Claude API เริ่มคิดเงินคำขอที่ถูกปฏิเสธก่อนตอบสักคำ — เฉพาะหมวด bio, frontier_llm และ reasoning_extraction ทั้งที่เอกสารยอมรับว่างาน ML ปกติก็โดนได้

Anthropic เพิ่มบรรทัดใหม่ใน release notes ของ Claude Platform ลงวันที่ 24 ก.ย. 2026 ว่าจะ คิดเงินคำขอที่ถูกปฏิเสธตั้งแต่ก่อนตอบ (refusal before any output) หาก stop_details.category เป็นหนึ่งในสามหมวด คือ "bio", "frontier_llm" หรือ "reasoning_extraction" คำขอเหล่านี้ “charged like any other request, at the rates of the model that ran it” หรือคิดตามอัตราปกติของโมเดลที่รันคำขอนั้น และมีผลกับทุกแพลตฟอร์ม ทั้ง Claude API, Amazon Bedrock, Claude Platform on AWS, Google Cloud และ Microsoft Foundry

ข่าวนี้เป็นเรื่องของนักพัฒนาโดยตรง เพราะหนึ่งวันก่อนหน้านั้นเอกสารยังเขียนไว้ตรงกันข้าม สำเนาใน Internet Archive วันที่ 23 ก.ย. ระบุว่า “You are not billed for a refusal that arrives before any output. content is empty, and token counts appear in usage but are not charged.” ส่วนเอกสารฉบับปัจจุบันยอมรับเองว่าหมวดที่เริ่มคิดเงินหมวดหนึ่งอาจถูกเรียกจากงาน machine learning ปกติได้

อะไรคิดเงิน อะไรยังฟรี

ตารางหมวดการปฏิเสธในหน้า Refusals and fallback มีคอลัมน์ใหม่ชื่อ “Billed before any output” ดังนี้

category	ความหมายตามเอกสาร	คิดเงินเมื่อปฏิเสธก่อนตอบ
cyber	คำขอที่อาจช่วยสร้างมัลแวร์หรือ exploit (งาน security ปกติก็โดนได้)	ไม่
bio	คำขอที่อาจก่ออันตรายทางชีวภาพ (งานวิทยาศาสตร์ชีวภาพปกติก็โดนได้)	คิด
frontier_llm	คำขอที่อาจช่วยพัฒนาโมเดลคู่แข่ง ซึ่ง commercial terms ห้ามไว้ — “Benign machine learning work can also trigger this category.”	คิด
reasoning_extraction	ขอให้โมเดลคัดลอก reasoning ภายในออกมาในข้อความตอบ	คิด
general_harms	นโยบายด้านอื่นนอกเหนือสี่หมวดข้างต้น	ไม่

ถ้าการปฏิเสธไม่เข้าหมวดใดเลย (category เป็น null) ก็ไม่คิดเงิน แต่ทุกกรณียัง นับรวมใน rate limit ส่วนการปฏิเสธกลางสตรีม (mid-stream) หลังจากโมเดลตอบไปบ้างแล้วนั้นคิดเงินมาตั้งแต่ก่อนการเปลี่ยนแปลงนี้

เหตุผลที่ Anthropic ให้ และสิ่งที่เปลี่ยนเรื่อง fallback

เอกสารให้เหตุผลว่าทำเพื่อ “disrupt attempts to circumvent Anthropic’s safeguards at scale” คือเพิ่มต้นทุนให้คนที่ยิงคำขอจำนวนมากเพื่อหาช่องหลบ safeguard และเลือกสามหมวดนี้เพราะเป็นหมวดที่ Anthropic วัดได้ว่ามี false positive ต่ำ “as of September 2026” เอกสารยังเขียนไว้ด้วยว่า “The billed categories may change” แปลว่ารายชื่อหมวดอาจเปลี่ยนได้อีก

สำหรับคนที่ใช้ fallback (ให้คำขอที่ถูกปฏิเสธสลับไปรันบนโมเดลอื่นอัตโนมัติ) การปฏิเสธต้นทางที่อยู่ในหมวดคิดเงินจะถูกคิดเงิน บวกกับ คำขอ fallback ด้วย ส่วน fallback credit ยังชดเชยค่า prompt cache miss ของคำขอ fallback เหมือนเดิม ถ้าใช้ server-side fallback ให้ดูยอดที่ถูกเรียกเก็บของแต่ละรอบใน usage.iterations

Claude Code 2.1.282 ที่ออกวันเดียวกันก็อัปเดตสกิล claude-api ในตัวให้ลิงก์ไปที่เอกสารเรื่องการคิดเงินนี้แล้ว

คำนวณให้เห็นภาพ

การปฏิเสธก่อนตอบไม่มี output token ค่าใช้จ่ายจึงมาจาก input token เกือบทั้งหมด งานที่ส่งบริบทยาวจึงโดนหนัก เช่น prompt 200,000 โทเคนบน Claude Opus 5.5 ที่ราคา $4 ต่อล้านโทเคน input จะเสียราว $0.80 ต่อการปฏิเสธหนึ่งครั้ง โดยไม่ได้ผลลัพธ์อะไรกลับมาเลย ถ้า pipeline ประมวลผลแบบ batch แล้วโดนปฏิเสธซ้ำหลายร้อยครั้ง ยอดเงินก็เพิ่มเร็ว

สิ่งที่ควรทำตอนนี้:

1. log ค่า stop_details.category ทุกครั้งที่ stop_reason เป็น refusal ถ้ายังไม่เคยเก็บ ตอนนี้ถึงเวลาแล้ว
2. ตรวจ prompt ที่ขอให้โมเดล “เขียนความคิดออกมา” ในข้อความตอบ เอกสารแนะนำให้ใช้ adaptive thinking ถ้าต้องการ reasoning แบบมีโครงสร้าง แทนการสั่งให้โมเดลพิมพ์ออกมาเอง
3. ตั้งเพดาน retry อย่าวนส่งคำขอเดิมที่ถูกปฏิเสธด้วยหมวดคิดเงินซ้ำแบบไม่จำกัด

มุมมอง AI Curator

เหตุผลเรื่องการป้องกันการ probe safeguard ในระดับใหญ่ฟังขึ้น เพราะถ้าการลองผิดลองถูกไม่มีต้นทุน คนที่ตั้งใจเจาะก็ยิงได้ไม่อั้น แต่ปัญหาคือ ความเสี่ยงจาก false positive ถูกย้ายมาให้ลูกค้ารับ และในหมวด frontier_llm เอกสารก็ยอมรับเองว่างาน ML ปกติถูกจับได้ สำหรับนักพัฒนาไทย กลุ่มที่ควรระวังคือทีมที่ใช้ Claude ช่วยเขียนโค้ดเทรน fine-tune โมเดลภาษาไทย สร้างชุดข้อมูลสังเคราะห์ หรือทำ eval ให้โมเดลของตัวเอง งานเหล่านี้ชอบธรรม แต่ดูจากภายนอกอาจคล้าย “ช่วยพัฒนาโมเดลคู่แข่ง” ได้

สิ่งที่น่าสังเกตคือวิธีสื่อสาร การเปลี่ยนจาก “ไม่คิดเงิน” เป็น “คิดเงิน” เกิดขึ้นผ่านการแก้เอกสารและ release note บรรทัดเดียว โดยไม่มีช่วงแจ้งล่วงหน้า และ “false positive ต่ำ” ก็เป็นตัวเลขที่ Anthropic วัดเองโดยไม่เปิดเผยตัวเลข ผู้ใช้จึงตรวจสอบไม่ได้ เราคิดว่าผู้ให้บริการ API ควรเปิดเผยอัตรา false positive ของแต่ละหมวด หรืออย่างน้อยมีช่องทางขอเงินคืนเมื่อถูกปฏิเสธผิด ถ้าต้องการให้การคิดเงินลักษณะนี้เป็นธรรม

ในระยะยาว เรื่องนี้เป็นอีกเหตุผลที่ควร ออกแบบระบบให้สลับโมเดลได้ งานที่เสี่ยงโดนหมวด frontier_llm เป็นประจำ เช่น การสร้างข้อมูลเทรน อาจเหมาะกับโมเดล open-weight ที่รันเองมากกว่า ทั้งด้วยเหตุผลด้านต้นทุนและเงื่อนไขการใช้งาน

แหล่งข่าว

• Claude Platform release notes — September 24, 2026
• How refusals are billed — Refusals and fallback (Claude Docs)
• สำเนาหน้าเอกสารก่อนการเปลี่ยนแปลง (Internet Archive, 23 ก.ย. 2026)
• Claude Code v2.1.282 release notes (GitHub)