Tarkibga o'tish

14 β€” Token, narx va limitlar

⬅️ Oldingi: 13 β€” AI SDK UI: chat interfeysi Β· 🏠 README Β· Keyingi: 15 β€” Prompt caching ➑️

Bu bobda: bu — pul bobi. Shu paytgacha biz kod yozdik, lekin har bir messages.create() chaqiruvi sizning hisobingizdan pul yechadi — va aksariyat dasturchilar buni faqat oy oxirida hisob-faktura kelganda payqaydi. Bu bobda biz buni oldindan ko'ramiz va boshqaramiz. Narx modeli: siz HAR kirish (input) token uchun ham, HAR chiqish (output) token uchun ham to'laysiz — va chiqish odatda qimmatroq (Opus 4.8 da $5 kirish / $25 chiqish). O'zbekcha va kod inglizchadan ko'proq token oladi — bu bizning auditoriyamiz uchun muhim: bir xil ma'noli promptingiz inglizcha ekvivalentidan qimmatroq tushadi. Keyin: msg.usage dan haqiqiy narxni hisoblash (cost() yordamchisi), so'rovdan oldin countTokens() bilan narxni oldindan baholash (va nega hech qachon tiktoken emas), to'g'ri modelni narx bo'yicha tanlash (Haiku → Opus router naqshi), narxni pasaytirish vositalari (caching, batch, kichik max_tokens), rate limit (RPM/ITPM/OTPM, 429 + retry-after, SDK backoff) va ishlab chiqarishda byudjetni nazorat qilish. Yakunda: cost() kalkulyatori, countTokens qo'riqchisi va Haiku→Opus router.

Halollik eslatmasi: bu bobdagi narxlar (Opus 4.8 $5/$25, Sonnet 4.6 $3/$15, Haiku 4.5 $1/$5, Fable 5 $10/$50, 1M token uchun), usage maydonlari (input_tokens, output_tokens, cache_read_input_tokens, cache_creation_input_tokens), client.messages.countTokens() API va kontekst/chiqish chegaralari @anthropic-ai/sdk 0.104 ga asoslangan va Anthropic hujjatiga muvofiq. usage o'qish, cost() hisoblash va countTokens() chaqiruvlari jonli ijro etiladigan to'g'ri kod. Aniq rate-limit raqamlari (RPM/ITPM/OTPM) β€” tier'ga bog'liq, ya'ni har tashkilot/hisobda turlicha; aniq qiymatlarni Anthropic konsolida ko'ring, bu bobda raqamlarni faqat namuna sifatida ishlatdik.

Nega bu bob muhim? β€” har chaqiruv pul

Tasavvur qiling, siz chiroyli AI chat ilovasini yozdingiz, demo qildingiz, hamma xursand. Bir oydan keyin Anthropic hisob-fakturasi keladi va siz hayron qolasiz: "Men shunchaki bir necha xabar yubordim, bu nega $200?" Sabab β€” siz har chaqiruvda nima qancha turishini ko'rmagansiz.

LLM API'lari elektr quvvati kabi: siz oqim bilan to'lov qilasiz, lekin hisoblagich ko'rinmas joyda aylanadi. Bu bobning maqsadi β€” o'sha hisoblagichni ko'rinadigan qilish. Har chaqiruvdan keyin "bu menga necha sent turdi?" degan savolga aniq javob bera olishingiz kerak. Mana shu bilim sizni qimmat kechalardan saqlaydi.

Yaxshi xabar: narx modeli oddiy va to'liq oldindan aytib bo'ladigan. Yomon xabar: agar e'tibor bermasangiz, kichik beparvoliklar (juda katta max_tokens, har safar butun suhbat tarixini qayta yuborish, eng qiyin modelni eng oddiy vazifaga ishlatish) tez orada qimmatga tushadi. Keling, modelni tushunaylik.

Narx modeli: kirish + chiqish, alohida narxlar

Asosiy qoida ikkita jumladan iborat:

  1. Siz kirish (input) tokenlari uchun ham, chiqish (output) tokenlari uchun ham to'laysiz.
  2. Bu ikkisi alohida narxlarda hisoblanadi β€” va chiqish odatda qimmatroq.

Kirish β€” bu modelga yuborganingiz hammasi: system prompt, suhbat tarixi, foydalanuvchi xabari, rasm/PDF (agar bo'lsa). Chiqish β€” bu model qaytargan javob. Opus 4.8 misolida: kirish 1M token uchun $5, chiqish 1M token uchun $25. Ya'ni chiqish token kirishdan 5 barobar qimmat.

Nega chiqish qimmatroq? Chunki chiqishni hosil qilish modelga ko'proq hisob-kitob talab qiladi β€” har bir token oldingi barcha tokenlarga qarab birma-bir generatsiya qilinadi (buni 01-bobda ko'rgandik). Kirishni esa model bir martada "o'qiydi". Amaliy xulosa: uzun javoblar uzun promptlardan tezroq qimmatlashadi. Shuning uchun keraksiz uzun javoblardan saqlanish (kichik max_tokens, "qisqa javob ber" ko'rsatmasi) bevosita pul tejaydi.

Bitta so'rov narxi: input_tokens kirish narxiga, output_tokens chiqish narxiga ko'paytiriladi; chiqish qimmatroq (Opus 4.8 $5 kirish / $25 chiqish); usage obyektidan dollarga; o'zbekcha va kod ko'proq token oladi

Diagrammaga qarang: 1200 kirish token + 800 chiqish token bo'lgan bir so'rov uchun:

narx = (1200 / 1 000 000) Γ— $5  +  (800 / 1 000 000) Γ— $25
     = $0.006                   +  $0.020
     = $0.026   (taxminan 2.6 sent)

Bitta so'rov uchun 2.6 sent arzon ko'rinadi. Lekin kuniga 10 000 so'rov bo'lsa β€” bu $260/kun, ya'ni oyiga ~$7800. Mana shuning uchun har tokenga e'tibor muhim.

O'zbekcha va kod ko'proq token oladi (bizning auditoriya uchun muhim)

01-bobda (tokenlarni qaytaring) ko'rganimizdek: inglizchada taxminan 1 token β‰ˆ 4 belgi. Lekin o'zbekcha (va boshqa lotin bo'lmagan yoki kam-ifodalangan tillar) ko'proq token oladi β€” chunki modellar asosan inglizcha matnga moslab tuzilgan, shuning uchun o'zbekcha so'z ko'pincha bir nechta tokenga bo'linadi. Kod ham (qavslar, otstupi, maxsus belgilar) ko'p token "yeydi".

Bu nimani anglatadi? Bir xil ma'noli prompt sizga inglizchaga qaraganda qimmatroq tushadi. Masalan, "Mahsulot tavsifini yoz" o'zbekcha promptingiz "Write a product description" inglizcha ekvivalentidan ko'proq token bo'lishi mumkin β€” ham kirishda (promptingiz), ham chiqishda (o'zbekcha javob). Bu sizni o'zbekchadan voz kechishga undamaydi β€” shunchaki byudjetni rejalashtirayotganda buni hisobga oling va token sonini taxmin qilmang, balki o'lchang (pastda countTokens).

usage ni o'qish: har chaqiruvning haqiqiy narxi

Eng muhim odat: har chaqiruvdan keyin msg.usage ni o'qing. Bu β€” taxmin emas, sizning haqiqiy iste'molingiz. Har javob obyektida usage keladi:

import Anthropic from "@anthropic-ai/sdk";

const client = new Anthropic(); // ANTHROPIC_API_KEY .env dan (02-bob)

const msg = await client.messages.create({
  model: "claude-opus-4-8",
  max_tokens: 1024,
  messages: [{ role: "user", content: "O'zbekiston poytaxti qaysi shahar?" }],
});

console.log(msg.content[0].text);
console.log(msg.usage);
// {
//   input_tokens: 18,
//   output_tokens: 12,
//   cache_read_input_tokens: 0,        // 15-bob (caching)
//   cache_creation_input_tokens: 0     // 15-bob (caching)
// }

usage ning to'rt maydoni:

  • input_tokens β€” to'liq narxda hisoblangan kirish tokenlari (keshlanmagani).
  • output_tokens β€” chiqish tokenlari (qimmatroq narxda).
  • cache_read_input_tokens β€” keshdan o'qilgan tokenlar (~0.1x narx). Buni 15 β€” Prompt caching bobida ko'ramiz.
  • cache_creation_input_tokens β€” keshga yozilgan tokenlar (~1.25x narx). U ham 15-bobda.

Hozircha caching'siz, faqat input_tokens va output_tokens muhim. Keling, ulardan dollar narxini hisoblaydigan yordamchi funksiya yozaylik.

cost() kalkulyatori

Narxlarni bir joyda jadval qilamiz va usage dan narxni hisoblaymiz. Narxlar 1M (million) token uchun dollarda:

// Narx jadvali β€” 1M token uchun [kirish $, chiqish $]
const NARX = {
  "claude-opus-4-8":   { in: 5,  out: 25 },
  "claude-sonnet-4-6": { in: 3,  out: 15 },
  "claude-haiku-4-5":  { in: 1,  out: 5  },
  "claude-fable-5":    { in: 10, out: 50 },
};

/**
 * usage va model bo'yicha so'rov narxini dollarda hisoblaydi.
 * (Caching narxi 15-bobda; bu yerda input/output bilan cheklanamiz.)
 */
function cost(usage, model) {
  const p = NARX[model];
  if (!p) throw new Error(`Noma'lum model narxi: ${model}`);
  const inCost = (usage.input_tokens / 1_000_000) * p.in;
  const outCost = (usage.output_tokens / 1_000_000) * p.out;
  return inCost + outCost; // dollarda
}

// Ishlatish:
const narx = cost(msg.usage, "claude-opus-4-8");
console.log(`Bu so'rov: $${narx.toFixed(6)}`); // $0.000360

Endi har chaqiruvdan keyin uni log qiling β€” siz hisobni real vaqtda ko'rasiz. Ishlab chiqarishda har so'rovning narxini bazaga yoki monitoringga yozing (pastda "Byudjet" bo'limida).

Eslatma β€” usage yolg'on gapirmaydi. cost() ni o'z taxminingiz bilan emas, doim msg.usage bilan chaqiring. usage β€” Anthropic tomonidan qaytarilgan haqiqiy raqam; siz token sonini o'zingiz taxmin qilsangiz (ayniqsa o'zbekcha/kod uchun), xato qilasiz.

So'rovdan OLDIN sanash: countTokens()

usage so'rovdan keyin keladi β€” ya'ni pul allaqachon yechilgan. Lekin ba'zan siz oldindan bilmoqchisiz: "bu prompt juda uzunmi? Yuborsam qancha turadi?" Buning uchun countTokens() bor β€” u so'rovni yubormasdan kirish tokenlarini sanaydi (bu chaqiruv bepul):

const r = await client.messages.countTokens({
  model: "claude-opus-4-8",
  system: "Sen foydali yordamchisan.",
  messages: [{ role: "user", content: foydalanuvchiMatni }],
});

console.log(r.input_tokens); // masalan 1432

Bu nima uchun foydali? Narxni oldindan baholash va juda uzun kirishni rad etish uchun β€” qo'riqchi (guard) sifatida.

countTokens qo'riqchisi: juda uzun kirishni rad etish

const MAX_KIRISH_TOKEN = 50_000; // o'z chegaramiz

async function xavfsizChaqiruv(matn) {
  // 1) Yubormasdan OLDIN sanaymiz
  const { input_tokens } = await client.messages.countTokens({
    model: "claude-opus-4-8",
    messages: [{ role: "user", content: matn }],
  });

  // 2) Chegaradan oshsa β€” qimmat so'rovni rad etamiz
  if (input_tokens > MAX_KIRISH_TOKEN) {
    throw new Error(
      `Kirish juda uzun: ${input_tokens} token (chegara ${MAX_KIRISH_TOKEN}). ` +
      `Matnni qisqartiring yoki bo'laklarga bo'ling.`
    );
  }

  // 3) Xavfsiz β€” yuboramiz
  const msg = await client.messages.create({
    model: "claude-opus-4-8",
    max_tokens: 1024,
    messages: [{ role: "user", content: matn }],
  });
  return msg;
}

Bu naqsh ayniqsa foydalanuvchi matn yoki fayl yuklaydigan ilovalarda muhim β€” kimdir 200 sahifali hujjatni yopishtirib qo'ysa, siz uni yubormasdan to'xtatasiz, qimmat so'rovga aylanishidan oldin.

HECH QACHON tiktoken ishlatmang

Internetda "Claude tokenini sanash" uchun tiktoken (yoki gpt-tokenizer) ishlatishni tavsiya qiladigan maslahatlar ko'p. Buni qilmang. tiktoken β€” bu OpenAI'ning tokenizatori, Claude'niki emas. U Claude tokenlarini odatdagi matnda ~15-20% kam sanaydi, kod va lotin bo'lmagan (o'zbekcha!) matnda esa undan ham ko'proq xato qiladi.

Sabab oddiy: har model boshqa tokenizatorga ega β€” bir xil matn turli modellarda turli tokenlarga bo'linadi. OpenAI tokenizatori bilan Claude narxini hisoblash β€” bir mamlakat valyutasi bilan boshqasining narxini hisoblashga o'xshaydi: raqam chiqadi, lekin noto'g'ri. Doim client.messages.countTokens() ishlating β€” u aynan siz ishlatadigan model bilan to'g'ri sanaydi. Bu, ayniqsa, o'zbekcha auditoriya uchun muhim: tiktoken o'zbekcha matnda eng ko'p xato qiladigan joy.

Narx jadvali

Model Kirish ($ / 1M) Chiqish ($ / 1M) Kontekst oynasi Qachon ishlatish
Haiku 4.5 $1 $5 200K Oddiy, tez, ko'p hajmli (tasniflash, marshrutlash)
Sonnet 4.6 $3 $15 1M Muvozanatli β€” tezlik + aql
Opus 4.8 (standart) $5 $25 1M Qiyin fikrlash, agentlar, uzoq vazifalar
Fable 5 $10 $50 1M Eng qiyin masalalar β€” eng kuchli

Diqqat: barcha modellarda chiqish kirishdan ~5 barobar qimmat. Kontekst oynasi β€” modelning bir vaqtda "ko'ra oladigan" maksimal token miqdori (Opus/Sonnet/Fable da 1M, Haiku da 200K). Bu narx emas β€” bu sig'im chegarasi; lekin uzun kontekst ko'p kirish token degani, ya'ni bilvosita narxga ta'sir qiladi.

To'g'ri modelni tanlash: narx bo'yicha

Eng katta narx richagi β€” model tanlash. Ko'p dasturchilar hamma narsani Opus'da ishlatadi (chunki u eng kuchli), lekin aksariyat vazifalar uchun bu pulni isrof qilish. Qoida: vazifaga yetarli bo'lgan eng arzon modelni tanlang.

Model narx/qobiliyat narvoni: Haiku ($1/$5 oddiy/tez), Sonnet ($3/$15 muvozanatli), Opus ($5/$25 qiyin fikrlash), Fable ($10/$50 eng qiyin); router g'oyasi: arzon modeldan boshla, kerak bo'lganda Opus ga ko'tar

Amaliy qo'llanma:

  • Haiku 4.5 β€” oddiy va ko'p hajmli vazifalar: matnni tasniflash ("bu ijobiy/salbiy?"), marshrutlash ("bu savol qaysi bo'limga?"), oddiy ajratish, teglar. Tez va eng arzon. Agar kuniga million so'rov bo'lsa, narx farqi (Haiku $1 vs Opus $5) ulkan.
  • Sonnet 4.6 β€” muvozanatli ish: o'rta murakkablikdagi yozish, xulosalash, ko'p tool-chaqiruvli oqimlar. Tezlik va aql o'rtasida yaxshi nuqta.
  • Opus 4.8 β€” chinakam qiyin fikrlash: murakkab kod, chuqur tahlil, uzoq agentlik vazifalari, qiyin qaror.
  • Fable 5 β€” eng qiyin, eng yuqori darajadagi masalalar. Eng qimmat β€” faqat kerak bo'lganda.

Router naqshi: arzon model birinchi, Opus'ga ko'taring

Aqlli usul β€” router: avval arzon model (Haiku) bilan urinib ko'ring, va faqat kerak bo'lganda Opus'ga "ko'taring" (escalate). Masalan, foydalanuvchi savolini avval Haiku bilan tasniflang: "bu oddiy savolmi yoki murakkab fikrlash kerakmi?" β€” keyin shunga qarab modelni tanlang:

// Oddiy router: Haiku bilan tasniflaymiz, keyin to'g'ri modelga yuboramiz
async function router(savol) {
  // 1) Arzon model (Haiku) bilan tasniflash β€” "oddiy" yoki "murakkab"?
  const tasnif = await client.messages.create({
    model: "claude-haiku-4-5",
    max_tokens: 16, // juda qisqa javob β€” bir so'z
    messages: [
      {
        role: "user",
        content:
          `Quyidagi savol "oddiy" (faktik, qisqa javobli) yoki "murakkab" ` +
          `(ko'p qadamli fikrlash, kod, tahlil kerak)? Faqat bitta so'z bilan javob ber.\n\n` +
          `Savol: ${savol}`,
      },
    ],
  });

  const turi = tasnif.content[0].text.trim().toLowerCase();

  // 2) Tasnifga qarab modelni tanlaymiz
  const model = turi.includes("murakkab") ? "claude-opus-4-8" : "claude-haiku-4-5";

  // 3) Asosiy javobni shu model bilan olamiz
  const javob = await client.messages.create({
    model,
    max_tokens: 1024,
    messages: [{ role: "user", content: savol }],
  });

  console.log(`Tanlangan model: ${model}`);
  console.log(`Tasnif narxi: $${cost(tasnif.usage, "claude-haiku-4-5").toFixed(6)}`);
  console.log(`Javob narxi:  $${cost(javob.usage, model).toFixed(6)}`);
  return javob;
}

Bu yerda hiyla: tasniflash bosqichi arzon (Haiku, 16 token chiqish). Agar savol oddiy bo'lsa, javob ham Haiku'da qoladi β€” siz Opus narxini umuman to'lamaysiz. Faqat haqiqatan murakkab savollar Opus'ga boradi. Katta hajmda bu jiddiy tejash.

Eslatma β€” router'ning ham narxi bor. Tasniflash bosqichi qo'shimcha chaqiruv, ya'ni qo'shimcha token. U arzon (Haiku, qisqa), lekin bepul emas. Router foydali bo'ladi qachonki "oddiy" savollar ko'p bo'lsa β€” chunki ularning har biri Opus o'rniga Haiku'da qoladi. Agar deyarli hamma savol murakkab bo'lsa, router shunchaki ortiqcha qadam qo'shadi. O'z trafikni o'lchang.

Narxni pasaytirish vositalari (kitobning qolgan qismi)

Model tanlash β€” eng katta richag, lekin yagona emas. Mana narxni pasaytirishning asosiy vositalari, ularning ko'pini keyingi boblarda batafsil ko'ramiz:

  • Prompt caching (15-bob) β€” takrorlanadigan katta kontekst (system prompt, hujjat, few-shot misollar) keshlanadi va keyingi so'rovlarda 90% gacha arzon o'qiladi. Agar har so'rovda bir xil katta system prompt yuborsangiz β€” bu eng katta tejash.
  • Batch (24-bob) β€” kechikishga sezgir bo'lmagan so'rovlar (tungi ishlash, ko'p hujjatni tahlil) uchun Batch API 50% arzon. Javob darhol kerak bo'lmasa β€” har doim batch.
  • Kichikroq max_tokens β€” chiqish qimmat ekanini eslang. Javob qisqa bo'lishi kerak bo'lsa (tasniflash, ha/yo'q), max_tokens ni past qo'ying. Bu javobni kesib qo'ymaydi, faqat ortiqcha generatsiyani cheklaydi.
  • Qisqaroq promptlar β€” keraksiz kontekst, takror ko'rsatmalar, ortiqcha few-shot misollarni olib tashlang. Har keraksiz token β€” bekorga pul.
  • To'g'ri model β€” yuqorida ko'rganimiz: router, vazifaga arzon model.
  • Pastroq effort (10-bob) β€” Opus 4.8'da effort sozlamasi modelning qancha "o'ylashi"ni boshqaradi. Pastroq effort = kamroq token = arzonroq (lekin oddiyroq vazifalar uchun).

Bu vositalarni birga ishlatish mumkin: arzon model + caching + batch + kichik max_tokens β€” bu birga olganda narxni bir necha barobar pasaytirishi mumkin.

Rate limit: RPM, ITPM, OTPM

Narxdan tashqari yana bir chegara bor β€” rate limit (so'rov tezligi chegarasi). Bu β€” siz qancha to'lashga tayyor bo'lishingizdan qat'i nazar, Anthropic sizga daqiqasiga / kuniga ruxsat beradigan miqdor. Bu serverni adolatli taqsimlash uchun.

Asosiy chegaralar (har tashkilot/tier uchun):

  • RPM (requests per minute) β€” daqiqasiga so'rovlar soni.
  • ITPM (input tokens per minute) β€” daqiqasiga kirish tokenlari.
  • OTPM (output tokens per minute) β€” daqiqasiga chiqish tokenlari.
  • TPD (tokens per day) β€” kuniga tokenlar.

Buni chelak (bucket) sifatida tasavvur qiling: har daqiqa chelak to'ladi, va to'lib ketsa β€” keyingi so'rov rad etiladi.

Rate limit: daqiqalik so'rov va token chelagi to'ladi; chegaradan oshsa 429 + retry-after qaytadi; SDK avtomatik eksponensial backoff bilan qayta urinadi; aniq raqamlar tier'ga bog'liq

Chegaradan oshsangiz, API 429 (rate_limit_error) xatosini qaytaradi, va javobda retry-after sarlavhasi bo'ladi β€” necha soniya kutib turish kerakligini aytadi.

Eslatma β€” aniq raqamlar tier'ga bog'liq. RPM/ITPM/OTPM ning aniq qiymatlari sizning tieringizga (hisob darajangizga) bog'liq va vaqt o'tib o'zgaradi β€” shuning uchun bu yerda aniq raqam bermaymiz. O'zingiznikini Anthropic konsolida ko'ring. Ko'proq to'lov / yuqori tier β€” yuqori limitlar.

SDK avtomatik qayta urinadi (backoff)

Yaxshi xabar: @anthropic-ai/sdk 429 (va server xatolari 5xx) ni avtomatik qayta urinadi β€” eksponensial backoff bilan (kut 1s, keyin 2s, keyin 4s...). Siz hech narsa qilmasangiz ham, vaqtinchalik 429 odatda o'z-o'zidan hal bo'ladi. Buni 16 β€” Xatolar va retry bobida batafsil ko'ramiz, lekin asosiy sozlama:

// SDK standart 2 marta qayta urinadi; ko'paytirish mumkin
const client = new Anthropic({ maxRetries: 4 });

// Yoki bitta chaqiruv uchun:
const msg = await client
  .withOptions({ maxRetries: 5 })
  .messages.create({ /* ... */ });

Limitlar atrofida loyihalash

Agar siz tez-tez 429 ga urilsangiz, bu siz limitni qayta loyihalashingiz kerakligini bildiradi:

  • Navbat (queue) β€” so'rovlarni birdaniga emas, navbat bilan yuboring. Daqiqalik limit ichida turing.
  • Batch (24-bob) β€” ko'p so'rov bo'lsa, batch API alohida (yengilroq) limitda ishlaydi va 50% arzon.
  • Backoff (16-bob) β€” SDK o'zi qiladi, lekin custom logikangiz bo'lsa, retry-after ni hurmat qiling.
  • Tier ko'tarish β€” agar haqiqatan ko'p trafik kerak bo'lsa, konsolda tier'ingizni ko'taring.

Ishlab chiqarishda byudjetni nazorat qilish

Demo'dan ishlab chiqarishga o'tganda, narxni "ko'rinadigan" qilish hayotiy muhim. Amaliy ro'yxat:

  1. Konsolda sarflash chegarasini qo'ying. Anthropic konsolida oylik xarajat limitini belgilang β€” kutilmagan xatolik (cheksiz tsikl, hujum) sizni bankrot qilmasin.
  2. Har so'rov narxini log qiling. cost(msg.usage, model) ni har chaqiruvda hisoblang va bazaga/monitoringga yozing (foydalanuvchi ID, model, narx bilan). Keyin "kim/nima eng ko'p sarflaydi?" degan savolga javob bera olasiz.
  3. Spike'larda ogohlantirish. Agar bir foydalanuvchi yoki endpoint kutilmaganda ko'p sarflasa β€” alert oling. Erta payqash β€” arzon tuzatish.
  4. Agressiv keshlang. Takrorlanadigan kontekst bor joyda caching (15-bob) β€” eng oson katta tejash.

Mana har so'rov narxini log qiladigan oddiy o'ram (wrapper):

async function logBilanChaqir(params, { foydalanuvchiId } = {}) {
  const msg = await client.messages.create(params);
  const narx = cost(msg.usage, params.model);

  // Monitoring / bazaga yozish (bu yerda shunchaki konsol)
  console.log(JSON.stringify({
    vaqt: new Date().toISOString(),
    foydalanuvchiId,
    model: params.model,
    input: msg.usage.input_tokens,
    output: msg.usage.output_tokens,
    narx: Number(narx.toFixed(6)),
  }));

  return msg;
}

// Ishlatish β€” har chaqiruv avtomatik log bo'ladi
const javob = await logBilanChaqir(
  {
    model: "claude-opus-4-8",
    max_tokens: 512,
    messages: [{ role: "user", content: "Salom!" }],
  },
  { foydalanuvchiId: "user-42" }
);

Bu oddiy o'ram sizga "har so'rov necha turdi, kim sarfladi" degan to'liq ko'rinish beradi β€” bu ishlab chiqarishda eng muhim odat.

Tuzoqlar va ehtiyotkorlik

Muammo Sabab Yechim
Hisob-faktura kutilmaganda katta Har so'rov narxi kuzatilmagan Har chaqiruvda cost(msg.usage, model) ni log qiling
tiktoken bilan noto'g'ri narx tiktoken β€” OpenAI'niki, Claude'ni kam sanaydi Doim client.messages.countTokens()
O'zbekcha kutilgandan qimmat Lotin bo'lmagan til ko'proq token oladi Taxmin qilmang β€” countTokens bilan o'lchang
Hamma narsa Opus'da Eng kuchli model eng oddiy vazifaga Router: Haiku oddiyga, Opus murakkabga
Chiqish kutilmaganda qimmat max_tokens juda baland yoki javob uzun Kerakli max_tokens; "qisqa javob" ko'rsatmasi
Tez-tez 429 xatosi Rate limit (RPM/ITPM/OTPM) oshib ketgan SDK backoff, navbat, batch (24-bob), tier ko'tarish
Bir xil katta system prompt qayta-qayta Kontekst keshlanmagan Prompt caching (15-bob) β€” 90% gacha tejash
Juda uzun foydalanuvchi kirishi Foydalanuvchi 200 sahifa yopishtirdi countTokens qo'riqchisi bilan oldindan rad eting

Diqqat β€” narxni o'z taxminingiz bilan emas, usage bilan hisoblang. Eng ko'p uchraydigan xato β€” "men taxminan 500 token yubordim" deb o'zingizcha hisoblash. Doim haqiqiy msg.usage (yoki oldindan countTokens) raqamini ishlating. Bu, ayniqsa, o'zbekcha/kod uchun muhim β€” taxmin doim noto'g'ri chiqadi.

Mashqlar

Mashqlarning ba'zilari haqiqiy API kaliti talab qiladi (jonli usage/countTokens), ba'zilari faqat hisoblash (cost()). API kaliti kerak bo'lgan joyni belgilab qo'ydik.

Oson

  1. cost() ni sinab ko'ring. Yuqoridagi NARX jadvali va cost() funksiyasini yozing. cost({ input_tokens: 2000, output_tokens: 1000 }, "claude-opus-4-8") qanchani qaytaradi? Qo'lda ham hisoblab, tekshiring.
  2. Kirish vs chiqish narxi. Bir xil 1000 token kirishda va 1000 token chiqishda Opus 4.8 da narx farqini hisoblang. Nega chiqish qimmatroq ekanini bir jumlada tushuntiring.
  3. usage ni o'qing (API kaliti). Bir oddiy so'rov yuboring va msg.usage ni to'liq log qiling. input_tokens va output_tokens ni cost() ga bering β€” bu so'rov necha sent turdi?

O'rta

  1. countTokens qo'riqchisi (API kaliti). xavfsizChaqiruv(matn) funksiyasini yozing: countTokens bilan kirishni sanasin, agar 50 000 tokendan oshsa throw qilsin, aks holda yuborsin. Uni juda uzun matn bilan sinab ko'ring.
  2. O'zbekcha vs inglizcha token (API kaliti). Bir xil ma'noli promptni o'zbekcha va inglizchada yozing (masalan "Mahsulot tavsifini yoz" / "Write a product description"). Ikkalasini countTokens bilan sanang. Qaysi ko'proq token oldi? Necha foizga?
  3. Modellar narxini solishtirish. Bir xil usage ({ input: 5000, output: 2000 }) uchun cost() ni to'rt model (Haiku, Sonnet, Opus, Fable) bilan hisoblang. Eng arzon va eng qimmat orasidagi farq necha barobar?

Qiyin

  1. Router (API kaliti). Yuqoridagi router(savol) ni yozing: Haiku bilan "oddiy/murakkab" tasniflang, keyin shunga qarab Haiku yoki Opus'ga yuboring. Ikki xil savol bilan sinang (oddiy faktik + murakkab kod) va har biri qaysi modelga ketganini, narxini ko'ring.
  2. Log o'rami (API kaliti). logBilanChaqir(params, { foydalanuvchiId }) o'ramini yozing: har chaqiruvda narx, model, token sonini JSON qilib log qilsin. Uch xil chaqiruv qiling, keyin jami narxni qo'shib chiqaring.
  3. Byudjet qo'riqchisi. cost() va countTokens ni birlashtiring: so'rovdan oldin taxminiy narxni hisoblang (kirish countTokens + max_tokens ni maksimal chiqish deb faraz qilib), va agar bu taxmin $0.10 dan oshsa, foydalanuvchidan tasdiq so'rang (yoki rad eting). Nega bu faqat taxmin ekanini (chiqish odatda max_tokens dan kam bo'ladi) izohda yozing.
Yechimlar

Quyidagi yechimlarda client β€” new Anthropic() (02-bob), cost() va NARX β€” bob ichidagidek. API kaliti kerak bo'lgan yechimlar ANTHROPIC_API_KEY (.env) talab qiladi.

1-mashq yechimi

const NARX = {
  "claude-opus-4-8":   { in: 5,  out: 25 },
  "claude-sonnet-4-6": { in: 3,  out: 15 },
  "claude-haiku-4-5":  { in: 1,  out: 5  },
  "claude-fable-5":    { in: 10, out: 50 },
};

function cost(usage, model) {
  const p = NARX[model];
  const inCost = (usage.input_tokens / 1_000_000) * p.in;
  const outCost = (usage.output_tokens / 1_000_000) * p.out;
  return inCost + outCost;
}

console.log(cost({ input_tokens: 2000, output_tokens: 1000 }, "claude-opus-4-8"));
// 2000/1e6 Γ— 5 + 1000/1e6 Γ— 25 = 0.010 + 0.025 = 0.035  ($0.035)

Qo'lda: kirish $0.010, chiqish $0.025, jami $0.035.

2-mashq yechimi

const faqatKirish = cost({ input_tokens: 1000, output_tokens: 0 }, "claude-opus-4-8");
const faqatChiqish = cost({ input_tokens: 0, output_tokens: 1000 }, "claude-opus-4-8");
console.log(faqatKirish);  // 0.005  ($5/1M)
console.log(faqatChiqish); // 0.025  ($25/1M) β€” 5 barobar qimmat

Chiqish qimmatroq, chunki uni hosil qilish modelga ko'proq hisob-kitob talab qiladi β€” har token oldingilarga qarab birma-bir generatsiya qilinadi.

3-mashq yechimi

const msg = await client.messages.create({
  model: "claude-opus-4-8",
  max_tokens: 256,
  messages: [{ role: "user", content: "2 + 2 necha?" }],
});
console.log(msg.usage);
console.log(`Bu so'rov: $${cost(msg.usage, "claude-opus-4-8").toFixed(6)}`);

usage β€” haqiqiy raqam; cost() ga bersangiz, aniq narx chiqadi (taxmin emas).

4-mashq yechimi

const MAX_KIRISH_TOKEN = 50_000;

async function xavfsizChaqiruv(matn) {
  const { input_tokens } = await client.messages.countTokens({
    model: "claude-opus-4-8",
    messages: [{ role: "user", content: matn }],
  });
  if (input_tokens > MAX_KIRISH_TOKEN) {
    throw new Error(`Kirish juda uzun: ${input_tokens} token (chegara ${MAX_KIRISH_TOKEN}).`);
  }
  return client.messages.create({
    model: "claude-opus-4-8",
    max_tokens: 1024,
    messages: [{ role: "user", content: matn }],
  });
}

// Sinov: juda uzun matn -> throw; qisqa matn -> ishlaydi
try {
  await xavfsizChaqiruv("salom ".repeat(30_000));
} catch (e) {
  console.log("Rad etildi:", e.message);
}

Qo'riqchi qimmat so'rovni yubormasdan to'xtatadi β€” countTokens bepul.

5-mashq yechimi

const uz = await client.messages.countTokens({
  model: "claude-opus-4-8",
  messages: [{ role: "user", content: "Mahsulot tavsifini yoz" }],
});
const en = await client.messages.countTokens({
  model: "claude-opus-4-8",
  messages: [{ role: "user", content: "Write a product description" }],
});
console.log("O'zbekcha:", uz.input_tokens, "Inglizcha:", en.input_tokens);
console.log("Farq:", (((uz.input_tokens - en.input_tokens) / en.input_tokens) * 100).toFixed(0) + "%");

O'zbekcha odatda ko'proq token oladi β€” chunki model asosan inglizchaga moslab tuzilgan. Aynan shu sabab countTokens bilan o'lchash kerak, taxmin qilmaslik.

6-mashq yechimi

const u = { input_tokens: 5000, output_tokens: 2000 };
for (const model of Object.keys(NARX)) {
  console.log(model, "$" + cost(u, model).toFixed(4));
}
// haiku:  5000/1e6Γ—1  + 2000/1e6Γ—5  = 0.005 + 0.010 = $0.0150
// sonnet: 5000/1e6Γ—3  + 2000/1e6Γ—15 = 0.015 + 0.030 = $0.0450
// opus:   5000/1e6Γ—5  + 2000/1e6Γ—25 = 0.025 + 0.050 = $0.0750
// fable:  5000/1e6Γ—10 + 2000/1e6Γ—50 = 0.050 + 0.100 = $0.1500

Fable ($0.15) Haiku ($0.015) dan 10 barobar qimmat β€” bir xil ish uchun. Shuning uchun vazifaga arzon model.

7-mashq yechimi

async function router(savol) {
  const tasnif = await client.messages.create({
    model: "claude-haiku-4-5",
    max_tokens: 16,
    messages: [{
      role: "user",
      content: `Quyidagi savol "oddiy" yoki "murakkab"? Faqat bitta so'z.\n\nSavol: ${savol}`,
    }],
  });
  const turi = tasnif.content[0].text.trim().toLowerCase();
  const model = turi.includes("murakkab") ? "claude-opus-4-8" : "claude-haiku-4-5";

  const javob = await client.messages.create({
    model, max_tokens: 1024,
    messages: [{ role: "user", content: savol }],
  });
  console.log(`Model: ${model} Β· jami: $${(
    cost(tasnif.usage, "claude-haiku-4-5") + cost(javob.usage, model)
  ).toFixed(6)}`);
  return javob;
}

await router("Frantsiya poytaxti?");                    // -> Haiku
await router("Bu rekursiv funksiyani optimallashtir."); // -> Opus

Oddiy savol Haiku'da qoladi β€” Opus narxini to'lamaysiz. Faqat murakkab savollar Opus'ga ko'tariladi.

8-mashq yechimi

let jami = 0;
async function logBilanChaqir(params, { foydalanuvchiId } = {}) {
  const msg = await client.messages.create(params);
  const narx = cost(msg.usage, params.model);
  jami += narx;
  console.log(JSON.stringify({
    foydalanuvchiId, model: params.model,
    input: msg.usage.input_tokens, output: msg.usage.output_tokens,
    narx: Number(narx.toFixed(6)),
  }));
  return msg;
}

await logBilanChaqir({ model: "claude-haiku-4-5", max_tokens: 100, messages: [{ role: "user", content: "Salom" }] }, { foydalanuvchiId: "a" });
await logBilanChaqir({ model: "claude-sonnet-4-6", max_tokens: 100, messages: [{ role: "user", content: "Xulosa qil: ..." }] }, { foydalanuvchiId: "b" });
await logBilanChaqir({ model: "claude-opus-4-8", max_tokens: 100, messages: [{ role: "user", content: "Tahlil qil: ..." }] }, { foydalanuvchiId: "c" });
console.log(`Jami: $${jami.toFixed(6)}`);

Har chaqiruv avtomatik log bo'ladi β€” bu ishlab chiqarishda "kim/nima sarflaydi" ni ko'rishning poydevori.

9-mashq yechimi

async function byudjetQoriqchi(matn, { maxTokens = 1024, chegara = 0.10 } = {}) {
  const { input_tokens } = await client.messages.countTokens({
    model: "claude-opus-4-8",
    messages: [{ role: "user", content: matn }],
  });
  // TAXMINIY narx: kirish aniq, chiqishni maksimal (max_tokens) deb faraz qilamiz.
  // Bu ENG YOMON holat β€” haqiqiy chiqish odatda max_tokens dan KAM bo'ladi,
  // shuning uchun haqiqiy narx bu taxmindan past chiqadi.
  const taxmin = cost({ input_tokens, output_tokens: maxTokens }, "claude-opus-4-8");
  if (taxmin > chegara) {
    throw new Error(`Taxminiy narx $${taxmin.toFixed(4)} > chegara $${chegara}. Tasdiq kerak.`);
  }
  return client.messages.create({
    model: "claude-opus-4-8", max_tokens: maxTokens,
    messages: [{ role: "user", content: matn }],
  });
}

Bu taxmin, chunki chiqishni biz max_tokens (maksimal) deb faraz qildik β€” model odatda undan kam chiqaradi. Ya'ni taxmin "eng yomon holat"; haqiqiy narx undan past bo'ladi. Qo'riqchi sifatida bu xavfsiz: agar eng yomon holat ham chegaradan past bo'lsa, demak so'rov xavfsiz.

Keyingi qadam. Endi siz har chaqiruv narxini ko'ra olasiz: usage dan cost() bilan haqiqiy narx, countTokens bilan oldindan baholash (hech qachon tiktoken emas β€” ayniqsa o'zbekcha/kod uchun), router bilan vazifaga arzon model, va rate limit (429 + retry-after, SDK backoff). Bu β€” pulni boshqarishning poydevori. Keyingi bobda esa eng katta tejash vositasiga o'tamiz: 15 β€” Prompt caching β€” takrorlanadigan katta kontekstni keshlab, uni 90% gacha arzonroq qayta ishlatish. Agar har so'rovda bir xil katta system prompt yoki hujjat yuborsangiz, bu sizning hisobingizni keskin pasaytiradi.

⬅️ Oldingi: 13 β€” AI SDK UI: chat interfeysi Β· 🏠 README Β· Keyingi: 15 β€” Prompt caching ➑️