新智元报道

(资料图)

就在刚刚，Anthropic发了一篇博客。

核心信息就是：各位，别再烧冤枉token了，我们都看不下去了！

为此，官方详细列举了六条省钱心法，先贴为敬：

1. 任务做完就/clear。修完一个bug就清掉当前对话，别让上一个任务读过的文件和命令输出拖进下一个任务里，白白占着上下文。

2. 开局就定好模型和推理强度（effort level）。中途切换的话，之前积累的提示缓存会全部失效，整段对话历史要按全价重新计算一遍。

3. 用@引用文件，别手打路径。用@直接把文件附到消息里，Claude不用再花一次工具调用去读。如果你只打文件名，Claude可能先搜一圈再打开好几个文件试探，这些操作全部会进入对话历史，之后每一轮都带着。

4. 给输出多的命令加静默参数（quiet flag）。在CLAUDE.md里写一句类似--reporter=dot的配置，让测试输出只打印几行摘要，不是几百行详情。输出越短，占的上下文越少。

5. /compact在休息前做。对话还在缓存里的时候压缩，成本只有正常的十分之一。等你回来缓存过期了再压，就得按全价重新读一遍再压缩。

6. 大输出任务扔给子Agent。子Agent在一个独立的上下文窗口里运行，做完只把结论传回来，过程中读的文件和跑的命令输出不会进入你的主对话。

一个token的前世今生

用Claude Code干活，API按量走，订阅制月费从20美元到200美元分三档。

根据官方推算，开发者日均消耗13美元token，月均花在150到250美元之间。

这还只是平均水平。同样修一个bug，问法不同，花费能差出好几倍。

而且每一轮对话都在拖着前面所有轮的全部内容重新发送，会话越长，每一轮就越贵。

这些钱花在哪，得从token的计价逻辑说起。

每次你在Claude Code里输入一条指令，背后发生两件事。

第一件叫预填充（prefill），也就是模型一口气读进你的整个请求，包括系统提示词、CLAUDE.md、你的消息，以及之前对话里积累的一切。这些都是输入token。

第二件叫解码（decode），也就是模型一个字一个字往外写的过程，包括它的思考、工具调用和你最终看到的文字。这些都是输出token。

关键区别在这里。

预填充是并行的，一次性把所有输入token过一遍GPU。解码是串行的，每吐一个token都要跑一次模型。200个token的回复，就是200次独立运算。

所以也就不难理解，为什么输出token要比输入token贵5倍了。

在这个基础上，最终账单取决于两件事。

第一是模型，决定每个token的单价。

• Opus 5，输入5美元/百万token，输出25美元。

• Sonnet 5，输入2美元，输出10美元。

• Haiku 4.5，输入1美元，输出5美元。

第二是推理强度，决定token的数量。

一个会话里大部分输出token都是思考token，推理强度控制的就是这个量。推理强度越高，模型想得越久，输出的思考token越多。max和low之间能差好几倍。

简单活用Sonnet，硬骨头才上Opus。牛刀杀鸡的钱，花得最冤。

提示缓存，是最大的省钱利器

token定价里还有一个巨大的变量，就是缓存。

Claude Code的每次请求都从相同的前缀开始，也就是系统提示词、工具定义、CLAUDE.md和对话历史。

如果这次请求的前缀和上次逐字节一样，服务器就不重新算，直接加载上次的计算结果。

缓存读取只要正常输入价的0.1倍，直接省掉90%。

写入缓存贵一点，最高2倍。但写入只发生一次，后面每一轮都享受0.1倍读取。

举个例子。

假设你的对话历史有5万个token。不走缓存的话，每一轮光是重读这5万token就得付全价。但只要命中缓存，同样的5万token只需要花十分之一的钱。

一个会话跑二三十轮，缓存命中攒下来的折扣是天文数字。

这是你最大的薅羊毛杠杆。

但缓存有个致命弱点。它必须从请求的第一个字节开始连续匹配，中间任何地方变了，从那里往后全部作废。

具体来说，一共有六种情况：

1. /model切模型：每个模型的缓存独立。从Sonnet切到Opus，整个对话历史按Opus的价格重新预填充，没有折扣。

2. /effort切推理强度：推理强度也是cache key的一部分，切换之后整个对话历史都要重新计算。

3. 开关Fast mode：效果和前两种一样，缓存直接失效。

4. /compact压缩对话：对话被重写成摘要，原来的内容全部对不上，旧缓存直接作废。

5. 时间过期：订阅用户的缓存保活1小时，API用户默认5分钟。超时后下一轮全量重算。

6. 恢复旧会话：隔了太久缓存早就没了，几乎100%要全价重新计算。

坏消息是，只要中一个就意味着整个对话历史从0.1倍打回原价。

好消息是，当你知道什么会让缓存失效时，就能知道怎么保住它。

比如，会话开头就锁定模型和推理强度，全程不切。不在缓存还热的时候做/compact，等到准备休息的时候再跑。

这里，还有个隐藏坑。

opusplan模式每次进出plan都切模型。进一次，缓存失效一次。出来，又失效一次。来回跳的话，每跳一次都是一笔全价prefill。

你的会话，正在偷偷变胖

缓存帮你把重复发送历史的成本压到十分之一。

但有一件事它帮不了。你的历史本身在一轮一轮地膨胀。

每次Claude读一个文件，文件内容追加到对话里。每次Claude跑一个命令，输出也追加进去。从追加那一轮起，后面每一轮都带着。

第40轮对话在重新发送第1到39轮的全部累积内容。

这种增长，是接近平方级别的O(n²)。

CClaude Code有个兜底机制。

命令输出超过30000字符，就不往对话里塞了，而是写到一个临时文件里，对话里只放一句摘要。但30000以下的输出没人管。

比如一个测试框架跑完，打印400行通过记录，每行几十个字符，总量不到3万，够不上这个阈值。

于是这400行就原封不动地留在了对话历史里，后面每一轮都跟着重新发送一遍。

对此，Anthropic博客里给了几招很实用的瘦身方法。

1. @引用文件。

不要手动输入路径让Claude自己去找。@引用会把文件直接附到消息里，省掉一次读取操作。

你只说文件名的话，Claude可能先grep搜一圈，打开好几个文件看哪个对。然后这些试探就会全部进入对话历史，徒增成本。

2. 给noisy命令加quiet flag。

在CLAUDE.md里写一句「run tests with npx vitest run --reporter=dot」，以后每次跑测试只输出几行点状结果，不是几百行详情。一分钟的配置，以后每个会话省几百行上下文。

3. subagent隔离大输出任务。

subagent在自己独立的上下文窗口里跑，做完只传答案回来，过程中读的文件和命令输出全部丢弃。适合「去翻翻日志有什么异常」「帮我过一遍这个大文件」这种活。你只要结论，不要过程。

还有最重要的一条。

4. /clear切任务。

修完一个bug就/clear，开始下一件事。上一个bug的文件、命令输出、中间探索，全部和下一个任务无关，但如果不清，它们在后面每一轮都占着位置、吃着token。

不想彻底清空的话，/compact可以把对话压成摘要。一万到两万个token能压到一千到三千。

此外，博客里还提了一个冷门但免费的操作，/rewind。

如果最后几轮跑偏了，/rewind直接砍掉那几轮，前面的缓存完全不动。

管token，也是一种开发者素养

上面这些操作拆完，你会发现一个规律。写代码的人正在长出一套新技能。

跟框架和语言没关系，而是知道该选什么模型、怎么管上下文、怎么保住缓存、推理强度开多高合适。

这些能力一年前并不存在。但它现在却决定了你在同一个任务上，是花3美元还是30美元。

Anthropic自己就是最好的例子。

他们80%的代码靠AI写，代码合并量一年翻了8倍，基准测试加速52倍。AI用到这个强度，如果没人管token，光推理成本就能把预算吃穿。

从这个角度看，与其说这篇博客讲的是省钱技巧，不如说是AI时代写代码的人需要长出来的一种新本能——

知道你的每一个操作在消耗什么，知道怎么让同样的预算干出更多的活。

读懂它的人，薅到的不只是几美元的token。

参考资料：

https://claude.com/blog/maximizing-the-value-of-your-claude-code-sessions

编辑：摩西