Claude Code 的 token 是什么？为什么一轮要 8 万

Claude 中的 token 是什么？

Token 是 Claude 读取和生成文本时使用的单位：它可以是单词的一部分，大约相当于 3.5 个英文字符。这个数值来自 Anthropic 自己的术语表。计入空格和标点后，每个单词通常对应远不止 1 个 token，因此 1,000 个英文单词的普通文本通常超过 1,300 个 token。代码的每行 token 消耗更高：花括号、运算符、下划线和缩进会使每个字符拆分出比英文更多的 token。几百行的源文件通常就有几千个 token。Agent 决定读取一个 2,000 行的文件时，在写入任何新代码之前，token 消耗就可能已经达到五位数。

Tokenization 有两点容易造成误解。第一，它取决于模型。截至 July 2026，Opus 4.7 及更高版本、Sonnet 5 和 Fable 5 使用了更新的 tokenizer。对于相同文本，它生成的 token 大约比早期 Claude 模型多 30%（具体增幅取决于内容）。因此，即使每个 token 的价格没有随之上涨，按 token 计算的预算也会发生变化。第二，tiktoken 是博客文章通常使用的库，但它是 OpenAI 的 tokenizer。在普通文本中，它会使 Claude 的 token 数少算约 15–20%；对于代码，少算幅度更大。唯一可信的计数方式是 count_tokens endpoint，下面将介绍该方法。

一次编码会话为何会产生这样的费用

无论是 API 账单还是订阅限额，每笔 Claude 费用最终都取决于同一个计量项：输入 token 和输出 token。定价页面看起来很简单：每 100 万个输入 token 收取多少美元，每 100 万个输出 token 收取多少美元。但页面没有说明，在代理式编码会话中，输入端的消耗远高于直觉预期，因为每一轮都会重新发送完整对话。我从事按量计费基础设施销售已有 15 年，这是我见过的第一种计量项：大多数客户确实无法说清究竟是什么在消耗它。本节将说明如何读取这一计量项：代理式会话中的输入和输出分别包含什么，重复发送循环为何如此昂贵，提示缓存如何改变计算方式，以及哪些控制因素确实能够改变最终数值。

所有内容都是输入：计费系统实际统计的内容

人们通常以为自己是在为 Claude 编写的代码付费。在代理会话中，这只是很小的一项费用。输入 token 的单价更低，但数量要高得多，主要包括：

• 系统提示词。 Claude Code 自身的运行框架指令，以及您的 CLAUDE.md 和记忆文件。它们会在会话开始时加载，并在之后的每个请求中继续存在。
• 工具定义。 代理可能调用的每个工具模式。您连接的每个 MCP 服务器都会增加这项固定开销。不过，Claude Code 现在默认延迟加载完整的 MCP 工具定义，因此在首次使用工具前，上下文中只保留工具名称。这会降低成本，但无法完全消除。
• 代理读取的每个文件。 对源文件执行 Read 会将整个文件放入上下文，并一直保留在那里。
• 每个工具结果。 测试运行结果、grep 输出、终端输出、构建日志，全部都会作为输入 token 返回。失败的测试套件如果打印了 8,000 行，您就要为一本小书的内容付费。
• 到目前为止的完整对话，并在每轮请求中重新发送。 这一点值得单独说明。

没人计入价格的重发成本

Claude API 是无状态的。它不会在请求之间记住您的会话，实际上没有任何组件会记住。第 2 轮请求中，客户端会发送第 1 轮消息、第 1 轮响应以及您的新消息。第 50 轮请求中，客户端会重新发送第 1 到第 49 轮消息、读取过的所有文件、所有工具结果、所有差异，以及第 50 轮消息。模型每次都会重新读取完整的对话记录，这些重新读取的 token 都会按输入计费。

结果是：每轮成本大致会随会话长度线性增长，而整个会话的总成本大致呈平方增长。第 3 轮中只需支付半美分的消息，到第 60 轮可能会贵 20 倍，即使问题仍然只有一行，因为它携带了 60 轮消息的全部负载。这一事实可以解释大多数“为什么账单这么高”的工单。而且这并不是 Claude 特有的问题；所有给人以有状态体验的 LLM 产品，底层都是无状态 API 加上重发循环。

输出内容：你看到的结果，以及看不到的思考

输出 token 的费用很高。在当前产品线中，输出费率是输入费率的 5 倍（截至 July 2026，Opus 4.8 为 $5/$25，Sonnet 5 标价为 $3/$15，Haiku 4.5 为 $1/$5）。输出包括 Claude 生成的文本和代码，以及思考 token：模型在回答前执行的内部推理。这里有两点需要注意。思考按输出费率计费，并计入 max_tokens。如果 API 响应因 stop_reason: "max_tokens" 终止，且答案被截断，通常表示思考过程在生成答案前已经耗尽了预算。在当前模型中，推理摘要也可能不会显示。Opus 4.8、Sonnet 5 和 Fable 5 默认不显示推理摘要，但思考过程仍会执行并计费。不可见不等于免费。

Claude Code 默认启用扩展思考，因为这能显著改善多步骤任务的结果，默认预算在每次请求中可能达到数万个 token。对于简单任务，可以降低思考量：使用 /effort 或在 /model 中降低 effort level，也可以在 /config 中调整思考设置。这是切实有效的成本控制手段，不是凭感觉调整。

提示词缓存会改变计算方式

提示词缓存是重发循环不会让所有人破产的原因。API 可以缓存提示词、系统提示词、工具定义和对话历史中的稳定前缀，并在下一次请求中以很低的价格提供这些内容。截至 2026 年 7 月，倍率如下：缓存写入按基础输入价格的 1.25× 计费（1 小时版本为 2×），缓存读取按 0.1× 计费。写入需要支付溢价；读取可享受 90% 的折扣。只要读取一次，节省的费用就已经超过 5 分钟缓存写入的溢价。

Claude Code 会为您管理缓存。在运行正常的会话中，那次巨大的重发几乎全部通过缓存提供。但默认缓存的有效期是自上次使用起 5 分钟。如果您离开去喝咖啡，回来时间隔超过了有效期，再发送一条消息，缓存已经过期，之前累积的整个前缀就会按 1.25× 重新写入，而不是按 0.1× 读取。对于 150K token 的会话，一次冷启动轮次的成本可能超过十几次热启动轮次。需要牢记的反直觉结果是：先空闲再恢复的节奏可能比连续工作更贵，因为每次超过 TTL 的空闲间隔，都会把下一轮从低价读取变成高价重新写入。请分段集中工作；不要让一个巨大的会话每隔十分钟只接收一条消息。

如果您通过 自己的 VPS 上的应用调用 API，这些功能不会自动为您提供。最常见的自我造成的问题，是将时间戳或请求 ID 插入系统提示词，导致每次请求的前缀字节发生变化，并静默禁用缓存。判断依据是：在外观相同的调用中，usage.cache_read_input_tokens始终为 0。

公式及计算示例

不要相信“每个会话固定收费 $X”这类说法。会话成本可能相差两个数量级。真正适用的是以下公式：

turn cost = (uncached input      x base input price)
          + (cache writes        x 1.25 x base input price)
          + (cache reads         x 0.10 x base input price)
          + (output incl. thinking x output price)

session cost = sum over all turns

以下是 Claude Opus 4.8 的计算示例。截至 July 2026，该模型的输入价格为每百万个 token $5，输出价格为每百万个 token $25。某次会话中途的一轮请求包含 80,000 个累计上下文 token：其中 75,000 个从缓存读取，3,000 个新写入缓存，2,000 个未缓存的新输入 token，以及 1,500 个输出 token（包括思考 token）。

• 缓存读取：75,000 × $0.50/M = $0.0375
• 缓存写入：3,000 × $6.25/M = $0.019
• 未缓存输入：2,000 × $5/M = $0.010
• 输出：1,500 × $25/M = $0.0375

这一轮约为 $0.10；进行 50 轮类似请求，成本约为 $5。现在看缓存过期后的同一轮请求：完整的 80,000 个 token 都要按 $6.25/M 重新写入缓存。仅此项在计算输出前就需要 $0.50，约为缓存有效时整轮成本的 5 倍，但完成的是相同工作。这一差额用一个数字概括了缓存的全部影响。这四行计算也是比较不同供应商时唯一可靠的方法，因为标价完全忽略了缓存读取和思考成本；在 3 个真实任务上运行这些计算，就能看出 Claude 账单高于还是低于 OpenAI 账单。

如果您想了解计费单位本身，而不是单轮请求的成本，了解一百万个 token 相当于多少页面、文件和费用会将相同的计算提升一个层级。以下数据用于校准，而不是预测：截至 July 2026，Anthropic 公布的企业 Claude Code 部署数据表明，平均每位开发者每天活跃使用的成本约为 $13，每月约为 $150–250；90% 的用户每天的成本低于 $30。实际成本取决于模型选择、会话管理方式和代码库规模，这正是下面这些调节因素重要的原因。

查看自身用量

在 Claude Code 中，命令是 /usage（/cost 仍然可用，它是一个别名）。顶部的 Session 区块会显示当前会话的 token 统计信息和本地计算的费用估算；在订阅计划中，同一界面还会显示计划限额进度条，并将近期用量细分归因到 skills、子代理、插件和各个 MCP 服务器。对于 API 账户，Claude Console 中的用量页面才是权威的计费来源，CLI 中的数值只是估算值。/context 会绘制彩色网格，显示 哪些内容占用了上下文窗口，包括系统提示、工具、MCP 定义、文件和历史记录。这是发现过大的 CLAUDE.md 或消息过多的 MCP 服务器的最快方法；传入 all 可展开完整的逐项明细。

通过 API 时，每个响应都会准确说明发生了什么：

response = client.messages.create(model="claude-sonnet-5", max_tokens=2048,
                                  messages=messages)
u = response.usage
total_prompt = u.input_tokens + u.cache_creation_input_tokens + u.cache_read_input_tokens
print(f"uncached={u.input_tokens} written={u.cache_creation_input_tokens} "
      f"read={u.cache_read_input_tokens} output={u.output_tokens}")

请注意，input_tokens 仅表示未缓存的剩余部分，真实的提示大小是 3 个输入字段之和。某个运行了 1 小时的代理显示 input_tokens: 4000，并不代表成本低；其余 200,000 个 token 是通过缓存提供的。若要在发送前进行估算，请使用 token 计数端点。该端点可免费调用，使用独立的速率限制，并根据您指定的模型所使用的 tokenizer 进行计数（结果应视为近似值；计费以实际请求为准）：

count = client.messages.count_tokens(model="claude-sonnet-5",
                                     messages=[{"role": "user", "content": big_file}])
print(count.input_tokens)

鉴于上述原因，切勿 tiktoken。

订阅计划与按需付费

本指南中的操作在所有情况下都相同，只有结算方式不同。使用 API key 时，Anthropic 按发布的价格按 token 计费，采用按需付费模式；上文的每个数字都代表实际费用。计费开始得比大多数人预期更早，因为没有可依赖的免费层，只有注册时获得的一小笔额度，以及少数不收费的 endpoint。这就是新 API 账户在绑定银行卡前实际获得的内容。使用 Claude 订阅计划（Pro、Max、Team、Enterprise）时，Claude Code 的用量改为从计划包含的额度中扣除：截至 2026 年 7 月，该额度包括滚动的五小时会话窗口和每周窗口，并由不同模型以及 claude.ai 聊天共享；/usage美元数值仅供参考，不代表账单金额。用尽某个窗口后，您会看到 "You've hit your session limit" 或 "You've hit your weekly limit"，并显示重置时间。使用 /model 切换模型也不会恢复访问权限，因为这些窗口由所有模型共享。这些窗口跟随账户，而不是跟随您使用的客户端。如果您还在确认哪些功能可在 Linux 上原生运行，以及每种界面由哪个计划覆盖，这一点尤其重要。您实际用尽的是哪一个窗口，会决定需要等待多久，以及此期间采取什么措施最合适。因此，您应了解任务进行到一半触达限制时有哪些选项。计划还可以选择启用用量额度，通过 /usage-credits 管理，以购买超出上限的用量。我不会在这里列出各计划的额度，因为它们是这一主题中变化最快的数字。请改为查看 claude.com/pricing 和您自己的 /usage 使用情况栏。订阅用户仍需关注 token 的使用机制；浪费的会话会以消耗美元同样的方式消耗您的窗口额度。有关订阅计划，请参阅哪个 Claude 计划适合您的使用场景。

真正有效的控制手段

• 限定代理读取的范围。 “修复 auth.py 中的验证错误”只需读取一个文件；“改进这个代码库”则会读取40个文件。保持 CLAUDE.md 精简，因为它会加载到每个会话中。只保留必要内容，并将特定于工作流的说明移到按需加载的技能中。
• 清晰且简洁。 在不相关的任务之间使用 /clear；后续每条消息都会重新发送并再次计费过时的上下文。在一个较长的任务中，/compact Focus on the failing tests and the diff 会压缩历史记录，避免进入二次增长曲线。
• 选择合适规模的模型。 Sonnet 可处理大多数编码任务。截至2026年7月，入门价格为每百万 token $2/$10（标价为 $3/$15；Opus 为 $5/$25），而 Haiku 的价格为 $1/$5，适合日志分类等机械性的子代理工作。Fable 5 处于另一端，价格为 $10/$50，是 Opus 两档价格的两倍。因此，在将其选用于常规工作前，最好了解哪些任务确实值得这个价格。/model 可在会话中途切换模型。
• 预先过滤冗长输出。 在 Claude 读取测试结果前，使用 hook 将测试运行结果过滤为仅包含失败项，可将20,000个 token 的工具结果缩减为300个 token；该步骤还会应用于后续对该轮内容的每次重新发送。
• 批处理非交互任务。 对于您自己的 API 流水线、分类、批量审查和夜间任务，Batches API 可在异步交付的条件下，以5折价格运行相同的模型。
• 注意缓存时钟。 连续工作一段时间。闲置的 运行于 VPS 的 tmux 中的 Claude Code 会话不会产生费用；只有执行一轮对话时才会消耗 token。但闲置期间会使预热缓存失效，下一轮需要重新发送内容并产生费用。

FAQ

编程会话在 Claude Code 中会使用多少 token？

没有固定数量。文件和历史记录累积后，单个会话中途的请求通常会包含数万个 prompt token；完整工作会话可能达到数百万 token，其中大多数通过缓存提供，价格约为基础费率的十分之一。作为参考，Anthropic 截至 2026 年 7 月公布的企业数据表明，平均每位开发者每个活跃日的费用约为 $13，90% 的用户费用低于 $30。在自己的会话中运行 /usage；实际监控 5 分钟比任何公开平均值都更有参考价值。

thinking token 在不可见时也会收费吗？

会。thinking token 按 output token 计费，使用较高的费率，并计入 max_tokens。当前模型即使不在界面中显示 reasoning summary，也会对这些 token 计费。如果响应在可见答案完成前以 stop_reason: "max_tokens" 截断，通常表示 thinking 已消耗预算。在 Claude Code 中，对于不需要深度推理的任务，可使用 /effort 降低 effort level。

为什么 Claude Code 的长会话每条消息费用更高？

因为 API 是无状态的：每次请求都会重新发送完整对话、读取过的每个文件、工具结果和此前的交流，并将其作为计费的 input。因此，第 50 次请求会携带第 1 到第 49 次请求的全部内容。Prompt caching 会以约为基础 input 价格十分之一的费率提供重复前缀，但前缀本身会持续增长；如果空闲时间超过 cache TTL，下一次请求就会将完整内容按全价重新发送。/compact 可缩短历史记录；/clear 可重置历史记录。

如何检查 Claude 的 token 使用量和费用？

在 Claude Code 中，/usage 会显示会话 token 统计信息、本地费用估算，以及订阅计划的限额进度条（/cost 是其别名）；/context 会显示哪些内容正在占用上下文窗口。要获取权威的 API 账单数据，请使用 Claude Console 中的 usage 页面。在自己的代码中读取 response.usage；将 input_tokens、cache_creation_input_tokens 和 cache_read_input_tokens 相加即可得到真实的 prompt 大小。应使用 count_tokens endpoint 提前估算，绝不要使用 tiktoken。