Anthropic API คิดเงินยังไงกันแน่

คำตอบสั้นๆ: คุณถูกเรียกเก็บเงินจากอะไรบ้าง

Anthropic คิดเงินค่า Claude API ต่อ token แบบเติมเงินล่วงหน้า คุณซื้อเครดิตใน developer console แล้วทุก request จะหักจาก balance นั้นผ่านสามมาตรวัด: input token (ทุกอย่างที่คุณส่งไป), output token (ทุกอย่างที่โมเดลสร้างออกมา รวมถึง thinking token) และ prompt cache traffic (การเขียน cache คิดที่ 1.25 เท่าของอัตรา input การอ่าน cache คิดที่ 0.1 เท่า) ตัว API เองไม่มี subscription และ subscription แบบ Claude Pro หรือ Max ก็ไม่ได้รวมเครดิต API มาให้ Output คือมาตรวัดที่แพงที่สุด Claude Sonnet 4.6 ราคาทางการอยู่ที่ $3.00 ต่อล้าน input token และ $15.00 ต่อล้าน output token ห่างกัน 5 เท่า Claude Opus 4.7 อยู่ที่ $5.00 ฝั่ง input และ $25.00 ฝั่ง output ถ้าบิลของคุณสูงกว่าที่คาดไว้ ให้เช็กปริมาณ output และการเติบโตของประวัติการสนทนาก่อนเป็นอันดับแรก

สามมาตรวัด: input, output และ cache token

Input ไม่ได้มีแค่ข้อความของผู้ใช้เท่านั้น system prompt, ประวัติการสนทนาทั้งหมด, tool definition, ผลลัพธ์จาก tool และรูปภาพ ล้วนนับเป็น input token ในทุก request ที่มีสิ่งเหล่านี้อยู่ ส่วน output คือทุกอย่างที่โมเดลเขียนกลับมา และในโมเดลที่มีความสามารถ reasoning นั้นรวมถึง thinking token ที่คุณอาจไม่เคยแสดงให้ผู้ใช้เห็นด้วยซ้ำ Prompt caching คือมาตรวัดที่สามและเป็นตัวที่ทีมส่วนใหญ่ไม่ได้ใช้งาน คุณทำเครื่องหมาย prefix ที่คงที่ (system prompt ยาวๆ, เอกสาร, tool list ที่ตายตัว) ด้วย cache_control breakpoint request แรกจะจ่ายค่าพรีเมียมการเขียนที่ 1.25 เท่าของอัตรา input สำหรับ cache แบบ 5 นาทีเริ่มต้น ทุก request ที่ใช้ prefix เดิมซ้ำภายในช่วงเวลานั้นจะอ่านกลับมาที่ 0.1 เท่า cache แบบ 1 ชั่วโมงก็มีให้ใช้เช่นกันในอัตราการเขียนที่ 2 เท่า ด้านล่างคือตารางอัตราเต็มของโมเดล Claude เรือธงทั้งสองตัวตามราคาทางการ

ตัวอย่างคำนวณจริง: แชทบอทหนึ่งตัว หนึ่งวัน

ลองดูแชทบอทฝ่ายซัพพอร์ตที่ใช้ Claude Sonnet 4.6 ในอัตราทางการ: 10,000 request ต่อวัน แต่ละ request มี system prompt 2,000 token บวกกับประวัติและข้อความผู้ใช้ 1,500 token แล้วตอบกลับด้วยคำตอบ 500 token ตารางด้านล่างแสดง workload เดียวกันทั้งแบบที่ cache system prompt และไม่ cache ถ้าไม่ cache วันนั้นจะเสียค่าใช้จ่าย $180.00 หรือประมาณ $5,400 ต่อเดือน ถ้า cache system prompt (สมมติว่ามีการหมดอายุของ cache ประมาณ 300 ครั้งต่อวันในช่วงเวลา 5 นาที) จะลดลงเหลือประมาณ $128 ต่อวัน หรือราว $3,840 ต่อเดือน สังเกตว่าสิ่งที่ไม่เปลี่ยนคือค่าใช้จ่ายฝั่ง output caching มีผลแค่กับ input เท่านั้น นี่คือเหตุผลที่การควบคุม output มีความสำคัญมากกว่าวิธีอื่นใดวิธีเดียว

ทำไมบิล Anthropic ถึงทำให้ทีมงานตกใจ

สี่รูปแบบนี้คือสาเหตุหลักของบทสนทนาแบบ "ทำไมบิลถึงสูงกว่าที่ประเมินไว้หลายเท่า" 1. Output แพงกว่า input 5 เท่า และ thinking ก็นับเป็น output การประเมินราคามักยึดอัตรา input เป็นหลักเพราะเป็นตัวเลขที่ถูกพูดถึงก่อน แต่คำตอบที่ยาว การจัดรูปแบบที่ฟุ่มเฟือย และ extended thinking ทั้งหมดถูกคิดเงินในอัตรา output โมเดลที่คิด reasoning 3,000 token ก่อนตอบด้วยคำตอบ 500 token จะถูกคิดเป็น output ถึง 3,500 token ทั้งที่ดูเหมือนเป็นคำตอบสั้นๆ 2. ประวัติถูกคิดเงินซ้ำในทุก turn API เป็นแบบ stateless ดังนั้นแต่ละ turn จะส่งบทสนทนาทั้งหมดกลับไปเป็น input แชทที่มีค่าเฉลี่ย 20 turn ไม่ได้เสียค่าใช้จ่าย 20 เท่าของ turn เดียว แต่เสียมากกว่านั้นมาก เพราะ turn ที่ 20 พ่วงเอา 19 turn ก่อนหน้ามาเป็น input ด้วย ต้นทุน input จะโตขึ้นในอัตราประมาณกำลังสองของความยาวบทสนทนา เว้นแต่คุณจะตัดหรือสรุปมันทิ้ง 3. Subscription กับเครดิต API แยกกันคนละส่วน Claude Pro และ Max ครอบคลุมแอป Claude เท่านั้น ไม่ใช่ API ทีมงานมักคิดว่า subscription จะครอบคลุม traffic ของ API แล้วมาพบทีหลังว่า console กำลังหักเงินจาก balance ที่เติมไว้ล่วงหน้าอย่างเงียบๆ โดยเปิด auto-reload ไว้ 4. ทุกอย่างใน request คือ input และการหาที่มาของค่าใช้จ่ายทำได้ยาก tool definition, ผลลัพธ์จาก tool, รูปภาพ และ system prompt ล้วนถูกคิดเป็น input ในทุก request ที่มีสิ่งเหล่านี้ กระจายสิ่งนี้ไปตาม API key, environment และฟีเจอร์หลายตัวโดยไม่มี log แยกตาม key แล้วจะไม่มีใครบอกได้ว่าฟีเจอร์ไหนใช้เงินไปเท่าไหร่จนกว่าใบแจ้งหนี้จะมาถึง

เทียบการคิดเงินของ Anthropic กับ OpenAI แบบเคียงข้าง

ผู้ให้บริการทั้งสองคิดเงินแบบเดียวกัน: ต่อ token แยกอัตรา input และ output เติมเงินล่วงหน้าเป็นค่าเริ่มต้น ความแตกต่างที่มีผลต่อบิลของคุณจริงๆ อยู่ที่กลไก cache และการควบคุมค่าใช้จ่าย ความแตกต่างที่จับต้องได้คือเรื่อง caching OpenAI ใช้ prompt caching อัตโนมัติโดยไม่มีค่าธรรมเนียมการเขียนและมีส่วนลดสำหรับส่วนที่ cache ไว้ ส่วน Anthropic ให้คุณวาง cache_control breakpoint เอง คิดค่าพรีเมียมการเขียน แล้วคืนทุนด้วยการอ่านที่ถูกกว่ามากที่ 0.1 เท่าของอัตรา input สำหรับ workload ที่มี prompt คงที่ยาวๆ การ cache ของ Anthropic ถ้าทำถูกวิธีจะเป็นวิธีที่ทรงพลังกว่า แต่ถ้าทำผิด (เช่นมี timestamp อยู่ใน system prompt หรือ tool list ที่ไม่คงที่) มันจะไม่ hit เลยอย่างเงียบๆ แล้วคุณจะจ่ายเต็มราคาบวกค่าพรีเมียมการเขียนไปด้วย

วิธีประเมินต้นทุน Anthropic API ก่อน ship จริง

ทุก response ของ API มี usage object ที่บอก input_tokens และ output_tokens ที่แน่นอน บวกกับ cache_creation_input_tokens และ cache_read_input_tokens เมื่อมีการ cache ทำงานอยู่ object นี้คือความจริงที่แม่นยำที่สุด tokenizer ฝั่ง client ที่สร้างมาสำหรับ provider อื่นจะนับ token ของ Claude ต่ำกว่าความจริง ดังนั้นอย่าใช้มันในการประเมิน ขั้นตอนคือ: ส่ง request ตัวอย่างสักไม่กี่ครั้ง อ่าน usage object แล้วหาค่าเฉลี่ย จากนั้นใช้สูตร: cost = (input_tokens / 1,000,000 x อัตรา input) + (output_tokens / 1,000,000 x อัตรา output) บวกกับค่าเขียนและอ่าน cache ถ้าคุณใช้ caching คูณด้วยปริมาณที่คาดว่าจะใช้ต่อวัน และสำหรับผลิตภัณฑ์ที่มีหลาย turn ให้เผื่อพื้นที่การเติบโตไว้ด้วย เพราะประวัติจะดัน input ให้สูงขึ้นทุก turn Anthropic ยังมี endpoint count_tokens ให้ใช้ถ้าคุณอยากรู้จำนวน token ก่อนส่งอะไรออกไปจริงๆ

curl 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-4-6",
    "max_tokens": 1024,
    "messages": [{"role": "user", "content": "Summarize this ticket: ..."}]
  }'

# Response ที่ได้มามี usage object ที่เป็นความจริงสำหรับ cost model ของคุณ:
# "usage": {"input_tokens": 2412, "output_tokens": 486,
#           "cache_read_input_tokens": 0, "cache_creation_input_tokens": 0}

5 วิธีลดค่าใช้จ่าย Anthropic API

กลยุทธ์ข้อที่ห้าคือจุดที่ gateway เข้ามามีบทบาท APIsRouter คือ gateway แบบ OpenAI-compatible ที่บันทึกโมเดล, input token, output token และต้นทุนเป็นดอลลาร์ที่แน่นอนต่อ request ต่อ API key ทำให้แต่ละฟีเจอร์หรือ environment มี key ของตัวเองและมีบรรทัดของตัวเองใน usage view โดยลิสต์ Claude Sonnet 4.6 ไว้ที่ $2.40 ฝั่ง input และ $12.00 ฝั่ง output ต่อล้าน token ส่วน Claude Opus 4.7 อยู่ที่ $4.00 และ $20.00 ต่ำกว่าราคาทางการ 20% คิดเงินแบบจ่ายตามการใช้งานไม่มี subscription การเติมเงินครั้งแรกที่ /topup ได้รับโบนัสเพิ่มเป็นสองเท่า การเชื่อม OpenAI SDK ที่มีอยู่แล้วเข้ากับมันใช้แค่การแก้โค้ดสองบรรทัด:

• Cache prefix ที่ยาวและคงที่ system prompt หรือเอกสารที่ซ้ำในทุก request จะถูกคิดเงินแค่หนึ่งในสิบของอัตรา input ในทุกครั้งที่อ่าน cache หลังจากเขียนครั้งแรก
• ตัดประวัติให้สั้นลงและตั้งเพดาน max_tokens สรุปหรือทิ้ง turn เก่าแทนที่จะส่งซ้ำ และตั้ง max_tokens ให้พอดีกับงานที่ต้องการ เพื่อไม่ให้คำตอบที่ยาวเกินควบคุมมาคิดเป็น output token เพิ่มอีกหลายพันตัว
• Route ตามงาน ไม่ใช่ตามความเคยชิน สงวน Opus ไว้สำหรับขั้นตอนที่จำเป็นจริงๆ แล้วส่งงาน classification, extraction และงานร่างจำนวนมากไปที่โมเดลราคาถูกกว่าอย่าง deepseek-v4-flash หรือ glm-5
• ใช้ Batch กับงานที่ไม่ต้องเรียลไทม์ Batches API ประมวลผล request ภายใน 24 ชั่วโมงในราคาครึ่งเดียว เหมาะกับงาน backfill, eval และ job ที่รันตอนกลางคืน
• ทำให้เห็นต้นทุนแยกตาม key ก่อนที่ traffic จะไหลผ่าน บิลที่พุ่งเกินคาดส่วนใหญ่เป็นปัญหาเรื่องหาที่มาของค่าใช้จ่ายไม่ได้ ไม่มีใครบอกได้ว่าฟีเจอร์หรือลูกค้าคนไหนใช้เงินไปเท่าไหร่จนกว่าใบแจ้งหนี้จะมาถึง

from openai import OpenAI

client = OpenAI(
    api_key="sk-APIsRouter-...",
    base_url="https://api.apisrouter.com/v1",
)

response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[{"role": "user", "content": "Summarize this ticket: ..."}],
)

# จำนวน token จะกลับมาในทุก response; gateway console
# ยังบันทึกต้นทุนที่แน่นอนของ request นี้ไว้ภายใต้ key นี้ด้วย
print(response.usage.prompt_tokens, response.usage.completion_tokens)

คำถามที่พบบ่อย