Claude Code token cost: एक session actually कितना burn करता है

Quick answer: per session dollars expect करें, cents नहीं।

Claude Code एक agentic tool है, chat window नहीं। आपकी एक request दर्जनों model calls trigger कर सकती है, और हर call बढ़ती हुई पूरी conversation को input tokens के रूप में re-send करती है। इससे cost का driver output नहीं, input volume बनता है। Output tokens आमतौर पर input के आगे एक rounding error जैसे होते हैं। Community-reported approximate numbers medium repo पर एक serious hour-long session को लगभग 5 से 20 million tokens पर रखते हैं। Sonnet 4.6 के लिए Anthropic direct rates पर ($3 per million input, $15 per million output), ज्यादातर sessions caching discounts से पहले करीब $2 से $40 के बीच पड़ते हैं, और heavy Opus days इससे कहीं आगे जाते हैं। Prompt caching real bills को naive math से नीचे खींच लेती है, लेकिन shape वही रहती है: बड़े repos पर लंबे sessions असली पैसा खर्च करते हैं। आपके पास तीन levers हैं। Context window में क्या enter होता है उसे कम करें, routine work को cheaper models पर route करें, और requests कहां bill होती हैं यह बदलकर per-token rate को कम करें। यह पूरा page हर एक को concrete numbers के साथ explain करता है।

Tokens actually जाते कहां हैं।

दो mechanics इसे नरम करती हैं। पहला, Anthropic prompt caching: Claude Code stable prefixes को cacheable mark करता है, cache writes एक premium cost करती हैं, और cache reads normal input rate के करीब दसवें हिस्से पर bill होती हैं। दूसरा, context compaction: /compact command history को summarize करता है और raw transcript को drop कर देता है। दोनों बहुत मदद करते हैं, और कोई भी fundamental rule नहीं बदलता: window में बैठी हर चीज़ का payment हर उस call पर होता है जिसमें वह शामिल हो। यही वजह है कि वही prompt अलग-अलग repos में बेतरह अलग amounts cost करता है। एक lean CLAUDE.md वाले fresh session में पूछा गया सवाल सस्ता है। वही सवाल एक ऐसे session के 30 turns के अंदर पूछा जाए जिसने दर्जनों large files read कर ली हों, वह एक six-figure token window के ऊपर सवार होता है।

• System prompt और tool definitions: roughly 15 से 20K tokens, हर single model call के साथ re-send होते हैं।
• CLAUDE.md, rules files, और MCP tool schemas: session start पर load होते हैं और हर बाद वाली call में carry होते हैं।
• File reads: एक 500-line source file roughly 5 से 7K tokens का होता है, और एक बार read होने के बाद window में बना रहता है।
• Tool results: test output, grep hits, और terminal logs conversation में append होते हैं और हर बाद वाले turn पर input के रूप में re-bill होते हैं।
• खुद agentic loop: एक अकेला "fix this failing test" Claude Code के report back करने से पहले 10 से 40 model calls produce कर सकता है।

Realistic session cost math।

Guess करने के बजाय इसे turn by turn model करें। एक typical mid-size session लगभग 40 model calls चलाता है। कुछ files और कुछ test output accumulate होने के बाद, पूरा window per call औसतन करीब 90K tokens का होता है। 90K पर चालीस calls 3.6M input tokens होते हैं। Output छोटा रहता है: हर call करीब 1,000 tokens पर चालीस calls करीब 40K output tokens होते हैं। नीचे की table Anthropic direct list rates पर तीन session profiles को price करती है। इन्हें ceilings मानें: prompt caching repeated prefix पर भारी discount देती है, इसलिए cached sessions आमतौर पर इससे कम पड़ते हैं। Pattern फिर भी developers जो report करते हैं उससे match करता है। कभी-कभार की afternoons कुछ dollars में cost होती हैं; Opus को API पर daily driver के रूप में चलाना महीने में कई सौ dollars तक जा सकता है।

Plan बनाम API: Claude Code किस तरीके से सस्ता है?

Anthropic Claude Code को दो तरीकों से बेचता है: rolling windows में enforced usage caps वाले flat-rate subscription plans में bundled, या API पर per token metered। Claude Code API pricing बस ऊपर वाले model rates हैं जो आपके sessions जो भी burn करें उस पर apply होते हैं, कोई cap नहीं और कोई cut-off नहीं। Break-even plain arithmetic है। अगर आपका typical session direct rates पर Sonnet पर करीब $11 का पड़ता है, तो एक $20 plan roughly दो sessions प्रति महीने पर अपने आप को pay कर देता है, बशर्ते आप इसके caps के नीचे रहें। पेच खुद caps में है: heavy agentic use बिल्कुल वही pattern है जो rolling limits trip करता है, और एक flat rate जिस पल आप mid-session में lock out हो जाते हैं उसी पल सस्ता होना बंद हो जाता है। API billing इस trade को उलट देती है। आप कभी cut off नहीं होते, और आप exactly उतना ही pay करते हैं जितना burn करते हैं। कई heavy users आखिर में hybrid हो जाते हैं: interactive work के लिए एक plan, CI jobs और overflow के लिए एक API key।

Claude Code token cost कैसे कम करें।

आखिरी दो levers compound होते हैं। एक discounted endpoint के through एक cheap model को route करना routine work के लिए एक $10 session को एक dollar से काफी कम में बदल सकता है। एक gateway option APIsRouter है, pay-as-you-go billing और कोई subscription नहीं वाला एक OpenAI-compatible API: global models official list से 20% नीचे priced हैं, Chinese models अपनी official rates से नीचे रहते हैं, पहला top-up +100% balance add करता है, और /topup पर बिना signup checkout पहले payment लेता है और key email करता है। नीचे का catalog दिखाता है कि practice में एक routing ladder कैसा दिखता है। अगर आप budget tier के रूप में Kimi K2.6 (kimi-k2.6) चाहें तो वह भी available है।

• CLAUDE.md को lean रखें। हर line हर session के हर model call पर एक recurring charge है।
• हर task के लिए एक fresh session शुरू करें और जब लंबा session drift करे तो /compact चलाएं। एक 150K-token window हर call पर 150K bill करती है।
• Reads को scope करें। Claude Code को crawl करने देने के बजाय specific files पर point करें, और build output और vendored directories को exclude करें।
• जो MCP servers use नहीं कर रहे उन्हें disable करें। इनके tool schemas हर call पर system prompt में साथ चलते हैं।
• Model के हिसाब से route करें। Opus को architecture और gnarly debugging के लिए रखें, Sonnet को default के रूप में चलाएं, और boilerplate, test scaffolding, और commit messages को cheaper models पर push करें।
• Direct list prices पर billing करने के बजाय base URL को एक gateway पर point करके खुद per-token rate को कम करें।

Config example: Claude Code को repoint करें और verify करें।

Claude Code startup पर ANTHROPIC_BASE_URL पढ़ता है, इसलिए tokens कहां bill होते हैं यह बदलना एक settings change है, workflow change नहीं। Endpoint और key को ~/.claude/settings.json में डालें और हर session इन्हें pick up कर लेता है। Model IDs वही रहती हैं, tool execution आपकी machine पर local रहता है, और rollback सिर्फ एक line comment out करना है। OpenAI-compatible tools और scripts के लिए, base URL /v1 पर खत्म होता है (https://api.apisrouter.com/v1)। अपने daily driver को इस पर point करने से पहले एक one-off curl से key verify करें:

{
  "env": {
    "ANTHROPIC_BASE_URL": "https://api.apisrouter.com",
    "ANTHROPIC_AUTH_TOKEN": "sk-APIsRouter-...",
    "ANTHROPIC_MODEL": "claude-sonnet-4-6",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "claude-opus-4-7",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "claude-sonnet-4-6"
  }
}

अक्सर पूछे जाने वाले प्रश्न