Output tokens

Output tokens คือ token ทุกตัวที่ model สร้างขึ้นเป็นคำตอบส่งกลับมาหาเรา ต้องเข้าใจก่อนว่า AI ไม่ได้เห็นข้อความเป็นตัวอักษรหรือคำแบบที่คนอ่าน แต่มองเป็นหน่วยย่อยที่เรียกว่า token: สำหรับโมเดลตระกูล Claude หนึ่ง token เทียบได้คร่าวๆ กับตัวอักษรภาษาอังกฤษราว 3.5-4 ตัว หรือประมาณ 0.75 คำ ทุกครั้งที่โมเดลตอบ มันจะสร้างคำตอบออกมาทีละ token ผ่านกระบวนการ inference และจำนวน token ขาออกทั้งหมดนี้เองคือมิเตอร์ที่ผู้ให้บริการใช้คิดเงินฝั่ง "ขาออก" ซึ่งเป็นคนละมิเตอร์กับ input-tokens ที่นับฝั่งข้อมูลขาเข้า

จุดที่คนทำงานยุค AI ต้องรู้คือ output tokens แพงกว่า input tokens มาก: ตามหน้า pricing ของ Claude API ราคาขาออกสูงกว่าขาเข้า 5 เท่าในทุกรุ่น เช่น Claude Opus 5 คิด input $5 ต่อล้าน token แต่ output $25 ต่อล้าน token ส่วนรุ่นเล็กอย่าง Haiku 4.5 คิด $1 กับ $5 ตามลำดับ แปลว่าบิลของเราขึ้นกับ "ความยาวของสิ่งที่ให้ AI เขียน" มากกว่าความยาวของคำสั่งที่เราพิมพ์ไป และมีรายละเอียดที่คนมักไม่รู้อีกข้อ: โหมดคิดก่อนตอบ (thinking) ของโมเดลก็ถูกนับและคิดเงินเป็น output tokens ด้วย แม้บางส่วนเราจะไม่ได้เห็นในคำตอบสุดท้ายก็ตาม

ฝั่งควบคุมต้นทุน API มีเครื่องมือให้ เช่น parameter ชื่อ max_tokens ใช้กำหนดเพดานว่าให้ตอบยาวสุดกี่ token (โมเดลที่มี context-window ขนาด 1 ล้าน token สร้าง output ได้สูงสุด 128k token ต่อหนึ่ง request) และงานที่ไม่รีบสามารถส่งผ่าน Batch API ซึ่งลดราคาทั้ง input และ output ลง 50% อีกเรื่องที่ควรจำคือคำตอบที่สร้างออกมาไม่ได้หายไปไหน: มันจะวนกลับไปเป็นข้อมูลขาเข้าของ turn ถัดไปในบทสนทนา ยิ่งคุยยาว ประวัติที่สะสมก็ยิ่งกินทั้งพื้นที่ context และค่าใช้จ่ายฝั่ง input เพิ่มขึ้นเรื่อยๆ

ตัวอย่างจากบทสนทนาจริง

ถาม: พี่ครับ ผมพิมพ์ prompt สั้นนิดเดียวแค่ "สรุปรายงานฉบับนี้เป็น 20 หน้า" ทำไมบิล API เดือนนี้พุ่งขนาดนี้

ตอบ: เพราะตัวที่แพงไม่ใช่ prompt ที่พิมพ์ แต่เป็น output tokens ที่โมเดลสร้างครับ ราคาฝั่งขาออกแพงกว่าขาเข้า 5 เท่า สั่งให้เขียน 20 หน้าทุกวันก็เท่ากับจ่ายฝั่งแพงเต็มๆ แถมถ้าเปิดโหมด thinking ส่วนที่โมเดลคิดก็นับเป็น output tokens ด้วย ลองกำหนด max_tokens ให้ตอบกระชับลง หรือถ้างานไม่รีบก็ส่งเข้า Batch API ได้ส่วนลดครึ่งราคา

ระวังสับสนกับ

• input-tokens : มิเตอร์ฝั่งตรงข้าม นับทุกอย่างที่เราส่งเข้าไปให้โมเดลอ่าน (system prompt, ประวัติแชท, เอกสารแนบ, tool definitions) ราคาถูกกว่าฝั่ง output ราว 5 เท่า
• cache-tokens : ส่วนลดของฝั่ง input เท่านั้น คือการจ่ายค่าเก็บ prompt เดิมเข้า cache แล้วอ่านซ้ำในราคาราว 10% ของ input ปกติ · ฝั่ง output ไม่มีกลไก cache แบบนี้ ทุก token ที่สร้างใหม่จ่ายเต็มราคาเสมอ