Claude API factura por tokens, y los tres niveles Opus, Sonnet y Haiku tienen precios unitarios y tareas adecuadas distintos. Mirar solo "cuánto cuesta un millón de tokens" lleva fácilmente a elegir mal: lo que de verdad determina la factura es la proporción entrada/salida, la tasa de acierto de caché, el número de reintentos y la capacidad del modelo para acertar a la primera.

Este artículo no fija precios unitarios; ofrece un método reutilizable de comparación de costos: cómo repartir los tres niveles, de qué partes se compone la factura, por qué el mismo volumen puede costar varias veces más, cómo presupuestar con registros reales y en qué orden reducir el costo. Los precios unitarios concretos se rigen por la documentación oficial de Anthropic y los precios de modelos del sitio.

Nota: Anthropic y Claude son marcas de sus respectivos titulares. Los modelos, el contexto y los precios pueden cambiar; este artículo toma como ejemplo las versiones habituales de octubre de 2026; verifica de nuevo las páginas oficiales antes de comprar.

1. Cómo repartir Opus, Sonnet y Haiku

Nivel Modelo representativo actual Posición Tareas adecuadas Orden de costo
Opus Claude Opus 5.5 Máxima capacidad de razonamiento y tareas largas Código complejo, revisión de arquitectura, agentes de varios pasos Alto
Sonnet Claude Sonnet 5.5 Equilibrio entre capacidad y velocidad Programación diaria, soporte, procesamiento de documentos Medio
Haiku Claude Haiku 5.5 Baja latencia y alta concurrencia Clasificación, extracción, reescritura, enrutamiento Bajo

Los modelos se renuevan; no memorices nombres al comprar: rígete por los precios de modelos y la lista oficial de modelos. Si un proyecto antiguo sigue usando Sonnet 5 o Haiku 4.5, confirma primero el ciclo de vida y el costo de migración antes de decidir si actualizar.

Un error habitual es "usar Opus en todo el sitio". Para tareas complejas, Opus puede salir más barato porque acierta a la primera; para clasificaciones simples, Opus gasta en lo que no hace falta. Lo correcto es estratificar por tarea, no elegir modelo por preferencia del equipo.

2. La factura se compone de cinco partes

Concepto Cuándo se genera Efecto en el costo Control
Tokens de entrada System prompt, historial, definiciones de herramientas, documentos Crece linealmente con el contexto Recuperación, resumen, recorte del historial
Tokens de salida Contenido y pensamiento generados Suele superar el precio de entrada Limitar max_tokens, salida estructurada
Escritura de caché Primera escritura del prefijo en caché Tiene prima de escritura Cachear solo contenido estable y reutilizable
Lectura de caché Prefijo que acierta en caché Suele ser bastante menor que la entrada Prefijo estable, orden fijo de herramientas
Procesamiento por lotes Tareas no en tiempo real Suele tener descuento Etiquetado, resúmenes y análisis offline por Batch

Si descomponemos una petición, la fórmula de costo es:

Costo por petición =
  tokens de entrada sin caché × precio unitario de entrada
+ tokens de escritura de caché × precio unitario de escritura
+ tokens de lectura de caché × precio unitario de lectura
+ tokens de salida × precio unitario de salida

Solo llevando esta fórmula al log de peticiones se puede responder "cuánto cuesta al mes esta función". Mirar solo la factura total de la consola dificulta localizar qué proyecto o qué tipo de petición consume el presupuesto.

3. Mismo millón de tokens, factura distinta

Escenario Estructura típica de tokens Costo principal Vía de optimización
Bot de soporte Entrada alta, salida media Historial reenviado una y otra vez Resumen más caché
Clasificación de documentos Entrada media, salida corta Documentos leídos repetidamente Lotes más Haiku
Agente de código Entrada y salida altas Resultados de herramientas y pensamiento Recuperación, effort, caché
Generación de textos largos Entrada corta, salida larga Precio de salida Generación por tramos y max_tokens

La diferencia suele venir de cinco puntos:

  1. Proporción entrada/salida: soporte y generación larga tienen estructuras completamente distintas; no se pueden estimar con la misma media.
  2. Tasa de acierto de caché: un system prompt fijo y definiciones de herramientas se reutilizan; marcas de tiempo o IDs aleatorios que cambian cada vez invalidan la caché.
  3. Número de reintentos: reenviar tras 429 o 529 aumenta el volumen; la facturación de fallos y reintentos se rige por la factura.
  4. Nivel de modelo: la diferencia de costo entre Opus y Haiku es enorme; un emparejamiento erróneo multiplica el presupuesto.
  5. Longitud de contexto: meter el documento completo en cada turno acumula costo de entrada con cada ronda.

4. Haz una comparación de costos reproducible

No decidas con "me da la sensación de que Sonnet alcanza"; ejecuta una comparación con un lote de tareas reales:

  1. Elige 20–50 tareas reales que cubran niveles simple, medio y complejo, y define criterios de aceptación.
  2. Usa count_tokens para registrar los tokens de entrada de cada petición; los de salida se leen de usage en la respuesta.
  3. Ejecuta el mismo lote con Opus, Sonnet y Haiku, y registra la puntuación de calidad y las veces que hubo retrabajo manual.
  4. Incluye reintentos, aciertos de caché y descuentos por lotes en el costo por tarea.
  5. Decide con el costo "por tarea apta completada", no con el precio de lista por millón de tokens.
import os
from anthropic import Anthropic

client = Anthropic(
    api_key=os.environ["ANTHROPIC_API_KEY"],
    base_url="https://ai.zhongshangqihang.com",  # nombres de modelo según la página de precios del sitio
)

messages = [{"role": "user", "content": "Extrae esta cláusula del contrato a JSON: ……"}]

for model in ["claude-opus-5-5", "claude-sonnet-5-5", "claude-haiku-5-5"]:
    count = client.messages.count_tokens(model=model, messages=messages)
    resp = client.messages.create(
        model=model,
        max_tokens=512,
        messages=messages,
    )
    print(model, count.input_tokens, resp.usage.output_tokens)

Este código solo cuenta tokens, no calcula importes. Para el importe, multiplica por el precio unitario real de tu cuenta, leído de los precios de modelos; no reutilices capturas de hace meses.

5. Orden para reducir el costo

  1. Activa primero la caché: fija system prompt, definiciones de herramientas y prefijo de la base de conocimiento, y verifica con cache_read_input_tokens que realmente acierta.
  2. Reduce después la entrada: en RAG recupera solo fragmentos relevantes, resume el historial y no metas toda la base de conocimiento en el contexto.
  3. Limita la salida: define un max_tokens razonable, pide JSON o campos fijos y reduce fórmulas de cortesía y explicaciones repetidas.
  4. Manda las tareas offline a Batch: etiquetado, resúmenes y clasificación que no exigen respuesta inmediata van preferentemente por lotes.
  5. Haz enrutamiento de modelos: tareas simples con Haiku; complejas con Sonnet u Opus; asigna por dificultad, no por costumbre del equipo.
  6. Ajusta el effort: usa menor profundidad de pensamiento en tareas simples y auméntala en las complejas; no uses el mismo nivel para todas las peticiones.
  7. Monitoriza y alerta: revisa el uso por proyecto, fija límites de presupuesto y repasa cada semana el ranking de consumo.

No inviertas el orden. Primero caché y gobierno de la entrada; después considera modelos más baratos; de lo contrario solo harás respuestas incorrectas más baratas.

6. Cómo gestionar presupuesto y facturas

  • Una clave por proyecto, con límite de presupuesto y alertas por proyecto.
  • Conciliación mensual por tres dimensiones: proyecto, modelo y escenario, para localizar las llamadas que más crecen.
  • Registra por separado el ahorro de caché, lotes y enrutamiento; de lo contrario no podrás demostrar el efecto de la optimización.
  • Los equipos que necesitan pago en yuanes y factura pueden unificar la facturación con una pasarela de IA local; los precios, tipos de cambio y reglas de facturación se rigen por los precios de modelos.

Preguntas frecuentes

¿Opus siempre es más caro que Sonnet?

Por precio unitario suele serlo, pero por costo de "completar una tarea apta" no necesariamente. Una tarea compleja con Sonnet, muchos reintentos y retrabajo manual puede costar más que un solo Opus. Compara con tu propio conjunto de evaluación, no solo con el precio de lista.

¿Cuánto ahorra la caché?

Depende de la tasa de reutilización del prefijo y de acierto. La lectura de caché suele ser bastante menor que el precio de entrada, pero la escritura tiene prima; un prefijo demasiado corto puede no cachearse, y si el contenido cambia cada vez no habrá acierto.

¿Para qué tareas sirve la Batch API?

Para etiquetado, resúmenes, clasificación y extracción masiva no en tiempo real y diferibles; no para soporte en línea ni interacciones que exigen respuesta inmediata. Los lotes suelen tener descuento, pero hay que aceptar cola y latencia en los resultados.

¿Por qué la factura sale más alta que la estimación?

Las omisiones habituales incluyen historial, definiciones de herramientas, imágenes, reintentos, escritura de caché y salidas largas. Solo contrastando el ID de petición con el log de uso se localiza la diferencia.

¿Cómo liquidan en yuanes los equipos en China?

Pueden llamar a Claude a través de una pasarela de IA que ofrezca recarga en yuanes y factura, con facturación unificada para varios modelos. Los modelos disponibles, precios y reglas de facturación se rigen por los precios de modelos.

Siguiente paso

Crea primero una clave de prueba en la pasarela de IA de Zhongshang Qihang, ejecuta con Haiku y Sonnet un lote de tareas reales, registra tokens y calidad, y después decide el modelo principal. La disponibilidad y los precios se rigen por los precios de modelos.

Lecturas relacionadas: