Anthropic API بلنگ اصل میں کیسے کام کرتی ہے

فوری جواب: آپ سے اصل میں کس چیز کا معاوضہ لیا جاتا ہے

Anthropic، Claude API کا معاوضہ فی token اور prepaid بنیاد پر لیتا ہے۔ آپ developer console میں credits خریدتے ہیں، اور ہر request اس balance کو تین meters میں تقسیم کرتی ہے: input tokens (جو کچھ آپ بھیجتے ہیں)، output tokens (جو کچھ model generate کرتا ہے، بشمول thinking tokens)، اور prompt cache traffic (writes input rate کے 1.25x پر بل ہوتے ہیں، reads 0.1x پر)۔ خود API کے لیے کوئی subscription نہیں، اور Claude Pro یا Max subscription میں API credits شامل نہیں ہوتے۔ Output ہی مہنگا meter ہے۔ Claude Sonnet 4.6 کی list قیمت $3.00 فی ملین input tokens اور $15.00 فی ملین output tokens ہے، یعنی 5x فرق۔ Claude Opus 4.7 کی قیمت $5.00 in اور $25.00 out ہے۔ اگر آپ کا bill توقع سے زیادہ ہو تو سب سے پہلے output volume اور conversation history کی growth چیک کریں۔

تین meters: input، output اور cache tokens

Input صرف user کے message سے کہیں زیادہ کا احاطہ کرتا ہے۔ system prompt، مکمل conversation history، tool definitions، tool results، اور images، یہ سب ہر اس request پر input tokens شمار ہوتے ہیں جس میں یہ شامل ہوں۔ Output ہر وہ چیز ہے جو model واپس لکھتا ہے، اور reasoning-capable ماڈلز پر اس میں وہ thinking tokens بھی شامل ہیں جو آپ کبھی user کو نہیں دکھاتے۔ Prompt caching تیسرا meter ہے اور وہ جسے زیادہ تر teams استعمال ہی نہیں کرتیں۔ آپ ایک stable prefix (لمبا system prompt، ایک document، یا مقررہ tool list) کو cache_control breakpoint سے نشان زد کرتے ہیں۔ default 5-minute cache کے لیے پہلی request input rate کے 1.25x پر write premium ادا کرتی ہے؛ ہر وہ request جو window کے اندر اسی prefix کو دوبارہ استعمال کرے 0.1x پر پڑھی جاتی ہے۔ 2x write rate پر 1-hour cache بھی دستیاب ہے۔ نیچے دونوں flagship Claude ماڈلز کے لیے official list قیمتوں پر مکمل rate card دیا گیا ہے۔

ایک مکمل مثال: ایک chatbot، ایک دن

Claude Sonnet 4.6 پر official rates کے ساتھ ایک support chatbot لیں: روزانہ 10,000 requests، ہر ایک میں 2,000-token system prompt کے ساتھ 1,500 tokens history اور user message، اور جواب 500-token reply۔ table وہی workload system prompt cache کرنے کے ساتھ اور بغیر cache کے دکھاتا ہے۔ Caching کے بغیر دن کی لاگت $180.00 ہے، یعنی ماہانہ تقریباً $5,400۔ system prompt کو cache کرنے سے (5-minute window پر روزانہ تقریباً 300 cache expirations فرض کرتے ہوئے) یہ کم ہو کر روزانہ تقریباً $128 رہ جاتی ہے، یعنی ماہانہ تقریباً $3,840۔ نوٹ کریں کہ کیا نہیں بدلا: output cost۔ caching صرف input کو چھوتی ہے، یہی وجہ ہے کہ output discipline کسی بھی دوسرے lever سے زیادہ اہم ہے۔

Anthropic bills teams کو حیران کیوں کرتے ہیں

زیادہ تر "bill تخمینے سے کئی گنا زیادہ کیوں ہے" والی گفتگو چار patterns کی وجہ سے ہوتی ہے۔ 1. Output، input سے 5x ہے، اور thinking بھی output شمار ہوتی ہے۔ تخمینے input rate پر anchor ہوتے ہیں کیونکہ وہی نمبر پہلے بتایا جاتا ہے۔ لیکن لمبے جوابات، verbose formatting، اور extended thinking سب output rate پر بل ہوتے ہیں۔ جو model 500 کے جواب سے پہلے 3,000 tokens تک reason کرے وہ ایک مختصر نظر آنے والے جواب کے لیے 3,500 output tokens بل کرتا ہے۔ 2. History ہر turn پر دوبارہ بل ہوتی ہے۔ API stateless ہے، اس لیے ہر turn پوری conversation کو input کے طور پر دوبارہ بھیجتا ہے۔ اوسطاً 20 turns والی chat کی لاگت ایک turn کی 20x نہیں ہوتی؛ یہ اس سے کہیں زیادہ ہوتی ہے، کیونکہ turn 20 پچھلے 19 turns کو بھی input کے طور پر ساتھ لے جاتا ہے۔ trim یا summarize کیے بغیر input لاگت تقریباً conversation length کے مربع (square) کے ساتھ بڑھتی ہے۔ 3. Subscriptions اور API credits الگ ہیں۔ Claude Pro اور Max صرف Claude apps کا احاطہ کرتے ہیں، API کا نہیں۔ Teams فرض کر لیتی ہیں کہ subscription API traffic بھی absorb کرے گی، پھر پتہ چلتا ہے کہ console خاموشی سے auto-reload enabled prepaid balance سے کٹوتی کر رہا تھا۔ 4. request میں موجود ہر چیز input ہے، اور attribution مشکل ہے۔ Tool definitions، tool results، images، اور system prompts ہر اس request پر input کے طور پر بل ہوتے ہیں جس میں یہ شامل ہوں۔ اسے متعدد API keys، environments، اور features میں پھیلا دیں بغیر per-key logging کے، تو کوئی نہیں بتا سکتا کہ invoice آنے تک کس feature نے کتنا خرچ کیا۔

Anthropic بمقابلہ OpenAI بلنگ، آمنے سامنے

دونوں providers ایک ہی طرح meter کرتے ہیں: فی token، input اور output کی علیحدہ شرحیں، اور default طور پر prepaid credits۔ آپ کے bill کے لیے اہم فرق cache mechanics اور spend controls میں ہیں۔ عملی فرق caching میں ہے۔ OpenAI بغیر کسی write fee کے خودکار طور پر prompt caching apply کرتا ہے اور cached حصے پر discount دیتا ہے۔ Anthropic آپ کو خود cache_control breakpoints لگانے دیتا ہے، write premium لیتا ہے، اور بدلے میں 0.1x input rate پر کہیں سستے reads دیتا ہے۔ لمبے stable prompts والے workloads کے لیے، صحیح طریقے سے کیا گیا Anthropic caching زیادہ مضبوط lever ہے؛ غلط طریقے سے (system prompt میں timestamp، غیر مستحکم tool list) یہ خاموشی سے کبھی hit نہیں ہوتا اور آپ full price کے ساتھ write premiums بھی ادا کرتے رہتے ہیں۔

Ship کرنے سے پہلے اپنی Anthropic API لاگت کا تخمینہ کیسے لگائیں

ہر API response میں ایک usage object شامل ہوتا ہے جس میں exact input_tokens اور output_tokens کے ساتھ ساتھ، caching active ہونے پر cache_creation_input_tokens اور cache_read_input_tokens بھی شامل ہوتے ہیں۔ یہ object ہی ground truth ہے۔ دوسرے providers کے لیے بنائے گئے client-side tokenizers Claude tokens کو کم شمار کرتے ہیں، اس لیے ان سے تخمینہ مت لگائیں۔ طریقہ کار یہ ہے: چند representative requests بھیجیں، usage object پڑھیں، اور counts کا average نکالیں۔ پھر یہ formula لگائیں: cost = (input_tokens / 1,000,000 x input rate) + (output_tokens / 1,000,000 x output rate)، اور اگر cache کرتے ہیں تو cache write اور read کی terms بھی شامل کریں۔ متوقع روزانہ volume سے ضرب دیں، اور multi-turn products کے لیے growth headroom بھی شامل کریں کیونکہ history ہر turn پر input بڑھاتی ہے۔ اگر آپ کچھ بھیجنے سے پہلے counts چاہتے ہیں تو Anthropic ایک count_tokens endpoint بھی فراہم کرتا ہے۔

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 آپ کے cost model کے لیے ground truth شامل کرتا ہے:
# "usage": {"input_tokens": 2412, "output_tokens": 486,
#           "cache_read_input_tokens": 0, "cache_creation_input_tokens": 0}

اپنا Anthropic API bill کم کرنے کے پانچ طریقے

پانچویں تدبیر وہیں ہے جہاں ایک gateway اپنی جگہ ثابت کرتا ہے۔ APIsRouter ایک OpenAI-compatible gateway ہے جو ہر request، ہر API key کے لیے model، input tokens، output tokens، اور بالکل درست dollar لاگت log کرتا ہے، تاکہ ہر feature یا environment کو usage view میں اپنی الگ key اور اپنی الگ line ملے۔ یہ Claude Sonnet 4.6 کو $2.40 input اور $12.00 output فی ملین tokens پر، اور Claude Opus 4.7 کو $4.00 اور $20.00 پر لسٹ کرتا ہے، جو official list سے 20% کم ہے، اور بغیر subscription کے pay-as-you-go بل ہوتا ہے؛ /topup پر پہلا top-up double ہو جاتا ہے۔ کسی موجودہ OpenAI SDK integration کو اس پر point کرنا صرف دو لائنوں کی تبدیلی ہے:

• اپنے لمبے، stable prefixes کو cache کریں۔ ایک system prompt یا document جو requests میں دہرایا جائے، پہلی write کے بعد ہر cache read پر input rate کے دسویں حصے پر بل ہوتا ہے۔
• History کو trim کریں اور max_tokens کی حد لگائیں۔ پرانے turns دوبارہ بھیجنے کے بجائے انہیں summarize کریں یا ہٹائیں، اور max_tokens کو صرف اتنا رکھیں جتنا task کو چاہیے تاکہ کوئی بے قابو جواب ہزاروں اضافی output tokens بل نہ کرے۔
• عادت کے بجائے task کے مطابق route کریں۔ Opus کو صرف انہی steps کے لیے رکھیں جنہیں اس کی ضرورت ہو، اور bulk classification، extraction، اور drafts کو deepseek-v4-flash یا glm-5 جیسے سستے ماڈلز پر بھیجیں۔
• ہر asynchronous کام batch کریں۔ Batches API requests کو 24 گھنٹوں کے اندر آدھی قیمت پر process کرتا ہے، جو backfills، evals، اور nightly jobs کے لیے مثالی ہے۔
• اپنے traffic کے سامنے per-key cost visibility رکھیں۔ زیادہ تر billing کی حیرانیاں attribution کے مسائل ہوتی ہیں: invoice آنے تک کوئی نہیں بتا سکتا کہ کس feature یا customer نے پیسے خرچ کیے۔

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: ..."}],
)

# ہر response پر token counts واپس آتے ہیں؛ gateway console
# اضافی طور پر اس key کے تحت اس request کی exact لاگت بھی record کرتا ہے۔
print(response.usage.prompt_tokens, response.usage.completion_tokens)

عمومی سوالات