省 token 省过头，一次重试就全赔回去了

每一种省 token 的方式，都可能让你完不成任务。而一次重试的花费，比这些省下来的都多。

你要的是把功能做完。省 token 省到任务失败、重跑一遍，前面省的那点全赔进去，还要倒贴。

钱花在哪、哪些设置真正影响账单、怎么量出你自己的数。

先记住 Opus 5.5 的价格

每百万 token：

项目	Opus 5	Opus 5.5	降幅
输入	$5	$4	-20%
输出	$25	$20	-20%
缓存读取	$0.50	$0.20	-60%

注意最后一行，缓存读取从输入价的 1/10 降到了 1/20。

再记一个比例：一个输出 token 的价格，是一次缓存读取的 100 倍。

一个任务的钱从哪来

Claude Code 里的一个任务就是一个循环：模型读对话 → 调工具 → 读结果 → 再来一轮，直到干完。每一轮都要把到目前为止的整段对话重发一遍。

能影响成本的有四个变量。

回合数

官方举了个例子。一个任务，上下文从 20K 涨到 120K，跑了 40 轮，平均每轮发 70K，总共 2.8M 输入 token。对话本身从没超过 120K，但你付的是 2.8M。

40 轮完成：输入成本约 $1.62
25 轮完成：输入成本约 $1.02

同一个任务，少 15 轮，省 37%。

想少跑几轮，最有效的是给模型一个检查自己的办法：一个能跑的测试、一次构建、一个调接口的脚本。它能自己验证，就能早点发现错，不用等写完了你看、你说不对、它再改。

缓存

还是那 2.8M 输入：

没缓存：$11.20
90% 命中：$1.62
96% 命中：$0.99

差了十倍，没有别的设置能影响这么大。怎么别把它打断，后面单独讲。

输出，包括你看不见的思考

一个典型任务 60K 输出 token，花 $1.20，相当于从缓存里读 6M token。

thinking 按输出计费。Claude Code 只给你看摘要，但它想的每个字你都付钱，所以 effort 对账单影响才这么大。

模型

决定每个 token 的单价。这个好理解，下面讲怎么选。

换模型之前，先调 effort

上一篇我写过"简单活别用 Opus，切 Sonnet、Haiku"，但其实有更细致的做法。

先看 effort。Opus 5.5 有四档：low、medium、high、xhigh，外加单次会话用的 max。

/effort medium      # 设置档位
/effort status      # 查看当前档位

官方的用法：

medium：范围明确的日常活，从这里起步
high：medium 卡住了再升
low：机械活，比如重命名、在多个文件里套一个已知模式

high 值不值，可以算一笔账。假设 high 在一个任务里多想了 20K token，按输出价是 $0.40。而一个 10 轮的重试循环，100K 缓存上下文，总共 10K 输出，成本也差不多是 $0.40。

也就是说，high 只要帮你省掉一次重试就回本了。medium 本来就能一次搞定的活，开 high 就是白花钱。

什么时候该升档？看"只修了一层"

官方举的例子很典型：API handler 里一个字段改名了。

medium 下，模型改了 handler，handler 的测试也过了，但客户端还在发旧字段。你要它做的它确实做了，只是没读得够远，没找到第二个调用方。

high 下，它会在动手前多花几轮读调用点，一次把两层都改了。

但官方紧接着补了一句：升档之前，先看看它有没有办法检查自己。如果有一个会经过客户端的测试，旧字段在写入那一轮就会让测试挂掉，medium 也能发现。一次测试只花一轮和它的输出，更高的 effort 却是每一轮都在加思考。

所以顺序是：

加一个检查手段 → 升 effort → 换更大的模型

降级只用来"查"，别用来"写"

降级到 Sonnet 或 Haiku，用于查询，不要用来写代码。

适合小模型：搜索、总结的子 agent，读日志、读测试输出，"这个函数在哪定义的"
跨多个文件的机械编辑：留在 Opus 5.5，把 effort 调到 low

编辑应该留在写其余代码的那个模型上。小模型要是误读了搜索结果，主模型就会去找错的文件，绕的这段路还是主模型付钱。所以小模型只干错了容易发现的活：找文件、跑测试、读日志。

把子 agent 设成小模型，两种方式：

# 在子 agent 定义里单独指定
model: haiku

# 或者一次性设置所有子 agent
export CLAUDE_CODE_SUBAGENT_MODEL=sonnet

子 agent 定义里写了模型的，会覆盖环境变量。什么都没写的，默认跑在你的主模型上，价格也跟着主模型走——这一点很多人没注意。

什么时候升到 Fable 5.1

Fable 5.1 每百万输入 $10、输出 $50，是 Opus 5.5 的两倍半。但它的缓存读取只要 $0.25，只比 Opus 5.5 贵 25%。所以长时间、缓存密集的运行里两者差价最小，大量输出的任务里差价最大。

官方给的规则很好记：Opus 5.5 在 high 下两次撞到同一个问题，就切 Fable 5.1，解决完切回来。别等到第三次失败。

适合 Fable 的场景：长时间无人值守的运行、代码库里没有现成模式可抄的问题、要协调多个子 agent 的大改动。

切的时候注意两点：

在自然断点切。新模型从空缓存开始，第一轮要为整段对话付写入价。先 /compact，或者写个简短计划开新会话。
/model 会把你的选择存成新会话的默认值，难的部分做完记得切回来。

别亲手打断你的缓存

缓存存的是前缀，只能复用"从头开始和上一次请求一致"的那部分。改动了早期内容，后面就全部失效。

以下操作会触发缓存重写：

暂停超过缓存有效期
改 effort 或 thinking 设置
连接或断开 MCP server
切换模型
对话被压缩

第二条单独说一下：改 effort 会清掉缓存。所以 effort 也要在断点改，别一个问题问到一半来回拨。

5 分钟还是 1 小时

缓存有效期取决于你怎么付费：

Claude 订阅：1 小时
API key 或云厂商：默认 5 分钟
订阅在用额度积分时：也降到 5 分钟

120K 上下文在 Opus 5.5 上，一次缓存读取约 $0.02，一次 5 分钟缓存写入约 $0.60，一次写入顶 25 次读取。用 API key 的时候，你起身倒杯水、六分钟后回来，下一轮就从 $0.02 变成 $0.60。

会话开始时把模型、effort、MCP 都设好，干活期间别动。

/compact 什么时候回本

在 150K 上下文时压缩一次，大约花 $0.25（读一遍、写几千 token 摘要、在短上下文上重建缓存），之后每轮省约 $0.025 的读取。大约 10 轮回本，所以快干完了就别压了，压了反而亏。

摘要还会丢细节。调试到一半压缩，可能正好丢掉唯一关键的那行日志。压的时候告诉它留什么：

/compact keep the failing test names and the schema change

/clear 是免费的，转去做不相关的事就用它。

计量你自己的数

官方全文最后一条要点是加了粗的：在每个模型上跑一个真实任务，对比 /usage。你自己的数字才值得信。

任务结束时跑：

/usage

/usage 输出示例

看三个比例：

缓存占比。长会话应该很高。如果低，查查有没有长时间停顿、中途改了 effort 或模型、中途接了 MCP。
输出和输入的比值。小改动却有一大堆输出，通常是 effort 开太高了，或者模型在反复重试。
总输入和对话大小的比值。总输入是对话大小的很多倍，说明跑了太多轮，值得翻回去看看在哪兜圈子。

参考线：官方给的企业平均值是每个开发者每个活跃日约 $13，90% 的人不超过 $30。哪个会话明显高出你平时的水平，就翻出来看看是哪一步多花了。