如何节省 Claude API token
节省 Claude API token 归根结底是三个杠杆：少发输入 token、少生成输出 token，再通过选模型和提示词缓存降低每 token 的单价。每个杠杆都是对你已经在发的请求做一处具体改动——而且它们都能与 apiToken.sale 的折扣叠加，后者把等式中价格那一侧直接砍掉一半。
·
Claude API 的 token 到底花在哪里
你的 Claude API 账单就是输入 token 加输出 token，按模型分别计量。价格表里的两个事实告诉你该往哪儿优化：在每一个现役 Claude 模型上，输出 token 的价格都是输入的五倍；而多轮对话每次调用都会把整段历史当作新输入重新发送。所以最大的节省来自三件事：少生成输出、少重发上下文，以及让更便宜的 token 类别——缓存读取和更小的模型——承担更多工作。
| 模型 | 官方 输入 / 输出（每 1M token，美元） | 本站价格（−50%） |
|---|---|---|
| Claude Opus 4.8 | $5 / $25 | $2.50 / $12.50 |
| Claude Sonnet 5 | $2 / $10 | $1 / $5 |
| Claude Haiku 4.5 | $1 / $5 | $0.50 / $2.50 |
这张表要当作路由表来读，而不只是价目表。无论输入还是输出，Haiku 每 token 都比 Opus 便宜五倍；统一的 50% B2C 折扣把每一行都减半，但并不改变排序——所以选对模型在这里省下的比例，和在官方价格下完全一样。
缓存每次请求都要重发的上下文
对于任何带稳定重复前缀的场景——长系统提示词、工具定义、大参考文件——提示词缓存是单项最大的 token 节省手段。你在稳定块的末尾标一个 cache_control 断点：第一次调用写入缓存（单独计量），之后的调用以新输入价格的一小部分读回。一条缓存大约存活五分钟，每次读取都会续期，所以活跃会话的缓存可以一直保温。
curl https://router.apitoken.sale/v1/messages \
-H "x-api-key: sk-pool-•••" \
-H "anthropic-version: 2023-06-01" \
-H "content-type: application/json" \
-d '{
"model": "claude-sonnet-5",
"max_tokens": 1024,
"system": [
{
"type": "text",
"text": "<your long, stable system prompt>",
"cache_control": {"type": "ephemeral"}
}
],
"messages": [{"role":"user","content":"Refactor the parser."}]
}'缓存匹配是前缀精确的：提示词靠前位置改一个字节，断点之后的一切都会按新输入重新计费。把易变的内容——时间戳、用户状态、当前问题——放在缓存断点之后，永远别放在它前面。
把每个请求路由到能胜任的最便宜模型
把所有请求都发给 Opus 是 Claude API 使用中最贵的习惯。大部分生产流量——分类、抽取、格式化、自动补全式的编辑、解析工具返回——根本不需要前沿推理能力，为它们付 Opus 的价格纯属浪费。让模型匹配任务，每 token 的差价会自动替你省钱。
- 01新负载默认用 claude-sonnet-5——日常编码和写作的均衡档。
- 02把高并发或机械性工作下放给 claude-haiku-4-5：打标签、总结短输入、格式转换、简单问答。
- 03用升级代替默认：先跑便宜的模型，只有结果通不过你的校验时才用 claude-opus-4-8 重试。
- 04在智能体循环里，规划留在强模型上，解析和格式化步骤交给 Haiku 跑。
经典模式是级联：Haiku 先尝试请求，一个廉价的校验判断结果是否可接受，只有失败的才升级到 Sonnet 或 Opus。你只为真正需要前沿能力的那一小部分流量付前沿价格。
少发上下文，少要输出
请求里的每个文件、每条消息、每个工具定义，每次调用都要重新计费；回复里的每个 token 都按 5 倍的输出价格计费。两头都精简不光彩但见效快——不需要任何平台功能，只需要对放进请求的东西有点纪律。
- 只发任务真正需要的文件和历史；精准的节选胜过整个仓库的倾倒。
- 把长会话总结成一份滚动简报，而不是每轮重发完整记录。
- 删掉当前步骤用不到的工具定义——它们每轮都按输入计费。
- 把 max_tokens 限制在响应真正需要的范围内；失控的补全会一直计费到最后一个 token。
- 让模型返回 diff 或补丁，而不是重写整个文件；反正要解析回复的话就要 JSON——多余的散文按输出价格计费。
因为输出价格是输入的五倍，砍掉 1,000 个输出 token 省下的钱等于砍掉 5,000 个输入 token。拿不准时，先缩短你要的回答，再缩短你发的上下文。
动手调优前，先读 usage 对象
每个 Messages API 响应的末尾都有 usage 字段，给出精确账目。优化之前，按功能或接口把这些数字记下来——对 token 去向的猜测通常是错的，而 usage 对象能把优化变成算术题。
"usage": {
"input_tokens": 1520,
"output_tokens": 212,
"cache_creation_input_tokens": 8134,
"cache_read_input_tokens": 0
}缓存热起来之后，你的大部分输入应当挪进 cache_read_input_tokens，而普通的 input_tokens 应收缩到只剩新问题本身。apiToken.sale 控制台为每个请求展示同样的 token 级明细，所以每做一处改动你都能立刻看到变化，而不必等到月底账单。
token 纪律与折扣是相乘的
apiToken.sale 的计费按固定顺序进行：每次调用先按其精确的用量构成——输入、输出、缓存写入、缓存读取——折算成 Anthropic 官方花费，然后减去统一的 50% B2C 折扣，净额从你的预付余额中扣除。缓存和路由压缩的是官方花费；折扣再把剩下的部分减半。两者相乘，所以一个把 token 量减半的负载，实际成本只有官方价格的四分之一。
余额本身永不过期，充值接受任意整数美元金额，所以没有订阅时钟逼着你烧掉本想省下的 token。各模型的当前价格（含缓存定价）见模型页面。
常见问题
节省 Claude API token 最有效的单一手段是什么？
对大而重复的上下文——系统提示词、文件、工具定义——使用提示词缓存，再配合把每个任务路由到能胜任的最便宜模型。缓存读取的成本只是新输入 token 的一小部分，而 Haiku 每 token 比 Opus 便宜五倍。
怎么查看一次 Claude API 请求用了多少 token？
每个响应都带一个 usage 对象，包含 input_tokens、output_tokens、cache_creation_input_tokens 和 cache_read_input_tokens。apiToken.sale 控制台展示同样的逐请求 token 明细。
想省钱该用哪个 Claude 模型？
日常工作默认 claude-sonnet-5，高并发的机械性任务下放给 claude-haiku-4-5（官方每 1M token $1/$5，折后 $0.50/$2.50），把 claude-opus-4-8 留给真正高难度的推理。
设置 max_tokens 能降低我的 Claude API 账单吗？
你按实际生成的输出 token 付费，所以收紧 max_tokens 上限能防止失控的补全一直计费到上限。如果回复以 stop_reason: max_tokens 结束，说明上限截断了回答——要有意地调高它，而不是用同一个请求重试。
这些省 token 技巧能与 apiToken.sale 的折扣叠加吗？
能。缓存和模型路由先减少按官方价格计费的 token 数量，然后统一的 50% B2C 折扣再把剩下的部分减半——节省效果相乘。