← Alle Artikel

Messung

Was Claude Code wirklich kostet: Wohin die Tokens gehen

Die Tariftabelle ist die leichte Hälfte der Preisfrage. Die teure Hälfte ist das, was eine Sitzung mit deinem Kontext macht, Zug um Zug — und dieser Teil lässt sich zählen.

Geschrieben von Ted Mavera, Product Manager bei HarnessUp, dem Unternehmen, das das hier beschriebene Werkzeug herstellt. Die Texte dieses Blogs werden mit Unterstützung künstlicher Intelligenz geschrieben und vor der Veröffentlichung vom Team geprüft.

Eine Metallmaschine, die Seiten in einer Schleife durch eine leuchtende violette Öffnung führt, daneben eine Glasschublade mit zwischengespeicherten Seiten und ein einzelnes Blatt auf dem Boden.

Warum es diesen Artikel gibt

Wenn du suchst, was Claude Code kostet, bekommst du vierzigmal dieselbe Seite: eine Tabelle mit den Tarifstufen, einen Absatz über Limits und ein Urteil, das davon abhängt, was der Autor in dieser Woche gerade gebaut hat. Die Tabelle ist korrekt und fast nutzlos. Sie beantwortet, was du für den Einstieg zahlst. Sie beantwortet nicht, warum sich die Sitzung am Dienstag dreimal schwerer anfühlte als die am Montag, im selben Tarif, im selben Repository.

Die zweite Frage hat eine arithmetische Antwort, und diese Antwort liegt bereits auf deinem Rechner. Dieser Text geht sie durch: was ein Zug tatsächlich erneut sendet, welcher der vier Posten auf der Rechnung dominiert und wo sich der Abfall in gewöhnlicher Arbeit versteckt. Wir halten das Produkt bis zum letzten Drittel aus dem Weg, weil die Methode ohne es trägt — und weil eine Kostenaufschlüsselung, die nur funktioniert, wenn du etwas kaufst, keine Aufschlüsselung ist.

Die eine Multiplikation, die die Rechnung erklärt

Ein Zug ist ein Hin und Zurück zum Modell. Alles, was bisher in der Unterhaltung gesagt wurde, reist mit, es sei denn, das Harness verdichtet oder du fängst neu an. Das ist der ganze Trick, und es ist der Grund, warum eine einmal gelesene Datei nicht einmal bezahlt wird. Unsere Dokumentation fasst es in einer Einheit, dem token-turn: Tokens multipliziert mit der Anzahl der Züge, die ein Inhalt im Kontext überlebt.

8.000 Tokens × 30 Züge = 240.000 token-turns
15.000 Tokens × 37 Züge = 555.000 token-turns

Lies das zweimal, denn es ordnet die Intuition neu, mit der die meisten Leute hierherkommen. Ein Werkzeug, das weniger Code schreibt, ist nicht das, das am meisten spart. Das, das aus dem Kontext entfernt, was schon benutzt wurde, spart am meisten. Eine 15k-Datei, die in Zug 4 ankommt und nie geht, kostet mehr als dreimal so viel wie eine 8k-Datei, die in Zug 1 ankommt — und die zweite ist die, die die Leute üblicherweise zu optimieren versuchen.

Vier Posten, nicht einer: woraus die Rechnung besteht

Die Rechnung von Anthropic teilt die Eingabe in drei Bänder: neue Eingabe, Cache-Schreiben und Cache-Lesen, plus Ausgabe. Die Aufteilung zählt, weil die drei Eingabebänder nicht gleich bepreist sind und weil sie sich gegenläufig bewegen, während eine Sitzung wächst. Cache-Lesen kostet einen Bruchteil des Grundpreises für Eingabe, was nach einem Schnäppchen klingt, bis du dich erinnerst, dass ein Cache-Lesen in jedem Zug passiert. Cache-Schreiben kostet mehr als reine Eingabe und rechnet sich nur, wenn der Block erneut gelesen wird, bevor der Cache abläuft.

Diese Frist ist der Teil, den die meisten Preisartikel weglassen. Ein Prompt-Cache ist ein Mietvertrag mit kurzer Laufzeit, und der Zähler beginnt neu, wenn er ausläuft. Der Cache-Timer in der Demo auf der Seite Utilities existiert genau dafür: er zeigt einen warmen Cache, der nach ein paar Minuten Untätigkeit kalt wird, damit du den Moment siehst, in dem ein langes Mittagessen still den Preis deines nächsten Zugs erhöht. Die Prozentsätze ändern sich mit der Preisliste; der Mechanismus nicht.

Praktisch ist das der Grund, warum zwei Sitzungen mit derselben Anzahl Prompts sehr unterschiedlich kosten können. Die eine hält ein stabiles Präfix und bleibt warm. Die andere bearbeitet Dateien oben im Kontext, bricht das Präfix in jedem dritten Zug und zahlt jedes Mal erneut für das Schreiben des Caches.

Vier durchscheinende Lichtsäulen, auf einem dunklen Schreibtisch gestapelt, drei schmale und eine breitere, jede mit einem anderen kleinen Zähler markiert und an der Basis verbunden.
Vier Posten, eine Rechnung: neue Eingabe, geschriebener Cache, gelesener Cache und Ausgabe.

Wohin die Tokens tatsächlich gehen

Fünf Kategorien machen den größten Teil des vermeidbaren Gewichts an einem normalen Arbeitstag aus. Keine ist exotisch. Alle sind im lokalen Transkript im Nachhinein sichtbar.

1. Der Kontext, der immer wieder gelesen wird

Jede Nachricht, die du sendest, zieht die ganze Unterhaltung hinter sich her. In Zug 40 steigt die Datei, die du in Zug 3 geöffnet hast, immer noch ein, belegt immer noch einen Platz, wird immer noch berechnet. Der übliche Ausweg — eine neue Sitzung — funktioniert, aber die Leute wählen den falschen Moment: sie starten neu, wenn sich die Unterhaltung lang anfühlt, statt wenn die Kosten pro Runde die Kosten des Kontext-Neuaufbaus übersteigen. Das sind zwei verschiedene Punkte, und nur an einem davon zahlt sich Erneuern aus.

2. Die ganze Datei für eine Funktion

Wenn du einen Agenten bittest, validate() zu reparieren, bekommst du meist das ganze auth.ts. Dann bleibt die ganze Datei für die restlichen Züge im Kontext, das meiste davon irrelevant. Derselbe Abfall zeigt sich in die andere Richtung: eine Suche, die sechshundert Trefferzeilen zurückgibt, obwohl die ersten zwanzig gereicht hätten, um zu entscheiden.

3. Werkzeugausgabe, die niemand liest

Ein Testlauf, der neunhundert Zeilen druckt, ein Build-Log aus einem Monorepo, das HTML einer Dokumentationsseite, das geholt wurde, um einen Parameter zu prüfen. Das Transkript behält alles. Das Modell liest alles im nächsten Zug, ob es muss oder nicht.

4. Züge, die vergehen, um zu entdecken, dass der Code nicht kompiliert

Eine Änderung landet, der Agent sagt, es sei fertig, du fragst nach dem nächsten Schritt, und erst dann läuft jemand den Build. Jetzt gibt es ein Hin und Zurück, um einen Syntaxfehler zu entdecken, den ein Compiler in zwei Sekunden gemeldet hätte, plus ein weiteres zum Beheben, plus die Kosten beider, die im Kontext bleiben. An einem normalen Nachmittag ist das der leiseste Posten der fünf und, nach unserer Erfahrung, der ärgerlichste anzusehen.

5. Die Antwort mit Präambel

„Tolle Frage — lass mich durchgehen, was ich vorhabe.“ Das kostet einmal Ausgabe-Tokens und danach in jedem Zug Eingabe-Tokens, weil die Antwort jetzt Teil der Historie ist. Multipliziere eine Gewohnheit mit vierzig Zügen, und sie wird ein Posten auf der Rechnung.

Was die Tarifstufe ändert und was nicht

Die Tarife von Claude Code werden in Fenstern gemessen — Fünf-Stunden-Blöcke und eine Wochenobergrenze —, und diese Struktur ist der Grund, warum die Preiskonversation im Kreis läuft. Ein größerer Tarif kauft Luft zu einem höheren Preis. Er ändert nicht die Tatsache, dass eine 15k-Datei in jedem Zug 15k kostet, und er macht ein erneutes Lesen nicht billiger. Steig genug oft um, und der Abfall skaliert mit dem Tarif.

Die ehrliche Version: Wenn deine Arbeit wirklich groß ist, ist ein größerer Tarif der richtige Kauf. Die Frage, die sich zuerst lohnt, ist, ob die Arbeit groß ist oder der Kontext nur schwer. Von außen sehen beide gleich aus und haben sehr verschiedene Lösungen.

Miss, bevor du irgendetwas entscheidest

Der Grund, warum dieser Artikel konkret sein kann, ist, dass die Zahlen lokal sind. Claude Code schreibt Transkripte auf die Platte, mit echtem Token-Verbrauch pro Zug, und eine Messschicht kann sie lesen, ohne irgendetwas irgendwohin zu senden. Unser Front Metering existiert dafür und ist kostenlos: Deep Scan geht die gespeicherten Unterhaltungen durch und schlüsselt die Ausgaben nach Quelle auf, Harness History öffnet die Rechnung für jede abgeschlossene Sitzung, Inside the Wallet trennt neue Eingabe, gelesenen Cache, geschriebenen Cache und Ausgabe pro Modell, und Plan Usage zeigt, was jedes Fenster ergeben hat, bevor das Limit erneuert wurde.

Fang mit der hässlichsten Sitzung der letzten Woche an, nicht mit einem Durchschnitt. Durchschnitte verbergen die Form des Problems, und die Form ist das, worauf du reagieren kannst: eine riesige Datei, in Zug 2 gelesen, ein Log in der Mitte, eine Antwort, die sechshundert Tokens lang schweifte und dann dreißigmal erneut gelesen wurde.

Wo HarnessUp ins Spiel kommt

Das ist der Teil, in dem wir etwas verkaufen, also kommt er mit der Zahl und dem Tarif, den sie verlangt. HarnessUp ist eine lokale Schicht, die über die offiziellen Hooks von Claude Code und Codex handelt — kein Proxy, kein MCP-Server, nichts, das deinen Token oder deinen Schlüssel liest. Es hat 151 Werkzeuge über zehn Fronts, und ein guter Teil des Fronts Savings bildet die fünf Kategorien oben eins zu eins ab.

Renew Session markiert den Zug, in dem Weiterzumachen mehr kostet als Neustarten, und in einem Kontrafaktum, das an echter Historie gemessen wurde, erreichte der Wechsel 73 % des bezahlten Kontexts. Code Finder gibt beim ersten Lesen das Skelett einer großen Datei zurück und den Rumpf nur auf Anfrage; Delta Read verweigert den Abschnitt einer Datei, den der Agent schon gesehen hat; Head Limit begrenzt ein grep, das eine Enzyklopädie zurückgibt; Terminal Guide und Output Diet behalten Anfang, Ende und Fehlerzeilen eines langen Logs. First Pass kompiliert direkt nach der Änderung, damit ein kaputter Build mit dem nächsten Zug reist, statt einen eigenen zu kosten. Response Diet schneidet den Aufwärmtext weg. Memory State rotiert die Kontextdatei in unveränderliche Fragmente und maß 4,27 % Kontext bei 298 Zügen Überlebenszeit.

Die größte Zahl, die wir haben, ist weniger glamourös und nützlicher: Build Now, das den Build am Ende einer Nachricht ausführt, ohne einen Modellzug zu verbrauchen, verzeichnete 2.769 Builds und 806,7 Mio. Eingabe-Tokens, die nicht erneut gelesen wurden. Keine dieser Zahlen ist deine. Sie sind das, was das Instrument auf den Maschinen gemessen hat, auf denen es lief — die ehrliche Art, ein Kontrafaktum zu präsentieren, und der Grund, warum das Panel deine eigenen Einsparungen getrennt von der Schätzung zeigt.

Was diese Aufschlüsselung nicht verspricht

Nicht jedes Token in einer Sitzung ist Abfall, und ein Werkzeug, das etwas anderes behaupten würde, würde dich auf leicht prüfbare Weise belügen. Eine Datei zu lesen, die du brauchst, ist kein Abfall. Sie im nächsten Zug erneut zu lesen, ist eine Steuer, die du für das Gedächtnis des Modells zahlst, und ein Teil dieser Steuer ist der Preis der Arbeit. Der Punkt der Arithmetik ist enger: trenne, was die Aufgabe verlangte, von dem, was das Harness tolerierte, und entscheide dann, wofür du zahlen willst.

Sie verspricht auch nicht, dass eine billigere Sitzung eine schnellere ist. Ein Log zu komprimieren oder eine Präambel zu schneiden, ändert, was das Modell sieht, und es gibt Fälle, in denen das Detail, das du geschnitten hast, das Detail war, auf das es ankam. Deshalb ist jedes Werkzeug hier umkehrbar, und deshalb ist die Messschicht kostenlos: du solltest den Tausch sehen können, bevor du ihn eingehst.

Fang mit deiner eigenen Rechnung an. Installiere HarnessUp kostenlos, lass Deep Scan über die Sitzungen der letzten Woche laufen und finde den einen Posten, der dort nicht stehen dürfte.

Kostenlos installieren