的第一个文件。到第 40 轮时，上下文包含 100,000 个 token。将这 40 轮的上下文取平均后，每个请求大约会读取 60,000 个 token。
为什么代理的成本远高于聊天？
聊天中，每个问题对应一次请求。代理中，每个步骤对应一次请求。读取文件是一个步骤。运行测试是一个步骤。读取测试输出是一个步骤。编辑文件是一个步骤。完成一项任务需要40个步骤，对编码代理来说很常见。
工具调用还会带来两项额外成本。每次请求的输入 token 都包含工具定义，因为模型每次都必须获知可用的工具。Anthropic 公布了这部分开销：在 tool_choice 设置为 auto 时，Opus 5 的工具调用系统提示词占用286个 token，此外还要加上您自己的工具 schema 所占的 token。某些服务器端工具还会单独收费。Web search 的费用为每1,000次搜索$10，此外还要支付搜索结果消耗的 token 费用。
每个工具结果也会成为永久上下文。某条命令输出3,000行后，这3,000行会被加入之后的每次请求，直到会话结束，或历史记录被压缩或清除。Claude Code 报告的每个会话 token 使用量可以直观看到这一点：执行输出量较大的命令后，观察输入数量立即增加。
一次真实会话的计算
下面是使用 Opus 5 进行代理式编码的一个真实小时。共发起 40 次 API 请求。上下文从 20,000 个 token 增长到 100,000 个 token，因此每次请求平均约包含 60,000 个 token。模型每次请求生成约 700 个 token，包括简短的工具调用和少量较长的代码块。
Requests in the session: 40
Average context per request: 60,000 tokens
Total input tokens billed: 40 x 60,000 = 2,400,000
Input cost on Opus 5: 2,400,000 x $5 / 1,000,000 = $12.00
Total output tokens: 40 x 700 = 28,000
Output cost on Opus 5: 28,000 x $25 / 1,000,000 = $0.70
Session total = $12.70此图表背后的数据
[
{
"label": "Input, context re-read",
"billed_tokens": "2,400,000",
"cost_usd": "12.00"
},
{
"label": "Output, code and tool calls",
"billed_tokens": "28,000",
"cost_usd": "0.70"
}
]请看费用构成。读取费用为 12.00 美元，写入费用为 0.70 美元，因此实际读取的输出约占总费用的 5%。模型生成了 28,000 个 token，读取费用按 2,400,000 个 token 计费。没有人输入 2.4 million 个 token。相同的 100,000 个 token 被反复读取。
杠杆 1：提示缓存，这是作用最大的杠杆
提示缓存会存储提示词中稳定前缀的处理结果。下一个请求到来时，系统会直接从缓存读取该前缀，而不是重新处理。写入缓存的费用为 5 分钟缓存输入价格的 1.25 倍，或 1 小时缓存输入价格的 2 倍。大多数模型（包括 Opus 5）从缓存读取时的费用为输入价格的 0.1 倍。Opus 5.5 和 Sonnet 5.5 的费用为 0.05 倍，Fable 5.1 的费用为 0.025 倍。对于 Opus 5，每百万 token 的费用是 0.50 美元，而不是 5 美元。
将其应用到上面的会话。随着对话增长，100,000 个 token 中的每个 token 都会写入缓存一次。其余 2,300,000 个输入 token 会作为缓存读取。
Tokens written to cache: 100,000
Cache write at 1.25x input: 100,000 x $6.25 / 1,000,000 = $0.63
Tokens read from cache: 2,300,000
Cache read at 0.1x input: 2,300,000 x $0.50 / 1,000,000 = $1.15
Output cost, unchanged = $0.70
Session total = $2.48使用 cache_control 字段标记可缓存部分。将断点放在不会随轮次变化的内容之后：系统提示词和工具定义之后。需要反复引用的长文档也应放在同一个稳定区块中。
{
"model": "claude-opus-5",
"system": [
{
"type": "text",
"text": "<long, stable instructions>",
"cache_control": {"type": "ephemeral"}
}
],
"messages": [{"role": "user", "content": "..."}]
}现在，提示词的顺序会直接影响费用。缓存命中要求从提示词的最开头开始完全匹配，因此每个请求都会变化的内容必须放在所有不变内容之后。如果将时间戳放在系统提示词顶部，每一轮都会破坏缓存：整个前缀都会缓存未命中，你需要按输入价格的 1.25 倍再次写入。
响应会告诉你是否生效。发送请求并读取 usage 区块。
curl 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-opus-5",
"max_tokens": 256,
"messages": [{"role": "user", "content": "Hello"}]
}'每个响应都会包含类似下面的 usage 对象：
{
"usage": {
"input_tokens": 105,
"cache_creation_input_tokens": 7345,
"cache_read_input_tokens": 7123,
"output_tokens": 239
}
}如果重复请求仍显示 0 位于 cache_read_input_tokens，说明缓存未命中。通常原因是断点之前的某些内容发生了变化。5 分钟缓存也会过期，因此 6 分钟后发送的请求会缓存未命中，然后重新写入缓存。
杠杆 2：将简单回合发送给更小的模型
代理会话中的大多数回合都不复杂。打开文件、运行格式化工具、读取差异。这些操作不需要前沿模型。将它们路由到 Haiku 4.5 后，输入价格会从每百万 5 美元降至 1 美元。Haiku 5.5 的价格还要低一些：对于不超过 100,000 个 token 的提示词，每百万 token 收费 0.10 美元。但提示词超过这个长度后，它的每项费率都会提高 5 倍，而较长的代理上下文会达到这一阈值。Haiku 5.5 的价格及其适用场景列出了这两个价格档位。
此图表背后的数据
[
{
"label": "Opus 5, no caching",
"session_cost_usd": "12.70"
},
{
"label": "Opus 5, cached",
"session_cost_usd": "2.48"
},
{
"label": "Sonnet 5, cached",
"session_cost_usd": "0.99"
},
{
"label": "Haiku 4.5, cached",
"session_cost_usd": "0.50"
}
]同一个会话在不使用缓存时，使用 Opus 5 的成本为 12.70 美元；使用缓存时为 2.48 美元；使用带缓存的 Sonnet 5 时为 0.99 美元；使用带缓存的 Haiku 4.5 时为 0.50 美元。仅启用缓存就能减少约 80% 的费用。选择模型可以进一步消除剩余费用中的大部分。
这里有一个必须正视的限制。更便宜的模型如果给出错误答案，你就需要重新支付整个会话的费用，还要投入自己的时间。应根据任务难度进行路由，而不是只看价格。这个规则同样适用于更高端的模型：Claude Fable 5 和 Fable 5.1 的价格高于 Opus 5，分别为每百万 token 10 美元和 50 美元。因此，在将回合发送给它们之前，请先阅读这些价格能为你带来什么。如何在 Opus、Sonnet 和 Haiku 之间选择介绍了每个模型适合处理的任务范围。
技巧 3：上下文管理
上下文中保留的每个令牌，都会在后续每一轮中计费。因此，越早删除令牌，节省的成本越高。假设在一个包含 40 轮的会话中，第 5 轮直接输出了一个包含 5,000 个令牌的文件，那么后续还会读取该文件 35 次。这会额外产生 175,000 个输入令牌。对于 Opus 5，这相当于近 1 美元，仅仅因为一次不加筛选的粘贴操作。
以下 4 个习惯可以降低令牌消耗：
- 开始新任务时创建新会话，不要继续使用前一天的会话。
- 在命令输出到达模型之前，使用类似
head -50的方式过滤噪声，而不是事后过滤。 - 只请求所需的函数，不要请求整个文件。
- 长会话不再取得进展时，请模型先生成摘要，然后从摘要开始新会话。摘要只有几百个令牌，而完整记录有十万个令牌。
杠杆 4：将所有非交互式任务批量处理
Batch API 会异步处理请求，并将输入和输出的费用都降低 50%。如果任务不需要在下一秒内获得响应，就应使用批处理。适用场景包括分类、提取、汇总积压任务和评估运行。批处理折扣可与提示缓存叠加使用。交互式会话不适用该折扣，因为交互式会话没有可等待的处理时间。
我是不是被宰了？
这才是“Claude 为什么这么贵”背后的真正问题，下面直接回答。价格公开透明，标准层级对所有用户都相同，并按 token 计费。例外情况是协商合同；即使如此，Claude Enterprise 定价也是在相同的按量计费 token 之上增加按席位收费，而不是取代按量计费。如果您是在比较不同厂商，而不是不同套餐，比较 Claude 和 ChatGPT API 中相同任务的价格可以说明哪一方更便宜。账单中的任何费用都不是随意收取的。费率表无法告诉您是否物有所值，因为它按 token 定价，而您关心的是结果。
因此，应改为计算结果的成本。上面的会话未命中缓存时，成本为 12.70 美元。如果它交付了一个原本需要您花费 1 小时完成的功能，这个价格很低。如果它来回进行了 40 轮却没有进展，那么同样的 12.70 美元什么也没买到，问题从来不在费率。
这一点最值得记住。您的账单随 token 数量增长，而不是随价值增长。相同长度的高效会话和无效会话，成本相同。因此，4 个调节因素比费率表更重要：您无法协商每个 token 的价格，但可以决定任务需要多少 token。
因此，应跟踪每个已完成任务的美元成本，而不是每月美元支出。如果您在调整缓存和路由后，这个数值下降，那么即使月度总额上升，配置仍在改善，因为总额的增长来自完成了更多工作。
不会降低账单的做法
一些常见建议几乎没有作用。要求模型“简洁”会减少输出，而示例账单中输出只占 5%。缩短自己的问题，只能在 60,000 token 的上下文中减少几百个 token。关闭扩展思考，仅在思考 token 实际占输出较大比例时才有帮助；使用量区块会直接显示这一点，无需猜测。
更大的上下文窗口本身不会增加费用。在 Claude 4.6 及更高版本中，Haiku 5.5 除外，完整的 1,000,000 token 窗口按标准的每 token 费率计费。因此，900,000 token 请求和 9,000 token 请求的每 token 费用相同。Haiku 5.5 是例外：它按提示长度定价，超过 100,000 token 的提示会使输入、输出和缓存费用增加到 5 倍。因此，输入价格会从每百万 token 0.10 美元升至 0.50 美元，输出价格会从 0.50 美元升至 2.50 美元。对于其他当前模型，窗口大小不会决定价格。决定价格的是你放入窗口的内容。
还有两项内容应在规划阶段处理，而不是在单次会话中处理。如果你每天进行交互式使用，请将按 token 付费与固定套餐进行比较：API 与订阅费用对比会完成这项计算。如果固定套餐更划算，同时你还在考虑其他供应商，Claude 与 ChatGPT 套餐价格对比会对两者进行相同的比较。如果 agent 在服务器上无人值守运行，应在进行其他调优前设置硬性支出上限；VPS 上 AI agent 的费用控制介绍了这一点。若只想了解大致规模，1,000,000 个 Claude token 实际能购买什么会将价目表转换为文本页数。
FAQ
为什么开始使用代理后，Claude 账单会突然增加？
因为代理会针对一个问题发送多个请求，而且每个请求都会携带截至当前的完整对话。聊天每个问题只发送一个请求。编码代理每个步骤发送一个请求，而一个任务执行 40 个步骤很正常。每个请求都会按完整上下文计费，因此一个最终达到 100,000 个 token 的会话，总输入 token 数可能超过 2000000。查看 API 响应中的 input_tokens 和 cache_read_input_tokens 即可直接确认。
提示缓存真的能大幅降低账单吗？
在示例中，会话费用从 12.70 美元降至 2.48 美元，因为 Opus 5 的缓存读取费用是输入费用的十分之一。节省金额完全取决于缓存命中率。使用 5 分钟缓存时，只要成功读取一次就能收回成本，因为写入费用是输入费用的 1.25 倍，而读取费用是输入费用的 0.1 倍或更低。如果每次请求都会修改提示开头附近的内容，就完全不会命中缓存，写入溢价也会白白支付。先通过 cache_read_input_tokens 确认缓存确实生效。
是否应该所有任务都使用 Haiku？
不应该。Haiku 4.5 每百万输入 token 的费用为 1 美元，而 Opus 5 为 5 美元，因此在分类、路由等简单且高频的任务中，节省确实明显。对于困难任务，错误答案带来的成本可能超过模型节省的费用，因为除了重试费用，还要付出您自己的时间。稳定可行的模式是混合使用：机械性步骤使用小模型，需要判断的步骤使用前沿模型。
API 比 Claude 订阅更便宜吗？
这取决于您的使用量是否稳定。订阅是固定的月费，并附带使用限制。API 按 token 计费且没有上限；使用量较少或集中在短时段时，API 更便宜，而您在每个工作日都大量使用时，API 更贵。先从用量部分获取您每天的平均 token 数，按所用模型的费率计算，再乘以每月使用天数，然后将月度金额与套餐价格比较。入门套餐的价格和使用限制见 Claude Pro 的费用及其使用限制。如果计算结果显示 API 更划算，取消订阅也不会浪费已经支付的当月费用，因为取消会在当前计费周期结束时生效，在此之前您仍可继续使用该套餐。取消套餐或降级套餐介绍了这两种方式。