Punkt odniesienia
Opus 5 @ high
—
Claude API · cennik first-party
Model × Effort
Ile naprawdę kosztuje zadanie, kiedy zmienisz model albo parametr effort. Cennik jest stały, mnożniki effortu są zmierzone tylko częściowo (reszta oznaczona), a narzut językowy wchodzi z Tokenowego Mundialu. Silniejszy model na niższym efforcie zwykle bije słabszy model na wyższym.
Zwykle wygrywa
Opus 5 @ medium
—
Pytanie wyjściowe
Sonnet 5 @ xhigh
—
—
Licz koszt na ukończone zadanie, nie na request. Tani run, który trzeba powtórzyć, nie jest tani.Twój workload
Domyślne tokeny tak dobrane, żeby Opus 5 @ high po angielsku wypadł na zmierzonych ~$1.39 za zadanie z runów coding. Przełącz język, żeby zobaczyć, ile dokłada narzut wejściowy.
—
Suma inputu na zadanie — w pętli agentowej historia doliczana jest w każdej turze.—
Thinking jest rozliczany jako output — to jego skaluje effort. To suma na całe zadanie, nie na jedną odpowiedź: max_tokens ogranicza pojedynczy response do 128k, a pętla agentowa składa się z wielu tur.—
Narzut z Claude Opus 5, mnoży wyłącznie tokeny wejściowe.Matryca
Kliknij komórkę, żeby zobaczyć rozbicie kosztu. Przerywana ramka = mnożnik szacowany dla tej komórki. Gwiazdka w nagłówku = poziom bez zmierzonego mnożnika na którymkolwiek modelu.
Pełna tabela
Koszt jednego zadania w USD przy obecnych ustawieniach. Gwiazdka = mnożnik effortu szacowany dla tej pary model + effort.
| Model | Effort | Input $ | Output $ | Razem $ | vs Opus high |
|---|
Jak to czytać
Skaluje głębokość myślenia i liczbę wywołań narzędzi, czyli tokeny wyjściowe. Domyślny poziom to high. Haiku 4.5 nie przyjmuje tego parametru w ogóle.
high to punkt odniesienia: 1.00× z definicji, więc nigdy nie jest szacunkiem.
Mnożniki low ≈ 0.25× i medium ≈ 0.5× pochodzą ze zmierzonych runów long-horizon coding na Opus 5 (oddają odpowiednio ~8 i ~2 punkty jakości). Na Fable i Sonnet te same liczby są tylko przeniesione, więc tam też są szacunkiem — stąd przerywana ramka w ich wierszach.
xhigh i max nie mają opublikowanego mnożnika na żadnym modelu — 2× i 3× to przedłużenie krzywej. Stąd gwiazdka w nagłówku kolumny.
Opublikowane „połowa kosztu na medium” zakłada rachunek zdominowany przez output. Podkręć suwak inputu, a krzywa effortu się spłaszczy — bo effort nie dotyka tokenów wejściowych.
W runach coding wszystko na low plus powtórka porażek na domyślnym efforcie dało ~93% pass za ~$0.70 na zadanie, wobec 91.7% za $1.39 przy domyślnym wszędzie. Ta sama jakość, połowa ceny.
Porównuj modele na najtrudniejszej dziesiątce zadań, nie na medianie. Na jednym 20-zadaniowym runie dwa problemy wzięły 43% całego spendu.
Cache. Trafienie w prompt cache tnie stronę wejściową mocniej niż którykolwiek suwak powyżej i jest darmową wygraną — robi się je przed dotykaniem effortu i modelu. Zmiana effortu w trakcie sesji unieważnia cache.
Tokenizer językowy domyślnie używa zmierzonego Claude Opus 5; przełącznik zachowuje o200k_base jako punkt porównania. Pomiar Claude jest zweryfikowany z wcześniejszym bezpośrednim messages.count_tokens.