← 全部文章

测量

Claude Code 到底花多少钱:token 都去哪了

套餐表格只是定价问题里简单的那一半。昂贵的那一半,是一次会话在一轮又一轮里对你的上下文做了什么——而这一部分是可以数出来的。

本文由 Ted Mavera 撰写,他是 HarnessUp 的产品经理,HarnessUp 正是文中所述工具的开发者。本博客的文章在人工智能的协助下撰写,并在发布前由团队审阅。

一台金属机器让纸张成环状穿过发光紫色开口,旁边是一只装着缓存纸张的玻璃抽屉,地板上还平放着一张纸。

为什么写这篇文章

搜索 Claude Code 要花多少钱,你会四十次看到同一个页面:一张列着套餐档位的表,一段关于限额的文字,以及一个取决于作者那周恰好在做什么的结论。那张表是准确的,也几乎毫无用处。它回答了入场要付多少钱,却没有回答:同一个套餐、同一个仓库,为什么周二的会话感觉比周一重了三倍。

第二个问题有一个算术上的答案,而这个答案已经在你自己的机器上。这篇文章就沿着它走:一轮真的重发了什么,账单上的四行里哪一行占主导,以及浪费藏在日常工作的哪些地方。我们会把产品放到一边,直到最后三分之一,因为方法本身不依赖它——也因为一个只有买了东西才成立的费用拆解,算不上拆解。

解释账单的那个乘法

一轮就是到模型的一次往返。到目前为止对话里的全部内容都会跟着它一起过去,除非 harness 做了压缩,或者你从头开始。诀窍就这一个,这也是一次读取的文件不等于只付一次钱的原因。我们的文档把它归结为一个单位——token-turn:token 数乘以一段内容在上下文里存活的轮数。

8,000 token × 30 轮 = 240,000 token-turn
15,000 token × 37 轮 = 555,000 token-turn

读两遍,因为它会打乱大多数人对这件事的直觉。写出更少代码的工具,并不是省得最多的那个。把已经用过的东西从上下文里移出去的工具才是。一个在第 4 轮到达、此后从不离开的 15k 文件,成本是一个在第 1 轮到达的 8k 文件的三倍多——而人们通常想优化的,往往是后者。

四行,不是一行:账单由什么组成

Anthropic 的账单把输入拆成三段:新输入、缓存写入、缓存读取,再加上输出。这个拆分重要,是因为三段输入的定价并不相同,而且随着会话变长,它们朝相反的方向变化。缓存读取只按基础输入价格的一小部分计费,听起来像捡了便宜,直到你想起缓存读取每一轮都会发生。缓存写入比普通输入更贵,只有在缓存过期前那个块被再次读取时才划得来。

那个期限是大多数定价文章略过的部分。提示缓存是一份短期的租约,租约一过,计量就重新开始。Utilities 演示里的缓存计时器正是为此而存在:它展示一个热缓存在闲置几分钟后变冷的过程,让你看见一顿长午餐如何悄悄抬高了下一轮的价格。百分比会随价格表变化,机制不会。

实际上,这就是为什么提示数量相同的两次会话,成本可能相差很多。一个保持稳定的前缀,一直是热的。另一个改动上下文顶部的文件,每隔三轮就打断一次前缀,每次都要再付一遍写缓存的代价。

深色桌面上叠着四道半透明的光柱,三道窄的一道宽的,每道标着不同的计数器,并在底部相连。
四行,一张账单:新输入、缓存写入、缓存读取和输出。

token 到底去哪了

在一个普通工作日里,大部分本可避免的重量来自五个类别。它们没有一个是稀奇情况。事后都能在本地记录里看到。

1. 被反复重读的上下文

你发出的每条消息都把整段对话拖在身后。到了第 40 轮,你在第 3 轮打开的文件依然上车、依然占座、依然计费。常见的解法——开一个新会话——确实有效,但人们挑错了时机:他们在大对话感觉很长的时候重启,而不是在每轮成本超过重建上下文成本的那一刻重启。这是两个不同的点,只有其中一个才是续期划算的地方。

2. 为了一个函数读整个文件

让 agent 修 validate(),通常送来的是整个 auth.ts。于是整个文件在剩下的轮次里都留在上下文中,其中大部分毫不相关。同样的浪费也出现在相反方向:一次搜索返回六百行匹配,而前二十行就足够做判断。

3. 没人读的工具输出

打印九百行的测试运行、单体仓库的构建日志、为了核对一个参数而抓取的文档页面 HTML。记录把这一切都留下。下一轮模型会把它们全读一遍,不管需不需要。

4. 花在发现代码编译不过上的轮次

改动落地,agent 说做完了,你提出下一件事,这时才有人去跑构建。于是一次往返用来发现编译器两秒就能报出的语法错误,又一次往返用来修它,再加上两者都留在上下文里的成本。在一个普通下午,这是五项里最安静的一项,而在我们的经验里,也是看着最让人难受的一项。

5. 带开场白的回答

“好问题——我先说明一下我打算怎么做。”这句话一次花掉输出 token,之后每一轮都要花输入 token,因为这个回答现在成了历史的一部分。把一个习惯乘以四十轮,它就变成了账单上的一行。

套餐档位改变了什么,没改变什么

Claude Code 的套餐按窗口计量——五小时的区块和周上限——正是这个结构让定价讨论一直在原地打转。更大的套餐以更高的价格买到余量。它不会改变一个 15k 文件每一轮都要 15k 的事实,也不会让重复读取变便宜。升级足够多次,浪费就跟着套餐一起放大。

诚实的版本:如果你的工作确实很大,更大的套餐才是正确的购买。值得先问的是:工作本身很大,还是上下文太重。从外面看两者一模一样,解法却很不相同。

先测量,再做任何决定

这篇文章能具体到这种程度,是因为数字在本地。Claude Code 把记录写到磁盘上,每一轮都带有真实的 token 用量,而一个测量层可以读取它们,不把任何东西发到任何地方。我们的 Metering 前端就是为此而做,而且免费:Deep Scan 走遍保存下来的对话,按来源拆解支出;Harness History 打开每次已结束会话的小票;Inside the Wallet 按模型拆分新输入、缓存读取、缓存写入和输出;Plan Usage 显示每个窗口在限额刷新前带来了什么。

从上周最难看的那次会话开始,而不是从平均值开始。平均值会掩盖问题的形状,而形状才是你能动手的地方:第 2 轮读的一个巨大文件,中间夹着的一份日志,一个啰嗦了六百 token 然后被重读三十次的回答。

HarnessUp 在哪里

这部分我们要卖东西,所以会带上数字和它所需的套餐。HarnessUp 是一个本地层,通过 Claude Code 和 Codex 的官方 hooks 起作用——不是代理,不是 MCP 服务器,也不读取你的 token 或密钥。它有横跨十个前端的 151 个工具,其中 Savings 前端的很大一部分与上面五个类别一一对应。

Renew Session 标出继续下去比重新开始更贵的那一轮,在基于真实历史的反事实测量里,这次切换触及了已付费上下文的 73%。Code Finder 在第一次读取时返回大文件的骨架,正文按需再给;Delta Read 拒绝 agent 已经看过的文件片段;Head Limit 给返回百科全书的 grep 设上限;Terminal Guide 和 Output Diet 保留长日志的开头、结尾和错误行。First Pass 在编辑后立刻编译,于是坏掉的构建跟着下一轮一起走,而不必自己占一轮。Response Diet 砍掉开场白。Memory State 把上下文文件轮换成不可变的片段,测得上下文占比 4.27%、存活 298 轮。

我们手上最大的数字没那么好看,也更有用:Build Now 在消息末尾运行构建,不花一次模型轮次,记录了 2,769 次构建,以及 806.7M 原本不会发生的输入 token 重读。这些数字没有一个是你的。它们是仪器在运行它的机器上测到的结果,这正是呈现反事实的诚实方式——也是面板把你的实际节省与估算分开显示的原因。

这份拆解不承诺什么

一次会话里的 token 并非全是浪费,声称相反的工具会用一种容易核实的方式对你撒谎。读你需要读的文件不是浪费。下一轮再读一遍,是你为模型记忆付的税,其中一部分是工作本身的代价。算术的重点更窄:把任务要求的东西和 harness 容忍的东西分开,然后决定你愿意为哪一个付钱。

它也不承诺更便宜的会话就是更快的会话。压缩一份日志或砍掉开场白会改变模型看到的东西,而在一些情况下,你砍掉的那个细节恰恰是要紧的细节。这就是这里每个工具都可逆的原因,也是测量层免费的原因:你应该能先看到这笔交易,再决定做不做。

从你自己的账单开始。免费安装 HarnessUp,对上周的会话跑一次 Deep Scan,找出那一行本不该在那里的账。

免费安装