激情五月播播久久久精品_国产激情偷乱视频一区二区三区_国产一区二区看久久_亚洲欧美成人网

新智元報道

【資料圖】

就在剛剛，Anthropic發(fā)了一篇博客。

核心信息就是：各位，別再燒冤枉token了，我們都看不下去了！

為此，官方詳細(xì)列舉了六條省錢心法，先貼為敬：

1. 任務(wù)做完就/clear。修完一個bug就清掉當(dāng)前對話，別讓上一個任務(wù)讀過的文件和命令輸出拖進下一個任務(wù)里，白白占著上下文。

2. 開局就定好模型和推理強度（effort level）。中途切換的話，之前積累的提示緩存會全部失效，整段對話歷史要按全價重新計算一遍。

3. 用@引用文件，別手打路徑。用@直接把文件附到消息里，Claude不用再花一次工具調(diào)用去讀。如果你只打文件名，Claude可能先搜一圈再打開好幾個文件試探，這些操作全部會進入對話歷史，之后每一輪都帶著。

4. 給輸出多的命令加靜默參數(shù)（quiet flag）。在CLAUDE.md里寫一句類似--reporter=dot的配置，讓測試輸出只打印幾行摘要，不是幾百行詳情。輸出越短，占的上下文越少。

5. /compact在休息前做。對話還在緩存里的時候壓縮，成本只有正常的十分之一。等你回來緩存過期了再壓，就得按全價重新讀一遍再壓縮。

6. 大輸出任務(wù)扔給子Agent。子Agent在一個獨立的上下文窗口里運行，做完只把結(jié)論傳回來，過程中讀的文件和跑的命令輸出不會進入你的主對話。

一個token的前世今生

用Claude Code干活，API按量走，訂閱制月費從20美元到200美元分三檔。

根據(jù)官方推算，開發(fā)者日均消耗13美元token，月均花在150到250美元之間。

這還只是平均水平。同樣修一個bug，問法不同，花費能差出好幾倍。

而且每一輪對話都在拖著前面所有輪的全部內(nèi)容重新發(fā)送，會話越長，每一輪就越貴。

這些錢花在哪，得從token的計價邏輯說起。

每次你在Claude Code里輸入一條指令，背后發(fā)生兩件事。

第一件叫預(yù)填充（prefill），也就是模型一口氣讀進你的整個請求，包括系統(tǒng)提示詞、CLAUDE.md、你的消息，以及之前對話里積累的一切。這些都是輸入token。

第二件叫解碼（decode），也就是模型一個字一個字往外寫的過程，包括它的思考、工具調(diào)用和你最終看到的文字。這些都是輸出token。

關(guān)鍵區(qū)別在這里。

預(yù)填充是并行的，一次性把所有輸入token過一遍GPU。解碼是串行的，每吐一個token都要跑一次模型。200個token的回復(fù)，就是200次獨立運算。

所以也就不難理解，為什么輸出token要比輸入token貴5倍了。

在這個基礎(chǔ)上，最終賬單取決于兩件事。

第一是模型，決定每個token的單價。

• Opus 5，輸入5美元/百萬token，輸出25美元。

• Sonnet 5，輸入2美元，輸出10美元。

• Haiku 4.5，輸入1美元，輸出5美元。

第二是推理強度，決定token的數(shù)量。

一個會話里大部分輸出token都是思考token，推理強度控制的就是這個量。推理強度越高，模型想得越久，輸出的思考token越多。max和low之間能差好幾倍。

簡單活用Sonnet，硬骨頭才上Opus。牛刀殺雞的錢，花得最冤。

提示緩存，是最大的省錢利器

token定價里還有一個巨大的變量，就是緩存。

Claude Code的每次請求都從相同的前綴開始，也就是系統(tǒng)提示詞、工具定義、CLAUDE.md和對話歷史。

如果這次請求的前綴和上次逐字節(jié)一樣，服務(wù)器就不重新算，直接加載上次的計算結(jié)果。

緩存讀取只要正常輸入價的0.1倍，直接省掉90%。

寫入緩存貴一點，最高2倍。但寫入只發(fā)生一次，后面每一輪都享受0.1倍讀取。

舉個例子。

假設(shè)你的對話歷史有5萬個token。不走緩存的話，每一輪光是重讀這5萬token就得付全價。但只要命中緩存，同樣的5萬token只需要花十分之一的錢。

一個會話跑二三十輪，緩存命中攢下來的折扣是天文數(shù)字。

這是你最大的薅羊毛杠桿。

但緩存有個致命弱點。它必須從請求的第一個字節(jié)開始連續(xù)匹配，中間任何地方變了，從那里往后全部作廢。

具體來說，一共有六種情況：

1. /model切模型：每個模型的緩存獨立。從Sonnet切到Opus，整個對話歷史按Opus的價格重新預(yù)填充，沒有折扣。

2. /effort切推理強度：推理強度也是cache key的一部分，切換之后整個對話歷史都要重新計算。

3. 開關(guān)Fast mode：效果和前兩種一樣，緩存直接失效。

4. /compact壓縮對話：對話被重寫成摘要，原來的內(nèi)容全部對不上，舊緩存直接作廢。

5. 時間過期：訂閱用戶的緩存保活1小時，API用戶默認(rèn)5分鐘。超時后下一輪全量重算。

6. 恢復(fù)舊會話：隔了太久緩存早就沒了，幾乎100%要全價重新計算。

壞消息是，只要中一個就意味著整個對話歷史從0.1倍打回原價。

好消息是，當(dāng)你知道什么會讓緩存失效時，就能知道怎么保住它。

比如，會話開頭就鎖定模型和推理強度，全程不切。不在緩存還熱的時候做/compact，等到準(zhǔn)備休息的時候再跑。

這里，還有個隱藏坑。

opusplan模式每次進出plan都切模型。進一次，緩存失效一次。出來，又失效一次。來回跳的話，每跳一次都是一筆全價prefill。

你的會話，正在偷偷變胖

緩存幫你把重復(fù)發(fā)送歷史的成本壓到十分之一。

但有一件事它幫不了。你的歷史本身在一輪一輪地膨脹。

每次Claude讀一個文件，文件內(nèi)容追加到對話里。每次Claude跑一個命令，輸出也追加進去。從追加那一輪起，后面每一輪都帶著。

第40輪對話在重新發(fā)送第1到39輪的全部累積內(nèi)容。

這種增長，是接近平方級別的O(n2)。

CClaude Code有個兜底機制。

命令輸出超過30000字符，就不往對話里塞了，而是寫到一個臨時文件里，對話里只放一句摘要。但30000以下的輸出沒人管。

比如一個測試框架跑完，打印400行通過記錄，每行幾十個字符，總量不到3萬，夠不上這個閾值。

于是這400行就原封不動地留在了對話歷史里，后面每一輪都跟著重新發(fā)送一遍。

對此，Anthropic博客里給了幾招很實用的瘦身方法。

1. @引用文件。

不要手動輸入路徑讓Claude自己去找。@引用會把文件直接附到消息里，省掉一次讀取操作。

你只說文件名的話，Claude可能先grep搜一圈，打開好幾個文件看哪個對。然后這些試探就會全部進入對話歷史，徒增成本。

2. 給noisy命令加quiet flag。

在CLAUDE.md里寫一句「run tests with npx vitest run --reporter=dot」，以后每次跑測試只輸出幾行點狀結(jié)果，不是幾百行詳情。一分鐘的配置，以后每個會話省幾百行上下文。

3. subagent隔離大輸出任務(wù)。

subagent在自己獨立的上下文窗口里跑，做完只傳答案回來，過程中讀的文件和命令輸出全部丟棄。適合「去翻翻日志有什么異常」「幫我過一遍這個大文件」這種活。你只要結(jié)論，不要過程。

還有最重要的一條。

4. /clear切任務(wù)。

修完一個bug就/clear，開始下一件事。上一個bug的文件、命令輸出、中間探索，全部和下一個任務(wù)無關(guān)，但如果不清，它們在后面每一輪都占著位置、吃著token。

不想徹底清空的話，/compact可以把對話壓成摘要。一萬到兩萬個token能壓到一千到三千。

此外，博客里還提了一個冷門但免費的操作，/rewind。

如果最后幾輪跑偏了，/rewind直接砍掉那幾輪，前面的緩存完全不動。

管token，也是一種開發(fā)者素養(yǎng)

上面這些操作拆完，你會發(fā)現(xiàn)一個規(guī)律。寫代碼的人正在長出一套新技能。

跟框架和語言沒關(guān)系，而是知道該選什么模型、怎么管上下文、怎么保住緩存、推理強度開多高合適。

這些能力一年前并不存在。但它現(xiàn)在卻決定了你在同一個任務(wù)上，是花3美元還是30美元。

Anthropic自己就是最好的例子。

他們80%的代碼靠AI寫，代碼合并量一年翻了8倍，基準(zhǔn)測試加速52倍。AI用到這個強度，如果沒人管token，光推理成本就能把預(yù)算吃穿。

從這個角度看，與其說這篇博客講的是省錢技巧，不如說是AI時代寫代碼的人需要長出來的一種新本能——

知道你的每一個操作在消耗什么，知道怎么讓同樣的預(yù)算干出更多的活。

讀懂它的人，薅到的不只是幾美元的token。

參考資料：

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

編輯：摩西