Claude 청구서 해부학

매 invoice의 라인 여섯

Claude 청구서가 'tokens × price'보다 더 많은 라인 가져. 호출당 지불 — input 토큰, output 토큰, cache write 토큰(cache_control 썼으면), cache read 토큰(hit 났으면), tool invocation 토큰(서버 도구), 이미지 토큰(dimension에서 계산). 각 rate 다름; 라인 레벨 플래닝이 surprise 방지.

Dominant 라인 찾기

챗 워크로드면 output 토큰이 자주 dominate(긴 답). RAG-stuffing 워크로드면 input 토큰 dominate. 반복 컨텍스트 + caching이면 cache read dominate(싸고) cache write 드물어. 어느 라인 dominate하는지 알면 다음 절약 달러가 어디서 나올지 알아.

청구서당 X, 기능당 추적

Anthropic Console이 org-level 청구 보여. 어느 기능이 비용 driving하는지 알려면 매 호출에 feature 라벨 태그하고 직접 aggregate. cwkPippa는 호출당 feature: 'chat' | 'heartbeat-weather' | 'council' 로깅하고 JSONL에서 per-feature 비용 계산 — 청구서가 가족 예산 미팅에 explainable.

원칙: 청구서는 모양 가져. Dominant 라인 찾고, 그거 optimize, 나머지 무시.

Code

Per-call 비용 계산기·python

# Anthropic 가격 페이지의 rate (백만 토큰당 USD) — 배포 전 verify.
RATES = {
    "claude-sonnet-4-6": {
        "input": 3.00,
        "output": 15.00,
        "cache_write": 3.75,
        "cache_read": 0.30,
    },
    "claude-haiku-4-5-20251001": {
        "input": 1.00,
        "output": 5.00,
        "cache_write": 1.25,
        "cache_read": 0.10,
    },
}

def cost(usage, model: str) -> float:
    r = RATES[model]
    return (
        (usage.input_tokens / 1_000_000) * r["input"]
        + (usage.output_tokens / 1_000_000) * r["output"]
        + (usage.cache_creation_input_tokens / 1_000_000) * r["cache_write"]
        + (usage.cache_read_input_tokens / 1_000_000) * r["cache_read"]
    )

Feature 태깅과 aggregation·python

import json, time

def log_call(feature: str, model: str, usage, log_path: str):
    line = {
        "ts": time.time(),
        "feature": feature,
        "model": model,
        "input": usage.input_tokens,
        "output": usage.output_tokens,
        "cache_write": usage.cache_creation_input_tokens,
        "cache_read": usage.cache_read_input_tokens,
        "cost_usd": cost(usage, model),
    }
    with open(log_path, "a") as f:
        f.write(json.dumps(line) + "\n")

매 invoice의 라인 여섯

Dominant 라인 찾기

청구서당 X, 기능당 추적

Code

External links

Exercise

Progress

댓글 0