Cách API Anthropic thực sự tính phí

Trả lời nhanh: bạn thực sự bị tính phí cho cái gì

Anthropic tính phí Claude API theo token, trả trước. Bạn mua credit trong developer console, và mỗi request trừ vào số dư đó qua ba chỉ số: input token (mọi thứ bạn gửi), output token (mọi thứ model tạo ra, bao gồm cả thinking token) và lưu lượng prompt cache (ghi tính phí bằng 1.25x giá input, đọc tính bằng 0.1x). Bản thân API không có subscription, và subscription Claude Pro hay Max không bao gồm credit API. Output là chỉ số đắt đỏ. Claude Sonnet 4.6 niêm yết $3.00 mỗi triệu input token và $15.00 mỗi triệu output token, chênh lệch 5 lần. Claude Opus 4.7 niêm yết $5.00 input và $25.00 output. Nếu hóa đơn của bạn cao hơn dự kiến, hãy kiểm tra khối lượng output và mức tăng của lịch sử hội thoại trước tiên.

Ba chỉ số: input, output và cache token

Input bao gồm nhiều hơn tin nhắn của người dùng. System prompt, toàn bộ lịch sử hội thoại, định nghĩa tool, kết quả tool và hình ảnh đều được tính là input token trên mọi request có chứa chúng. Output bao gồm mọi thứ model viết trả lại, và trên các model có khả năng reasoning, điều đó bao gồm cả thinking token mà bạn có thể không bao giờ hiển thị cho người dùng. Prompt caching là chỉ số thứ ba và là chỉ số mà hầu hết các team bỏ ngỏ không dùng. Bạn đánh dấu một tiền tố ổn định (một system prompt dài, một tài liệu, một danh sách tool cố định) bằng breakpoint cache_control. Request đầu tiên trả phụ phí ghi bằng 1.25x giá input cho cache 5 phút mặc định; mọi request tái sử dụng tiền tố đó trong cửa sổ thời gian sẽ đọc lại với giá 0.1x. Cache 1 giờ cũng có sẵn với mức phí ghi 2x. Bên dưới là bảng giá đầy đủ cho hai model Claude chủ lực theo giá niêm yết chính thức.

Ví dụ thực tế: một chatbot, một ngày

Lấy ví dụ một chatbot hỗ trợ chạy trên Claude Sonnet 4.6 theo giá chính thức: 10,000 request mỗi ngày, mỗi request mang theo system prompt 2,000 token cộng với 1,500 token lịch sử và tin nhắn người dùng, được trả lời bằng phản hồi 500 token. Bảng dưới đây thể hiện cùng khối lượng công việc đó với và không có cache system prompt. Không cache, mỗi ngày tốn $180.00, khoảng $5,400 mỗi tháng. Cache system prompt (giả sử khoảng 300 lần cache hết hạn mỗi ngày trên cửa sổ 5 phút) giảm xuống còn khoảng $128 mỗi ngày, tức khoảng $3,840 mỗi tháng. Lưu ý điều không thay đổi: chi phí output. Caching chỉ tác động đến input, đó là lý do vì sao kỷ luật với output quan trọng hơn bất kỳ đòn bẩy nào khác.

Vì sao hóa đơn Anthropic gây bất ngờ cho các team

Bốn mẫu hình sau chiếm phần lớn các cuộc trò chuyện kiểu "vì sao hóa đơn cao gấp nhiều lần ước tính". 1. Output đắt gấp 5 lần input, và thinking cũng được tính là output. Ước tính thường bám vào giá input vì đó là con số được nêu ra đầu tiên. Nhưng câu trả lời dài, định dạng rườm rà và extended thinking đều tính phí theo giá output. Một model suy nghĩ 3,000 token trước khi trả lời trong 500 token sẽ bị tính 3,500 output token cho thứ trông như một câu trả lời ngắn. 2. Lịch sử bị tính phí lại ở mỗi lượt. API không lưu trạng thái, nên mỗi lượt gửi lại toàn bộ hội thoại như input. Một cuộc chat trung bình 20 lượt không tốn gấp 20 lần một lượt đơn lẻ; nó tốn hơn nhiều, vì lượt thứ 20 mang theo 19 lượt trước đó dưới dạng input. Chi phí input tăng gần như theo bình phương độ dài hội thoại trừ khi bạn cắt bớt hoặc tóm tắt. 3. Subscription và credit API là hai thứ tách biệt. Claude Pro và Max chỉ bao gồm các ứng dụng Claude, không phải API. Các team thường mặc định rằng subscription sẽ gánh lưu lượng API, rồi phát hiện ra console đã âm thầm trừ vào số dư trả trước có bật tự động nạp. 4. Mọi thứ trong request đều là input, và việc quy trách nhiệm rất khó. Định nghĩa tool, kết quả tool, hình ảnh và system prompt đều tính phí như input trên mọi request có chứa chúng. Trải rộng điều đó qua nhiều API key, môi trường và tính năng mà không log theo từng key, không ai có thể nói tính năng nào đã tiêu tốn bao nhiêu cho đến khi hóa đơn về tới.

So sánh cách tính phí Anthropic và OpenAI

Cả hai nhà cung cấp đều đo lường theo cùng một cách: theo token, giá input và output riêng biệt, mặc định trả trước bằng credit. Sự khác biệt thực sự ảnh hưởng đến hóa đơn của bạn nằm ở cơ chế cache và các công cụ kiểm soát chi tiêu. Điểm khác biệt thực tế là caching. OpenAI tự động áp dụng prompt caching, không tính phí ghi, và giảm giá cho phần được cache. Anthropic yêu cầu bạn tự đặt breakpoint cache_control, tính phụ phí ghi, và bù lại bằng giá đọc rẻ hơn nhiều ở mức 0.1x giá input. Với các workload có prompt ổn định dài, caching của Anthropic khi làm đúng là đòn bẩy mạnh hơn; làm sai (một timestamp trong system prompt, một danh sách tool không ổn định), cache sẽ âm thầm không bao giờ hit và bạn vẫn trả giá đầy đủ cộng thêm phụ phí ghi.

Cách ước tính chi phí API Anthropic trước khi triển khai

Mỗi response của API đều đi kèm một object usage với input_tokens và output_tokens chính xác, cộng với cache_creation_input_tokens và cache_read_input_tokens khi caching đang hoạt động. Object đó là căn cứ chuẩn xác. Các tokenizer phía client được xây dựng cho nhà cung cấp khác thường đếm thiếu token của Claude, nên đừng dùng chúng để ước tính. Quy trình như sau: gửi một vài request tiêu biểu, đọc object usage, và lấy trung bình số lượng. Sau đó áp dụng công thức: chi phí = (input_tokens / 1,000,000 x giá input) + (output_tokens / 1,000,000 x giá output), cộng thêm phần ghi và đọc cache nếu bạn có dùng cache. Nhân với khối lượng dự kiến mỗi ngày, và với sản phẩm nhiều lượt hội thoại, hãy chừa thêm dư địa vì lịch sử sẽ đẩy input tăng lên ở mỗi lượt. Anthropic cũng cung cấp endpoint count_tokens nếu bạn muốn biết số lượng trước khi gửi bất cứ thứ gì.

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 includes the ground truth for your cost model:
# "usage": {"input_tokens": 2412, "output_tokens": 486,
#           "cache_read_input_tokens": 0, "cache_creation_input_tokens": 0}

Năm cách giảm hóa đơn API Anthropic

Chiến thuật thứ năm là nơi một gateway phát huy giá trị. APIsRouter là gateway tương thích OpenAI ghi lại model, input token, output token và chi phí chính xác bằng đô la cho mỗi request, theo từng API key, để mỗi tính năng hoặc môi trường có key riêng và dòng riêng trong màn hình usage. Nơi này niêm yết Claude Sonnet 4.6 ở mức $2.40 input và $12.00 output mỗi triệu token, Claude Opus 4.7 ở mức $4.00 và $20.00, thấp hơn giá niêm yết chính thức, tính phí trả sau theo lượng dùng không cần subscription; lần nạp đầu tiên tại /topup được nhân đôi. Việc trỏ một tích hợp OpenAI SDK có sẵn vào đây chỉ là thay đổi hai dòng code:

• Cache các tiền tố dài và ổn định. Một system prompt hay tài liệu lặp lại qua nhiều request sẽ tính phí bằng một phần mười giá input ở mỗi lần đọc cache sau lần ghi đầu tiên.
• Cắt bớt lịch sử và giới hạn max_tokens. Tóm tắt hoặc bỏ các lượt cũ thay vì gửi lại chúng, và đặt max_tokens đúng với nhu cầu của tác vụ để một câu trả lời chạy quá đà không tính thêm hàng nghìn output token thừa.
• Định tuyến theo tác vụ, không theo thói quen. Dành Opus cho các bước thực sự cần nó và chuyển việc phân loại, trích xuất, soạn thảo hàng loạt sang các model rẻ hơn như deepseek-v4-flash hoặc glm-5.
• Batch mọi thứ có thể xử lý bất đồng bộ. Batches API xử lý request trong vòng 24 giờ với giá bằng nửa, lý tưởng cho backfill, eval và job chạy ban đêm.
• Đặt khả năng nhìn thấy chi phí theo từng key trước khi lưu lượng tăng lên. Hầu hết bất ngờ về hóa đơn là vấn đề quy trách nhiệm: không ai có thể nói tính năng hay khách hàng nào đã tiêu tốn bao nhiêu cho đến khi hóa đơn về tới.

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: ..."}],
)

# Token counts come back on every response; the gateway console
# additionally records the exact cost of this request under this key.
print(response.usage.prompt_tokens, response.usage.completion_tokens)

Câu hỏi thường gặp