Anthropic官方省钱方案全解读 | 搭配接口AI省一半Token
9 月 8 日，Lance Martin 在 Claude 官方博客发了一篇 Reducing cost and improving performance with Claude Platform，把降本做成三招，还打包进一个 claude-api skill。官方拿四组基准跑了一遍，省幅在 52% 到 73% 之间，通过率不受影响。这三招省的是同一份官方价目表下的开销。搭配接口AI，能剩一半的钱。
第一招，把缓存命中率提上去
Claude 处理输入时最贵的环节是 prefill，把提示词转成模型内部的 KV 状态。命中缓存的部分可以直接读回来，不用重算，官方对缓存读取按输入价的一个零头计费。看接口AI 现在的价目表，claude-sonnet-5 输入每百万 token 2 美元，缓存读取 0.2 美元，claude-haiku-4-5 输入 1 美元，缓存读取 0.1 美元。差出来的这部分就是缓存的价值。
难的地方在于缓存很脆。官方列了几种最常见的失效方式。
对话中途改 effort 或 thinking 设置会让缓存断掉，因为这些参数排在正文前面，属于缓存前缀的一部分。Opus 5 和 Fable 5.1 是两个例外，支持在不破坏缓存的前提下中途换 effort。系统提示里塞时间戳、请求 ID 这类每次都变的值，等于每轮都在写新缓存。工具定义换了顺序也不行，工具渲染在提示词最顶部，任何改动都会让整条前缀作废。子代理和分支会话各自分叉，前缀、模型、effort 三者只要有一项不同，缓存就没法共享。还有一种更隐蔽，同步工具调用一旦阻塞，或者子代理拖过了缓存有效期，下一轮就要按写入价重算。5 分钟缓存收正常输入价的 1.25 倍，1 小时缓存收 2 倍。
官方给的对策也都是具体的。在 Claude Console 里盯命中率，或者用缓存诊断 API 看两次请求到底从哪里开始分叉。不常用的工具用 defer_loading 标记，让它们不进缓存前缀，等用到时再加载。系统提示要改，就走对话消息改，别动原文。静态内容放前面，对话往后追加。模型和 effort 的切换挑缓存本来就失效的时刻做，比如上下文压缩的时候。另外可以开自动缓存、用 max_tokens: 0 配合显式断点预热，跑长任务的代理换成 1 小时 TTL。
在接口AI 上还有一条要留意。其计费说明里专门提过，Claude 的 Prompt Caching 如果没有命中，会按缓存输入价计费，可能比普通输入更贵。命中率没跑通之前，缓存配了反而会推高账单。缓存写入与缓存读取单独计价，官方资源档与 Anthropic 的价目一致，低价档同比例下调，claude-haiku-4-5 低价档的缓存读取低到每百万 0.02 美元。第一招省下来的钱，在它的计价口径里能原样过账。
第二招，清掉提示词里的老习惯
官方把提示词反模式列了六类，都是为老模型打的补丁，放到新模型上会让它变啰嗦、变贵。
第一类是验证仪式，「double-check your work」「verify twice before responding」这类话，模型会照字面执行。第二类是强调词，「be maximally thorough」「YOU MUST ALWAYS」会换来更长的输出和更多工具调用。第三类是强制步骤和草稿板脚手架，模板会和模型自带的推理流程叠加。第四类是过时的 few-shot 例子，教出了一堆用不上的长推理链。第五类是互相矛盾的规则，新模型会更严格地照做，结果反而更差。第六类是过期配置，手写的 thinking budget 可能直接被 API 拒绝。
省多少有实测。在一个客服类基准上把 Opus 4.8 迁到 Opus 5，跑一遍官方 skill 里的 /claude-api prompt-audit，成本降了 14.6%，准确率平均升了 5.3%。官方还附了几个翻车案例，一个已经退休的 thinking 设置让所有路由请求被拒；互相矛盾的退款规则让 Opus 5 少退了四笔该退的钱；草稿板和内置思考打架，工具调用被写在推理里，最后没有执行。
第三招，校准 effort
effort 决定模型愿意花多大力气，两个方向都可能错。开高了会过度思考，超出证据能支撑的范围；开低了会过早收手，拿到第一个结果就交卷，而不是去找第三个。
官方的数字很直接。Fable 5 在 FrontierCode Diamond 上，low effort 花 5.35 美元一题拿到 11.5%，max effort 花 19 美元拿到 30.9%，成绩涨 2.7 倍，成本涨 3.5 倍。Fable 5.1 在 Humanity’s Last Exam 上，low effort 约 53% 花 0.3 美元一题，max effort 约 61% 花 2.23 美元，最后那一档多花 46% 的钱只换来半分左右的提升，落在运行间波动里。CursorBench 3.2 上的对比更划算，Fable 5.1 在 low effort 下追平了 Fable 5 的 high effort，成本只有三分之一。
判断一个任务要不要调 effort，官方给的方法也简单。把 effort 从低扫到高，如果成本性能曲线是平的，说明这个任务不受思考深度影响，往上加钱没有意义。
官方自己跑出来的账
省钱的活官方也做成了自动化。/claude-api cost-optimize 先分析 token 花在哪里，可以从 Admin API 用量报告、每次响应的 usage 字段，或者读请求构造代码入手，然后按收益排序，缓存排第一，后面依次是裁 payload、限制输出、把不需要实时返回的活送去批处理。
| 基准 | 省幅 | 主要手段 |
|---|---|---|
| LegalBench | 约 58% | 共享前缀缓存、low effort、Batch API |
| tau2-bench retail | 约 73% | 显式缓存断点 |
| OfficeQA Pro | 约 52% | 批处理加文档缓存，136.20 美元降到 64.87 美元 |
| SWE-bench Verified | 约 55% | medium effort、缩短输出，步骤中位数从 29 降到 17 |
三个命令的使用顺序官方也给了建议。刚迁到新模型，先跑 prompt-audit；想审整笔开销，用 cost-optimize；手里有评测集、想做一轮成本与性能的迭代搜索，用 hillclimb。同一组客服基准上，Opus 5 配 low effort 加 prompt-audit，训练集准确率 98.9%，每张工单 2.6 美分；Sonnet 5 配 low effort 只要 1 美分，但准确率掉到 88.9%，补上路由规则和退款上限的交叉引用后回到 98.9%。留出的 14 张工单上，前者 90.5%，后者 78.6%，成本约为前者的五分之一。
省上加省
三招省的是消耗。接口AI的官方资源档比 Anthropic 略低。低价档带 -r、-dd、-cc 后缀，价格依次走低，拿 claude-sonnet-4-6 做例子，输入价从每百万 3 美元降到 0.6 美元，代价是不承诺 SLA，官方资源档承诺 99.5% 可用性，生产负载走这一档。
两边的账可以叠。官方三招的省幅是消耗侧的降幅，走官方资源档时原样适用；企业订阅包按官方标价 75 折，特惠资源包约八折，叠上去账单落在原价的四成上下。
有一条要注意，其计费说明里专门提过，缓存未命中会按缓存输入价计费，可能比普通输入更贵，命中率没跑通之前，缓存配了反而推高账单。想要更低的单价还有两套月包，特惠资源包 Lite 档 2000 万融合 token 每月 15.9 美元，企业订阅包 Basic 档 5 亿融合 token 每月 375 美元，带 99.5% SLA、200 个席位和企业开票，付款支持支付宝直接充值。
落地的顺序
三招有先后。缓存收益最大，先做，把命中率和缓存诊断跑起来，把工具定义和系统提示里的易变值清干净。然后跑 prompt-audit 清提示词，这一步在迁移新模型之后做收益最明显。最后扫 effort，只要曲线是平的，就把档位降下来。都做完再考虑档位和套餐采购，这时候你手里有真实的用量结构，谈价格才有依据。
有一个细节容易踩坑。Claude 4.7 以后换了一套分词器，同样的文本会比老版本多出约三成 token。比价时别只看每百万 token 单价，得按实际 token 量算。
省一半这句话拆得开。官方四组基准的省幅是 52% 到 73%，计价口径这一层再叠上去，账单还能往下走一截。要做的事不复杂，先把缓存和提示词收拾干净，再去谈价格。