Claude API тарифицируется по токенам; у Opus, Sonnet и Haiku разные цены и разные подходящие задачи. Смотреть только на «сколько стоит миллион токенов» — верный путь к ошибке: счёт определяют соотношение ввода и вывода, доля попадания в кэш, число повторов и способность модели выполнить задачу с первого раза.

Статья не фиксирует конкретные цены, а даёт воспроизводимый метод сравнения затрат: как распределить три уровня, из чего состоит счёт, почему при одинаковом объёме вызовов затраты различаются в несколько раз, как строить бюджет по реальным логам и в каком порядке снижать стоимость. Конкретные цены — в документации Anthropic и на странице цены на модели.

Примечание: Anthropic и Claude — товарные знаки их правообладателей. Модели, контекст и цены меняются; примеры отражают типичные версии октября 2026 года, перед закупкой сверьтесь с официальными страницами.

1. Как распределяются Opus, Sonnet и Haiku

Уровень Типичная модель Позиционирование Подходящие задачи Уровень затрат
Opus Claude Opus 5.5 Максимальные рассуждения и длинные задачи Сложный код, архитектурное ревью, многошаговые агенты Высокий
Sonnet Claude Sonnet 5.5 Баланс возможностей и скорости Повседневное программирование, поддержка, документы Средний
Haiku Claude Haiku 5.5 Низкая задержка, высокий параллелизм Классификация, извлечение, перефразирование, маршрутизация Низкий

Модели обновляются, поэтому не заучивайте имена: ориентируйтесь на страницу цены на модели и официальный список. Если старый проект использует Sonnet 5 или Haiku 4.5, сначала уточните жизненный цикл и стоимость миграции, затем решайте об обновлении.

Частая ошибка — «везде использовать Opus». Для сложной задачи Opus может оказаться дешевле, потому что делает её правильно с первого раза; для простой классификации Opus тратит деньги там, где они не нужны. Правильно — распределять по задаче, а не по симпатиям команды.

2. Из чего состоит счёт

Статья Когда возникает Влияние на стоимость Как управлять
Входные токены System prompt, история, определения инструментов, документы Растёт линейно с контекстом Поиск, резюме, обрезка истории
Выходные токены Сгенерированный текст и рассуждения Обычно дороже ввода Ограничить max_tokens, структурированный вывод
Запись в кэш Первая запись префикса в кэш Есть надбавка за запись Кэшировать только стабильно повторяемое
Чтение из кэша Попадание в кэшированный префикс Обычно заметно дешевле ввода Стабильный префикс, фиксированный порядок инструментов
Пакетная обработка Нереалтайм-задачи Обычно есть скидка Разметка, резюме, офлайн-анализ через Batch

Если разложить один запрос, формула стоимости выглядит так:

Стоимость запроса =
  некэшированные входные токены × цена ввода
+ токены записи в кэш × цена записи
+ токены чтения из кэша × цена чтения
+ выходные токены × цена вывода

Только перенеся формулу в журнал запросов, можно ответить, сколько конкретная функция стоит за месяц. По общему счёту в консоли трудно понять, какой проект или тип запроса сжигает бюджет.

3. Почему при одинаковом миллионе токенов счёт разный

Сценарий Типичная структура токенов Основная стоимость Направление оптимизации
Бот поддержки Много ввода, средний вывод История передаётся заново Резюме плюс кэш
Классификация документов Средний ввод, короткий вывод Документ читается повторно Пакетная обработка плюс Haiku
Кодовый агент Много и ввода, и вывода Результаты инструментов и рассуждения Поиск, effort, кэш
Генерация длинных текстов Короткий ввод, длинный вывод Цена вывода Генерация по частям и max_tokens

Различия обычно возникают в пяти местах:

  1. Соотношение ввода и вывода: поддержка и генерация длинных текстов устроены совершенно по-разному; нельзя оценивать их одним средним.
  2. Доля попадания в кэш: стабильный system prompt и определения инструментов можно переиспользовать; меняющиеся метки времени и случайные ID ломают кэш.
  3. Число повторов: повторные отправки после 429 и 529 увеличивают объём запросов; правила тарификации неудач и повторов определяются счётом.
  4. Уровень модели: разрыв между Opus и Haiku велик; неверный выбор умножает бюджет.
  5. Длина контекста: если каждый раунд вставлять весь документ, стоимость ввода накапливается с числом раундов.

4. Проведите воспроизводимое сравнение затрат

Не принимайте решение «кажется, Sonnet хватает» — прогоните сравнение на реальной выборке:

  1. Выберите 20–50 реальных задач, покрывающих простой, средний и сложный уровни, и опишите критерии приёмки.
  2. Фиксируйте входные токены через count_tokens, выходные берите из поля usage ответа.
  3. Прогоните одну выборку на Opus, Sonnet и Haiku, записывая оценку качества и число ручных переделок.
  4. Включите в стоимость одной задачи повторы, попадания в кэш и скидку пакетной обработки.
  5. Решайте по стоимости «одной успешно выполненной задачи», а не по цене за миллион токенов.
import os
from anthropic import Anthropic

client = Anthropic(
    api_key=os.environ["ANTHROPIC_API_KEY"],
    base_url="https://ai.zhongshangqihang.com",  # имена моделей — на странице цен
)

messages = [{"role": "user", "content": "Извлеки этот пункт договора в 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)

Код считает только токены и не вычисляет деньги. Сумму умножайте на фактические цены своего аккаунта со страницы цены на модели, не используйте скриншоты нескольких месяцев давности.

5. Порядок снижения затрат

  1. Сначала включите кэш: зафиксируйте system prompt, определения инструментов и префикс базы знаний, проверяйте фактическое попадание по cache_read_input_tokens.
  2. Затем сократите ввод: RAG должен возвращать только релевантные фрагменты, историю — резюмировать; не вставляйте всю базу знаний в контекст.
  3. Ограничьте вывод: задайте разумный max_tokens, требуйте JSON или фиксированные поля, убирайте вежливые вступления и повторы.
  4. Офлайн-задачи — в Batch: разметка, резюме и классификация, не требующие немедленного ответа, должны идти пакетно.
  5. Настройте маршрутизацию моделей: простые задачи — Haiku, сложные — Sonnet или Opus; распределяйте по трудности, а не по привычке команды.
  6. Регулируйте effort: для простых задач меньшая глубина рассуждений, для сложных — больше; не используйте один уровень для всех запросов.
  7. Мониторинг и оповещения: смотрите потребление по проектам, задайте лимиты бюджета, еженедельно разбирайте рейтинг расходов.

Порядок нельзя менять. Сначала кэш и управление вводом, потом более дешёвая модель; иначе вы просто делаете неправильный ответ дешевле.

6. Как управлять бюджетом и счетами

  • Один проект — один ключ; лимит бюджета и оповещения по проекту.
  • Ежемесячная сверка по трём разрезам: проект, модель, сценарий — ищите самый быстрорастущий вызов.
  • Экономию от кэша, пакетной обработки и маршрутизации фиксируйте отдельно, иначе эффект оптимизации не доказать.
  • Командам, которым нужны оплата в юанях и документы, подойдёт китайский AI-шлюз с единым счётом; конкретные цены, курс и правила документов — на странице цены на модели.

Частые вопросы

Opus всегда дороже Sonnet?

По цене за токен обычно да, но по стоимости «одной успешно выполненной задачи» — не обязательно. Сложная задача на Sonnet с повторными попытками и ручными переделками может обойтись дороже одного вызова Opus. Сравнивайте на своём наборе оценки, а не по прайсу.

Сколько экономит кэш?

Зависит от доли повторного использования префикса и попаданий. Чтение из кэша обычно заметно дешевле ввода, но запись имеет надбавку; слишком короткий префикс может не кэшироваться, а меняющееся содержимое не даст попаданий.

Для каких задач подходит Batch API?

Для нереалтайм-задач, допускающих задержку: разметка, резюме, классификация, пакетное извлечение. Не подходит для онлайн-поддержки и интерактивных сценариев с немедленным ответом. Пакетная обработка обычно даёт скидку, но нужно принять очередь и задержку результата.

Почему счёт выше оценки?

Часто забывают историю сообщений, определения инструментов, изображения, повторы, запись в кэш и длинный вывод. Сопоставляйте ID запроса с журналом потребления — только так найдёте расхождение.

Как китайской команде платить в юанях?

Можно вызывать Claude через AI-шлюз с пополнением в юанях и выставлением документов, с единым счётом на несколько моделей. Доступные модели, цены и правила документов — на странице цены на модели.

Что дальше

Создайте тестовый ключ в ZSQH AI Gateway, прогоните по одной выборке реальных задач на Haiku и Sonnet, запишите токены и качество, затем выбирайте основную модель. Доступность моделей и цены смотрите на странице цены на модели.

Читайте также: