Anthropic官方支招：读懂token计费与缓存，少花冤枉钱

Anthropic 近日在其官网博客发布长文，系统拆解了 Claude Code 的 token 计费原理、缓存机制以及对话历史膨胀问题，并给出六条具体的省钱习惯。文章披露的数据显示，开发者日均消耗约 13 美元的 token，月均花费在 150 到 250 美元之间，同一任务仅因使用方式不同便可能产生数倍的成本差距。

token 的两段旅程：预填充与解码

在 Claude Code 中输入一条指令后，模型端实际发生两件事。

第一是「预填充（prefill）」：模型一次性并行读入整段请求，包括系统提示词、CLAUDE.md、用户消息以及此前对话中累积的所有内容，这部分构成输入 token。

第二是「解码（decode）」：模型逐字生成回复，包括思考过程、工具调用和最终呈现的文本，这部分构成输出 token。

两者在算力消耗上差异显著。预填充是并行的，一次性把全部输入 token 送入 GPU；解码则是串行的，每生成一个 token 都要完整跑一遍模型。200 个 token 的回复，意味着 200 次独立运算。也正因如此，输出 token 的单价通常是输入 token 的 5 倍。

以官方公布的价目为例：

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，输出 10 美元
Haiku 4.5：输入 1 美元，输出 5 美元

账单最终取决于两个变量：模型决定单价，推理强度（effort level）决定 token 数量。推理强度越高，模型思考越充分，产生的思考 token 也越多，最高与最低档之间相差数倍。

提示缓存：最大的省钱杠杆

Claude Code 每次请求都从相同的前缀开始：系统提示词、工具定义、CLAUDE.md 和对话历史。若本次请求的前缀与上次逐字节一致，服务器便直接复用上次的计算结果，不再重算。

缓存读取的价格仅为正常输入价的 0.1 倍，相当于直接省掉 90%。写入缓存的价格最高为正常输入价的 2 倍，但写入仅发生一次，后续每一轮都可按 0.1 倍读取。

举例而言，假设对话历史累积 5 万个 token：不走缓存时，每一轮都要按全价重新读取这 5 万 token；只要命中缓存，同样 5 万 token 的成本只有十分之一。一个会话跑二三十轮，累积节省的费用相当可观。

不过缓存有一个硬性约束——必须从请求的第一个字节开始连续匹配，中间任何变化都会导致从该处往后的缓存全部失效。Anthropic 列出了六种典型场景：

/model 切换模型：每个模型的缓存独立，切换后历史按新模型价格全量重算
/effort 切换推理强度：推理强度本身是缓存键的一部分，切换即失效
开关 Fast mode：与上述两种效果一致
/compact 压缩对话：原文被改写为摘要，旧缓存作废
时间过期：订阅用户缓存保活 1 小时，API 用户默认 5 分钟
恢复旧会话：间隔过久缓存早已消失，几乎必然全价重算

另外，opusplan 模式每次进出 plan 都会切换模型，等同于两次缓存失效，反复进出时每一跳都是一笔全价预填充。

对话正在偷偷变胖

缓存把重复发送历史的成本压到十分之一，但它无法阻止历史本身不断膨胀。每次 Claude 读取文件，文件内容追加进对话；每次运行命令，输出也追加进对话。从追加的那一轮起，后面每一轮都会带着这些内容一起重新发送。

这种增长接近平方级——第 40 轮对话需要重新发送第 1 至 39 轮的全部累积内容。Claude Code 设有一道兜底机制：命令输出超过 30000 字符时不再塞入对话，而是写入临时文件并在对话中仅保留一句摘要。但 30000 字符以下的输出仍会原封不动留在历史里，例如一份打印 400 行通过信息的测试报告，总量不足 3 万便会完整保留，后续每一轮都随之重发。

针对这一现象，Anthropic 给出了几条瘦身方法：

用 @ 引用文件而非手打路径：附件式引用省去一次工具调用，也避免 Claude 先搜索再试探多个文件带来的额外开销
给 noisy 命令加 quiet flag：在 CLAUDE.md 中配置例如 --reporter=dot，让测试只输出几行摘要而非几百行详情
用 subagent 隔离大输出任务：subagent 在独立上下文窗口中运行，完成后只回传结论，适合日志排查、全文检索类工作
修完任务立即 /clear：上一个任务的文件、命令输出与探索过程与下一个任务无关，不清理便会持续占用上下文
必要时使用 /compact：可将一万至两万 token 的对话压缩到一千至三千 token，但注意在缓存仍热时压缩成本最低，仅为正常压缩的十分之一
跑偏时可使用 /rewind：直接砍掉最后几轮，前面的缓存保持不动

管 token，也是开发者新素养

把这些操作放在一起可以看到，AI 时代的代码工作正在催生一种与框架和语言无关的新能力：知道该选什么模型、如何管理上下文、如何保住缓存、推理强度开多高合适。这些能力一年前并不存在，却已经决定同一个任务是花 3 美元还是 30 美元。

Anthropic 自身便是例证——其内部 80% 的代码由 AI 编写，代码合并量一年增长 8 倍，基准测试速度提升 52 倍。当 AI 使用强度达到这一量级，若没有人管理 token 成本，仅推理开销就足以吞噬预算。读懂这篇博客，薅到的不只是几美元的 token，而是同一笔预算下产出更多代码的可能。