Claude API 价格 2026：完整价目表、缓存折扣，以及账单到底被什么推高

「Claude API 价格」到底指什么

Anthropic 通过一套 API 对外提供 Claude 模型访问。「Claude API 价格」和「Anthropic API 价格」是同一份价目表的两个叫法，背后并没有两个产品。

所有价格都按每百万 token（MTok）报价，输入和输出分开计费。一个 token 大约相当于四分之三个英文单词；代码和非英文文本的 token 效率更低，所以同样一屏内容，中文、日文或大量 JSON 的实际花费会明显高于纯英文散文。

下面的数字是 Anthropic 截至 2026 年 8 月的公开标价。价格会随新模型发布调整，正式做预算前请以 Anthropic 官方定价页为准。

价目表

比数字本身更重要的是三个结构性事实。

每一档的输出价都是输入价的五倍。 所以控成本的重点在于「模型写多少」，而不是「你发多少」。一个本该 400 token 就能答完、却触发了 4000 token 长文的 prompt，比多附一页上下文贵得多。

Sonnet 5 带首发优惠价。 Anthropic 公布的首发价是每 MTok 2.00 / 10.00 美元，有效期到 2026-08-31，之后回到 3.00 / 15.00 美元。如果你的成本模型是在优惠窗口期内建的，需要按标准价重算。

模型 ID 是精确字符串，不带日期后缀。 claude-opus-5 本身就是完整写法，自作主张补上日期（claude-opus-5-20260601）会直接 404——「改完配置 API 就不通了」的报障里，很大一部分是这个原因。

思考 token 按输出计费

当前这代 Claude 模型在作答前会先推理，这部分推理按输出 token 计费。对从老模型迁移过来的团队来说，这是第一个月账单里最常见的意外。

两个控制项：

• thinking——{"type": "adaptive"} 让模型自行决定每次请求思考多深。在 Claude Opus 5 上这是默认行为，不传这个参数并不等于关掉思考。
• output_config.effort——可选 low、medium、high、xhigh、max。这是最主要的花费旋钮：档位越低，推理越浅、工具调用更少更集中、输出更简短。

另外要注意 max_tokens 是「思考 + 正文」的合并上限。按预期答案长度卡得很紧的限额，在思考打开后可能导致回答中途被截断——预算要留余量，别等线上出问题才发现。

Prompt 缓存：单项折扣最大的一块

Prompt 缓存把请求的前缀存在服务端，重复调用时不再重新计算。

• 缓存命中读取约为基础输入价的 0.1 倍。
• 缓存写入：默认 5 分钟 TTL 为 1.25 倍，1 小时 TTL 为 2 倍。

回本点可以直接算出来。5 分钟 TTL 下，同一前缀跑两次就已经回本（1.25× + 0.1× = 1.35×，对比不缓存的 2×）；1 小时 TTL 需要三次以上（2× + 0.2× = 2.2×，对比 3×）。

它的机制是前缀精确匹配：前缀里任何一个字节变了，其后的所有缓存全部失效。最典型的「静默杀手」有四个——system prompt 里插了时间戳、消息数组靠前位置塞了 UUID、json.dumps() 没有排序 key、工具列表拼装顺序不固定。这几种写法看起来都完全正确，但缓存命中率会精确等于零。

还有一个最小可缓存前缀门槛，而且它在各代之间并不是单调的：

一段 3000 token 的 system prompt 在 Opus 5 上能缓存，在 Haiku 4.5 上静默不缓存——不报错，只是 cache_creation_input_tokens: 0。

核查方法是看每次响应的 usage：重复调用时 cache_read_input_tokens 大于零说明缓存生效；一直是零，就说明前缀里有东西在变。

批处理 API：五折，代价是延迟

通过 Message Batches 端点提交的请求，输入和输出都按标准价的一半计费。限制条件：单批最多 100,000 条请求或 256 MB，多数批次一小时内完成，上限 24 小时，结果保留 29 天可取。

批处理和 prompt 缓存可以叠加，所以「针对同一份文档做批量分类或信息抽取」这类任务能同时吃到两份折扣。反过来，任何有用户在前台等结果的场景都不该用它。

快速模式：为速度付费

快速模式用同一个模型跑出最高约 2.5 倍的输出吞吐，价格上浮——Claude Opus 5 上为每 MTok 10 / 50 美元。它目前是 Anthropic 第一方 API 上的研究预览功能，仅支持 Claude Opus 5 与 Opus 4.8。它有独立的限流池，且会话中途切换速度模式会导致 prompt 缓存失效。

怎么估算一个功能的成本

拿到 token 数之后，算式很直白：

成本 = (未缓存输入 / 1e6 × 输入单价)
     + (缓存读取 / 1e6 × 输入单价 × 0.1)
     + (缓存写入 / 1e6 × 输入单价 × 1.25)
     + (输出 / 1e6 × 输出单价)

token 数要从 API 拿，不要拍脑袋估。count_tokens 端点返回的是精确的、按模型区分的计数：

resp = client.messages.count_tokens(
    model="claude-opus-5",
    messages=[{"role": "user", "content": prompt}],
)
print(resp.input_tokens)

不要用 tiktoken 之类的 OpenAI 分词器来估 Claude 的 token——它在普通英文上会少算约 15%–20%，在代码和非英文文本上偏差更大。另外还要注意，Opus 4.7 及之后的模型换了分词器，在更老模型上量出来的数字不能直接沿用。

真正能把账单压下来的五个动作

1. 做模型分层。 分类、抽取、路由判断这类活交给 Haiku 4.5，把 Opus 留给真正需要它的任务。相邻档位五倍的价差，值得写一个 if 分支。
2. 缓存稳定前缀。 冻结 system prompt、给 JSON 排序、保持工具列表顺序确定，把所有易变内容放到最后一个断点之后。
3. 异步任务一律走批处理。 夜间数据加工、评测跑批、批量分类，没有理由付全价。
4. 按路由调 effort。 拿自己的评测集把 low/medium/high 扫一遍，别所有场景都留在默认档——低档位的实际表现通常比团队预期的要好。
5. 第一天就把 usage 埋起来。 没有按路由的 token 台账，上面四条都只是猜。

你实际付的价格可能不同

以上是 Anthropic 第一方 API 的价格，同样适用于 Microsoft Foundry 上的 Claude（通过 Microsoft Marketplace 按标准 API 价计费）。Amazon Bedrock 和 Google Vertex AI 属于合作方运营，有各自的定价和各自的模型 ID 格式（Bedrock 会在 ID 前加 anthropic. 前缀）。跨平台比价之前，先确认对方报的是哪一份价目表，再判断数字是否可比。

网关和聚合服务属于第三类：它们转售第一方容量、按自己的计费口径出账，所以在那里看到的单价是网关定的，不是 Anthropic 定的。

常见问题

有免费额度吗？ 没有。访问方式是预付或按量结算，按 token 计费。控成本靠的是 prompt 缓存、批处理和模型分层，而不是免费额度。

1M 上下文窗口要额外加价吗？ 当前这代模型的 1M 窗口按标准价提供，没有长上下文溢价。真正的约束是：你实际发进去多少 token，就按多少付费。

失败或被拒绝的请求会计费吗？ 在产生任何输出之前就被安全分类器拒绝的请求完全不计费；流式输出中途被拒的，已经流出的那部分输出照常计费。

怎么和其他厂商比价？ 比任务成本，不要比单 token 价。用同一套评测集在两边各跑一遍，各自用对方的分词器统计真实的输入输出 token，并把缓存和批处理折扣算进去。分词器不同的前提下，单 token 价的横向对比基本没有意义。

把花销收到一个视图里

如果你在调 Claude 的同时还接了其他模型家族，记账问题会成倍放大：多套凭据、多个后台、多种 token 口径。ROIBest AI 要解决的正是这个缝隙——一个 OpenAI 兼容端点、一把 key，以及跨模型的按 key 用量记录，让成本归因集中在一处，而不是散在三个地方。

如果你正在做接入，Claude Code 接入方式和 OpenAI 兼容协议说明覆盖了配置层面；LLM API 网关到底做什么则回答架构层面的问题——你到底需不需要一个网关。