Claude API 怎么用更省钱：Claude Code 成本优化的 7 条规则

写在前面

贵不在单价，在用法。同一份活放在 Claude Code 里做，即使用同一个模型，用法不同，花费也可能相差很大。

我在 TeamoRouter 工作，是一个接入 Claude、GPT、Gemini 的 API 网关，每天有数十万个 Claude Code 会话经过我们。但客服经常收到同一个问题：「昨天花了 $5，今天花了 $20，干的活差不多，为什么？」

这类投诉我们会一条请求一条请求地拆开看。多数时候计费没有错，钱花在了用法上：一个会话从早用到晚，中途去倒了杯咖啡，8 个子代理每个想了 20 分钟。

这篇文章包括：

• Claude 怎么计费，为什么离开 6 分钟再回来，第一轮的输入费是平时的 25 倍；
• 客服处理过的 2 个真实案例；
• 针对这些案例的 7 条规则；
• 一份可以逐项自查的省钱清单。

数字来自我们的网关，但这些规则和用哪家提供商无关，直接用官方 API 也同样适用。

Claude API 怎么计费：输入、缓存读写和输出

每一轮都会把整段对话重新发一遍，这一遍按什么价钱算，由缓存决定。

Claude Code 的每次请求都带着系统提示、工具定义、CLAUDE.md 和此前的全部对话。提示缓存按前缀匹配：和上一轮相同的开头从缓存读，很便宜；新增的部分写进缓存，比普通输入还贵。前缀里只要有一处变了，后面的内容全部重算。

来源：Anthropic 官方价格表。

想对比更多模型，可以查看 Claude Code 与 Claude API 各模型的 token 价格。这里重点看缓存如何改变同一个模型的实际费用。

Claude Code 默认缓存 TTL 为什么只有 5 分钟

缓存不是永久的：默认 5 分钟没有新请求就过期。1 小时 TTL 要单独开启，写入价也更高。

• 用 API key 或第三方网关的 Claude Code，主对话和子代理默认都是 5 分钟。只有 Claude 订阅用户在套餐额度内，主对话才默认 1 小时（官方文档）。我们抽查过 1085 条 Claude Code 的写缓存请求，全部是 5 分钟写入。
• 计时从请求开始算，模型生成的时间也算在内。模型想了 4 分钟，留给下一轮的只剩 1 分钟。

算一笔账：Opus 5.5，上下文 30 万 token。缓存还热的时候，这一轮的输入费是 30 万 × $0.20/百万 = $0.06。离开 6 分钟再回来，缓存已过期，要整段重写：30 万 × $5/百万 = $1.50，是平时的 25 倍。

缓存命中也不是白送的：上下文涨到 80 万，就算每轮都命中，光读缓存每轮也要 $0.16。Claude Code 每次调用工具都算一轮，一个任务常常就是几十轮。

哪些操作会让缓存失效

• 两次请求之间的间隔超过 TTL。
• 中途换模型：每个模型各有一份缓存。opusplan 模式下每次进出计划模式，也算一次换模型。
• 开关 fast mode。
• 会话中途增删 MCP 服务器（工具定义没有延迟加载时）。
• /compact：它会把历史换成摘要。
• 图片累积到上限，最早的一批被移除。
• 升级 Claude Code 后的第一轮。
• 网关把 cache_control 标记删掉了：这时每一轮都按全价算。

不影响缓存的操作：改仓库里的文件、改权限模式、调用 skill、/rewind。会话中途改 CLAUDE.md 也不影响缓存，但要等 /clear 或重启之后才生效。

2 个真实案例

下面 2 个案例都来自客服工单，用户信息已经匿名。金额是用户在我们平台的实际扣费，比官方价低，但比例关系一样。

案例 1：「前天 $5，今天 $20」，钱花在子代理上

一位 Cowork 用户，前几天每天用约 4800 万 token，花 $5.39，其中 98% 是缓存读取。出问题那天只用了 3400 万 token，却花了 $20.60。

• 主线程 53 次请求花了 $3.84。它派出的子代理 178 次请求花了 $16.75，占 81%，最多时 8 个并行。
• 子代理每轮思考 4–11 万 token，一轮要 8–25 分钟。子代理的缓存默认只保留 5 分钟，一轮想完缓存就过期了，下一轮要把约 10 万 token 整段重写，当天发生了 21 次。

教训：token 总数说明不了什么，要按读、写、输出拆开看。子代理是另外一份账，而且往往比主线程还贵。

核对平台扣费时，可以对照一条消息多条扣费与缓存计费说明，区分一次用户操作和背后的多次模型请求。

案例 2：「越用越笨」，超长会话

一个桌面版会话连续开了 3 天，1960 条消息、82.7 万 token，中间做过好几个不相关的任务。模型开始在每次调用工具前重复同一句话：20–50 万 token 时约 5–8% 的回复带这句，到后期一半都带。同一用户的其他会话一次都没有出现。模型在超长上下文里开始模仿自己之前的输出。

另一位 Cowork 用户的会话在约 12 万 token 时第一次出现错误的值，到 24 万 token 时反复犯同一个错，模型自己都建议换窗口。

教训：长会话不只贵，质量也会下降。

办法：降低 Claude Code 费用的 7 条规则

上面 2 个案例的问题都能归到下面 7 条里，每条都给出具体的设置或命令。配置项以 Claude Code v2.1.257 及以上为准。

1. 写代码用 Claude Code，少在 Cowork 和桌面版里干长活

我们统计了同一天 Opus 5.5 的全部请求：

Cowork 的单价并不更贵，贵在用法：会话更长、工具更多、子代理更多。桌面版接第三方 API 时，长会话里不要开 auto 模式（见案例 2）。

还没配置命令行环境的，可以先按 Claude Code 安装与 API 接入教程完成安装和连接。

2. 一个任务一个会话

• 换到不相关的任务就 /clear，这个操作不花钱。先用 /rename 起个名字，以后用 /resume 还能找回来。
• 上下文到 15 万 token 左右，让 Claude 写一份交接文件（目标、已完成、未完成、关键文件、下一步），然后开新会话读它。
• 不需要就别开 1M 上下文。

如果已经遇到上下文超长报错，可以查看 Claude Code「Prompt is too long」的原因和处理步骤。

3. 用 API key 的话，开启 1 小时缓存

在 ~/.claude/settings.json 里加一行：

{ "promptCacheTtl": "1h" }

这样算是否划算：1 小时缓存的写入价是 2×，比 5 分钟的 1.25× 贵，但只对每轮新增的部分收。上下文 30 万、每轮新增 5 千 token 时，每轮多付 0.75 × 5 千 = 3,750 token 的输入价。反过来，一次 5–60 分钟的停顿如果没有 1 小时缓存，要多付 (1.25 − 0.05) × 30 万 = 36 万 token 的输入价。所以每 96 轮里只要有一次这样的停顿，1 小时缓存就回本了。人在干活时，很少能保证每次都在 5 分钟内接着输入。

设置后检查一下是否生效：

claude -p "hello" --output-format json

结果里 usage.cache_creation.ephemeral_1h_input_tokens 大于 0 就是生效了。如果是 0，说明你的提供商不支持，把这行设置删掉。经过网关时，网关需要原样转发 anthropic-beta 请求头。

4. 离开超过 TTL，回来就开新会话，不要「冷压缩」

• 离开前，趁缓存还热，让 Claude 写好交接文件。这时候写交接主要是读缓存，很便宜。
• 回来时如果已经超过 TTL（5 分钟或 1 小时），上下文又很大，就开新会话读交接文件。
• 这时不要 /compact：缓存冷了以后，压缩要把整段历史按无缓存的价格重读一遍。压缩留在缓存还热的自然间隔时做。

5. 管住子代理

{
  "env": {
    "CLAUDE_CODE_MAX_CONCURRENT_SUBAGENTS": "3",
    "CLAUDE_CODE_SUBAGENT_MODEL": "haiku",
    "CLAUDE_CODE_SUBAGENT_MODEL_FORCE": "1"
  }
}

• 同时运行的子代理默认最多 20 个，建议改成 3 个。
• 子代理统一换成便宜的模型。子代理主要做搜索、阅读时用 haiku，要写代码时用 sonnet。
• 子代理一轮要想超过 5 分钟时，给它们也开 1 小时缓存："subagentPromptCacheTtl": "1h"（见案例 1）。
• Agent teams 默认是关着的，不要打开。官方文档说，队员在计划模式下运行时，它的 token 消耗约为普通会话的 7 倍。
• 在 CLAUDE.md 里加一句：派子代理前先说明要派几个、为什么。

主模型和子代理分别选什么，可参考 Claude Opus、Sonnet、Fable 的价格与任务分工对比，在任务开始前配好。

6. 会话中途不要动前缀

• 开头就选好模型和 effort，中途不要换。
• 不要中途开关 fast mode、增删 MCP 服务器、用 opusplan 来回切。
• 简单任务开新会话用 Sonnet，或者把 effort 调低。

7. 先确认缓存在工作

• Claude Code 的 /usage 里有一行 Prompt cache (main)：命中率、未命中次数、可能的原因、缓存现在是冷还是热（v2.1.251 起）。
• 状态栏脚本可以读到同样的数据，把上下文大小和缓存冷热一直显示在屏幕上。
• 自己写的 agent：看响应 usage 里的 cache_read_input_tokens，连续几轮都是 0，就说明缓存没生效。

提供商也会吃掉省下的钱

用法对了，提供商也可能让缓存失效。我们测试一家供应商时就遇到过：同一个会话切过去以后，每轮只能命中固定的 4.7 万 token 前缀，其余约 59 万 token 每轮都重写。每轮花费从 $0.09 变成 $1.67，差了 18 倍。

常见的几种问题：

• 把 cache_control 标记删掉，每轮都按全价算。
• 只命中固定前缀，对话部分每轮重写。
• 不支持 1 小时缓存。
• 同一会话在 5 分钟内偶发整段丢缓存。
• usage 里报的数前后对不上，比如总输入比上一轮还少。

选择提供商时，除了比较单价，也要检查缓存支持、路由稳定性和用量记录。需要横向比较方案，可以参考 LLM 网关选型与成本管理功能对比。

Claude API 省钱自查清单

照着勾一遍：

• 写代码用 Claude Code，不在 Cowork 里干长活；桌面版长会话不开 auto 模式

• 一个任务一个会话，上下文到 15 万 token 左右就写交接、开新会话

• 设置 promptCacheTtl: "1h"，并确认已经生效

• 离开超过 TTL 再回来就开新会话，不在缓存冷的时候 /compact

• 子代理同时最多 3 个，用便宜的模型

• 会话中途不换模型、不开关 fast mode、不增删 MCP

• 用 /usage 或状态栏确认缓存在命中

最后

省钱的关键不是找更便宜的 token，而是少让模型重读、少让缓存过期。这些规则对官方 API 和其他提供商同样适用。

TeamoRouter 做了数百次实验优化出最优的省钱路由算法，Claude 模型价格低至官方 2.8 折，具体以 Claude 模型实时 API 价格为准。想接入使用，可以按 CC Switch 安装与 TeamoRouter 配置教程设置。

参考资料

• Anthropic 官方价格表
• Claude Code 如何使用提示缓存
• Claude Code 费用管理
• Claude Code 子代理
• Claude Code 状态栏