JOURNAL

36 % dyrere på en bedre model. Skylden er prompten

Anthropic har målt, hvad en prompt skrevet til en ældre model koster, når den flytter med over på en nyere. Og en af deres egne løftestænger gik den forkerte vej.

9. september 2026·12 min læsning·AI · omkostninger · Claude · prompts · drift

„verify twice.“

To ord. De står sandsynligvis et sted i jeres opsætning, fordi nogen skrev dem dengang, modellen skulle holdes i kort snor. Den 8. september offentliggjorde Anthropic, hvad den slags sætninger koster i dag: prompts skrevet til Claude Opus 4.8 kostede 36 procent mere per supportsag på Claude Opus 5, uden at blive et hak mere præcise. At fjerne netop de to ord skar en tredjedel af prisen per sag. Alle tal her er Anthropics egne målinger på deres egen supportopgave.

Én ting med det samme, så ingen læser fire afsnit forgæves. Tallene er målt på systemer, der kalder Claude fra egen kode. Har I kun licenser på claude.ai, findes hverken cache-procenten eller effort-indstillingen hos jer. Mekanismen findes stadig: en sætning skrevet til en ældre model ligger der, hvor jeres prompts nu engang ligger, og den bliver ikke bedre af at blive glemt. Og to af tingene længere nede virker uden en eneste linje kode, den ene af dem på et møde og ikke i koden.

Samme prompt, nyere model, større regning

Anthropic beskriver mekanismen uden omsvøb. Der hober sig tekst op i en prompt, som er skrevet til en model, I ikke bruger længere. Typisk er det en overspecificeret instruktion, der blev tilføjet for at kompensere for en svagere model: „verify twice“, „be maximally thorough“, en obligatorisk trin-for-trin-procedure, en hjemmelavet tænkeblok (scratchpad).

En nyere model følger dem til punkt og prikke. Den tager de ekstra runder, den skriver det ekstra, og regningen stiger. Præcisionen står stille.

To tal må ikke blandes sammen her, og det bliver de tit. De 36 procent er Opus 4.8 målt mod Opus 5 med prompten urørt. De 14 procent, der kommer senere i artiklen, er den reviderede prompt målt mod den ureviderede, begge på Opus 5. Auditten henter altså ikke de 36 procent hjem. Anthropic skriver ingen steder, at den reviderede opsætning på Opus 5 endte billigere end Opus 4.8, og så gør jeg det heller ikke.

En citeret instruktion i et kort, og under den to søjler side om side: Claude Opus 4.8 som udgangspunkt og Claude Opus 5 36 procent højere, med en prik der bevæger sig fra sætningen ned til den høje søjle — Sætningen står stille. Prisen under den gør ikke. Anthropics egen måling på en supportopgave.

En modelopgradering bliver arkiveret som en forbedring. Den kommer ind som noget, der gør systemet bedre, den bliver godkendt af nogen, der har ret i, at modellen er bedre, og bagefter er der ingen, der sætter en gennemgang af prompterne i kalenderen.

En modelopgradering er en prisændring. Den bliver bare aldrig behandlet som en.

Hvad kostede den sætning?

Anthropic har målt de enkelte sletninger, og tallene er usædvanligt konkrete for den slags.

At fjerne „verify twice“ skar en tredjedel af prisen per sag på Opus 5. At fjerne „be maximally thorough“ skar næsten lige så meget. Det er instruktioner, den nye model følger for bogstaveligt.

Så er der den anden slags, som ikke koster penge, men præcision: en udgået thinking-indstilling, modstridende regler, og en hjemmelavet tænkeblok, der arbejder imod modellens egen tankegang. Hver af dem gav mellem 7 og 11 procentpoint tilbage på Opus 5, da de blev fjernet.

To grupper af instruktioner sat med gennemstregning, med Anthropics målte effekt af at fjerne hver enkelt anført ved siden af — De navngivne sletninger og hvad hver enkelt gav igen. Anthropics egne tal, målt på Claude Opus 5.

Anthropic viser selv, hvordan en rettelse ser ud i praksis. Før: „Efter enhver refusion eller eskalering skal du dobbelttjekke, før du sender: hent ordren igen, kontroller hvert tal i dit svar mod det nye opslag, og gennemgå svaret en ekstra gang for fejl.“ Efter: „Før du sender en refusion eller en eskalering, hent ordren igen og bekræft, at hvert tal i dit svar stemmer med det nye opslag.“

Samme kontrol. Ét gennemløb i stedet for to.

Selve auditten er en kommando i Claude Code, /claude-api prompt-audit, som læser et projekts prompts og forespørgselskode igennem og rapporterer, hvad der er skrevet til en anden model. Det er ikke noget, en ikke-udvikler sætter i gang over frokosten. Til gengæld kan man lede efter det samme i hånden, og listen ovenfor er hele listen.

Spørg efter jeres egen cache-procent

Cachen er den klart største løftestang i hele materialet, med god afstand ned til den næste. Anthropic skriver, at den skar prisen på agent-løkker med en faktor mellem 2,7 og 5,3 på deres benchmarks, og at en lille triage-agent blev 83 procent billigere, 88 procent hvis input også blev trimmet.

Det tal, I kan bruge til noget, er et andet, og I kan skaffe det selv. Over et helt døgn med rigtig trafik læste agent-løkker i gennemsnit 84 procent af deres input fra cachen, og den øverste tiendedel af opsætninger læste 94 procent eller mere, uanset om de kodede eller ej.

Det er en målestok. En driftsansvarlig kan stille spørgsmålet uden en eneste linje kode og selv vurdere svaret: hvad er vores cache-procent, og hvorfor ligger den under 84? Tallet står i Claude Console.

En vandret bjælke der viser et døgns agent-trafik, hvor 84 procent er markeret som læst fra cache og resten som betalt fuld pris, med et mærke ved 94 procent og en markør der bevæger sig langs bjælken — Medianen og den øverste tiendedel er Anthropics tal. Markøren er jeres eget tal, og det står i Claude Console.

Jeg har skrevet om cachen før, dengang Fable 5.1 landede, og der handlede det om prisen på en cache-læsning, når man vælger model. Det er et andet tal og en anden beslutning. Her handler det om den procent, jeres kørende system rammer i dag.

Under den procent ligger en håndfuld indstillinger, som ikke må være noget, I bare sætter og så ikke kigger på igen. Cachens levetid er den tydeligste. Anthropic anbefaler den lange levetid på en time, når omkring hver tyvende forespørgsel kommer efter en pause på mellem fem minutter og en time. Uden de pauser kostede standardlevetiden på fem minutter 15 procent mindre end timesvarianten på Sonnet 5 og 11 procent mindre på Opus 5. Den længste cache er altså den dyreste, hvis I ikke holder pauser.

Effort-indstillingen hører hjemme i samme kategori. På Anthropics benchmarks for forskning og videnarbejde er kurven næsten flad: lav effort kostede 1 til 3 point præcision og sparede mellem en tredjedel og halvdelen af prisen. På lange kodeopgaver er kurven ikke flad. Der kostede lav effort omkring 8 point for at spare tre fjerdedele af prisen, og Anthropic kalder det selv en reel afvejning. Samme indstilling, to helt forskellige regnestykker.

Én af løftestængerne kostede 74 procent mere

Og så er der den række på Anthropics egen side, som ingen leverandør skriver med store bogstaver.

Context editing og compaction, altså det at rydde op i samtalen undervejs, sparede ingenting på en kørsel med 20 sager. De kostede 74 procent mere. På en længere kørsel sparede context editing 39 procent og compaction 32 procent. Det er den samme løftestang med modsat fortegn, og forskellen er, hvor lang kørslen er.

To søjler fra en fælles nullinje, hvor den ene går opad med 74 procent og er markeret som kostede mere, og den anden går nedad med 39 og 32 procent og er markeret som sparede — Samme løftestang, to kørsler, modsat fortegn. Anthropics egne tal.

Den ene række ændrer, hvad hele listen er. En liste, hvor et af punkterne kan koste 74 procent mere, er en samling væddemål på jeres eget arbejde. Nogen skal måle, før nogen ændrer noget.

Det gælder også de tal, der ser bedst ud. Alle sammen er målt på Anthropics egne benchmarks: en supportopgave, DeepResearch Bench II, SWE-bench Pro, LegalBench, tau2-bench, CursorBench, Humanity's Last Exam. Ingen af dem er jeres arbejde. Retningen kan I regne med, men størrelsen skal I måle jer frem til på jeres eget arbejde. I får ikke 36 procent, bare fordi Anthropic gjorde.

To ting virker uden en eneste linje kode

To resultater i materialet kræver hverken en udvikler eller en ændring i koden.

Batch API koster det halve per token, også for de tokens, der læses fra cachen. Til gengæld kan svaret være op til 24 timer undervejs. Beslutningen er en driftsbeslutning: hvad af jeres arbejde skal faktisk svares på med det samme? Natlige opsummeringer, klassificering af en indbakke, oprydning i et datasæt. Meget af det, der i dag kører synkront, behøver ikke gøre det. Batch API er ikke tilgængeligt for Claude Managed Agents-sessioner.

Måden, data afleveres på, er den anden. Anthropic målte den samme datafil to gange. Én gang klistret ind i prompten, én gang uploadet og læst med kodeudførelse. Klistret ind: 6 af 25 rigtige, 5,01 dollar. Uploadet: 25 af 25 rigtige, 0,40 dollar. Prisen og præcisionen flyttede sig samme vej, hvilket de sjældent gør.

To kort side om side: Batch API med det halve per token mod svar inden for 24 timer, og kodeudførelse med 6 af 25 rigtige mod 25 af 25 rigtige for den samme opgave — De to løftestænger, der ikke kræver kode. Anthropics egne tal, målt på deres egne opgaver.

Begge dele er beslutninger om, hvordan arbejdet er skruet sammen, og ikke om hvordan koden er skrevet. Det er den slags, en ejer eller en driftsansvarlig kan tage stilling til på et møde.

Én supportafdeling, hele vejen igennem

Det bliver nemmest at se, hvis man følger én opgave hele vejen. Anthropic beskriver den to steder, og de to beskrivelser lader sig ikke lægge sammen til én kørsel med ét fælles udgangspunkt, så jeg holder dem adskilt.

I dokumentationen: prompts skrevet til Opus 4.8 kostede 36 procent mere per sag på Opus 5, uden ændring i præcision. Efter auditten blev de samme prompts på Opus 5 14 procent billigere end den ureviderede udgave, og mere præcise: 97 procent af sagerne mod 92. Anthropic skriver selv, at springet er større end støjen. Ved migreringen fra Sonnet 4.6 til Sonnet 5 tog auditten 14 procent af prisen ved uændret præcision.

I blogindlægget fra 8. september: på Sonnet 5 med lav effort endte den samme opgave på 1 cent per sag. Præcisionen var 98,9 procent, og 90,5 procent på den tilbageholdte test mod 78,6 procent i udgangspunktet. Omtrent en femtedel af den oprindelige pris.

En tabel over fire opsætninger af den samme supportopgave med pris og præcision for hver, og et mærke på hver række der viser om tallet står i dokumentationen eller i blogindlægget — Fire opsætninger af den samme opgave. Mærket til højre viser, hvilken af Anthropics to sider hvert tal står på.

Læg mærke til rækkefølgen af beslutninger. Prompten blev læst, og derefter blev modellen valgt. Havde de byttet om, ville de have valgt model på et grundlag, der var 36 procent forkert.

Regningen har ingen ejer

Her er den del, jeg oftest støder på. Den handler om, hvem der har ansvaret.

I en virksomhed med 20 til 200 ansatte er de tre ting sjældent fordelt på tre personer. Cachen, ordlyden i prompten og modelvalget sidder som regel hos den samme, og det er ofte den eneste, der har bygget noget. Problemet er, at ingen nogensinde har bedt den person om et tal.

Fakturaen lander et andet sted, hos en, der kan se totalen og ikke ved, hvad han eller hun skal spørge om. Så ligger den dyreste løftestang i huset urørt endnu et kvartal. Ingen har besluttet det. Der står bare ikke noget navn på den. Det er som regel dér, jeg bliver hentet ind som AI konsulent: ikke for at vælge model, men for at sætte navn på de tre tal.

Tre spørgsmål at stille. De kan alle tre besvares på en eftermiddag.

Hvad er vores cache-procent lige nu? Den står i Claude Console. Hold den op mod 84.

Hvornår blev vores prompts sidst gennemgået, og hvilken model var de skrevet til? Datoen er svaret. Modelnavnet er pointen.

Hvad kostede en færdig opgave før og efter vores sidste modelskifte? Regn det per færdig opgave, ikke per token.

Og så er der den gennemgang, ingen får sat i kalenderen. Næste gang I skifter model, skifter de gamle instruktioner fortegn samme dag. Sæt gennemgangen i kalenderen hos den, der får fakturaen, og gør den til en betingelse for skiftet frem for en oprydning bagefter.

Hvordan holder jeg AI-omkostninger lave?

Kort svar: ved at måle tre tal, før I ændrer noget, og ved at læse de prompts, I allerede betaler for. Cache-procenten, datoen for den sidste promptgennemgang og prisen per færdig opgave før og efter sidste modelskifte afgør tilsammen langt mere end selve modelvalget. AI-omkostninger falder, når nogen ejer de tre tal.

Det er den gennemgang, jeg laver som AI konsulent for danske virksomheder med 20 til 200 ansatte. Jeg læser jeres prompts igennem, holder dem op mod den model, I faktisk kører på, og finder de sætninger, der er skrevet til en model, I ikke bruger længere. Skal nogen blive ved med at eje de tre tal bagefter, er det arbejdet i en ekstern AI-lead på abonnement. Det er i praksis det samme som at være konsulent til opsætning af kunstig intelligens: nogen skal sætte tingene op, og nogen skal blive ved med at kigge på tallene bagefter. Claude-implementering og automatisering af arbejdsgange med AI hører hjemme det samme sted, når regningen først er under kontrol.

FAQ

Ofte stillede spørgsmål

Mål tre tal, før I ændrer noget: jeres cache-procent, datoen for den sidste promptgennemgang og prisen per færdig opgave før og efter sidste modelskifte. Anthropics egne målinger peger på, at gamle prompts og en lav cache-procent betyder mere for regningen end selve modelvalget. AI-omkostninger falder, når nogen ejer de tre tal.

Fordi prompten fulgte med uændret. Anthropic målte, at prompts skrevet til Claude Opus 4.8 kostede 36 procent mere per supportsag på Claude Opus 5 uden at blive mere præcise. Instruktioner som „verify twice“ blev skrevet for at kompensere for en svagere model, og en nyere model gør præcis, som der står.

En gennemgang af de prompts, et system kører på, holdt op mod den model, det faktisk bruger nu. Anthropic har lagt den i en kommando i Claude Code, `/claude-api prompt-audit`, der læser prompts og forespørgselskode igennem og rapporterer, hvad der er skrevet til en anden model. Den kan også laves i hånden, fordi listen over ting at kigge efter er kort.

Anthropic målte over et helt døgn med rigtig trafik, at agent-løkker i gennemsnit læste 84 procent af deres input fra cachen, og at den øverste tiendedel læste 94 procent eller mere. Jeres eget tal står i Claude Console, og 84 er den median, I kan holde det op mod.

To af Anthropics resultater kræver ingen kode. Batch API koster det halve per token på alt arbejde, der må vente op til 24 timer. Og at aflevere en datafil som upload frem for at klistre den ind i prompten flyttede i deres måling en opgave fra 6 rigtige af 25 til 25 af 25, og prisen fra 5,01 til 0,40 dollar.

Brug retningen. Regn størrelsen ud på jeres eget arbejde. Hvert eneste tal er Anthropics egen måling på Anthropics egne benchmarks, og en af løftestængerne gik den forkerte vej på en kort kørsel: context editing og compaction sparede ingenting og kostede 74 procent mere på en kørsel med 20 sager.

Én navngiven person, og helst den samme, som kan svare på de tre tal. I virksomheder med 20 til 200 ansatte sidder cachen, prompten og modelvalget typisk hos den samme medarbejder, mens fakturaen lander hos en anden. Det er den afstand, der gør, at den billigste rettelse bliver liggende.