Anthropic 发布了一篇新博客，主题很直接：别再把 Claude Code 的 token 成本白白烧掉。
这篇文章把 Claude Code 的计费逻辑、缓存机制和上下文膨胀问题拆开讲清楚，并给出 6 条官方省钱建议，目标是让开发者在同样任务下少花一些 token。
Anthropic列出的6条省钱建议
Anthropic 在博客中先给出 6 条做法：
- 任务做完就执行 /clear。修完一个 bug 后清掉当前对话，避免上一个任务读过的文件和命令输出继续留在后续上下文里。
- 会话一开始就确定模型和推理强度（effort level）。中途切换会让之前积累的提示缓存失效，整段对话历史需要按全价重新计算。
- 用 @ 引用文件，不要手动输入路径。这样可以把文件直接附到消息里，减少 Claude 为查找文件而执行额外工具调用的机会。
- 给高输出命令加 quiet flag。Anthropic 提到，可以在 CLAUDE.md 中加入类似 --reporter=dot 的配置，让测试输出变成几行摘要，而不是几百行详情。
- 在休息前执行 /compact。如果对话仍在缓存期内，压缩成本只有正常值的十分之一；等缓存过期后再压缩，就要按全价重读一遍再处理。
- 把大输出任务交给子 Agent。子 Agent 在独立上下文窗口里运行，完成后只把结果传回主对话，中间读取的文件和命令输出不会进入主上下文。
Claude Code的费用从哪里来
按照文中介绍，Claude Code 既可以按 API 用量计费，也有订阅制，月费分为 3 档，从 20 美元到 200 美元。
Anthropic 的测算显示，开发者日均消耗约 13 美元 token，月均支出在 150 美元到 250 美元之间。不过文章也强调，即便是修同一个 bug，提问方式不同，花费也可能相差数倍。
原因之一是，会话每进行一轮，前面所有轮次的内容都会被重新发送。会话越长，每一轮越贵。
输入token和输出token的差别
Anthropic 把一次请求拆成两个阶段。
第一步是预填充（prefill），也就是模型读取完整请求，包括系统提示词、CLAUDE.md、用户消息，以及之前对话里积累的全部内容。这部分属于输入 token。
第二步是解码（decode），也就是模型逐个生成 token 的过程，其中包括思考内容、工具调用和最终输出文字。这部分属于输出 token。
文中指出，两者的计算方式并不一样。预填充是并行完成的，一次性让 GPU 处理所有输入 token；解码则是串行的，每生成 1 个 token 都要再跑一次模型。以 200 个 token 的回复为例，对应的是 200 次独立运算。
这也是为什么输出 token 的价格会比输入 token 高 5 倍。
模型单价与推理强度共同决定账单
博客给出了几组模型价格：
- Opus 5：输入 5 美元 / 百万 token，输出 25 美元 / 百万 token
- Sonnet 5：输入 2 美元 / 百万 token，输出 10 美元 / 百万 token
- Haiku 4.5：输入 1 美元 / 百万 token，输出 5 美元 / 百万 token
除了模型单价，另一项变量是推理强度。Anthropic 表示，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一部分的数量。强度越高，模型思考越久，输出的思考 token 越多；max 和 low 之间的差距可能达到数倍。
博客给出的建议是，简单任务使用 Sonnet，难度高的任务再切到 Opus，避免为不需要的能力支付更高成本。
提示缓存是成本控制中的关键变量
Anthropic 认为，token 定价体系里另一个影响极大的因素是缓存。
Claude Code 的请求通常都以相同前缀开头，包括系统提示词、工具定义、CLAUDE.md 和对话历史。如果这次请求的前缀与上次逐字节一致，服务器就不需要重新计算，而是直接读取上次的计算结果。
文中给出的数字是：缓存读取的价格只相当于正常输入价格的 0.1 倍，可节省 90%；缓存写入价格更高，最高可达 2 倍，但写入只发生一次，之后每一轮都可以按 0.1 倍读取。
Anthropic 用一个例子说明这个差异。假设某段对话历史达到 5 万个 token，如果不走缓存，每一轮都要按全价重新读取这 5 万个 token；如果命中缓存，同样的 5 万个 token 只需要十分之一的成本。对一个持续 20 轮或 30 轮的会话来说，累计差距会非常大。
6种会让缓存失效的情况
不过，缓存有一个限制：它要求从请求的第一个字节开始连续匹配。只要中间有一处变化，从变化位置开始，后续缓存都会失效。
Anthropic 列出 6 种常见情况：
- /model 切换模型。每个模型的缓存相互独立，从 Sonnet 切到 Opus 后，整段历史要按 Opus 的价格重新预填充。
- /effort 切换推理强度。推理强度本身也是 cache key 的一部分，切换后整段历史都要重新计算。
- 开关 Fast mode。效果与前两种类似，会直接导致缓存失效。
- /compact 压缩对话。因为对话内容被改写成摘要，旧内容无法继续匹配。
- 时间过期。订阅用户缓存保活 1 小时，API 用户默认只有 5 分钟，超时后下一轮要全量重算。
- 恢复旧会话。间隔太久后，缓存大概率已经不存在，重新进入通常要按全价计算。
博客的建议是，在会话开始时就锁定模型和推理强度，整个任务过程中尽量不要切换；/compact 则尽量放到准备离开之前执行。
文章还特别提到一个隐藏成本：opusplan 模式会在进入和退出 plan 时切换模型。每切换一次，就会触发一次缓存失效，也就多出一笔全价 prefill 成本。
上下文会持续膨胀，成本接近O(n²)
缓存可以降低重复发送历史的价格，但解决不了另一件事：对话历史本身会越来越大。
Anthropic 解释说，每次 Claude 读取一个文件，文件内容会被追加进对话；每次运行一个命令，命令输出也会进入对话历史。从加入那一轮开始，这些内容会在后续每一轮中继续被重新发送。
这意味着，到第 40 轮时，会话实际上要再次发送第 1 轮到第 39 轮累计下来的全部内容。文章把这种增长描述为接近平方级别的 O(n²)。
Claude Code 设有一个兜底机制：如果命令输出超过 30000 个字符，就不会直接塞进对话，而是写入临时文件，只在对话里保留一句摘要。但 30000 字符以下的输出不会被自动处理。
文中举例说，一个测试框架执行后打印 400 行通过记录，每行几十个字符，总量可能不到 3 万，因此无法触发这个阈值。这 400 行会完整保留在对话历史中，并在后续轮次反复发送。
Anthropic给出的上下文瘦身方法
围绕上下文膨胀，Anthropic 在博客里又给出几种更细的做法。
@引用文件
与其手动输入路径让 Claude 自己查找，不如直接用 @ 引用文件。这样可以避免 Claude 先用 grep 搜索、再打开多个文件逐一确认；这些搜索和试探一旦发生，都会进入对话历史，增加成本。
给高噪声命令加 quiet flag
博客举例称，可以在 CLAUDE.md 中写入「run tests with npx vitest run <file> --reporter=dot」，让测试命令只输出几行点状结果，而不是几百行详细日志。一次简单配置，后续每个会话都可以减少数百行上下文。
用subagent隔离高输出任务
subagent 在独立上下文窗口中执行任务，结束后只把结果带回主会话，过程中读取的大文件或冗长命令输出不会进入主对话。Anthropic 给出的适用场景包括检查日志异常、浏览大文件等任务，用户只需要结论，不需要完整过程。
任务切换时执行/clear
Anthropic 把 /clear 放在很重要的位置。修完一个 bug 后就清空当前任务相关内容，上一个 bug 的文件、命令输出和中间探索过程如果继续留在上下文里，后面每一轮都会继续占用 token。
如果不想完全清空，也可以使用 /compact。博客提到，一段 10000 到 20000 个 token 的对话，可以被压缩到 1000 到 3000 个 token。
/rewind可以删除跑偏的几轮
博客还提到一个相对冷门但不额外收费的命令 /rewind。如果最后几轮对话跑偏，可以直接删掉这些轮次，而前面的缓存不受影响。
Anthropic把Token管理视为新的开发能力
文章最后把这些技巧归结为一类新的开发者能力：不是框架或编程语言本身，而是知道该选什么模型、怎样管理上下文、如何保住缓存，以及把推理强度开到什么程度。
Anthropic 认为，这类能力在一年前并不存在，但现在已经会影响同一个任务究竟花 3 美元还是 30 美元。
文中还提到，Anthropic 自身有 80% 的代码依靠 AI 编写，代码合并量一年增长 8 倍，基准测试加速 52 倍。在这种使用强度下，如果不控制 token 成本，推理开销会迅速侵蚀预算。
从 Anthropic 这篇博客的表述看，它讨论的不只是几条省钱技巧，而是 AI 编程环境下的一套日常操作习惯：开发者需要知道每一步操作消耗了什么，以及如何让同样的预算完成更多工作。
参考资料为 Anthropic 博客《maximizing the value of your claude code sessions》；本文源自微信公众号「新智元」，作者为「ASI启示录」，MarsBit 编辑署名为「摩西」。