TokenMaxxing：如何充分利用你的AI模型

今年早些时候，Meta 员工在 30 天内消耗了 60 万亿个 AI token，只为在一个被戏称为“Claudeonomics”的内部排行榜上争夺名次。科技专栏作家 Gergely Orosz 估算这笔费用按 Anthropic 的标价约为 9 亿美元，不过 Meta 实际支付的费用可能远低于此。

贝恩公司（Bain & Company）顾问 Jue Wang 在各处都看到了这种浪费的温和版本：“这么多公司、这么多用户，默认对所有事情都使用 Opus，包括生成电子邮件，”她今年夏天告诉美联社，指的是 Anthropic 的高端模型。如果你也这样做，那你就是在雇阿尔伯特·爱因斯坦来算你在麦当劳找零多少钱。

你输入 ChatGPT 或 Claude 的每一个词，以及它回写的每一个词，都以 token 计量，即平均约为四分之三个词大小的文本块。在 20 美元的订阅中，这个计量器决定了你多快达到使用上限。在 API 上——开发者用来将模型接入自己应用的按 token 付费访问方式——它决定了账单。

以下是 Anthropic 当前的价目表，按每百万 token 计：

Haiku 的费率适用于低于 100,000 个 token 的提示词；更长的提示词费用是五倍。

顶级模型的费用是最小模型的一百倍，而 OpenAI 的自家产品线也呈现同样的跨度，从每百万输入 token 10 美元到 0.10 美元不等。这些按 token 计的价格对实验室——以及你——来说会迅速累积：Anthropic 的收入年化运行率从 2025 年底的约 90 亿美元增长到 5 月的超过 470 亿美元，而 OpenAI 则在打一场价格战以跟上步伐。

几个习惯就能大幅削减这笔开支，而下面的前五个技巧无需任何编程。

tokenmaxxing 意味着什么（以及它应该意味着什么）

tokenmaxxing 最初是硅谷的一种炫耀方式，就像 Meta 的 Claudeonomics 一样，微软、Shopify 和亚马逊都根据类似的 token 排行榜给员工排名。英伟达 CEO 黄仁勋在 3 月的“All-In”播客上火上浇油，他说如果一位年薪 50 万美元的工程师没有烧掉至少价值 25 万美元的 token，他会“深感震惊”。

而他们确实烧掉了 token……用在愚蠢且毫无产出的东西上。

在亚马逊，员工承认虚增了他们的数字，方法是让内部 AI 工具运行无关任务，直到一位高级副总裁告诉员工：“请不要仅仅为了用 AI 而用 AI。”

本指南采用工程师们现在推崇的含义：最大化每个 token 的价值，而不是你花费的数量。

三个概念解释了 token 都去了哪里，首先是智能体循环。智能体是一个可以使用工具的模型，因此它会思考、搜索网络或运行代码、读取结果，然后再次行动，直到它决定完成为止，每一轮都会重新发送整个对话。

编排会成倍放大这一成本：一个模型充当管理者，将你的请求拆分成若干部分，交给称为子智能体的工作模型，再把它们的答案拼接回去。每个工作者都用自己的记忆运行自己的循环，这就是为什么 Anthropic 表示，当队友在计划模式下运行时，Claude Code 中的智能体团队使用的 token 数量可能比标准会话多出约七倍，该设置将在下面的中级技巧中介绍。

图是开发者防止这些循环跑偏的方式。像LangGraph这样的框架让你像画地铁图一样绘制工作流，车站（节点）负责执行工作，轨道（边）决定下一步去哪里，因此模型会沿着固定路线前进，而不是一直循环到没有想法或预算为止。

换句话说，循环能帮助你实现自动化并提升质量，但你也会花很多钱，因此保持高效极其重要。以下是一些可能对你有帮助的技巧

入门：小任务，小模型

1. 为任务挑选合适的模型

如果你刚刚起步，你很可能正在使用图形用户界面来运行你的 AI。

在你的聊天应用中点击模型名称（在 ChatGPT 中位于聊天窗口顶部，在 Claude 或 Hermes 中位于发送按钮旁边），切换到更小、更快的选项，用于处理电子邮件、摘要和改写。把顶级模型留给需要艰难推理和决策的场景，因为在这些场景中，一个细微的错误就会造成实实在在的金钱损失。

把上周的五个任务在两个模型上并排运行，如果小模型能通过，就继续用它。在会撑爆你用量上限的订阅套餐上，以及在 API 上，这最多能把账单削减 99%。

2. 写一条好的提示词，而不是五条糟糕的提示词

三轮“不，只要总数”或“把这个改得更好、更准确”每次都会把整个对话重新发送一遍。一条清晰的提示词会明确说明任务以及答案的确切形式。类似下面这样的写法可能就行得通：

从下面的文本中提取发票号码、日期、供应商和总额。每个值都完全按照原文保留。每个字段返回一行，如果某个字段不存在，就写“缺失”。

OpenAI 自己的测试发现，更精简、更清晰的提示词得分更高，同时使用的 token 更少。

3. 当你更换话题时，开启一个新对话

每次你点击发送时，模型都会重新阅读整个对话，所以一段关于你假期的 50 条消息的对话，会让你的税务问题同时变得更贵、更笨。

Anthropic 将这种衰减称为“上下文腐化（context rot）”。

所以，看在上帝的份上，只要主题一变，就开启一个新对话。

4. 要求你需要的篇幅

在 Anthropic 和 OpenAI 的顶级模型上，输出 token 的成本是输入的 5 倍。在你的提示词末尾加上类似“三个要点，100 词以内”或“只给出改动的行”这样的要求，模型就没有多少空间来注水了。

如果模型在输出长度方面受到约束，它就会节省 token，尤其是当任务属于创造性任务（比如写作或研究）而非确定性任务（比如编程或解数学题）时。

5. 付费之前先试用免费版

OpenRouter 是一个通过一个账户连接数百个 AI 模型的网站，它有一个免费路由器，会把你的请求发送到大约 20 个免费模型之一。你也可以在拥有 8GB 显存的显卡或 Apple M 系列 Mac 上，用 LM Studio 或 Ollama 在本地运行模型。

免费套餐可能会一夜之间消失，所以不要在上面构建任何重要的东西，并且在粘贴任何敏感内容之前先阅读数据政策。

话虽如此，你可以通过使用免费额度来最大化你的迭代次数。Hermes 有一批不错的免费模型，可能能完成你需要的任务，Nvidia 也是如此。用一个免费的、更笨的模型来调整提示词，比花钱用一个高级模型来做同样的事情（只是更快）要好。

更多初学者提示

对于简单问题，跳过扩展思考；或者在无法关闭思考功能的较新 Claude 模型上，降低努力程度设置。Anthropic 会将完整的思考过程作为输出计费，包括你从未看到的部分。

开启使用额度的 Claude Pro 和 Max 订阅用户，可以在“设置”下的“用量”中设置每月支出上限。

中级：你的智能体读取的内容太多了

从这里开始，示例使用 Claude Code，这是 Anthropic 的智能体，在你的终端中运行并为你编辑文件；命令直接输入到它的聊天框中。其他运行框架也会有类似的逻辑。

如果你只使用聊天应用，第 8 条提示在任何聊天窗口中同样适用。

6. 从低成本开始，失败后再升级

输入 /model 切换模型，将 Sonnet 保持为默认模型，只有当 Sonnet 在某个具体任务上失败时才升级到 Opus，比如一个它尝试两次仍无法修复的 bug。对于简单的子智能体任务，Anthropic 的文档建议在子智能体的设置中设置 model: haiku。

7. 在任务之间清空上下文

当你切换到不相关的任务时，输入 /clear，这不会产生任何费用，并会丢弃旧的历史记录。只有在需要历史记录时，才使用 /compact 并附上要保留内容的说明，例如 /compact keep the database decisions，因为压缩本身就是一个大型请求。

8. 让代码来做枯燥的计算

把一份 5,000 行的电子表格粘贴到聊天中，会让模型读取每一行，而且它仍然可能数错，因为无论你花多少钱，语言模型都不是计算器。

相反，向它索要一个公式或一段简短的脚本，你自己运行它，然后只把结果交给模型。

9. 精简你的工具

MCP 服务器是插件，用于将模型连接到 GitHub 或 Google Drive 等应用，每一个都会向每个会话添加工具名称和指令。

输入 /context 查看是什么在占用空间，输入 /mcp 禁用项目未使用的服务器。

其他中级技巧

输入 /usage 查看你的 token 都花在哪里了。将你的 CLAUDE.md（或 Soul.md）——即你的智能体在每个会话开始时读取的指令文件——保持在 200 行以内。

对于较大的更改，按 Shift+Tab 切换到计划模式，在该模式下，智能体会在改动文件之前提出一个计划供你批准，一旦它走错方向就立刻按 Esc。使用 /effort 为诸如重命名变量之类的简单任务降低推理强度。

Anthropic 展示了一个智能体在只加载它所需的工具定义时，token 使用量从 150,000 个 token 降至 2,000 个，因此像 GitHub 的 gh 这样在运行前不产生任何费用的命令行工具，往往胜过常驻的插件。

进阶：将防护措施内建到系统中

假设一位开发者需要处理 1,000 张发票，每张 2,000 个 token，答案为 200 个 token：在应用下面任何技巧之前，这项任务在 Fable 5.1 上花费约 30 美元，在 Haiku 5.5 上花费约 0.30 美元。

10. 缓存那些永不改变的部分

把稳定的指令放在前面，把变化的部分放在最后，并标记稳定块以便缓存。在 Anthropic 的 API 中，这只需额外一个字段：

"system": [{

"type": "text",

"text": "你的发票指令……",

"cache_control": {"type": "ephemeral"}

}]

从缓存读取的费用仅为正常输入价格的一小部分，而写入默认的五分钟缓存则需要额外付费。检查每次响应中的 cache_read_input_tokens 字段；如果第一次调用后它仍然显示为零，说明缓存没有生效。

11. 将任何可以等待的任务批处理

OpenAI 和 Anthropic 都以 50% 的折扣处理批处理任务，OpenAI 承诺在 24 小时内返回结果。将 1,000 张发票作为一个批处理文件上传，而不是进行 1,000 次实时调用，账单就会大幅下降。

12. 给智能体拴上绳子

为每次智能体运行设置最大步数和美元上限，并在开始前定义好“完成”是什么样子。Claude Code 接受 --max-budget-usd 标志用于脚本化运行，而 Shopify 使用熔断机制，如果开发者的支出在一天内激增，可以立即切断其访问权限，专门用于捕获失控的智能体。

目前，通常的做法是真正让这些智能体自由运行，让它们循环直到结果被认为完美为止。如果你没有钱，就不要让智能体自己决定什么算“完美”。

更多高级技巧

将关键事实放在长提示的开头或结尾。一项斯坦福大学主导的研究发现，模型在这些位置对信息的利用效果最好，而当信息被埋没在中间时效果最差。

只有在错误代价高昂时（例如合同条款或付款金额），才付费让第二个模型来检查工作。在 OpenAI 的 API 上，为每个项目开启硬性支出限额，因为其支出警报只会通知你，并不会停止流量。

从一个测试开始

把通过提示 1 中五项任务测试的最便宜模型设为你的默认模型，用一周，只在它失败时才切换。然后把你的用量页面与前一周的对比；在发票任务上，仅靠路由就把账单从 30 美元降到 3.90 美元，即使付钱给 Opus 5.5 重做了 300 次失败也不例外。

不过，更便宜的 token 本身并不能解决问题：根据 Silicon Data 的 Token 支出指数，自 2023 年以来单个 token 的价格已下降超过 90%，但自 2025 年末以来，大型语言模型上的支出却翻了一番。

经济学家称之为杰文斯悖论，即一种资源变得如此便宜，以至于人们最终在它上面花的总钱反而更多。贝恩公司 6 月的一份简报发现了同样的模式：2024 年 12 月至 2025 年间 token 成本减半，而消耗的 token 数量增长了 450%。

好的一面是，一旦你不再为了好玩而烧 token，同样的价格下降就会对你有利：把它们与上述习惯结合起来，AI 就会同时变得更便宜、更好用。