Giá Claude API: mỗi model tốn bao nhiêu trong 2026

Trả lời nhanh: Claude tính phí như thế nào

Claude API tính phí trả trước và đo theo token. Bạn nạp credit vào Anthropic Console, và mỗi request trừ input token (mọi thứ bạn gửi: system prompt, lịch sử hội thoại, định nghĩa tool) theo một giá và output token (mọi thứ model viết trả lại, bao gồm cả thinking token trên các request có extended thinking) theo giá cao hơn. Mỗi tier model có cặp giá riêng, nên cùng một request tốn gấp năm lần trên Opus 4.7 so với trên Haiku 4.5. Có ba cơ chế khiến hầu hết mọi người bất ngờ. Thứ nhất, output đắt gấp năm lần input trên mọi tier Claude hiện tại, nên các phản hồi dài sẽ chi phối những workload có input nhỏ. Thứ hai, chat không lưu trạng thái: mỗi lượt gửi lại toàn bộ lịch sử như input, nên chi phí mỗi tin nhắn tăng dần khi hội thoại kéo dài hơn. Thứ ba, prompt caching và Batch API là các tính năng tính phí, không chỉ là tính năng hiệu năng, và việc dùng chúng thay đổi số tiền bạn trả cho mỗi token. Phần còn lại của trang này sẽ đi qua giá chính xác theo từng model, cách ước tính một request trước khi gửi, cách tính caching, và các đòn bẩy thực sự giúp giảm hóa đơn Claude.

Bảng giá Claude: giá chính thức so với gateway

Đây là giá USD hiện tại trên mỗi triệu token cho ba tier Claude đang hoạt động. Cột chính thức là giá Anthropic tính phí qua Console; cột gateway là giá của cùng các model đó qua APIsRouter, một gateway tương thích OpenAI niêm yết các model toàn cầu thấp hơn giá chính thức, nhân đôi lần nạp đầu tiên của bạn với bonus số dư 100%, và bán quyền truy cập trả sau theo lượng dùng không cần subscription (thanh toán tại /topup, key được gửi qua email). Dù bạn thanh toán qua đường nào, cách đo lường vẫn giống hệt nhau: cùng một request tiêu tốn cùng số lượng token, và model ID (claude-opus-4-7, claude-sonnet-4-6) luôn tường minh trong mọi lệnh gọi.

Ước tính một request trước khi gửi

Một token tương đương khoảng bốn ký tự hoặc ba phần tư một từ tiếng Anh, nên 1,000 từ prompt tương đương khoảng 1,300 token. Để ước tính một request, hãy cộng mọi thứ trong input (system prompt, lịch sử, tin nhắn mới của người dùng) và đoán độ dài phản hồi. Ví dụ thực tế trên Sonnet 4.6 theo giá chính thức: một lượt chat với system prompt 1,500 token, 5,500 token lịch sử tích lũy, và phản hồi 500 token. Input là 7,500 token, tốn 7,500 / 1,000,000 x $3.00 = $0.0225. Output là 500 token với giá $15.00 mỗi triệu, tức $0.0075. Tổng: $0.03 cho lượt đó. Với 300 lượt như vậy mỗi ngày, bạn tốn gần $9.00 mỗi ngày, khoảng $270 mỗi tháng, và phần lịch sử vẫn tiếp tục tăng trừ khi bạn cắt bớt nó. Công thức tương tự áp dụng cho bất kỳ model nào: chỉ cần thay giá từ bảng trên. Một hàm helper ba dòng giúp việc này lặp lại dễ dàng:

PRICES = {  # USD per 1M tokens, official list
    "claude-opus-4-7": (5.00, 25.00),
    "claude-sonnet-4-6": (3.00, 15.00),
    "claude-haiku-4-5": (1.00, 5.00),
}

def cost(model: str, input_tokens: int, output_tokens: int) -> float:
    in_rate, out_rate = PRICES[model]
    return input_tokens / 1e6 * in_rate + output_tokens / 1e6 * out_rate

print(round(cost("claude-sonnet-4-6", 7_500, 500), 4))  # 0.03
print(round(cost("claude-opus-4-7", 7_500, 500), 4))    # 0.05

Cách tính prompt caching: khi nào thì có lợi

Anthropic định giá các tiền tố được cache bằng hai hệ số nhân trên giá input cơ bản: ghi một tiền tố vào cache tốn 1.25x (cho cache 5 phút mặc định, được làm mới mỗi khi hit; cache 1 giờ tốn phí ghi 2x), và đọc lại ở các request sau tốn 0.1x. Output token không bị ảnh hưởng. Các tiền tố dưới độ dài tối thiểu có thể cache (1,024 token trên Opus và Sonnet) hoàn toàn không được cache. Ví dụ thực tế: một tiền tố ổn định 8,000 token (system prompt cộng định nghĩa tool) được hit 50 lần trong cửa sổ cache trên Sonnet 4.6. Không cache, đó là 400,000 input token với giá $3.00 mỗi triệu, tức $1.20. Có cache, bạn trả một lần ghi (8,000 token với giá $3.75 mỗi triệu, $0.03) cộng 49 lần đọc (392,000 token với giá $0.30 mỗi triệu, khoảng $0.12), tổng cộng khoảng $0.15. Chi phí tiền tố giảm xuống còn khoảng một phần tám con số không cache. Điểm hòa vốn đến rất nhanh: một lần ghi tốn 1.25x, một lần đọc tiết kiệm 0.9x, nên một tiền tố chỉ cần được tái sử dụng hai lần trong cửa sổ đã có lợi. Caching chỉ lỗ khi tiền tố thay đổi ở gần như mọi request, vì mỗi thay đổi buộc phải ghi mới với giá 1.25x.

Kiểm tra lại số tiền đã bị tính phí: object usage

Mỗi response của Claude đều đi kèm một block usage với số lượng token chính xác mà bạn bị tính phí, nên bạn không bao giờ phải đoán. Hãy gửi một lệnh gọi test để đo lường:

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": 200,
    "messages": [
      {"role": "user", "content": "Explain prompt caching in one line."}
    ]
  }'

Sáu cách giảm hóa đơn Claude

Áp dụng cùng lúc trên một workload kiểu chat, việc định tuyến theo tier cộng với cắt bớt lịch sử cộng với caching thường giảm chi phí nhiều hơn bất kỳ việc đổi nhà cung cấp thanh toán nào, vì chúng thu nhỏ chính số lượng token thay vì chỉ giảm giá áp dụng lên chúng.

• Hạ tier khi chất lượng cho phép. Haiku 4.5 xử lý phân loại, định tuyến và trích xuất với giá bằng một phần năm giá input của Opus. Dành Opus 4.7 cho phần lưu lượng cần nhiều reasoning và mặc định dùng Sonnet 4.6.
• Giới hạn max_tokens. Output đắt gấp năm lần input trên mọi tier Claude, nên một câu trả lời lan man không giới hạn là kiểu lỗi tốn kém nhất. Đặt một mức trần phù hợp với tác vụ.
• Cắt bớt hoặc tóm tắt lịch sử. Vì mỗi lượt gửi lại toàn bộ hội thoại, một bản tóm tắt cuốn chiếu thay thế các lượt cũ sẽ giới hạn mức tăng của input thay vì để nó tăng tuyến tính mãi.
• Cache các tiền tố ổn định. System prompt, schema của tool và tài liệu tham chiếu trên 1,024 token nên được đánh dấu cache; phép tính ở phần trước áp dụng cho mọi lệnh gọi lặp lại.
• Dùng Batch API cho công việc offline. Anthropic tính phí request batch bằng nửa giá tương tác, phù hợp cho các lượt eval, backfill và job chạy ban đêm.
• Định tuyến các bước không cần Claude sang nơi khác. Soạn thảo, gắn nhãn và xếp hạng lại kết quả tìm kiếm thường chạy tốt trên deepseek-v4-flash với giá $0.126 / $0.252 mỗi triệu token, để Claude cho phần văn bản cuối cùng nơi chất lượng của nó thực sự quan trọng.

Câu hỏi thường gặp