Claude Haiku 5.5 API लागत: Retry और Recovery के लिए बजट
Token, cache, retry, recovery और context tier से जुड़ी स्पष्ट मान्यताओं के आधार पर Claude Haiku 5.5 के प्रोडक्शन वर्कफ़्लो की लागत का अनुमान लगाएं।
सारांश · TL;DR
100,000 जॉब वाले एक उदाहरणात्मक प्रोडक्शन वर्कलोड की लागत, जिसमें retry, recovery calls और अनुमानित cache writes शामिल हैं, उद्धृत आधिकारिक दरों पर $149.59 या प्रकाशित OneMux दरों पर $44.73 है। वास्तविक लागत token उपयोग, cache व्यवहार, context tiers और अतिरिक्त शुल्क पर निर्भर करती है।
मुख्य बातें
- बजट केवल पूरी हुई जॉब के लिए नहीं, बल्कि API के हर प्रयास के लिए बनाएं: retry और recovery calls भी tokens का उपयोग करते हैं।
- उद्धृत शुरुआती tier की दरों पर 8,000 input tokens, 80% cached input और 2,000 output tokens वाली कॉल की लागत cache writes से पहले $0.001224 है।
- विस्तृत मासिक अनुमान में cache writes को cache reads से अलग रखा गया है और माना गया है कि उनके बिल किए गए token वॉल्यूम एक-दूसरे में शामिल नहीं हैं।
- दी गई मूल्य-सूची के अनुसार 100,000 tokens से अधिक के prompts पर ऊंची दरें लागू होती हैं; केवल नवीनतम user message नहीं, पूरा prompt मापें।
- तारीख सहित कैटलॉग स्नैपशॉट में OneMux इस मॉडल के लिए 0.29900000000000004 का मूल्य अनुपात प्रकाशित करता है; वास्तविक बिल को लागू शर्तों और उपयोग के आधार पर सत्यापित करना होगा।
इस पृष्ठ पर (10)
फैसला: पूरी हुई जॉब नहीं, प्रयासों के लिए बजट बनाएं
Claude Haiku 5.5 का उपयोग करने वाले प्रोडक्शन वर्कफ़्लो के लिए, पहले एक सामान्य API प्रयास की लागत निकालें, फिर retry प्रयासों, recovery calls और cache writes की लागत जोड़ें। केवल सफल जॉब पर आधारित बजट उन कॉल को छोड़ देता है जिनके किसी घटना के दौरान बढ़ने की सबसे अधिक संभावना होती है।
नीचे दिए उदाहरणात्मक वर्कलोड में हर महीने 100,000 जॉब से 112,000 API प्रयास होते हैं। बताई गई cache मान्यताओं और cache-write के लिए अलग प्रावधान के साथ अनुमान उद्धृत आधिकारिक दरों पर $149.59 या प्रकाशित OneMux दरों पर $44.73 है। ये token लागत के अनुमान हैं, मूल्य-प्रस्ताव या गारंटी नहीं।
यह लागत गाइड OneMux की ओर से है, जो इसका प्रकाशक भी है और यहां चर्चा में शामिल उत्पाद भी। यह गणना उपयोगी है, चाहे आप सीधे प्रदाता को कॉल करें या मॉडल एक्सेस सेवा का उपयोग करें।
मूल्य स्नैपशॉट और बिलिंग इकाइयां
नीचे सभी कीमतें USD में प्रति दस लाख tokens हैं। OneMux कैटलॉग का स्नैपशॉट 12 नवंबर, 2026 को लिया गया था; यह मौजूदा कीमत की लाइव जांच नहीं है। दी गई मूल्य समीक्षा में आधिकारिक standard और cache दरें दी गई हैं, जिनमें 100,000 input tokens से अधिक वाले prompts के लिए ऊंचा बैंड भी शामिल है। बजट तय करने से पहले मौजूदा शर्तें जांचें।
| Prompt tier | आधिकारिक input | आधिकारिक output | OneMux input | OneMux output | प्रकाशित OneMux-से-आधिकारिक मूल्य अनुपात |
|---|---|---|---|---|---|
| 100K input tokens तक | $0.10 | $0.50 | $0.0299 | $0.1495 | 0.29900000000000004 |
| 100K input tokens से अधिक | $0.50 | $2.50 | $0.1495 | $0.7475 | 0.29900000000000004 |
यह अनुपात कीमत का गुणक है, डॉलर की राशि नहीं। इसे छूट का दावा बनाने के लिए पूर्णांकित करने के बजाय प्रकाशित रूप में ही दिया गया है। OneMux मॉडल पेज पर इस मॉडल की दरें सूचीबद्ध हैं।
Cache की कीमतें सामान्य input और output कीमतों से अलग हैं:
| Prompt tier | आधिकारिक cache read | आधिकारिक cache write | OneMux cache read | OneMux cache write |
|---|---|---|---|---|
| 100K input tokens तक | $0.01 | $0.125 | $0.00299 | $0.037375 |
| 100K input tokens से अधिक | $0.05 | $0.625 | $0.01495 | $0.186875 |
कैटलॉग में एक घंटे के cache-write की अलग दर भी है: निचले tier में प्रति दस लाख tokens के लिए आधिकारिक दर $0.20 और OneMux दर $0.0598 है; ऊंचे tier में ये क्रमशः $1.00 और $0.299 हैं। उदाहरण में एक घंटे वाली दर के बजाय standard write दर का उपयोग किया गया है। क्षेत्रीय प्रोसेसिंग, tools और अन्य लागू शुल्क कुल लागत बढ़ा सकते हैं। आप जिस endpoint और settings का उपयोग करते हैं, उनके लिए cache की पात्रता, अवधि और बिलिंग व्यवहार सत्यापित करें।
दोहराया जा सकने वाला मासिक अनुमान
मान लें कि एक वर्कफ़्लो किसी ऑपरेशनल इवेंट को वर्गीकृत करता है और एक संरचित निर्णय लौटाता है। नीचे दी गई संख्याएं उदाहरण के लिए हैं; वे मापा गया प्रदर्शन नहीं हैं और न ही किसी खास निर्णय को स्वचालित करने की सिफारिश हैं।
| मान्यता | मासिक या प्रति-प्रयास मात्रा |
|---|---|
| मूल जॉब | 100,000 प्रति माह |
| अतिरिक्त retry प्रयास | 10,000 प्रति माह |
| अतिरिक्त recovery calls | 2,000 प्रति माह |
| प्रति प्रयास input | 8,000 tokens |
| Cache reads के रूप में दिया गया input | input का 80% |
| प्रति प्रयास output | 2,000 tokens |
| अलग से बिल किए गए cache writes | 100 मिलियन tokens प्रति माह |
माना गया है कि सभी प्रयासों में token का पैटर्न समान है और वे निचले prompt tier में रहते हैं। 100 मिलियन write tokens एक अलग बिलिंग श्रेणी हैं: उन्हें नीचे दिए गए सामान्य-input या cache-read tokens में भी नहीं गिना गया है। इससे उदाहरण सरल रहता है; उपलब्ध होने पर बिलिंग श्रेणियों के वास्तविक आंकड़े इस्तेमाल करें।
एक प्रयास की लागत
उद्धृत आधिकारिक निचले-tier की दरों पर 8,000 input tokens को 1,600 सामान्य input tokens और 6,400 cache-read tokens में बांटें:
- सामान्य input: 1,600 ÷ 1,000,000 × $0.10 = $0.000160।
- Cache reads: 6,400 ÷ 1,000,000 × $0.01 = $0.000064।
- Output: 2,000 ÷ 1,000,000 × $0.50 = $0.001000।
- कुल: $0.001224 per attempt, cache writes को छोड़कर।
इस खास 4:1 input-to-output अनुपात और input के 80% को cache reads मानने पर, कुल input और output के प्रति दस लाख tokens की लागत $0.1224 है। यह सभी स्थितियों पर लागू मिश्रित दर नहीं है: output की लंबाई या cache-hit का हिस्सा बदलने पर परिणाम भी बदलेगा।
Retry, recovery और writes जोड़ें
वर्कलोड में 100,000 + 10,000 + 2,000 = 112,000 प्रयास हैं। प्रत्येक की दर $0.001224 होने पर, आधिकारिक दरों पर इन प्रयासों की लागत $137.088 है। अलग से माने गए 100 मिलियन cache-write tokens की लागत 100 × $0.125 = $12.50 है। इस तरह कुल $149.588, या सेंट तक पूर्णांकित करने पर $149.59 होता है।
समान श्रेणियों के लिए प्रकाशित OneMux निचले-tier की दरें इस्तेमाल करने पर:
- एक प्रयास: input $0.00004784 + cache reads $0.000019136 + output $0.000299 = $0.000365976।
- 112,000 प्रयास: $40.989312।
- 100 मिलियन standard cache-write tokens: $3.7375।
- कुल: $44.726812, या सेंट तक पूर्णांकित करने पर $44.73।
तुलना के लिए प्रति जॉब लागत निकालने हेतु मूल 100,000 जॉब से भाग दें: उद्धृत आधिकारिक दरों पर लगभग $0.001496 per job और प्रकाशित OneMux दरों पर $0.000447 per job। ये प्रति मूल जॉब लागतें हैं, जिनमें अनुमानित अतिरिक्त प्रयास और writes शामिल हैं—प्रति सफल जॉब लागत नहीं। अगर कुछ जॉब अनसुलझी रह जाती हैं, तो प्रति सफल जॉब लागत अधिक होगी।
लॉन्च से पहले retry और recovery के नियम तय करें
Retry उसी ऑपरेशन का एक और प्रयास है। Recovery call किसी अनिश्चित या अमान्य परिणाम को सुलझाने के लिए अलग प्रयास है। इनकी संख्या और token आकार अलग-अलग दर्ज करने चाहिए: error transcript शामिल करने वाला recovery prompt मूल prompt से बड़ा हो सकता है।
हर विफलता पर retry करने के बजाय सीमित नीति अपनाएं:
- विफलता को वर्गीकृत करें। अस्थायी transport विफलता या rate-limit प्रतिक्रिया के लिए backoff और jitter के साथ सीमित retry पर विचार करें। Endpoint के दस्तावेज़ में दिए प्रतिक्रिया व्यवहार और retry संबंधी मार्गदर्शन की जांच करें।
- प्रयासों की अधिकतम संख्या और समय-सीमा तय करें। सीमा में शुरुआती प्रयास को भी शामिल करें। बार-बार अनिश्चित समय तक प्रयास करने के बजाय सीमा तक पहुंची जॉब को queue या operator review में भेजें।
- अस्पष्ट completion को सावधानी से संभालें। Timeout से यह साबित नहीं होता कि प्रदाता ने कोई काम नहीं किया या कोई बाहरी कार्रवाई नहीं हुई। किसी side effect को दोहराने से पहले परिणाम का मिलान करें; जहां संबंधित सिस्टम समर्थन देते हों, वहां idempotency controls का उपयोग करें।
- अमान्य output को अलग recovery मार्ग मानें। अपने एप्लिकेशन की आवश्यक संरचना के अनुसार प्रतिक्रिया को सत्यापित करें। यदि repair call की अनुमति है, तो उसकी सीमा तय करें और यह भी तय करें कि उसके विफल होने पर क्या होगा।
- किसी घटना के लिए बजट सुरक्षित रखें। प्रति मूल जॉब प्रयासों, बिल की गई token श्रेणियों, अनसुलझी जॉब और cache-write वॉल्यूम को ट्रैक करें। केवल अंतिम मासिक बिल ही नहीं, बदलावों पर भी अलर्ट लगाएं।
यह न मानें कि विफल या timeout हुआ प्रयास मुफ्त है। वास्तव में रिपोर्ट किए गए उपयोग और शुल्क दर्ज करें; जहां उपयोग की जानकारी उपलब्ध न हो, बिल का मिलान होने तक एक सावधानीपूर्ण प्रावधान रखें।
100K prompt सीमा पर नजर रखें
उद्धृत मूल्य समीक्षा के अनुसार, प्रति अनुरोध input 100,000 tokens से अधिक होने पर ऊंचा context बैंड लागू होता है। केवल नवीनतम संदेश नहीं, बल्कि system instructions, tool definitions, conversation history और प्राप्त सामग्री भी गिनें। सूचीबद्ध दरों के अनुसार, ऊंचे बैंड में standard input, output, cache reads और standard cache writes में से प्रत्येक की दर संबंधित निचले-बैंड की दर से पांच गुना है।
उदाहरण के लिए, बिना cache उपयोग के 101,000 सामान्य input tokens और 2,000 output tokens की लागत ऊंची आधिकारिक दरों पर $0.0555 है: input के लिए $0.0505 और output के लिए $0.005। समान output वाले 100,000-token सामान्य-input prompt की लागत निचली दरों पर $0.011 है। यह tier की सीमा समझाने का उदाहरण है, वास्तविक prompts के वितरण के बारे में दावा नहीं।
कॉल से पहले prompt का आकार मापें, खासकर उन retry में जो history जोड़ते हैं। जरूरत से बड़े अनुरोधों को छोटा करने या दूसरे मार्ग पर भेजने की नीति तय करें और tier कैसे लागू होता है, इसके लिए प्रदाता की मौजूदा शर्तें जांचें।
बजट मंजूर करने से पहले
उदाहरण के token आंकड़ों की जगह बिल किए गए वास्तविक उपयोग के आंकड़े रखें, फिर सामान्य महीने और किसी घटना वाले महीने के परिदृश्यों का अनुमान लगाएं। Cache reads और writes को अलग रखें, हर प्रयास पर लागू tier सत्यापित करें और गैर-token शुल्क जोड़ें। OneMux एक OpenAI-compatible API के जरिए मॉडलों तक पहुंच देता है, लेकिन किसी खास वर्कफ़्लो की संगतता दस्तावेज़ में दिए endpoint और parameter समर्थन पर निर्भर करती है; यह उदाहरण किसी integration के परीक्षण का दावा नहीं करता।
स्रोत
- LLMLearner: Claude Haiku 5.5 कीमतें — उद्धृत दर समीक्षा, context-band शर्तें और वर्कलोड उदाहरण।
- OneMux: Claude Haiku 5.5 — मॉडल कैटलॉग की कीमतें; स्नैपशॉट 12 नवंबर, 2026 को लिया गया।
प्रकाशित मूल्य स्नैपशॉट
OneMux के प्रकाशित कैटलॉग से 2026-11-12T22:00:06.144Z पर लिया गया। कीमतों में वेबसाइट की बिलिंग इकाइयां बरकरार हैं; यह लाइव बेंचमार्क नहीं है। Tiered, cached या समय-आधारित बिलिंग अलग हो सकती है। अज्ञात मान शून्य नहीं हैं।
| मॉडल | आधिकारिक input | आधिकारिक output | OneMux input | OneMux output | प्रकाशित मूल्य अनुपात |
|---|---|---|---|---|---|
| Claude Haiku 5.5 | $0.1 | $0.5 | $0.0299 | $0.1495 | 0.29900000000000004 |
OneMux की मौजूदा कीमतें। वर्कलोड लागतों की तुलना तभी करें जब input/output और बिलिंग इकाइयां मेल खाती हों; tier की शर्तों के लिए हर मॉडल का पेज देखें।
सामान्य प्रश्न
Claude Haiku 5.5 की प्रति दस लाख tokens लागत कितनी है?
दी गई मूल्य समीक्षा में 100,000 input tokens तक के prompts के लिए प्रति दस लाख सामान्य input tokens की कीमत $0.10 और प्रति दस लाख output tokens की कीमत $0.50 दी गई है। इस सीमा से ऊपर input के लिए $0.50 और output के लिए $2.50 सूचीबद्ध है। Cache और अन्य शुल्क अलग हैं।
क्या API लागत अनुमान में retry शामिल करने चाहिए?
हां। वास्तव में रिपोर्ट की गई बिलिंग श्रेणियों और उपयोग के आधार पर हर प्रयास का input और output गिनें, जिसमें retry और recovery calls भी शामिल हैं। Timeout से यह साबित नहीं होता कि प्रयास मुफ्त था।
क्या उदाहरण में माना गया है कि हर prompt cached है?
नहीं। इसमें माना गया है कि हर प्रयास के input का 80% cache reads और 20% सामान्य input के रूप में बिल होता है। इसके अलावा प्रति माह 100 मिलियन cache-write tokens का अलग प्रावधान है। वास्तविक cache व्यवहार अलग हो सकता है।
जब prompt 100,000 input tokens से अधिक हो जाता है तो अनुमान पर क्या असर पड़ता है?
दी गई मूल्य समीक्षा के अनुसार ऊंचा context बैंड लागू होता है। सूचीबद्ध दरों पर संबंधित standard input, output, cache-read और standard cache-write में से प्रत्येक की कीमत निचले tier की कीमत से पांच गुना है।
संबंधित लेख
Guides
प्रोडक्शन वर्कफ़्लो के लिए GPT 6.2 Astra API की लागत: रीट्राई सहित अनुमान
तुलनीय टोकन कीमतों, रीट्राई की स्पष्ट मान्यताओं और दोहराए जा सकने वाले मासिक उदाहरण से GPT 6.2 Astra वर्कफ़्लो की लागत का अनुमान लगाएं।
Guides
प्रोडक्शन वर्कफ़्लो के लिए GPT Image 2.6 Flare API लागत का अनुमान
स्पष्ट टोकन मान्यताओं, तुलनीय बिलिंग इकाइयों, स्वीकृति दरों और प्रोडक्शन में रीट्राई नियमों के आधार पर GPT Image 2.6 Flare वर्कलोड की लागत का अनुमान लगाएँ। इसमें तारीख़ सहित OneMux मूल्य स्नैपशॉट और दोहराई जा सकने वाली बजट पद्धति शामिल है।
Guides
गोपनीयता-सचेत वर्कलोड के लिए Claude Haiku 5.5 API लागत का अनुमान
टोकन की स्पष्ट मान्यताओं, टियर के अनुसार गणना और व्यक्तिगत डेटा व क्रेडेंशियल का खुलासा घटाने के व्यावहारिक तरीकों से Claude Haiku 5.5 API लागत का अनुमान लगाएँ।
Guides
DeepSeek V4.1 Flash 1017 की लागत: प्रोडक्शन वर्कफ़्लो का अनुमान
टोकन उपयोग की स्पष्ट मान्यताओं, OneMux के समय-आधारित रेट और व्यावहारिक retry व recovery बजट के आधार पर DeepSeek V4.1 Flash 1017 API की लागत का अनुमान लगाएँ।