一项任务在 Opus 5.5 上的花费

任务的成本，以及重试的成本

你并不是为了购买数百万个 token 而开始的。你是为了构建一个功能、完成一次迁移，或运行一个任务。token 数量就是模型完成任务所需的量。

每 token 成本相同的两个模型，在同一任务上的花费可能相差很大。一个模型读一次代码。另一个读了代码，尝试修复，然后再读一次。这些步骤中的每一步都是一个回合（turn），每个回合都会重新发送到目前为止的对话。因此，需要更多回合的模型花费更高，即使价格相同。

读完本文后，你应该能够回答关于自己工作的三个问题：

• 我的典型任务在 Opus 5.5 上花费多少？
• 哪些设置会改变这一点，改变多少？
• 我如何检查自己的会话用量？

我想提前分享的权衡是：每种节省 token 的方式都可能让你损失一个完成的任务。更低的投入（effort）、更小的模型或更少的上下文当然都能节省 token。但一次重试的花费会超过这些节省。本文试图为每种权衡标出价格。

这里的一些数字是标价，一些是基于标价构建的示例。这些图表是交互式的，所以请在阅读时更改输入。这些是尽力而为的示例，因此请务必查看我们的文档并自行核算。

一个任务花费多少？

Claude Code 中的一个任务是一个循环。模型读取对话，调用工具，读取结果，然后再循环，直到完成。每次循环都是一次请求。有四个因素决定了这个循环的成本。

回合数。每个回合都会重新发送到目前为止的对话。回合越少，处理的输入就越少。

缓存读取。一个回合重新发送的大部分内容是模型在上一回合已经见过的文本。它按缓存读取计费，价格只是输入价格的一小部分。

输出 token 类型。最昂贵的 token，是输入价格的五倍。思考（Thinking）按输出计费，因此在得出答案过程中推理较少的模型成本更低。

模型。每个模型都有自己的价格，列在定价页面上，因此你选择的模型决定了每个 token 的价格。

我们的示例使用 Opus 5.5 API 标价：每百万输入 token 4 美元，每百万输出 token 20 美元，每百万缓存读取 0.20 美元。与下文的计算器一样，示例将缓存输入按读取价格计费，其他一切按输入价格计费，并且不包括缓存写入。token 数量是示例。

回合数

假设一个任务开始时有 20K token 的上下文，随着模型读取文件和工具结果增长到 120K。在 40 个回合中，平均每个回合发送约 70K token。该任务大约需要 2.8M 输入 token，尽管对话从未超过 120K。在 90% 从缓存读取的情况下，输入成本约为 1.62 美元。同样的任务在 25 个回合中处理约 1.75M token，输入成本约为 1.02 美元。

一个回合的成本高于它增加的 token，因为它会重新发送之前的所有内容。所以最便宜的回合是你不需要的那个。

可以减少回合数的一个习惯是给模型一种检查自己工作的方法。例如，运行一个测试、一次构建，或一个调用端点的脚本。能够检查自己工作的模型能更早发现错误。

能够一次性收集所需内容并批量处理工具调用的模型，重新发送的次数也更少。

缓存读取

如果这 280 万输入 token 全部不来自缓存，成本为 11.20 美元。命中率为 90% 时成本为 1.62 美元，命中率为 96% 时约为 0.99 美元。没有其他设置能如此大幅地改变输入成本。一个稳定的会话会自行保持高命中率。本文后面我会介绍一些避免破坏缓存的操作。

输出 token

在 Opus 5.5 上，一个输出 token 的成本是缓存读取的 100 倍。一个典型任务的 6 万输出 token 成本为 1.20 美元，与从缓存读取 600 万 token 相同。输出包含思考。即使 Claude Code 只向你展示摘要，你也要为全部内容付费。这就是为什么 effort（主要改变模型思考多少）会如此大幅地影响账单。

模型

缓存读取更便宜的模型主要帮助长会话。输出更便宜的模型主要帮助需要大量推理的任务。

OPUS 5.5 的变化

有两处变化：价格，以及模型做多少工作。

每一项价格都更低。输入和输出 token 比 Opus 5 便宜 20%。缓存读取便宜 60%。输入价格下降，读取费率也随之下降，从输入价格的十分之一降至二十分之一。图 A 按每百万 token 对比了这两个模型。这些是 API 列出的价格。在 Pro、Max 或 Team 计划中，更低的 Opus 5.5 价格会传递到你的额度上，包括缓存的上下文，因此它们比在 Opus 5 上多出约 25% 的用量。缓存读取的额外降价是 API 价格变化。

另外，Pro、Max、Team 和按席位计费的 Enterprise 计划的五小时限额有所提高，符合条件的订阅者可获得一次限额重置，供其自行选择使用时间。你可以在网页版或 Claude Desktop 的 Settings > Usage 下找到它，而不是在终端的 Claude Code 中。重置适用于你的整个账户，包括 Claude Code。

使用 API 密钥时，缓存读取降价对 Claude Code 影响最大。一个长的 agentic 会话的大部分输入都花在缓存读取上。在下面图 B 定价的会话中，缓存一项从 1.00 美元降至 0.40 美元，是账单上降幅最大的一项。

你节省多少取决于你的工作形态。一个以缓存读取为主的会话可在输入上节省高达 60%。一个没有缓存、回答很长的简短问题可节省高达 20%，因为输出占主导。大多数 Claude Code 任务介于两者之间。下面的计算器会显示你的任务处于什么位置。

你可能已经看到 Opus 5.5 的运行成本比 Opus 5 低 40%。这是我们对按 token 计费、默认设置下典型工作负载的估算。它假设在更低的价格之外，Opus 5.5 在 medium 默认设置下每个任务使用的 token 更少，因此这并不是单个 token 价格的 40% 降幅。token 价格是图 A 中的价格，图 B 展示了价格变化本身的效果。

Opus 5.5 在回答上可能使用更多 token，因为它总是在回复前思考。我们预计人们在 Opus 5.5 上能完成更多工作，但这因任务而异，所以请在你自己的工作上进行测量。图 C 对比了两个模型的每任务成本。这一部分比价格更取决于你的工作。

在一个界定清晰的任务上，两个模型完成所需的轮数大致相同，你得到的只是降价。差距应该在开放式任务上最大，因为在这些任务上模型可能在错误的想法上花费很多轮。没有任何单一数字适用于每个代码库，所以请自行测量（见最后一节）。

长时运行以报告结束。Opus 5.5 在结束长时运行时会给出它改了什么、发现了什么，以及它需要你提供什么。这也能省钱，因为当你能看到发生了什么，就更少需要重跑会话。

同一任务并排对比

图 B 用相同的 token 数量为两个模型各计算一次会话价格。因此差异只来自价格变化本身。切换模型即可对比。token 数量为示例值。

收据包含 /usage 为会话显示的三行。按 token 计，缓存读取是最大的一行，为 2M。输出按 token 最少但按费用最高。全新输入介于两者之间，涵盖每个文件的首次读取以及每个新的工具结果。

图 B 给两个模型相同的 token 数量，因此只显示价格变化。你自己的会话在 Opus 5.5 上可能用更多或更少的 token。按此计算，会话费用约低 31%。

记录的运行会带来第二个影响，即模型所做工作量的变化。在有走弯路的任务上，差距应该会扩大。

试用自己的数字

设置你的某个任务的用量，或从预设开始。预设相当具示例性，但我仍建议自己算一算。缓存输入按缓存读取价格计费，全新输入按输入价格计费，因此缓存滑块显示差距中有多少来自缓存读取。

要用真实会话填充滑块，请在任务结束时运行 /usage。Session 区块给出输入、输出和缓存数据。最后一个滑块是你对 Opus 5.5 在你的任务上少做多少工作的假设。保持为 0% 即仅看价格变化。要根据你自己的工作来设置，方法如下：在 Opus 5 和 Opus 5.5 上运行同一任务，比较轮次和输出 token。自己测量 会逐步讲解，读取会话 则说明在 /usage 中查看哪些内容。

最大化会话价值的技巧

Opus 5.5 更低的价格让每个 token 更便宜。你如何运行会话决定了使用多少 token，以下步骤会有帮助。

在更换模型前先提高 effort

Effort 为模型在每一轮中花费的 token 数量设定了一个总体倾向：它的思考、它写出的文本以及它的工具调用。在较低的 effort 下，它进行的工具调用更少，且每次调用更短。Opus 5.5 有四个级别（low、medium、high 和 xhigh），外加一个用于单次会话的 max。在下方选择一个级别，查看何时使用它以及设置它的命令。

Claude Code 为每个模型设定了默认级别，/effort status 会显示你的当前级别。对于范围明确的日常工作，试试 medium。当 medium 停滞不前时，试试 high。它每轮的花费比 medium 多，但比换用更大的模型少。对于机械性工作（如重命名或在多个文件中应用已知模式），使用 low。

在 Opus 5.5 上，默认值是 medium，比 Opus 5 的默认值 high 低一级。级别在每个模型上并不意味着相同的思考量。在给定级别下，Opus 5.5 每轮的思考量比 Opus 5 多，在 xhigh 和 max 时尤其如此。所以不要照搬你为 Opus 5 选择的级别。从 medium 开始，并将 xhigh 和 max 留给你已经测量到收益的工作。

粗略估算 effort 定价的一种方式：假设 high 在一个任务中总共增加了 20K 思考 token。在 Opus 5.5 上，这是 $0.40。一个十轮的重试循环，带有 100K 缓存上下文，总共输出 10K token，成本大约相同。因此，如果 high 在一个任务中能节省一次重试，它就回本了。而在 medium 本可以一次完成的任务上，它就是浪费。

当 medium 只修复了一层

你需要更多 effort 的最明显迹象是修复只停留在一层。

假设一个字段在 API 处理程序中被重命名。在 medium 下，模型更新了处理程序，处理程序的测试通过了，但客户端仍然发送旧字段。它完成了被要求做的事。它只是没有读得足够远，没有找到第二个调用方。在 high 下，它会在编写代码前花费更多轮次阅读调用点，并在一次操作中同时修改两层。

一个检查可以捕获同样的 bug。如果模型可以运行一个经过客户端的测试，那么在 medium 下，旧字段在被写入的那一轮就会使该测试失败。因此，在提高 effort 之前，先检查模型是否有办法验证它的工作。运行一次测试花费一轮及其输出。而更多的 effort 会在每一轮都增加思考。

如果升级 effort 级别和添加检查都不起作用，那就换用更大的模型。

在会话中途更改 effort

在 Claude Code 中，运行带有级别的 /effort，例如 /effort high。/effort status 会打印当前级别。你可以在任务中途更改它，新级别将应用于下一个请求。

在 Opus 5.5 上，使用 API 密钥或 Claude 订阅时，更改 effort 会保留缓存。你可以为一个困难步骤提高它，然后再降低，而无需重写对话。在 Amazon Bedrock、Google Cloud 的 Agent Platform 或 Claude 应用网关上，更改 effort 仍会清除缓存的对话，下一个请求将为整个对话支付缓存写入费用。Opus 5.5 的思考始终开启，因此没有思考设置需要更改。

为你的工作选择合适的模型

模型选择决定了会话中每个 token 的价格，因此它对账单的影响比工作量更大。它的影响范围也更广。每个继承主模型的子智能体也继承了它的价格。大多数日子需要三个模型：一个用于查找的小模型，Opus 5.5 用于你密切监督的工作，以及一个用于最难任务的更大模型。

Opus 5.5 作为日常主力

用 Opus 5.5 处理你监督的工作：跨几个文件的功能开发、调试，以及带后续修改的代码审查。你会阅读它的产出，并在它偏离时介入，因此循环保持简短。

升级到 Fable 5.1

当结果比 token 价格更重要时，升级到 Fable 5.1。例如你不会监督的长时间运行、代码库中没有现成模式的问题，以及需要协调多个子智能体的大规模改动。不要等到第三次失败。如果 Opus 5.5 在 xhigh 上两次遇到同一个问题，就切换，问题解决后再切回来。对于交互式工作，Opus 5.5 更合适，因为它延迟更低、成本更少。

Fable 5.1 的标价为每百万输入 token $10、每百万输出 $50，是 Opus 5.5 价格的两倍半。它的缓存读取每百万 $0.25，仅为 Opus 5.5 费率的 1.25 倍，因为按其输入价格的 0.025 倍计费。因此，在长时间、重度依赖缓存的运行中差距最小，而在写入量大的任务中差距最大。

在自然的断点处切换。缓存属于之前的模型，因此新模型的第一轮要为整个对话支付写入价格。先运行 /compact，或用一份简短的书面计划开启新会话，以缩小这一轮的开销。运行 /model 并附上别名或模型名称即可切换。/model 还会将你的选择保存为新会话的默认值，所以困难部分完成后记得切回来。

降级用于查找

降级到 Sonnet 或 Haiku 用于查找，而不是写代码：搜索和总结的子智能体、读取日志和测试输出，以及"这个定义在哪里"之类的问题。对于跨多个文件的机械式编辑，保留 Opus 5.5 并将 effort 设为 low。编辑仍由编写其余代码的模型完成，每轮成本更低。

要让子智能体使用更小的模型，在其定义中设置 model: haiku 或 model: sonnet。要让所有子智能体使用同一个模型，设置 CLAUDE_CODE_SUBAGENT_MODEL 环境变量。子智能体定义中指定的模型会覆盖该变量。未设置模型的子智能体在你的主模型上运行，除非设置了该变量。

每个子智能体在自己的上下文窗口中运行并返回一份摘要，因此它的文件读取不会进入你的主对话。它仍然要为自己的 token 付费，因此模型设置决定了这笔开销的成本。

智能体团队（一项实验性功能）会放大这一点。每个队友都是一个独立的 Claude Code 实例，拥有自己的上下文窗口，并持续消耗 token 直到退出。我们的成本文档指出，当队友运行在 plan 模式时，一个团队的 token 消耗约为标准会话的七倍。保持团队规模小，让每个任务自包含，并在队友完成各自部分后关闭它们。

权衡在于：小模型误读搜索结果会把主模型引向错误的文件，而主模型要为这次绕路付费。让小模型负责错误容易发现的工作，比如查找文件、运行测试和读取日志。

将判断性决策保留在主模型上。opusplan 别名以不同方式分配工作：Opus 在计划模式下制定计划，Sonnet 执行计划。这会把代码编辑交给 Sonnet，与上述建议相反。在将其设为默认之前，请在你自己的任务上进行测试。

迁移时检查你的提示词

为旧模型编写的指令可能会让 Opus 5.5 输出更多内容并重复调用工具。在 Claude Code 中运行 /claude-api prompt-audit，以检查你的 Claude Code 配置（例如你的 skills 和 CLAUDE.md 文件）是否存在这些提示词反模式。它还会检查你在 Claude Platform 上构建的应用程序的代码。

我们在一次从 Opus 4.8 到 Opus 5.5 的迁移中测试了这一点，使用了一个包含 44 个工单的内部客户支持基准测试，其提示词中包含若干此类模式。迁移到 Opus 5.5 后，在低 effort 设置下，基准测试的成本降低了约 18%。运行 prompt-audit 又进一步降低了 9%，使总成本比 Opus 4.8 起点低约 25%。审计移除了那些导致模型输出更多内容并重复调用工具的仪式性指令：一个强制性的六步流程、一条草稿纸规则、一条双重验证规则，以及相互矛盾的指令。

该结果来自单个基准测试，因此应将其视为一个示例，而非预期数值。运行审计，然后在真实任务上对比运行前后的 /usage（参见“自行测试”）。

缓存与压缩

Claude Code 会为你处理缓存和压缩。你运行会话的方式决定了它们能节省多少。

缓存的工作原理

Claude Code 会缓存请求中重复的部分，例如系统提示词、工具定义以及到目前为止的对话。

在 Opus 5.5 上，缓存读取的成本是全新输入 token 的 5%。写入缓存的成本高于全新读取：按当前价格，五分钟缓存为输入价格的 1.25 倍，一小时缓存为输入价格的两倍。每次命中都会免费重置有效期。

在 Claude Code 中，有效期取决于你的付费方式。使用 Claude 订阅时为一小时。使用 API 密钥或云提供商时默认为五分钟，而订阅一旦开始消耗用量额度，也会降为五分钟。

在 120K token 上下文下，Opus 5.5 上的一次五分钟写入成本约为 $0.60，一次读取约为 $0.02。一次写入的成本相当于 25 次读取。使用 API 密钥时，六分钟的咖啡休息时间会将下一次 $0.02 的读取变成 $0.60 的写入。相同大小的一小时写入成本约为 $0.96，在 API 上你可以支付这笔溢价来覆盖一天中的间隔。

会话形态与命中率

缓存存储的是一个前缀，因此它只能复用从开头起与上一次请求相匹配的部分。

稳定的会话在每一轮都向对话末尾追加内容，从而保持较高的命中率。任何改变请求前部内容的操作都会降低命中率。更改工具定义会清除整个缓存，而更改系统提示词会从该点起清除缓存，这几乎涵盖了全部内容。

在实践中，以下情况会导致缓存写入：

• 你暂停的时间超过了缓存有效期；
• 你在 Amazon Bedrock、Google Cloud 的 Agent Platform 或网关上更改了 effort，因为该级别是缓存匹配的一部分；
• 你在对话中首次开启快速模式，这会改变缓存匹配的部分内容；
• 你连接或断开 MCP 服务器，这可能会改变每个请求开始时加载的内容；
• 你切换了模型，因为新模型从空缓存开始；以及
• 对话被压缩，这会重写缓存所匹配的历史记录。

因此在会话开始时设置好这些，然后在运行过程中不要改动它们。

为什么长会话每轮成本更高

每一轮都会重新发送整个上下文，因此随着上下文增长，即使缓存是热的，每轮的成本也会增加。在 Opus 5.5 上，20K 令牌的上下文每轮缓存读取成本约为 $0.004。150K 时约为 $0.03，而该规模下 30 轮仅读取就花费 $0.90。同样 30 轮在 20K 时约为 $0.12。在 Claude 4.6 及更高版本的模型上，更大的上下文窗口不会改变每令牌的价格，因此成本完全来自重新发送对话。

这些上下文大部分是早期工作的残留：一小时前的堆栈跟踪、你已经处理完的文件、你后来已修复的测试运行输出。它们仍然会在每一轮被发送。

压缩、/compact 和 /clear

当会话接近其上下文限制时，Claude Code 会总结较早的历史，以便后续轮次发送更少的内容。运行 /autocompact 并附上令牌数，可以更改在压缩发生前上下文填满到什么程度。

有两个命令可以让你自己完成这件事。/clear 清空对话且不花费任何费用，因此当你转向不相关的工作时使用它。/compact 保持连续性并花费一次请求。它会读取它所总结的对话，你可以说明要保留什么，例如 /compact keep the failing test names and the schema change。

在 150K 令牌下进行压缩的大致价格约为 $0.25。这包括读取、几千输出令牌的总结，以及在更短上下文上的新缓存写入。之后每一轮在读取上节省约 $0.025，因此压缩在大约十轮内就能回本。在你即将结束时进行的压缩，其花费会超过节省。

该价格假设缓存是热的。缓存热时，总结请求会从缓存中读取对话，因此要在休息前压缩，而不是休息后。在超过缓存生存时间的休息之后，同样的 /compact 会重新读取整个对话并将其写回缓存。在五分钟缓存下，150K 令牌时仅输入就约为 $0.75。如果你走上了一条想放弃的路径，请改用 /rewind 回到更早的轮次。缓存热时，这会返回到已经缓存的前缀。

总结也会丢失细节。在调试会话中间进行压缩可能会丢掉那唯一重要的日志行。在自然的断点处进行压缩，当下一步依赖于某个具体内容时，在 /compact 指令中说明。

在你输入之前加载了什么

你的 CLAUDE.md file 在每个会话开始时加载到上下文中，因此其中的每一行都是每轮重新发送内容的一部分。costs docs 建议将其保持在 200 行以内。MCP 工具定义是延迟加载的。开始时只加载工具名称和服务器说明，当其工具被使用时才加载完整定义。运行 /mcp 查看哪些服务器已连接，并关闭你未使用的那些。

账单的其余部分

该表格列出了影响 Claude Code 会话的其他计费规则，并在有文档的地方提供了链接。

快速模式使 Opus 5.5 运行速度最高可达 2.5 倍，价格为标准价的两倍：每百万输入令牌 $8，每百万输出 $40。在 Claude 订阅上，它计入使用额度，而不是你的套餐限制。你开启它之后的第一个请求会对整个对话按快速模式输入价格计费，且不使用缓存。因此请在会话开始时开启它，而不是在会话进行到一半时。

自己动手测量

本文中的数字只是示例。你的代码库、提示词和习惯各不相同，因此请在自己的任务上测量费用。以下是检查方法。

1. 在会话中，运行 /usage。/cost 的作用相同。Session 区块显示 token 使用情况和按标价估算的美元费用。提示缓存行显示你的输入中有多少来自缓存。在 Pro、Max、Team 或 Enterprise 计划中，同一屏幕会显示你的计划用量条。美元金额是在你的机器上按标价计算的，因此在订阅制下，它反映的是你完成了多少工作，而非账单。
2. 将同一任务运行两次。Opus 5.5 需要 Claude Code v2.1.280 或更高版本，因此请先运行 claude update。从你的待办事项中挑选一项，而不是玩具示例。使用 /model 在 Opus 5 和 Opus 5.5 之间切换。记录每次运行的轮次、输出 token 和费用。在得出结论之前，先做三到四个任务。
3. 对于团队，请使用用量和费用报告。Claude Code Analytics API 提供每位用户的估算费用。Usage and Cost API 按模型以及缓存与非缓存 token 拆分支出。
4. 尝试努力程度阶梯。将一个困难任务分别在中等和高努力程度下运行。将一个机械性任务在低努力程度下运行。

解读会话

任务结束时，检查 /usage 中的三项内容。

• 缓存占比。对于长会话，该比例应该很高。如果偏低，请查找长时间停顿、模型切换、中途连接的 MCP 服务器，或在云提供商或网关上的努力程度变化。提示缓存行通常会指出上次未命中的可能原因。
• 输出与输入之比。小改动却产生大量输出，通常意味着努力程度对该任务来说太高，或者模型正在重试。
• 输入总量与对话规模的对比。如果输入总量是对话规模的许多倍，说明该会话进行了很多轮，值得通读对话以找出循环重复的位置。

作为基准参考，Claude Code 成本文档给出的企业部署平均值约为每名开发者每个活跃日 13 美元，90% 的用户低于每活跃日 30 美元。如果某个会话的成本远高于你自己的正常水平，值得复盘。

请记住

• 对范围明确的日常工作使用中等 effort。
• 给模型提供一种检查自身工作的方式，跨文件的更改请从计划模式开始。
• 当中等 effort 停滞时，将 effort 提升到 high。使用 API 密钥或订阅时，更改会保留你的缓存。在云提供商或网关上，请在休息时更改。
• 如果 xhigh 两次遇到同一问题，切换到 Fable 5.1。问题解决后切回。
• 将搜索和日志阅读子代理放在 Sonnet 或 Haiku 上。代码编辑保留在 Opus 5.5 上。
• 让长会话持续进行，使其缓存保持热状态。
• 在不相关的任务之间使用 /clear，在休息时使用 /compact 并附上需要保留内容的说明。
• 最重要的一点：在每个模型上运行一个真实任务，并比较 /usage 报告的结果。你自己的数据才是最值得信赖的。

希望这篇文章对你有帮助。如果你在 Opus 5.5 上的额度并没有比在 Opus 5 上更多，请通过 /feedback 告诉我们。

延伸阅读：有效管理成本 · 模型配置 · 在 Claude Code 中选择 Claude 模型和 effort 级别 · Effort · 提示缓存 · 最大化你的 Claude Code 会话价值

感谢 Michael Segner、Kacie Jenkins 和 Molly Vorwerck 的审阅。