Claude 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，提示缓存另有价格；其中没有任何一项称为 memory token。在 Claude API（应用程序编程接口）中，存储记忆本身不产生费用，因为 memory 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，记忆的事实才会影响回答。使用记忆意味着重新发送这些内容。文本会作为输入 token 发送，并按模型的标准输入价格计费。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，以及这些重新发送的内容能否通过提示缓存提供。

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。下面的机制相同，变化的只是计量单位。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，以及其限制从何处开始影响您。Claude Enterprise 的计费方式又不同，因为 它会在席位价格之外，按 API 价格计量每个 token，所以过大的记忆块会重新转化为实际费用，而不是消耗使用额度。如果清理记忆后，您的用量能够稳定低于较低套餐的上限，那么下一步可以考虑 从 Max 降级到 Pro；变更会在您已支付的当前周期结束时生效。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 按当前价格比较 Claude 与 ChatGPT 的套餐 开始。

每个 Claude 产品中的“记忆”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 中的记忆工具。 您向 tools 数组添加一条记录，并在自己的代码中实现文件操作。

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

截至 August 2026，该工具通常已在 Messages API 中可用，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，您的处理程序针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，因此无需转嫁存储费用。您支付的是这次往返请求的费用。工具定义会在每个请求中发送，返回的文件内容从此时起会保留在对话中。

Anthropic 公布了这部分固定开销。在 Claude Opus 5 上，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。只要请求中存在任何工具，无论是记忆工具还是其他工具，每个请求都会支付这部分费用。

Claude Code。 每个会话开始时都会加载两种机制。CLAUDE.md 文件保存您编写的指令。自动记忆保存 Claude 为自己编写的笔记，位于 ~/.claude/projects/<project>/memory/ 下。MEMORY.md 只会加载前 200 行或 25KB 的内容，以先达到的限制为准；其旁边的主题文件不会在启动时读取，而是在需要时按需读取。启动时加载的所有内容都会成为前缀的一部分，后续每个请求都会在该会话中携带此前缀。Claude Code 如何在会话之间调用记忆 按文件说明了加载顺序。

Web 版 Claude。 在 claude.ai 上，记忆是一组 Claude 在聊天过程中编写和更新的条目，每个项目都有独立的记忆空间。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。该产品按订阅计费，因此这里的记忆会消耗使用限额。

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 在三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，价格却可能完全不同。输入 token 和输出 token 的价格不同，而记忆文本始终只计入输入侧。

在哪里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，并且有独立的速率限制，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"}]
  }'

响应结果是一个数字，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，二者的差值就是这段 memory 在每轮对话中产生的成本。请注意两点。该计数是估算值，Anthropic 为自身系统优化额外添加的 token 不会向您收费。此外，请以您实际运行的模型为准，因为 Claude 4.7 及更高版本使用了更新的 tokenizer，对相同文本生成的 token 大约多 30%。

在 Claude Code 中，无需使用任何 curl 即可回答同样的问题。

• /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情况，因此可以实时看到用量增长。

/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 数值表示每轮对话都会以 cache 费率再次发送整个对话内容，包括 memory。1.2k 的 input 数值仅表示本轮新增的部分。Claude Code 根据标价在本地计算该金额，因此不会计入您享受的任何折扣，结果也可能与账单不同。Claude Console 中的 Usage 页面才是权威数据。

然后直接运行对比。分别在两个全新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。差值就是累计 memory 在每个会话开始时产生的成本，此时还没有执行任何工作。建议接着阅读Claude Code token 使用量的完整构成说明，并结合这两个数字进行理解。

每百万个 token 重放内存的成本是多少？

提示缓存决定了同一个内存块在不同轮次的成本可能相差 10 倍。Anthropic 将缓存费率发布为各模型基础输入价格的倍数，因此即使美元价格变化，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。写入一条有效期为 5 分钟的缓存项，成本是基础价格的 1.25 倍；有效期为 1 小时的缓存项，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，读取缓存 1 次即可收回缓存写入成本；有效期为 1 小时时，需要读取缓存 2 次。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化为算术计算。下一部分基于上面公布的倍数进行计算，并非对任何实际运行中的工作负载进行测量。它以 3 种方式计算一个内存块在 100 轮会话中的成本，结果表示为按普通基础输入费率计费的等效 token 数量。

[
  {
    "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 个 token、在 100 轮中每次都未命中缓存的内存块，计费量相当于 400,000 个基础费率 token。同一个内存块进行 1 次 5 分钟缓存写入并读取缓存 99 次，计费量相当于 44,600 个基础费率 token。将其缩减到原大小的四分之一并继续使用缓存后，计费量相当于 11,150 个基础费率 token。在这 3 行中，功能本身没有变化。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。该费率由运行的模型决定，因此如果代理将运行在 Claude Fable 5 上，应从该模型公布的每百万 token 费率及其适用工作负载开始。

第二行假设后续 99 个请求到达时，缓存项仍未过期。大多数实际账单出错的原因就在于这个假设。

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 小时会产生上文所示 2x 的写入费用。在 Claude Code 中，订阅用户的生命周期为 1 小时；开始使用用量额度后，生命周期会降为 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，使用用量额度时仍可保持 1 小时的生命周期。

因此，您在午休前留在会话中输入了一行问题，回来后成本却很高，是因为您离开期间缓存条目已过期。系统会再次按基础输入费率处理整个前缀，包括记忆内容，并再次将其写入缓存。暂停时间的长短决定了这笔费用。

您可以验证这一点，而不必直接相信上述说明。在 Pro、Max、Team 或 Enterprise 方案中，/usage 分解会标记近期用量中占比达到 10% 或更高的行为；长上下文和缓存未命中都会以名称显示。使用 API 时，请观察 cache_creation_input_tokens：在一段空闲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

缓存的前缀有固定顺序：工具、系统提示、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。编辑系统提示会丢弃系统提示缓存和消息缓存。

对于将记忆保存在系统提示中、并在代理学习后不断重写系统提示的人来说，这是一个常见陷阱。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的后部。这样，即使其失效，成本也较低。

还有一种更隐蔽的失效情况。每个模型都有可缓存前缀的最小长度：Claude Opus 5 为 512 tokens，Claude Sonnet 5 为 1,024 tokens，Claude Haiku 4.5 为 4,096 tokens；这些数据由 Anthropic 于 August 2026 发布。Anthropic 的文档明确说明了低于该长度时的行为：“任何尝试缓存少于此数量 tokens 的请求都会在不使用缓存的情况下处理，并且不会返回错误。”因此，标记为 cache_control 的小型 memory 文件完全不起作用，而且不会显示任何提示。您能观察到的现象是：即使 prompt 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

记忆中的每一行都会在包含它的每轮对话中消耗 token，因此需要逐行判断：它最近是否改变了回答。Claude Code 对限制给出了明确规定。建议将 CLAUDE.md 控制在 200 行以内，因为文件越长，消耗的上下文越多，Claude 遵循其中指令的可靠性越低。MEMORY.md 加载时最多读取前 200 行或 25KB，超过限制的内容会在下一次会话启动时被丢弃，因此过大的索引既消耗 token，也没有提供任何指导。

两个习惯有助于控制文件大小。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，而不是在启动时读取。将工作流指令从 CLAUDE.md 移到 skills 中，这些指令仅在调用时加载。对于已经以 frontmatter 开头的记忆文件，Claude Code 会在 2.1.214 或更高版本中，将写入时间记录在 modified 字段中，并使用 ISO 8601 时间戳；该时间戳是发现事实已经过时的最快方法。清理过时的代理记忆 更深入地介绍了审查流程。

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，而是记录所获信息，并在任务需要时读取文件。这会改变计算方式，因为文件读取只需支付一次对应的 token，之后便会留在缓存前缀中；而永久加载的内容则需要在每一轮中重复支付。

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 轮只使用 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 的任何收费项目。

在 API 中，还可以让平台裁剪对话。当对话超过您设置的阈值后，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}
    }
  ]
}

默认值是输入 token 达到 100,000 时触发，并保留 3 次工具使用结果。启用前，请先阅读带缓存的交互过程：清除内容会使缓存前缀从清除位置开始失效，因此下一次请求需要支付缓存写入费用。clear_at_least 就是为此设计的。它会延迟清除，直到节省的费用足以抵消这次写入费用。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。在 Claude Code 中管理上下文窗口将同一思路应用于编码会话。

哪些功能需要单独计费

Memory 本身不单独收费，但某些功能确实有独立费用，了解这些费用很有必要。以下是截至 August 2026 公布的 Claude API 费率。有些操作完全免费，但 Claude API 不提供免费层级，注册时只提供少量额度，因此下面列出的费用都会从您的第一个请求开始产生实际支出。

• Web search：每 1,000 次搜索收费 $10，此外还要支付搜索结果放入上下文后产生的普通 token 费用。
• Code execution：每个组织每月有 1,550 个免费小时，之后每个容器每小时收费 $0.05。与 web search 或 web fetch 搭配使用时免费。
• Claude Managed Agents：会话运行时间按每个会话小时 $0.08 收费，此外还要支付通常的 token 费用。
• Web fetch：不收取额外费用，只需支付所获取内容产生的 token 费用。

Memory 不在上述任何一项中单独列出。它会计入输入 token 数量，您可以在这里准确衡量其用量，也可以通过裁剪和缓存降低这部分用量。如果您要为运行在虚拟专用服务器（VPS）上、无人值守运行的代理制定预算，那么 VPS 上 AI 代理的成本控制就是下一项需要落实的措施，因为不断增长的 memory 文件如果没有裁剪机制，每周都会增加成本，而且不会有任何报告提示您。

FAQ

Claude 的记忆功能是否需要单独收费？

不需要。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，没有单独的记忆项目。在 Claude API 中，记忆工具由客户端处理，因此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，都会按模型正常的输入价格计费。

关闭记忆功能后，Claude 的费用会降低吗？

每个请求的 token 数量会减少，因此单个请求的费用会降低。但总体是否节省费用，取决于后续操作。如果 Claude 必须重新读取 3 个文件，并向您提 2 个问题，才能恢复记忆中已有的信息，那么这些 token 的费用可能高于记忆功能本身的费用。不要凭猜测判断，请进行测量：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，然后比较完成同一任务所消耗的总 token 数。

我没有更改任何设置，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；使用 extended 设置时保留 1 小时。因此，中断后发送的第一个请求会按基础输入价格重新处理整个前缀，并再次写入缓存。第二个常见原因是前缀发生编辑：更改工具定义会使整个缓存失效，更改系统提示会使系统缓存和消息缓存失效。在订阅计划中，当某种行为占近期使用量的 10% 或更多时，/usage 明细会标明该行为。

记忆内容应该放在系统提示中，还是通过工具调用读取？

如果几乎每轮都要使用记忆内容，请将其放在系统提示中。这样它会位于缓存前缀中，并按缓存读取价格计费。如果只有部分任务需要记忆内容，请通过 view 调用读取。这样，文件只读取一次时，其 token 只计费一次，而不是每轮都计费。决定因素是重放次数，usage 对象会直接提供这个数值。

记忆功能是否计入订阅计划的使用限制？

会，但属于间接计入，因为订阅限制按每个请求携带的 token 数量消耗。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。记忆功能会使每个请求略微变长，而长会话会在每轮重放这部分长度。Claude 的使用限制实际如何运作介绍了使用限额何时重置。