Claude的记忆功能需要额外付费吗？

Claude 的记忆功能需要额外付费吗？

Claude 的记忆功能本身不单独收费。Anthropic 公布的价格按每百万输入 token 和每百万输出 token 计算，提示缓存另有费率，其中没有任何一项称为记忆 token。Claude API（应用程序接口）不会因为存储记忆本身收费，因为记忆工具在客户端运行，文件存储在您拥有的存储空间中。

记忆仍会影响账单，因为只有包含在 Claude 读取的请求中，被记住的事实才会影响回答。使用记忆意味着重新发送相关内容。这些文本会作为输入 token 传输，并按模型的标准输入费率计费。费用取决于两个因素：每轮重新发送的记忆文本包含多少 token，以及这些重复发送的文本能否从提示缓存中提供。

使用 Pro 或 Max 订阅时，您完全不会按 token 计费，因此记忆消耗的是使用额度，而不是费用。下方机制不变，只有计量单位不同。使用额度是有限的，因此在决定每轮应携带多少记忆之前，建议先了解 Claude Pro 的费用，以及其限制何时会影响您。Claude Enterprise 的计费方式又不同，因为 它会在席位价格之外，按 API 费率计量每个 token，所以过大的记忆块会重新转化为费用，而不是消耗使用额度。如果精简记忆后，您的使用量可以稳定低于较低套餐的上限，那么 从 Max 降级到 Pro 就是下一步值得考虑的操作；变更会在您已支付的当前计费周期结束时生效。如果您实际比较的是不同服务商，而不是 Anthropic 自身的套餐，建议从 按当前价格对比 Claude 和 ChatGPT 的套餐 开始。

每个 Claude 界面中的“memory”含义

三个独立的产品都使用这个词。混淆它们，是这个问题让人困惑的主要原因。

Claude API 中的 memory 工具。 您向 tools 数组添加一项，并在自己的代码中实现文件操作。

{"type": "memory_20250818", "name": "memory"}

截至 August 2026，此工具已在 Messages API 中正式提供，无需 beta header，适用于 Claude 4 及更高版本的模型。它在客户端运行：Claude 请求执行 view /memories 等操作，您的处理程序对您控制的存储执行该操作，然后在 tool_result 块中返回结果。Anthropic 不会保存该文件，因此不会产生需要转嫁的存储费用。您需要为这次往返请求付费。工具定义会在每次请求中发送，返回的文件内容从此处开始保留在对话中。

Anthropic 公布了这部分固定开销。在 Claude Opus 5 中，当工具选择为 auto 时，工具使用系统提示词包含 286 个 token，具体记录于 August 2026。只要请求中存在任意工具，无论是否为 memory 工具，每次请求都会支付这部分费用。

Claude Code。 每个会话开始时会加载两种机制。CLAUDE.md 文件包含您编写的指令。Auto memory 包含 Claude 为自己写入的备注，位于 ~/.claude/projects/<project>/memory/ 下。MEMORY.md 只会加载前 200 行或 25KB，先达到的限制生效；其旁边的主题文件会按需读取，而不是在启动时读取。启动时加载的所有内容都会成为前缀的一部分，之后该会话中的每个请求都会携带此内容。Claude Code 如何在会话之间调用 memory 按文件说明了加载顺序。

Web 上的 Claude。 在 claude.ai 上，memory 是 Claude 在您聊天时写入和更新的一组条目。每个项目都有独立的 memory 空间。Settings > Memory 会列出已存储的内容，其中的开关提供 Pause memory 或 Reset memory 选项。此界面按订阅计费，因此这里的 memory 会消耗使用限额。

为什么记忆文本按输入 token 计费

Messages API 是无状态的。它不会在调用之间保留任何内容，因此客户端必须在每一轮请求中发送完整对话，模型也会再次读取全部内容。记忆也不例外。它只是同一请求中的另一段文本。

在任何响应的 usage 对象中都可以看到这种拆分。

"usage": {
  "input_tokens": 412,
  "cache_creation_input_tokens": 0,
  "cache_read_input_tokens": 18240,
  "output_tokens": 236
}

input_tokens 只统计既未从缓存读取、也未用于创建缓存的 token，实际就是最后一个缓存断点之后的 token。请求的输入总量为 cache_read_input_tokens 加 cache_creation_input_tokens 加 input_tokens。Claude 在 3 轮之前打开的记忆文件，此后每一轮都会计入该总量。缓存前缀有效时，它计入 cache_read_input_tokens；缓存前缀无效时，则计入 input_tokens。文本相同，但价格可能完全不同。输入 token 和输出 token 的价格不同，而记忆始终只计入输入侧。

在哪些位置查看您自己的使用数据

不要直接采用博客文章中的数字，包括本文中的数字。请测量您自己的 memory block。Token 计数免费，并有独立的速率限制，因此测量不会产生费用。

curl https://api.anthropic.com/v1/messages/count_tokens \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "content-type: application/json" \
  -H "anthropic-version: 2023-06-01" \
  -d '{
    "model": "claude-opus-5",
    "system": "You are a scientist",
    "messages": [{"role": "user", "content": "Hello, Claude"}]
  }'

返回结果是一个数字，例如 { "input_tokens": 14 }。将 memory 文本粘贴到 system 字段中运行一次，再不填写该字段运行一次，两次结果的差值就是该 memory 在每轮对话中产生的开销。需要注意两点。计数结果是估算值，Anthropic 为自身系统优化额外添加的 tokens 不会向您计费。此外，应以您实际运行的模型为准，因为 Claude 4.7 及更高版本使用更新的 tokenizer，同样的文本生成的 tokens 大约多 30 percent。

在 Claude Code 中，无需使用任何 curl，也可以回答同一个问题。

• /context 显示当前已加载的内容，包括 memory 文件，因此您可以在输入任何内容前查看它们占用窗口的比例。
• /memory 列出您的 CLAUDE.md 文件，并打开 auto memory 文件夹。
• /usage 输出会话总量，其中包括 cache reads 和 cache writes。
• 状态行可以持续显示上下文窗口使用量，因此您可以在增长发生时实时看到变化。

/usage 会话块如下所示：

Total cost:            $0.55
Total duration (API):  6m 20s
Total duration (wall): 6h 33m 10s
Total code changes:    0 lines added, 0 lines removed
Usage by model:
   claude-sonnet-4-6:  1.2k input, 5.3k output, 940.0k cache read, 50.0k cache write ($0.55)

请仔细查看最后一行。940.0k 的 cache read 数值表示整个会话内容，包括 memory，在每轮对话中都按 cache 费率再次发送。1.2k 的 input 数值只表示本轮新增的部分。Claude Code 根据公开价格在本地计算该金额，因此不会计入您享受的任何折扣，结果可能与账单不同。Claude Console 中的 Usage 页面才是权威数据。

然后直接运行对比。在两个全新的会话中提出相同的开场问题：一个使用默认设置，另一个关闭 auto memory。

CLAUDE_CODE_DISABLE_AUTO_MEMORY=1 claude

在每个会话中运行 /context，然后比较 memory files 条目。两者的差值就是累计 memory 在每个会话开始时产生的开销，此时还没有执行任何工作。接下来建议阅读Claude Code token 使用量的完整构成，并结合这两个数字进行对照。

每百万 token 重放内存的成本是多少？

提示缓存决定了同一内存块在不同轮次的成本可能相差十倍。Anthropic 将缓存费率公布为各模型基础输入价格的倍数，因此即使美元价格发生变化，这种关系仍然成立。

[
  {
    "label": "Base input",
    "price_multiple": 1
  },
  {
    "label": "5 minute cache write",
    "price_multiple": 1.25
  },
  {
    "label": "1 hour cache write",
    "price_multiple": 2
  },
  {
    "label": "Cache read",
    "price_multiple": 0.1
  }
]

读取缓存的成本是基础输入价格的 0.1 倍。写入一个有效期为 5 分钟的条目，成本是基础价格的 1.25 倍；有效期为 1 小时的条目，成本是基础价格的 2 倍。Anthropic 明确说明了盈亏平衡点：有效期为 5 分钟时，读取一次缓存即可回本；有效期为 1 小时时，读取两次缓存即可回本。提示缓存的盈亏平衡点 是决定内存应放在哪里之前需要进行的计算。

这些倍数可以将重放次数转换为算术计算。下面的内容基于上述已公布的倍数进行计算，不代表任何实际运行工作负载的测量结果。它以 100 轮会话为范围，通过 3 种方式计算一个内存块的成本，结果表示为按普通基础输入费率计费时的等效 token 数。

[
  {
    "label": "4,000 tokens, never cached",
    "base_rate_equivalent_tokens": "400,000"
  },
  {
    "label": "4,000 tokens, 1 write and 99 reads",
    "base_rate_equivalent_tokens": "44,600"
  },
  {
    "label": "1,000 tokens, 1 write and 99 reads",
    "base_rate_equivalent_tokens": "11,150"
  }
]

一个包含 4,000 token 的内存块如果在全部 100 轮中都未命中缓存，计费量相当于 400,000 个基础费率 token。同一个内存块如果进行一次 5 分钟缓存写入，并读取缓存 99 次，计费量相当于 44,600 个。将其缩减为原大小的四分之一并保留缓存后，计费量相当于 11,150 个。这 3 行中的功能没有变化。变化的只有重放行为。这些仍然是 token 数量，而不是金额；将 token 数量换算为月度账单金额 只需将其乘以所用模型的每百万 token 费率。该费率由所运行的模型决定。因此，如果代理将运行在 Claude Fable 5 上，应从其公布的每百万 token 费率及适用的工作负载开始。如果尚未确定提供商，而不只是尚未确定模型，在 Claude API 和 ChatGPT 上计算相同任务的成本可以显示这种乘法在两者之间的不同结果；内存密集型代理尤其依赖输入侧的费率。

第二行假设后续 99 个请求到达时，缓存条目仍处于有效期内。大多数实际账单出错，原因就在这个假设上。

为什么中断后相同的问题成本更高？

缓存条目有生命周期，计时从写入或读取该条目的请求开始。默认值为 5 分钟。选择 1 小时的生命周期后，成本是上文所示写入成本的 2x。在 Claude Code 中，订阅用户的生命周期为 1 小时；开始使用 usage credits 后，生命周期会降至 5 分钟；使用 API key 或云服务提供商时，默认值为 5 分钟。设置 ENABLE_PROMPT_CACHING_1H=1 后，在使用 usage credits 时仍可保持 1 小时的生命周期。

因此，您在午休前打开的会话中输入一行问题，回来后发现成本很高，是因为您离开期间缓存条目已过期。包括记忆在内的整个前缀都会再次按基础输入速率处理，并再次写入缓存。暂停时间的长度决定了这次成本。

您可以通过实际观察确认这一点，而不必仅凭推测。在 Pro、Max、Team 或 Enterprise 计划中，/usage 分解会标记近期用量中占比达到 10% 或以上的行为；长上下文和缓存未命中都会按名称显示。使用 API 时，观察 cache_creation_input_tokens：安静一段时间后的首次请求中，它会恢复为前缀的完整大小。

什么会悄悄使缓存失效

缓存前缀按以下顺序排列：工具、系统提示词、消息。在某一层发生更改时，该层及其后的所有内容都会失效。编辑工具定义会丢弃整个缓存。编辑系统提示词会丢弃系统提示词缓存和消息缓存。

对于将记忆保存在系统提示词中，并随着代理学习不断重写系统提示词的人来说，这是一个陷阱。每次重写都会丢弃其后的所有内容的缓存副本，因此下一次请求必须再次完整写入。应将稳定内容放在前面并保持不变，将易变内容放在消息列表靠后的位置，这样使其失效的成本较低。

还有一种更隐蔽的失败情况。每个模型都有可缓存前缀的最小长度：Claude Opus 5 为 512 个 token，Claude Sonnet 5 为 1,024 个 token，Claude Haiku 4.5 为 4,096 个 token。这些数值由 Anthropic 于 2026 年 8 月发布。Anthropic 的文档明确说明了低于该长度时的处理方式：“任何请求缓存少于此数量的 token 都不会使用缓存处理，并且不会返回错误。”因此，使用 cache_control 标记的较小记忆文件实际上完全不起作用，而且不会显示任何提示。您能观察到的现象是：即使提示词中明确包含断点，cache_creation_input_tokens 仍保持为 0。

清理不再发挥作用的记忆

每一行记忆都会在包含它的每轮对话中消耗 token，因此应逐行判断：它最近是否改变了答案。Claude Code 对此有明确限制。建议将 CLAUDE.md 控制在 200 行以内，因为文件越长，占用的上下文越多，Claude 遵循其中指令的可靠性越低。加载时，MEMORY.md 仅读取前 200 行或 25KB，超过限制的内容会在下一次会话启动时被丢弃。因此，过大的索引既会消耗 token，也不会提供任何作用。

两种做法可以使文件保持精简。将详细内容从索引移到主题文件中。Claude 会按需读取这些文件，而不是在启动时加载。将工作流指令从 CLAUDE.md 移到 skills 中。只有调用 skill 时才会加载其中的指令。对于已包含 frontmatter 的记忆文件，Claude Code 会在 modified 字段中记录写入时间，格式为 ISO 8601 时间戳；此功能适用于 2.1.214 或更高版本。这个时间戳是发现过时事实的最快方式。清理过时的代理记忆 会更深入地介绍审核流程。

何时检索优于将所有内容加载到上下文中

memory 工具用于支持即时检索。代理不会预先加载所有内容，而是记录所学信息，仅在任务需要时读回文件。这样会改变计算方式：文件读取只在首次读取时消耗对应 token，之后会保留在缓存前缀中；而永久加载的内容则会在每一轮中产生开销。

根据上面的两张图，可以得出一个简单规则。几乎每一轮都会使用的文本，应放在稳定的缓存前缀中。每 20 轮仅使用 1 次的文本，应放在 view 调用之后。盈亏平衡点取决于重放次数，而不是 Anthropic 的收费方式。

在 API 中，还可以让平台裁剪对话。当对话超过你设置的阈值时，上下文编辑会清除较早的工具结果。

{
  "edits": [
    {
      "type": "clear_tool_uses_20250919",
      "trigger": {"type": "input_tokens", "value": 30000},
      "keep": {"type": "tool_uses", "value": 3},
      "clear_at_least": {"type": "input_tokens", "value": 5000}
    }
  ]
}

默认设置为输入 token 达到 100,000，并保留 3 次工具使用记录后触发。启用前请先了解缓存的交互方式：清除内容会使清除位置之后的缓存前缀失效，因此下一次请求会产生缓存写入费用。这就是 clear_at_least 的作用。它会延迟清除，直到节省的费用足以抵消写入费用。响应会在 context_management 下准确报告实际发生的情况，并包含 cleared_tool_uses 和 cleared_input_tokens，因此可以量化这项权衡，而不是停留在理论层面。管理 Claude Code 中的上下文窗口将同一思路应用于编码会话。

哪些功能会单独计费

Memory 本身不单独收费，但有些功能确实会产生独立费用，值得了解具体项目。以下是截至 2026 年 8 月公布的 Claude API 费率。有些操作完全免费，但 Claude API 没有免费层级，注册时只有少量额度，因此下面列出的费用从第一次请求开始就会产生实际支出。

• Web search：每 1,000 次搜索收费 $10，此外还需支付搜索结果加入上下文后产生的常规 token 费用。
• Code execution：每个组织每月免费 1,550 小时，超出后按每个容器每小时 $0.05 收费。与 Web search 或 Web fetch 一起使用时免费。
• Claude Managed Agents：会话运行时间按每个会话小时 $0.08 收费，此外还需支付常规 token 费用。
• Web fetch：不额外收费，只需支付获取内容产生的 token 费用。

Memory 不在上述任何单独计费项目中。它会计入输入 token 数量，而这正是您可以测量它的位置，也是您可以通过裁剪和缓存降低成本的位置。如果您要为运行在虚拟专用服务器（VPS）上、无人值守运行的 agent 制定预算，那么下一步应设置 VPS 上 AI agent 的成本控制，因为 Memory 文件不断增长且没有裁剪时，费用会在没有任何报告的情况下逐周增加。

FAQ

Claude 的记忆功能是否单独收费？

不单独收费。Anthropic 的价目表按每百万输入 token、每百万输出 token 以及提示缓存倍数计费，其中没有单列记忆功能。在 Claude API 中，记忆工具由客户端实现，因此相关文件存储在您已经付费使用的存储空间中。记忆功能增加的是输入 token；每次请求携带这些 token 时，都会按模型的常规输入费率计费。

关闭记忆功能后，Claude 的费用会降低吗？

这会减少每次请求的 token 数量，从而降低单次请求的费用。但总体是否省钱，取决于后续操作。如果 Claude 必须重新读取3个文件，并向您提问2个问题，才能恢复记忆中已有的信息，那么这些 token 的费用可能高于使用记忆功能的费用。不要凭猜测判断，应进行测量：在开启自动记忆的会话中运行 /context，再在使用 CLAUDE_CODE_DISABLE_AUTO_MEMORY=1 启动的会话中运行一次，然后比较两次完成相同任务所消耗的总 token 数。

我没有更改任何内容，为什么使用量却增加了？

最常见的原因是暂停后缓存未命中。缓存条目默认保留5分钟；启用扩展设置后保留1小时。因此，中断后发送的第一个请求会按基础输入费率重新处理整个前缀，并再次写入缓存。第二个常见原因是前缀发生更改：更改工具定义会使整个缓存失效，更改系统提示词会使系统缓存和消息缓存失效。在订阅计划中，/usage 明细会列出导致近期使用量占比达到10%或更高的行为。

记忆内容应放在系统提示词中，还是通过工具调用加载？

如果几乎每轮请求都会使用记忆内容，请将其放入系统提示词。这样它会位于缓存前缀中，并按缓存读取费率计费。如果只有部分任务需要记忆内容，请通过 view 调用加载。文件只读取一次时，其 token 只计费一次，而不是每轮都计费。决定这一点的关键数值是重放次数，usage 对象会直接提供该数值。

记忆功能是否计入订阅计划的使用限额？

会，但属于间接计入，因为订阅限额由每次请求携带的 token 消耗。Anthropic 的帮助文档说明，触发自动上下文管理的较长对话会消耗更多使用限额。记忆功能会使每次请求略微变长，而长会话会在每轮请求中重复携带这部分内容。Claude 的使用限额实际如何工作 介绍限额何时重置。