Anthropic 与 OpenAI 旗下最昂贵模型的每 token 成本是其最小模型的一百倍，然而许多用户无论任务大小都默认使用旗舰模型。

这种习惯的代价已不再是假设。Meta、Amazon 和 Uber 的使用排行榜推高了 AI 账单，Uber 在约四个月内烧光了 2026 年 AI 工具预算。今年早些时候，Meta 员工为争夺昵称为“Claudeonomics”的内部排行榜，在 30 天内消耗了 60 万亿 AI token。科技专栏作家 Gergely Orosz 按 Anthropic 牌价估算，这笔账单约为 9 亿美元，不过 Meta 实际支付的费用很可能低得多。

Bain & Company 顾问 Jue Wang 在许多机构中看到了这种浪费更为隐性的版本。她今年夏天接受美联社采访时表示，指 Anthropic 的高端模型时说：“太多公司、太多用户对所有事情都默认使用 Opus，包括撰写邮件。”如此行事，无异于雇 Albert Einstein 在麦当劳为你算找零。

你在 ChatGPT 或 Claude 中输入的每一个词，以及模型回复的每一个词，都以 token 计量——token 是平均约四分之三个词长的文本片段。在 20 美元的订阅中，这一计量决定你多快触及使用上限；在 API——开发者用于将模型接入自己应用的按 token 付费方式——上，它决定账单金额。

Anthropic 当前的价格表按每百万 token 收费，Haiku 的费率仅适用于 100,000 token 以内的提示词；更长的提示词费用为其五倍。旗舰模型的价格是最小模型的一百倍，OpenAI 的产品线也呈同样的价差，输入 token 为每百万 10 美元至 0.10 美元。

这些按 token 计的价格对实验室——以及其客户——累积得非常快。Anthropic 的收入年化运行率从 2025 年底的约 90 亿美元攀升至 5 月的超过 470 亿美元，而 OpenAI 正在打价格战以跟上步伐。

一些习惯能大幅削减这类支出，下面的前五条技巧完全无需编程。

Tokenmaxxing 是什么意思（以及它本应是什么意思）

maxxing 最初是一种硅谷式的炫耀，类似于 Meta 的 Claudeonomics，Microsoft、Shopify 和 Amazon 也以类似的 token 排行榜对员工进行排名。Nvidia CEO Jensen Huang 更是火上浇油，他在 3 月的“All-In”播客中表示，如果一名年薪 500,000 美元的工程师没有消耗至少价值 250,000 美元的 token，他会“深感不安”。

而他们确实烧掉了大量 token——常常消耗在毫无产出的琐事上。在 Amazon，有员工承认通过在与工作无关的任务上运行内部 AI 工具来虚报数字，直到一位高级副总裁告知员工：“请不要为了用 AI 而用 AI。”

本指南采用的是工程师们如今倡导的含义：最大化每个 token 的价值，而非消耗的数量——即 IBM 所描述的作为生产力指标的 tokenmaxxing。

三个概念可以解释 token 究竟流向了哪里，首先是代理循环。代理（agent）是一个能够使用工具的模型：它思考、搜索网页或运行代码、阅读结果，然后再次循环，直到它判断任务完成——每一轮都会重新发送整个对话。

编排（orchestration）会成倍放大这种成本。一个模型充当管理者，将请求拆分成若干部分，交给称为子代理（subagent）的工作模型，再把它们的答案拼接起来。每个工作模型都运行自己的循环并维护自己的记忆，这正是 Anthropic 表示 Claude Code 中的代理团队在队友以计划模式运行时，其 token 消耗可达标准会话约七倍的原因；计划模式是一项设置，将在下文的中级技巧中介绍。

图（graph）是开发者防止这些循环失控的方法。像 LangGraph 这样的框架允许开发者把工作流画成地铁图：车站（节点）执行工作，轨道（边）决定下一步去向，模型因此遵循固定路线，而不会一直循环直到耗尽思路或预算。

循环能自动化任务并提升质量，但也会烧钱——因此效率至关重要。

初级：小任务用小模型

1. 按任务选模型。 多数初学者通过图形界面使用 AI。点击聊天应用中的模型名称（ChatGPT 中位于聊天顶部，Claude 或 Hermes 中位于发送按钮旁），在邮件、摘要和改写等上切换到更小、更快的选项。把旗舰模型留给难度高的推理和决策——那些细微错误会造成真金白银损失的场景。用两个模型并排运行上周的五项任务；如果小模型通过了，就保留它。在订阅中，这能延长使用上限；在 API 上，它可将账单削减最多 99%。

2. 写一个好提示词，而不是五个糟糕的。 三轮“不，只要总数”或“改得更好更准确”每次都会重发整个对话。一个清晰的提示词应说明任务和答案的确切形式。类似这样就可以：

从下面的文本中提取发票号、日期、供应商和总额。每个值保持原样。每个字段返回一行，字段不存在时写“missing”。

OpenAI 自己的测试发现，更精炼、更清晰的提示词在消耗更少 token 的同时得分更高。

3. 换话题时开新对话。 模型在每次发送时都会重读整个对话，因此一个关于度假的 50 条消息线程会让你关于报税的问题同时变得更贵、更蠢。Anthropic 将这种劣化称为“上下文腐化（context rot）”。话题一变，就开新对话。

4. 指定你需要的篇幅。 在 Anthropic 和 OpenAI 的旗舰模型上，输出 token 的价格是输入的五倍。在提示词末尾加上“三个要点，100 字以内”或“只输出更改的行”之类的指令，模型就没有多少注水的空间。输出长度约束可以节省 token，尤其在写作或研究等创作型任务上，而非编程或数学等确定性任务。

5. 先试免费的，再付费。 OpenRouter 是一个通过单一账户连接数百个 AI 模型的网站，其免费路由可把请求发送到约 20 个零成本模型之一。你也可以用 LM Studio 或 Ollama 在配备 8GB 显存的显卡或 Apple M 系列芯片的 Mac 上本地运行模型。免费额度可能一夜之间消失，所以不要把重要项目建立在免费额度上，并且在粘贴任何敏感内容之前先阅读数据政策。话虽如此，免费额度是迭代的好方法：Hermes 提供了丰富的免费模型，可能足以胜任你的任务，Nvidia 也是如此。用一个免费但较弱的模型打磨提示词，总比付费让高端模型做同样但更快的事情划算。

更多初级技巧：简单问题跳过扩展思考，或在无法关闭思考的新版 Claude 模型上降低努力程度设置——Anthropic 会将完整的思考过程按输出计费，包括用户永远看不到的部分。开启了用量额度的 Claude Pro 和 Max 订阅者可以在 Settings 下的 Usage 中设置每月支出上限。

中级：你的代理读得太多了

从这里开始的示例使用 Claude Code——Anthropic 在终端中运行并可编辑文件的代理；命令直接输入其聊天框。其他工具的逻辑类似；如果你只用应用，技巧 8 在任何聊天窗口同样适用。

6. 从便宜的模型开始，失败再升级。 输入 /model 切换模型，将 Sonnet 设为默认，只有当 Sonnet 在某个具体任务上失败时才升级到 Opus，比如某个 bug 两次尝试都无法修复。对于简单的子代理任务，Anthropic 文档建议在子代理设置中指定 model: haiku。

7. 任务之间清空上下文。 切换到无关任务时输入 /clear——它不产生任何费用并清除旧历史。只有在确实需要历史时才使用 /compact 并附上要保留内容的说明，如 /compact keep the database decisions，因为压缩本身就是一次巨大的请求。

8. 让代码做枯燥的计算。 把一张 5,000 行的电子表格粘贴到聊天中，会让模型逐行阅读，而且它仍可能数错；语言模型再贵也不是计算器。改为让它给出公式或一段简短脚本，自己在本地运行，只把结果交给模型。

9. 精简你的工具。 MCP 服务器是将模型连接到 GitHub 或 Google Drive 等应用的插件，每一个都会在每次会话中添加工具名称和指令。输入 /context 查看是什么在占用空间，输入 /mcp 禁用项目用不到的服务器。

更多中级技巧：输入 /usage 查看 token 的去向；将 CLAUDE.md（或 Soul.md）——代理在每次会话开始时读取的指令文件——控制在 200 行以内。对于较大的改动，按 Shift+Tab 切换到计划模式，代理会先提出计划供你批准再触碰文件，一旦发现方向不对就按 Esc。使用 /effort 在重命名变量等简单任务上降低推理强度。Anthropic 展示过，当代理只加载所需的工具定义时，其 token 消耗从 150,000 降至 2,000——这也是 GitHub 的 gh 等命令行工具（运行前不产生任何费用）往往胜过常驻插件的原因。

高级：把护栏构建进系统

假设一位开发者需要处理 1,000 张每张 2,000 token 的发票，答案为 200 token：在不使用以下任何技巧的情况下，这项任务在 Fable 5.1 上成本约 30 美元，在 Haiku 5.5 上约 0.30 美元。

10. 缓存不变的部分。 把稳定的指令放在最前，变化的部分放在最后，并标记稳定块以进行缓存。在 Anthropic 的 API 中，只需多加一个字段：

"system": [{
  "type": "text",
  "text": "Your invoice instructions...",
  "cache_control": {"type": "ephemeral"}
}]

从缓存读取的费用只是正常输入价格的一小部分，而写入默认的五分钟缓存则需额外付费。检查每次响应中的 cache_read_input_tokens 字段；如果首次调用后仍为零，说明缓存没有生效。

11. 能等待的都批量处理。 OpenAI 和 Anthropic 均以五折处理批处理任务，OpenAI 承诺在 24 小时内给出结果。将 1,000 张发票作为一个批次文件上传，而不是发起 1,000 次实时调用，账单会大幅下降。

12. 给代理拴上绳子。 为代理运行设置最大步数和美元上限，并在启动前定义“完成”的标准。Claude Code 支持 --max-budget-usd 标志用于脚本化运行；Shopify 使用熔断机制，当开发者的支出在一天内激增时可立即切断其访问，专为捕获失控代理而设计。目前的常态是放开代理让其循环，直到结果被认为完美；如果没有这样的预算，就不要让代理自行决定什么才算“完美”。

更多高级技巧：把关键事实放在长提示词的开头或结尾——一项由斯坦福主导的研究发现，模型对这两个位置的信息利用最好，而对埋在中间的信息利用最差。只有当错误代价高昂（如合同条款或付款金额）时，才值得付费让第二个模型检查工作。在 OpenAI 的 API 上，为每个项目开启硬性支出上限，因为其支出提醒只会通知你，并不会阻断流量。

从一个测试开始

将通过技巧 1 五项任务测试的最便宜模型设为一周的默认选择，只有在其失败时才切换。然后对比本周与上周的使用页面。在发票任务中，仅靠路由就把账单从 30 美元降至 3.90 美元——这还是在付费让 Opus 5.5 重做 300 个失败案例之后。

然而，仅靠更便宜的 token 并不够。根据 Silicon Data 的 Token Expenditure Index，单个 token 的价格自 2023 年以来下跌超过 90%，但对大型语言模型的支出自 2025 年底以来却翻了一倍。经济学家称之为杰文斯悖论：一种资源变得如此便宜，以至于人们最终在它身上的总支出反而更多。Bain & Co. 6 月的一份简报发现了同样的模式：2024 年 12 月至 2025 年间 token 成本减半，而 token 消耗量增长了 450%。

好消息是，一旦你不再把 token 当玩具烧，同样的降价就会为你所用。配合上述习惯，AI 会同时变得更便宜、更好。