Claude Code 省钱三件套：模型、effort、缓存

2026-07-24 更新·markdown 原文

账单不是被某一个开关决定的，是三个乘数相乘：用哪个模型 × 思考多深 × 缓存命中多少。我把官方文档里散在三处的口径接到一起，顺带补上「长会话为什么会安静地烧钱」那份清单。数字截至 2026 年 7 月。

先给个尺子。官方公布的企业部署均值：约 $13 / 开发者 / 活跃日，$150–250 / 开发者 / 月，90% 的人活跃日花费低于 $30。你的数比这个高一截，多半能在下面三件套里找到原因。

一、模型：默认别停在 Opus

官方的话很直接：Sonnet 应付大多数编码任务，成本低于 Opus；Opus 留给复杂的架构决策和多步推理。

/model 会话中途切
/config 设默认
子代理单独指定：配置里写 model: haiku

API 或云厂商账单异常高，官方点名两个最常见的原因，第二个就是把 Opus 当默认放着没动。

顺带一个容易误解的：订阅计划下的会话/周限额是跨模型共享的，/model 换个模型不会让额度回来。只有撞到「你已达到 Opus 限额」这条模型专属的消息时，换模型才能接着干活。

二、effort：思考深度是可以调的

扩展思考默认开着——它对复杂规划和推理确实有明显帮助，但思考 token 按输出计费，默认预算可能是每次请求几万 token。

简单任务上调低它：

`/effort`，或者在 /model 里设
`/config` 里可以整个关掉思考
固定思考预算的模型上，用环境变量 MAX_THINKING_TOKENS（比如 MAX_THINKING_TOKENS=8000）

三个坑：

自适应推理的模型会忽略非零预算——在那些模型上设 MAX_THINKING_TOKENS 是无效操作，要用 effort 档位。
Fable 5 关不掉思考，它永远用扩展思考。
反过来也成立：难活儿上把 effort 压太低，会换来更多轮返工，总账更贵。

档位怎么选：high 是大多数场景的默认；编码和 agentic 任务里最难的那部分值得上 xhigh；例行活儿 medium 甚至 low 就够。这不是单调关系——高 effort 常常因为一次做对而减少轮次，反而更便宜。

三、缓存：Claude Code 里的寿命跟你怎么登录有关

缓存读取按输入价的 0.1 倍计，写入 1.25 倍（5 分钟档）或 2 倍（1 小时档）。这层机制单独一篇写了。这里只补 Claude Code 特有的那条：

缓存寿命取决于你用什么在跑：

怎么登的	缓存寿命
订阅（Pro / Max / Team / Enterprise）	1 小时
订阅但已经在用 usage credits	掉到 5 分钟
API key 或云厂商	默认 5 分钟

这解释了一个很常见的困惑：同样是「离开一会儿再回来问一句」，在订阅上几乎无感，在 API key 上就是一次全量重算——你的整个会话上下文重新按全价过一遍。

/usage 会在最近用量里标出占比 ≥10% 的行为，缓存未命中是它会点名的一项。看到它就说明这笔钱是真的在漏。

长会话为什么会安静地烧钱

一个开了一整天的会话，用掉的额度会远超你的活动量。官方列了五个原因，每个都不显眼：

全量重发。 每条消息都带着整个对话过去。开了一天的会话里问一句话，付的是整段历史的钱，不是那一句的钱。
缓存过期。 休息时间超过缓存寿命，回来第一条消息就是全量重算（见上表）。
定时任务。 挂着的 scheduled task 到点就跑，哪怕会话空闲，照样发一整份上下文。
agent 队友。 每个活着的 teammate 都在持续烧 token，直到它退出或会话结束。
`/compact` 本身是个大请求。 它要读完那段对话才能总结——压缩一个大上下文，这个动作本身就很贵。

最后一条推出一个反直觉的结论：`/clear` 不花钱，`/compact` 花钱。 要的是接着干就 compact，要的是重新开始就 clear，别习惯性 compact。

其余几个杠杆

`/clear` 分隔不相关的任务。 陈旧上下文在之后每一条消息上都收一次费。想回头找，先 /rename 再 clear，之后 /resume。

MCP 开销。 工具定义默认是延迟加载的，只有工具名进上下文。但 `gh`、`aws`、`gcloud` 这类 CLI 更省——它们连工具名都不占。/mcp 看有哪些开着，不用的关掉；/context 看谁在占地方。

用 hook 预处理。 Claude 读一个一万行的日志找报错，不如一个 PreToolUse hook 先 grep 出 ERROR 再给它——几万 token 变几百。官方给的例子是把 npm test 改写成只输出失败部分。

把 CLAUDE.md 里的长流程搬进 skill。 CLAUDE.md 每次会话都全量加载，哪怕你今天干的是完全无关的活。skill 只在被调用时加载。

大输出交给子代理。 跑测试、抓文档、处理日志，让冗长的输出留在子代理的上下文里，主对话只收一份摘要。

agent teams 很贵。 队友在 plan mode 下跑时，token 用量约是普通会话的 7 倍——每个队友是独立的 Claude 实例，各带一份上下文。队友用 Sonnet、队伍开小、活干完就关掉。（默认是关的，要 CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1 才开。）

把话说具体。 「改进一下这个代码库」会触发大范围扫描；「给 auth.ts 的 login 函数加输入校验」让它直接干活。这条最便宜也最有效。

复杂活先走 plan mode。 Shift+Tab 切过去，让它先探再提方案给你批——方向错了才返工，是最贵的一种浪费。走岔了按 Esc 立刻停，/rewind 或双击 Esc 回到之前的检查点。

怎么看自己花了多少

/usage 的 Session 区块：

Total cost:            $0.55
Total duration (API):  6m 20s
Usage by model:
   claude-sonnet-4-6:  1.2k input, 5.3k output, 940.0k cache read, 50.0k cache write ($0.55)

注意那行数字的构成——940k 缓存读 vs 1.2k 全价输入，这就是缓存在实际会话里的占比。金额是本地按 token 估算的，跟真实账单会有出入，权威数字看 Console 的 Usage 页。

订阅用户看的是额度条和用量分解，会把用量归给 skill、子代理、插件、各个 MCP server，各占百分之多少。按 d / w 在 24 小时和 7 天之间切。/clear 之后这些计数归零。

后台还有一小笔固定开销（会话摘要、状态查询之类），通常每个会话低于 $0.04。