OpenAI API یا Claude API؛ قیمت توکن صورت‌حساب واقعی را نمی‌گوید

برای مقایسهٔ هزینهٔ OpenAI API و Claude API، واحد مناسب هزینهٔ هر وظیفهٔ موفق است، نه ارزان‌ترین نرخ ورودی یا خروجی. دو درخواست با نرخ توکن یکسان می‌توانند به‌دلیل طول متفاوت پاسخ، برخورد نکردن به cache یا نیاز به تلاش دوباره، مبالغ متفاوتی بسازند. کیفیت پاسخ هم تعیین می‌کند چند تلاش واقعاً به نتیجهٔ قابل‌استفاده می‌رسد.

GPT-6.1 Sol و Claude Sonnet 5.5 نمونهٔ خوبی برای نشان دادن این تفاوت‌اند. در پردازش استاندارد، تعرفهٔ OpenAI برای GPT-6.1 Sol به‌ازای هر یک میلیون توکن، ۲ دلار ورودی، ۱۰ دلار خروجی، ۰٫۱۰ دلار خواندن از cache و ۲٫۵۰ دلار نوشتن در cache سی‌دقیقه‌ای ثبت می‌کند. تعرفهٔ Claude همین نرخ‌ها را برای Sonnet 5.5 با نوشتن در cache پنج‌دقیقه‌ای نشان می‌دهد؛ این تعرفه همچنین می‌گوید توکن‌ساز مدل‌های جدیدتر Claude ممکن است برای متن یکسان شمار توکن متفاوتی بسازد. پس برابری نرخ، برابری شمار توکن یا مبلغ نهایی را تضمین نمی‌کند.

فرمول هزینه از چه اجزایی ساخته می‌شود؟

برای یک درخواست متنی، تعداد توکن‌های ورودی عادی را در نرخ ورودی، توکن‌های نوشته‌شده در cache را در نرخ نوشتن، توکن‌های خوانده‌شده از cache را در نرخ خواندن و همهٔ توکن‌های خروجی را در نرخ خروجی ضرب کنید. حاصل چهار بخش را جمع بزنید و بر یک میلیون تقسیم کنید. هر توکن ورودی فقط در یکی از ستون‌های ورودی عادی، نوشتن یا خواندن cache قرار می‌گیرد؛ شمردن دوبارهٔ آن هزینه را بیش از مقدار واقعی نشان می‌دهد.

برای رسیدن از هزینهٔ درخواست به هزینهٔ وظیفه، مبلغ تلاش‌های ناموفق را هم به جمع اضافه کنید و حاصل را بر تعداد خروجی‌های پذیرفته‌شده تقسیم کنید. در این محاسبه، «پذیرفته‌شده» باید برای هر دو مدل معنای یکسانی داشته باشد: مثلاً پاسخ درست به پرسش پشتیبانی، استخراج کامل دادهٔ سند یا خروجی ساختاریافته‌ای که اعتبارسنجی را می‌گذراند. اعداد بخش‌های بعد مثال‌های فرضی با شمار توکن برابر هستند، نه اندازه‌گیری عملکرد این دو مدل روی متن فارسی؛ شمار واقعی توکن و کیفیت را باید از اجرای همان ورودی در هر API گرفت.

پشتیبانی کوتاه: طول پاسخ چه اثری دارد؟

فرض کنید یک پرسش پشتیبانی فارسی، با دستور و سابقهٔ لازم، ۶۰۰ توکن ورودی عادی و ۲۰۰ توکن خروجیِ قابل‌پرداخت مصرف کند. با نرخ استاندارد مدل‌های منتخب، هزینهٔ درخواست ۰٫۰۰۳۲ دلار است: ۰٫۰۰۱۲ دلار ورودی به‌علاوهٔ ۰٫۰۰۲ دلار خروجی. اگر در همان فرض، ورودی ثابت بماند و خروجی به ۳۵۰ توکن برسد، هزینه به ۰٫۰۰۴۷ دلار می‌رسد. تغییر مبلغ از حجم پاسخ می‌آید، نه تغییر تعرفه.

در کار پشتیبانی، کوتاه‌تر بودن پاسخ فقط وقتی مزیت اقتصادی دارد که مسئلهٔ کاربر را همچنان حل کند. پاسخی که جزئیات ضروری را حذف کند ممکن است درخواست بعدی یا ارجاع به عامل انسانی بسازد؛ آن هزینه در نرخ یک پاسخ دیده نمی‌شود. برعکس، توضیح طولانیِ بی‌فایده توکن خروجی بیشتری مصرف می‌کند. بنابراین برای مقایسهٔ دو API، پرسش‌ها و معیار کفایت پاسخ باید یکسان باشند، اما شمار توکن خروجی هر مدل باید همان مقداری باشد که واقعاً مصرف کرده است.

تحلیل سند بلند: cache چه زمانی صرفه دارد؟

در مثال فرضی سند، هر درخواست ۱۰۰ هزار توکن ورودی و هزار توکن خروجی دارد. بدون cache، مبلغ هر درخواست ۰٫۲۱ دلار است: ۰٫۲۰ دلار برای ورودی و ۰٫۰۱ دلار برای خروجی. حال فرض کنید ۸۰ هزار توکنِ ثابت سند در نخستین درخواست در cache نوشته شود و ۲۰ هزار توکن دیگر ورودی عادی باشد. مبلغ درخواست نخست ۰٫۲۵ دلار می‌شود، چون نوشتن بخش ثابت ۰٫۲۰ دلار، ورودی عادی ۰٫۰۴ دلار و خروجی ۰٫۰۱ دلار هزینه دارد.

اگر درخواست بعدی واقعاً همان ۸۰ هزار توکن ثابت را از cache بخواند و باز هم ۲۰ هزار توکن ورودی عادی و هزار توکن خروجی داشته باشد، مبلغ آن ۰٫۰۵۸ دلار است: ۰٫۰۰۸ دلار خواندن cache، ۰٫۰۴ دلار ورودی عادی و ۰٫۰۱ دلار خروجی. مجموع دو درخواست در این فرض ۰٫۳۰۸ دلار می‌شود؛ پردازش هر دو بدون cache، با همان شمار توکن، ۰٫۴۲ دلار هزینه داشت. این صرفه‌جویی تنها به بخش ثابت و برخورد موفق به cache مربوط است.

فاصلهٔ زمانی درخواست‌ها و ثابت ماندن پیشوند ورودی در این سناریو تعیین‌کننده‌اند. پنجرهٔ نوشتنِ قیمت‌گذاری‌شده برای مدل منتخب OpenAI سی دقیقه و پنجرهٔ مورد استفاده در مثال Claude پنج دقیقه است؛ اگر بخش ذخیره‌شده منقضی شود یا تغییر کند، نرخ خواندن ارزان‌تر جای نرخ ورودی یا نوشتن را نمی‌گیرد. برای سندی که فقط یک بار پردازش می‌شود، هزینهٔ نوشتن اولیه می‌تواند از پردازش عادی بیشتر باشد. در گزارش مصرف باید توکن‌های خوانده‌شده و نوشته‌شده را جدا نگه داشت، نه اینکه هر درخواست تکراری را برخورد موفق فرض کرد.

تولید ساختاریافته: توکن استدلال و تلاش دوباره

فرض کنید یک وظیفهٔ تولید دادهٔ ساختاریافته، در هر تلاش ۱۲۰۰ توکن ورودی و در مجموع ۸۰۰ توکن خروجی مصرف کند. هزینهٔ فرضی هر تلاش با نرخ استاندارد مدل‌های منتخب ۰٫۰۱۰۴ دلار است. اگر برای به‌دست‌آوردن ۱۰۰ خروجی پذیرفته‌شده، ۱۱۰ تلاش لازم شود، میانگین به ۰٫۰۱۱۴۴ دلار برای هر خروجی موفق می‌رسد. این محاسبه ادعایی دربارهٔ نرخ خطای هیچ‌یک از مدل‌ها ندارد؛ فقط نشان می‌دهد اعتبارسنجیِ خروجی چگونه مخرج مقایسه را تغییر می‌دهد.

خروجیِ قابل‌پرداخت نیز ممکن است از متن نمایانِ پاسخ بیشتر باشد. راهنمای استدلال Claude می‌گوید توکن‌های استدلالِ نوبت جاری در شمار توکن‌های خروجیِ قابل‌پرداخت قرار می‌گیرند. اگر در مثال فرضی، از ۸۰۰ توکن خروجی، ۵۰۰ توکن متن نهایی و ۳۰۰ توکن استدلال باشد، محاسبه بر اساس ۵۰۰ توکن مبلغ همان تلاش را کمتر نشان می‌دهد. برای هر مدل، عدد مصرف ثبت‌شده در پاسخ API مبنای محاسبه است؛ طول متن قابل‌مشاهده جانشین آن نیست.

پردازش منطقه‌ای و مسیر خرید چقدر تفاوت می‌سازند؟

در API مستقیم، انتخاب محل پردازش می‌تواند ضریب قیمت را تغییر دهد. برای GPT-6.1 Sol در مسیر منطقه‌ایِ مشمول، تعرفهٔ OpenAI افزودهٔ ۱۰ درصدی دارد؛ در Claude API نیز تعیین استنتاج محدود به آمریکا برای Sonnet 5.5 ضریب ۱٫۱ را بر ورودی، خروجی و عملیات cache اعمال می‌کند. اگر همهٔ اقلام مثالِ بدون cache تحلیل سند مشمول همین ضریب باشند، هزینهٔ فرضی ۰٫۲۱ دلار به ۰٫۲۳۱ دلار می‌رسد. این برابری عددی به معنای یکسان بودن محدودهٔ جغرافیایی یا شرایط دسترسی دو سرویس نیست.

بستر خرید را هم باید مشخص کرد. فهرست Anthropic برای Google Vertex AI، با تاریخ اثرگذاری ۲۷ مه ۲۰۲۶، برای Claude Opus 4.8 به‌ازای هر یک میلیون توکن، نرخ استاندارد جهانیِ ۵ دلار ورودی و ۲۵ دلار خروجی، نرخ منطقه‌ای یا چندمنطقه‌ایِ ۵٫۵ و ۲۷٫۵ دلار و نرخ batch جهانیِ ۲٫۵ و ۱۲٫۵ دلار ثبت می‌کند. این‌ها قیمت همان مدل در همان بسترند؛ نمی‌توان آن‌ها را به Sonnet 5.5 در API مستقیم نسبت داد. پردازش batch برای کاری که پاسخ فوری نمی‌خواهد می‌تواند ارزان‌تر باشد، اما زمان تحویل نیز جزئی از انتخاب مسیر است.

کدام مقایسه برای انتخاب مدل معتبر است؟

نرخ‌های برابرِ GPT-6.1 Sol و Claude Sonnet 5.5 به‌تنهایی برنده‌ای تعیین نمی‌کنند. متن فارسی یکسان ممکن است در دو توکن‌ساز به شمار متفاوتی تبدیل شود؛ مدل‌ها نیز ممکن است پاسخ‌هایی با طول و میزان استدلال متفاوت تولید کنند. اگر یکی از آن‌ها برای رسیدن به خروجی قابل‌قبول به تلاش‌های بیشتری نیاز داشته باشد، هزینهٔ هر پاسخ پذیرفته‌شده از هزینهٔ هر درخواست فاصله می‌گیرد. برای مقایسهٔ کارایی، باید کیفیت، شمار توکن و تعداد تلاش‌ها را زیر یک تعریف ثابت از وظیفه دید.

TaskPriced، که قیمت‌هایش را در ۱۳ اکتبر ۲۰۲۶ راستی‌آزمایی کرده، هزینه را به‌ازای وظیفه با توجه به cache، حجم خروجی و آستانه‌های متن بلند مدل‌سازی می‌کند و امتیازهای آزمون را فقط وقتی کنار هم می‌گذارد که در اجرای همسان به دست آمده باشند. چنین سنجه‌ای برای فهم روش مقایسه مفید است، اما مبلغ سه وظیفهٔ فارسیِ فرضی بالا یا کیفیت پاسخ آن‌ها را اندازه نگرفته است. انتخاب اقتصادی میان دو API از جمع مصرف واقعی همهٔ تلاش‌ها، تقسیم بر خروجی‌های پذیرفته‌شده و لحاظ کردن مسیر پردازش به دست می‌آید.

بیشتر بخوانید:

• GitHub Codespaces یا Ona؛ ساعت ارزان همیشه صورت‌حساب ارزان نمی‌سازد
• Cloudflare R2 یا Amazon S3؛ خروج داده می‌تواند صورت‌حساب را عوض کند
• عامل‌های OpenAI داخل AWS اجرا می‌شوند؛ پیش‌نمایش فقط در سه منطقه است