Claude 輸入與輸出 token 成本差 5 倍
Claude 的輸出 token 價格是輸入的 5 倍。了解 prefill 與 decoding 的硬體差異,以及這種不對稱如何影響每月 agent 帳單。
為什麼輸出 tokens 的費用高於輸入 tokens
在目前的 Claude 模型目錄中,輸出 tokens 的費用都是輸入 tokens 的 5 倍。原因在於計算方式不同。讀取 prompt 只需讓模型執行一次完整處理。產生回覆則必須每個 token 執行一次,而且每次處理都必須等待前一次完成。
這個比例適用於價格表中的每一列,因此選擇哪個模型,不會改變帳單中輸出所占的比例。真正決定比例的是工作負載的結構。某個 agent 步驟讀取 60,000 個 tokens,並產生 800 個 tokens 的回覆,輸出費用幾乎可忽略。某項草稿工作讀取 2,000 個 tokens,卻產生 12,000 個 tokens,輸入費用幾乎可忽略。以下會依據 Anthropic 公布的費率,分別計算這兩種情況;費率資料截至 27 October 2026。
Prefill 執行一次,decoding 每個 token 執行一次
Inference server 會分兩個成本差異很大的階段處理請求。Prefill 讀取 prompt。Decoding 產生回覆。
Prefill 一次處理完整 prompt。所有 prompt token 都在同一次 forward pass 中進入網路,因此 attention 與 feed-forward 的運算會成為少量的大型矩陣乘法,每次涵蓋數千個 token。模型權重只需從記憶體讀取一次,就能處理完整 prompt。Accelerator 的矩陣運算單元會持續忙碌,因此 prefill 通常受計算能力限制:瓶頸是晶片進行乘法的速度。NVIDIA 的 serving 文件指出兩種例外:非常短的 prefill,以及長 prefix 已命中 cache 的 prefill,會改為受記憶體頻寬限制。
一般 decoding 無法採用相同方式,因為 token 2 取決於 token 1。模型剛產生的 token 會成為下一個步驟的輸入,因此各步驟必須依序執行。每個輸出 token 都需要個別的 forward pass,而每次 pass 都必須從高頻寬記憶體讀取完整模型權重,以及 KV cache(key/value cache,也就是截至目前每個 token 的已儲存 attention 狀態),才能產生單一 token。因此 decoding 通常受記憶體頻寬限制:瓶頸是權重與快取狀態的搬移速度,而不是矩陣乘法速度;對於長 context,NVIDIA 特別指出 KV cache 讀取是瓶頸。Prefill 時足以處理完整 prompt 的相同權重流量,在 decoding 時只能產生一個 token。
Speculative decoding 可在不違反這項限制的情況下調整流程。小型 draft model 會預測後續數個 token,大型模型則在單次 pass 中平行檢查這些 token;NVIDIA 表示,這可能使 decode 轉向受計算能力限制。大型模型仍會依序接受這些預測,並在第一個錯誤 token 處停止,因此較長的回覆仍需要許多次 pass。
Serving system 會透過 batching 來降低影響。多個請求會一起進行 decoding,因此讀取一次權重,就能為 batch 中的每個請求產生一個 token。這就是 decoding 仍能負擔的原因。限制再次來自記憶體。每個處理中的請求都有自己的 KV cache,而該 cache 會隨每次產生 token 持續增長;當它填滿 accelerator 後,batch 就無法再擴大。
這些資訊無法提供精確數字,因此不應將 5x 解讀為實測硬體比例。這是 Anthropic 設定的成本,依據的是上述不對稱性。你可以自行驗證的是方向,而且大約只需一分鐘。
自行測量輸入與輸出的間隔
在任一 Ubuntu 主機上安裝工具:
sudo apt update && sudo apt install -y curl jq moreutils現在串流一段要求長篇回答的簡短提示,並為每一行標記其到達時間。
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 會在每行前加上自命令開始後經過的秒數。這份輸出有兩點值得注意。第一個 content_block_delta 行代表首次取得 token 所需的時間,所有 prefill 都在這段時間內完成。之後的每一行都是一次小幅度的 decoding,時間標記會持續增加,直到 message_stop 到達為止。
現在反轉這個形狀。在提示中放入長篇文件,並將回答上限設為數個 token。
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'第一個時間差比短提示時更久,因為 prefill 必須讀取更多文字。第一個時間差出現後,回應幾乎立即結束,因為只剩少數 token 需要 decoding。輸入了數萬個 token,但時鐘幾乎沒有移動。輸出只有數百個 token,時鐘卻持續運作。
每個非串流回應都會以計費依據的數字結尾。
{
"usage": {
"input_tokens": 41283,
"output_tokens": 6,
"cache_creation_input_tokens": 0,
"cache_read_input_tokens": 0
}
}每次請求都記錄這 4 個欄位。output_tokens 包含 thinking tokens,因此模型在回答前進行思考時,這些 token 會按照輸出速率計費。若要在傳送提示前估算其費用,POST /v1/messages/count_tokens 對大多數請求採用相同的 request body,回傳 {"input_tokens": N} 作為估算值,不會執行模型,而且在自身的 rate limit 內免費。它不接受 Messages API 可接受的部分 request body,例如大多數 server tools(如 web search)、MCP connector,以及來源為 url 或 file 的圖片或文件區塊。因此,計算圖片與 PDF 時,請以 base64 傳送。這不是 API 中唯一免費的部分;在規劃第一個專案前,值得查看 Claude API 中哪些部分不會向您計費。
截至 2026 年 10 月,Claude 每 100 萬 tokens 的費用
此圖表背後的資料
[
{
"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
}
]最後一欄是輸出除以輸入,每一列都顯示 5。Haiku 4.5 的輸入費用為 $1,輸出費用為 $5。Opus 5 的費用為 $5 和 $25。Fable 5 的費用最高,輸入為 $10,輸出為 $50;在你直接排除最高費率前,值得先閱讀這些 Fable 5 費率能換來什麼。提高模型等級時,輸入與輸出兩側會套用相同倍數,因此總費用會改變,但輸入與輸出的比例維持不變。
Sonnet 5 的輸入費用為 $2,輸出費用為 $10。Anthropic 以此費率推出 Sonnet 5,作為截至 2026 年 8 月 31 日的導入優惠價格,原定於 9 月 1 日調升為 $3 和 $15,之後改為 $2 和 $10 的標準價格。這次調升從未生效,因此下列每個計算範例採用的都是你目前支付的費率。
自本頁首次發布後,Anthropic 也推出了較新的模型;目前 claude.com/pricing 將上述 4 個模型列為仍可使用的舊版模型。新模型維持相同的 5 倍比例。Opus 5.5 的輸入與輸出費用為 $4 和 $20,Sonnet 5.5 為 $2 和 $10,Fable 5.1 為 $10 和 $50;Haiku 5.5 對不超過 100,000 tokens 的提示收取 $0.10 和 $0.50,超過後則為 $0.50 和 $2.50。下方進一步計算的 60,000 token agent 步驟仍低於這個門檻,但 agent 的歷史紀錄持續增加後,最終會超過門檻;Haiku 5.5 的兩級價格在實際工作中的影響會說明這次跳升如何影響費用。Opus 5.5 的基本輸入與輸出費率比 Opus 5 低 20%,因此下方所有未使用快取的 Opus 5 數值,在 Opus 5.5 上都會低 20%。使用快取的數值會進一步降低,因為 Opus 5.5 讀取快取命中項目時,每 100 萬 tokens 收取 $0.20,而 Opus 5 為 $0.50,降幅為 60%。下方 Opus 5 的快取 agent 步驟費用為 $0.0725,在 Opus 5.5 上約為 $0.047,低約 35%。
費率會變動,本頁不是查詢費率的來源。正確資訊以 claude.com/pricing 為準。價格變動後仍然適用的是計算方法。
有一項注意事項寫在 Anthropic 價格表下方的說明中,而不是費率本身。Anthropic 的定價頁面指出,Claude 4.7 及後續模型使用較新的 tokenizer;相同文字產生的 tokens 約比 Sonnet 4.6 及更早模型所使用的 tokenizer 多 30%。只比較每 100 萬 tokens 的價格,會讓較新的模型看起來較有利,因為同一份文件在該模型上會產生更多 tokens。應比較完成一項工作的實際成本,並使用你實際計畫採用的模型計算真實提示。不同供應商的 tokenizer 也各不相同,因此同樣的問題也存在於供應商之間;在 Claude 與 ChatGPT 上計算同一項實際工作的成本,比把兩張費率表並排比較更有參考價值。1,000,000 個 Claude tokens 在實際文字中代表多少內容會說明這個數量在實務上的規模。
何時輸出會開始主導費用?
當輸出的計價是輸入的 5 倍時,很容易在心中算出損益平衡點。將輸入 token 設為 I,輸出 token 設為 O。輸入成本是 I。輸出成本是 5 倍的 O。當 5 倍的 O 大於 I 時,輸出成本會超過總支出的一半,token 比例就是輸入 5、輸出 1。
因此,如果提示的長度超過回覆的 5 倍,輸入就是較大的費用項目。低於這個比例時,則是輸出。
此圖表背後的資料
[
{
"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
}
]在 100 比 1 時,輸出占支出的 4.8%,此時只有縮短提示值得投入。在 5 比 1 時,兩者費用相同。在 1 比 6 時,輸出占 96.8%,提示成本則可視為四捨五入誤差。多數人都會錯估自己的比例,因此在進行任何最佳化之前,先從日誌中取得實際數據。
代理程式工作負載:輸入長上下文,輸出短答案
執行一次檢索代理程式步驟:輸入 60,000 個檢索文件與對話歷史 token,輸出 800 token 的答案。比例為 75 比 1。對於任何先讀取再寫入的工作負載,這都很常見。
此圖表背後的資料
[
{
"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
}
]在所有模型上,輸出量都占該次呼叫的 6.25%,因為整份價格表的比例固定。該次呼叫使用 Opus 5 的成本為 $0.32,Sonnet 5 為 $0.128,Haiku 4.5 為 $0.064。每天在 Opus 5 上執行 200 次這類步驟,每天需支付 $64。
看出輸入與輸出的分配後,影響成本的方向很明顯。將答案從 800 token 減至 400 token,只能節省約 3% 的呼叫成本。從提示中刪除 20,000 個過時上下文 token,則可節省約三分之一。對於以讀取為主的代理程式,縮短輸出長度幾乎只是白費力氣。程式碼代理程式的 token 實際用在哪裡將拆解提示內容的主要來源。
生成工作負載:短提示,長草稿
現在反過來看這種比例。提示內容為 2,000 個 token,草稿為 12,000 個 token,比例是 1 比 6。
此圖表背後的資料
[
{
"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
}
]輸出占這筆費用的 96.8%。使用 Opus 5 時,每份草稿的費用為 $0.31,而 Haiku 4.5 的費用為 $0.062。這 5 倍的價差幾乎完全來自輸出端,而這正是使用較低成本模型最能節省費用的部分。
最右欄是透過 Batch API 執行相同工作,輸入與輸出費用都可減少 50%。Opus 5 的每份草稿費用降至 $0.155。Batch 以非同步方式執行,不會立即完成。Anthropic 表示,大多數批次會在 1 小時內完成;但仍在 24 小時後處理中的批次會過期,屆時尚未處理到的請求會標示為過期,不會計費,也不會產生訊息。因此,它適合夜間報告產生與大量分類;對於過期的項目,則需要重新提交。不適合有人正在等待結果的工作。
在這裡,模型路由的效益比代理步驟更明顯。如果工作中較冗長的部分是機械性處理,例如重新格式化文字,或擴充已經核准的大綱,使用低成本模型產生這些 token 的費用只有五分之一。選擇 Opus、Sonnet 與 Haiku 說明品質界線實際落在哪裡。
快取折扣只適用於輸入
Prompt caching 會將 prompt 的前綴儲存在伺服器上,再次讀取時只收取輸入費率的一部分。截至 27 October 2026,對本頁列出的模型而言,寫入 5 minute cache 的費率是基本輸入費率的 1.25x,寫入 1 hour cache 的費率是 2x,讀取命中快取的費率是 0.1x。較新的模型對讀取命中的費率更低:Opus 5.5 和 Sonnet 5.5 為 0.05x,Fable 5.1 為 0.025x。
輸出不適用這項優惠。輸出不會快取。模型每次產生的每個 token 都會依完整輸出費率計費,不受 prompt 有多少內容命中快取影響。
以 Opus 5 執行相同的 agent 步驟,其中 60,000 個輸入 token 有 55,000 個由暖快取提供。
此圖表背後的資料
[
{
"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
}
]這次呼叫的費用從 $0.32 降至 $0.0725。輸出費用沒有變動:原本為 $0.02,現在仍為 $0.02。快取會降低總費用,也會改變費用結構。輸出原本占該次呼叫的 6.25%。現在占比已超過四分之一,因此下一步值得調整的成本因素也不同了。
第一次呼叫必須支付寫入費用。寫入 5 minute cache 的費率是基本輸入費率的 1.25x,因此命中一次後即可回本。寫入 1 hour cache 的費率是 2x,因此需要命中兩次。寫入與讀取費率,以及快取何時不再划算 會詳細說明這項計算。
你可以控制的 4 個調整方向
- 將
max_tokens設在輸出長度的 p95,而不是模型上限。 - 將冗長步驟路由至較便宜的模型。
- 將無人等待的工作批次處理。
- 刪除會讓回覆變長的指示。
max_tokens 是硬性上限。將它設高本身不會產生成本,因為計費依據是實際產生的 token,不會按上限計費。較寬鬆的上限會移除失控回覆的長度限制。從日誌中取得 output_tokens 分布,將上限設在第 95 百分位稍上方,並在程式碼中處理 stop_reason: "max_tokens",例如繼續產生回覆或重試。你偵測到的截斷,成本低於一段你必須付費、最後卻丟棄的 4,000 token 冗長回覆。思考內容也會計入 output_tokens,並消耗 max_tokens,因此應根據相同的資料設定上限;如果模型支援自適應思考,且思考內容持續占用回覆,請降低 effort level。
當步驟的昂貴部分是產出量而非判斷時,路由就有效。讓能力較強的模型負責決策,再將文字產生交給較便宜的模型。先在自己的評估資料集上測量路由版本,因為真正重要的數字是每項完成工作所需的成本。在上方的 agent 步驟中,兩次 Haiku 4.5 嘗試的成本為 $0.128,而一次 Opus 5 嘗試的成本為 $0.32,因此價差足以負擔 1 或 2 次重試。但這個價差無法抵銷沒有人發現的錯誤答案。
批次處理是唯一能折扣輸出的調整方向。雙方均可享有 50% 折扣,大多數批次會在 1 小時內完成,而且任何排程工作都符合資格,前提是工作必須重新提交在 24 小時時限到期時失效的項目。
最後一個調整方向最常被忽略。「be thorough」和「explain your reasoning」這類片語,會設定你今後每次呼叫的輸出長度。請改成直接指定所需格式,例如「Answer in at most three sentences」,或「Return only the JSON object, with no preamble」。系統提示若讓每次回覆增加 300 token,其成本是提示中相同 300 token 的 5 倍。控制持續執行 agent 的成本涵蓋監控部分,而判斷 API 或固定訂閱哪個更符合你的使用模式且成本較低值得在開始花 1 週調整每 token 支出前先決定,因為訂閱可能已涵蓋這些支出。對單一開發者而言,這主要取決於Claude Pro 每月 $20 的費用及其使用限制是否涵蓋你的工作。如果你已在工作階段中途觸及這些限制,確認你正在等待哪個視窗應優先處理,因為接下來的解決方式可能是改用較小的模型、使用較輕量的 context、增加使用額度,或將這項工作移至按量計費的 API。如果按量計費的 API 最終證明是這項工作的較低成本選擇,降至較低方案或取消方案仍會保留你已支付的當月期間,因此切換時不會產生退出成本。如果你拿來與 Pro 比較的方案是 ChatGPT 的方案,而不是按量計費的 API,將兩種訂閱層級並列比較價格會顯示哪一個對程式碼工作較便宜。如果這個問題是針對團隊而非單一開發者提出,請注意,Claude Enterprise 將每席位費用與依相同 API 費率計算的 token 費用結合,因此本頁的每個調整方向仍適用於該帳單中按量計費的部分。
FAQ
為什麼輸出 token 的費用高於輸入 token?
生成輸出 token 每個 token 需要更多 accelerator 運算時間。提示會在一次 forward pass 中完整處理,因此模型權重只需讀取一次,涵蓋數千個 token,硬體通常受限於乘法運算吞吐量。一般解碼則會一次生成一個 token,每個 token 都需要各自執行 forward pass,並再次讀取模型權重與持續增長的 KV cache,因此硬體通常受限於記憶體頻寬。speculative decoding 等技術可以縮小這項差距,但無法消除差距。Anthropic 目前整個產品目錄的輸出價格都是輸入價格的 5 倍,範圍從 Haiku 5.5 到 Fable 5.1。
prompt caching 會讓輸出 token 變便宜嗎?
不會。prompt caching 只適用於輸入。截至 27 October 2026,大多數模型的 cache read 費用是基本輸入價格的 0.1x(Opus 5.5 與 Sonnet 5.5 為 0.05x,Fable 5.1 為 0.025x);cache write 費用則是 5 minute 期間的 1.25x,或 1 hour 期間的 2x。無論 cache 的處理方式為何,每次呼叫的輸出都會按完整價格計費。因此,caching 不只會改變帳單金額,也會改變帳單的結構:輸入端費用下降後,輸出就成為最值得降低的部分。
max_tokens 很高,但回覆很短時也會產生成本嗎?
不會。系統會依模型實際產生的 token 計費,因此 max_tokens 是上限,不是預留量。不過它仍然重要,因為這是限制失控回覆的唯一硬性上限。請將它設在觀測到的 output_tokens 第 95 百分位數略高的位置,然後在程式碼中處理 stop_reason: "max_tokens",不要直接送出遭到靜默截斷的答案。
如何找出自己的輸入與輸出 token 比例?
從每個回應的 usage 物件記錄 input_tokens、output_tokens、cache_read_input_tokens 和 cache_creation_input_tokens,然後計算一週內的總量比例。若輸入與輸出的比例高於 5 比 1,成本主要來自提示,因此應快取穩定部分並刪減其餘內容。若比例低於 5 比 1,成本主要來自回覆,因此應限制回覆長度,並將產生最多輸出的步驟移至較便宜的模型或 Batch API。