Claude API与OpenAI API：Token单价不能决定任务成本

在相同计费Token数下，Claude模型目录列出的Opus 5.5每百万输入、输出Token价格分别为4美元、20美元，Sonnet 5.5为2美元、10美元；OpenAI API费率表列出的GPT-6 Astra分别为10美元、50美元，GPT-6.1 Sol为2美元、10美元。因此，本文所选模型中，Opus 5.5的标准文本标价低于Astra，Sonnet 5.5与Sol同价；这还不能决定哪个API完成一项业务任务更便宜。

真正需要比较的是每个成功任务的费用。同一段原文在两家模型上的计费Token数可能不同，回答长度也可能不同；重复资料是否命中缓存、一次任务调用几次工具、失败后是否重试，都会改变总支出。下文的用量与通过率均为条件明确的示例，用来展示算法，不代表实测账单或模型能力排名。

固定输入输出比例，先算基础文本费

基础公式是：单次文本费＝输入Token数÷100万×输入单价＋输出Token数÷100万×输出单价。这个式子必须把输入和输出分开，因为两类Token的费率不同。若一次任务包含多轮请求，应逐轮计算后相加；只看最终答案那一轮，会漏掉前面消耗的上下文和模型回复。

第一类条件示例是短文本处理：每次输入1000 Token、输出200 Token，不使用缓存或工具。Claude Opus 5.5的费用为0.004美元输入费加0.004美元输出费，共0.008美元；GPT-6 Astra为0.010美元加0.010美元，共0.020美元。Claude Sonnet 5.5与GPT-6.1 Sol各为0.002美元输入费加0.002美元输出费，共0.004美元。这里刻意让两边的计费Token数相同，隔离出费率差异，而不是假定它们处理同一段文字时一定得到相同用量。

输入输出比例一变，排序的解释也要跟着变。要求长篇分析或代码的请求，输出费可能比输入费更重要；资料很长、答案很短的请求，则更受输入费和缓存影响。用一个“每百万Token价格”概括整项任务，会把这两种负载混在一起。实际预算至少要分别记录两家返回的输入Token、输出Token，以及每次请求的费用。

重复资料：缓存读取费会改变同价模型的结果

第二类条件示例是连续处理同一批资料：共20次请求，每次有10万Token的相同前缀、1000 Token的新问题，模型输出2000 Token。假设前缀首次按1.25倍普通输入价写入缓存，之后19次全部命中；新问题始终按普通输入计费。Claude详细价格表列出Sonnet 5.5每百万Token缓存写入2.50美元、命中读取0.20美元；同一组公开费率下，GPT-6.1 Sol的写入价为2.50美元、读取价为0.10美元。

把各项代入，Sonnet 5.5是0.25美元写入费＋0.38美元读取费＋0.04美元新输入费＋0.40美元输出费，合计1.07美元。Sol对应为0.25＋0.19＋0.04＋0.40美元，合计0.88美元。两者普通输入与输出标价相同，差额来自这组假设中的缓存读取价格。若前缀完全没有命中，20次请求各自按普通输入计费，两边在相同Token用量下均为4.44美元。

这个节省额以缓存确实生效为前提。前缀内容变化、请求间隔超出有效期，或使用记录中的命中Token少于预算值，都会使实际费用靠近无缓存情形。首次写入也有成本，因此不能把全部重复输入直接乘以读取费率。计算时应将普通输入、缓存写入、缓存读取和输出列成四项，再加总每轮请求。

长上下文与批处理改变费率档位

长请求需要先判断是否跨过计费门槛。GPT-6 Astra模型说明规定，输入超过27.2万Token时，整次请求的输入及缓存费率按短上下文的两倍计算，输出费率按1.5倍计算。假设一次请求输入30万Token、输出2万Token且没有缓存，Astra费用为6美元输入费加1.50美元输出费，共7.50美元。Claude Opus 5.5按其标准文本费率和相同计费Token数计算，为1.20美元加0.40美元，共1.60美元。这是两套公开费率下的条件算术，不是同一篇长文在两家API上的实测账单。

异步处理则可能进入另一个价档。按公开批处理费率，本文比较的模型输入与输出Token费用均可按标准费率的一半计算。沿用短文本示例，若有1000次相同用量的请求且全部适用批处理，Opus 5.5的模型Token费为4美元，Astra为10美元，Sonnet 5.5与Sol均为2美元。批处理改变的是符合条件的请求费率；需要即时回复的任务不能仅因Token用量相同，就按异步价格编列预算。

搜索型任务还要加上工具费用

第三类条件示例是一次需要网页搜索的问答：假设每项任务恰好发生一次收费搜索，总计费输入为1万Token，其中已包含进入模型上下文的搜索内容，输出为2000 Token。两家的网页搜索费率均为每千次10美元，本例单次工具费为0.01美元。加上模型文本费，Sonnet 5.5与Sol各为0.05美元，Opus 5.5为0.09美元，Astra为0.21美元。这些数字成立的条件是搜索次数和总Token用量都符合设定。

若模型继续检索或读取更长的搜索结果，工具调用次数与后续输入Token会一起增加。OpenAI的文件搜索调用、存储和容器运行还有各自的计费项目；Claude的网页搜索也在模型Token费之外收费。客户端自建工具的定义、调用参数与返回内容同样会占用模型Token。因而，搜索型任务的费用应写成“模型输入输出费＋托管工具调用费＋适用的存储或运行费”，不能把搜索费当作已经包含在输出Token价格里。

按通过率计算，才知道哪种模型更省

选型时可把同一批任务的全部尝试、重试与工具费用相加，再除以达到业务验收标准的任务数。这个每个成功任务成本同时反映价格和完成情况。验收标准要针对具体任务，例如答案是否包含必需字段、代码能否通过既定测试、检索答案能否正确引用所需材料；公开榜单的综合分数不能直接充当这些任务的通过率。

仍用前述短文本费率做一个条件示例：假设Opus 5.5与Astra各处理100项任务，不重试，且每项的计费Token数与第一个示例相同。若前者通过30项、后者通过90项，Opus的总模型费为0.80美元，每个通过任务约0.0267美元；Astra总模型费为2美元，每个通过任务约0.0222美元。这里的通过数纯属假设，却说明了为何单次标价较高的模型也可能在成功任务口径下更省。若两者通过率相同，前述单次费用差异才会直接延伸到每个成功任务。

一篇Claude与OpenAI API横评将官方价格、第三方速度测量和厂商选取的质量基准分开，并提醒迁移前用自身负载验证。横评采用的是更早一批模型，文中的旧价格与分数不能直接套到本文比较的型号。对技术采购而言，最有解释力的对照是让候选模型处理同一组真实任务，采用相同验收与重试规则，同时记录实际Token、缓存命中、工具次数和通过项数；这些记录才能把标价换算成自己的任务成本。