人工智能公司按代币收费，大多数人都在用廉价模型可以做的工作来烧钱。以下是从您的第一个提示到您的第一个代理如何花费更少并获得更好的结果。

何塞·安东尼奥·兰兹

吉列尔莫·希门尼斯编辑

十月 17, 2026 十月 17, 2026

阅读时间 11 分钟

今年早些时候，Meta 员工在 30 天内烧毁了 60 万亿个 AI 代币，以争夺绰号为“Claudeonomics”的内部排行榜上的位置。科技专栏作家 Gergely Orosz 估计，按照 Anthropic 的标价计算，这笔费用约为 9 亿美元，尽管 Meta 支付的价格可能要低得多。

贝恩公司顾问王珏在各处都看到了这种浪费的一个更安静的版本：“这么多公司，这么多用户，默认使用 Opus 做所有事情，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。如果你做同样的事情，你就雇佣了阿尔伯特·爱因斯坦来计算你在麦当劳的零钱。

您在 ChatGPT 或 Claude 中输入的每个单词以及它写回的每个单词都以标记（平均约为单词四分之三的文本块）计量。如果订阅费用为 20 美元，该计量器将决定您达到使用限制的速度。在 API 上，开发人员使用按令牌付费的访问方式将模型插入到他们自己的应用程序中，它决定了账单。

以下是 Anthropic 当前每百万代币的价格表：

Haiku 的费率适用于 100,000 个令牌以下的提示；更长的提示花费五倍的费用。

顶级模型的成本是最小模型的 100 倍，而 OpenAI 自己的产品线也具有相同的价差，从每百万输入代币 10 美元到 0.10 美元不等。对于实验室和您来说，每个代币的价格加起来很快：Anthropic 的收入运行率从 2025 年底的约 90 亿美元增至 5 月份的超过 470 亿美元，而 OpenAI 正在打价格战以跟上。

一些习惯会大幅削减支出，下面的前五个技巧需要零编码。

tokenmaxxing 是什么意思（以及它应该是什么意思）

Tokenmaxxing 最初是像 Meta 的 Claudeonomics 一样的硅谷 Flex，微软、Shopify 和亚马逊在类似的代币排行榜上对员工进行排名。 Nvidia 首席执行官黄仁勋 (Jensen Huang) 在 3 月份的“All-In”播客中表示，如果一名身价 50 万美元的工程师没有燃烧价值至少 25 万美元的代币，他将“深感震惊”，这为此事火上浇油。

他们在愚蠢的无生产力的东西上烧毁了代币。

在亚马逊，员工承认通过在不相关的任务上运行内部人工智能工具来夸大他们的数字，直到一位高级副总裁告诉员工：“请不要仅仅为了使用人工智能而使用人工智能。”

本指南使用了工程师现在正在推动的含义：最大化每个代币的价值，而不是您花费的数量。

三个概念解释了令牌的去向，从代理循环开始。代理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，然后再次执行，直到它决定完成为止，并在每一圈重新发送整个对话。

编排会成倍增加成本：一个模型充当管理者，将您的请求分成几部分，将它们交给称为子代理的工作模型，并将它们的答案拼接在一起。每个工作人员都用自己的内存运行自己的循环，这就是为什么 Anthropic 表示，当队友在计划模式下运行时，Claude Code 中的代理团队可以使用比标准会话多七倍的令牌（下面的中间提示中介绍了这一设置）。

图表是开发人员防止这些循环偏离的方法。像 LangGraph 这样的框架可以让你绘制像地铁地图一样的工作流程，车站（节点）完成工作，轨道（边缘）决定下一步去哪里，因此模型遵循固定路线，而不是循环，直到耗尽想法或预算。

换句话说，循环可以帮助您实现自动化并提高质量，但您也会花费大量资金，因此高效非常重要。以下是一些可能对您有所帮助的提示

初学者：小工作、小模型

1. 选择适合工作的型号

如果您刚刚开始，您可能会使用图形用户界面来运行您的人工智能。

单击聊天应用程序中的型号名称（在 ChatGPT 中的聊天顶部，在 Claude 或 Hermes 中的发送按钮旁边），然后切换到更小、更快的电子邮件、摘要和改写选项。保留顶级模型进行硬推理和决策，因为一个细微的错误都会花费真金白银。

在两个模型上并行运行上周的五个任务，如果小任务通过，则保留它。在延长使用限制的订阅上，在 API 上，它可以将账单削减高达 99%。

2.写一个好的提示而不是五个坏的提示

三轮“不，只是总数”或“让这个更好、更准确”每次都会重新发送整个聊天。一个清晰的提示阐明了这项工作以及答案的确切形式。像这样的事情可以工作：

从下面的文本中提取发票号码、日期、供应商和总计。保持每个值与所写的完全相同。每个字段返回一行，如果字段不存在，则写“missing”。

OpenAI 自己的测试发现，更简洁、更清晰的提示在使用更少的令牌时得分更高。

3. 改变话题时开始新的聊天

每次您点击发送时，该模型都会重新阅读整个对话，因此关于您的假期的 50 条消息线程会让您的税务问题立即变得更加昂贵和愚蠢。

人择学称这种衰败为“环境腐烂”。

因此，看在上帝的份上，每当话题发生变化时，就开始新的聊天。

4.询问您需要的尺寸

在 Anthropic 和 OpenAI 的顶级模型上，输出代币的成本是输入的五倍。以“三个项目符号，少于 100 个单词”或“仅更改的行”之类的内容结束提示，模型的填充空间就更少了。

如果模型在输出长度方面有限制，它将节省令牌，特别是当任务是创造性的（如写作或研究）而不是确定性的（如编码或解决数学）时。

5. 付费前免费试用

OpenRouter 是一个通过一个帐户连接到数百个 AI 模型的网站，它有一个免费的路由器，可以将您的请求发送到大约 20 个免费模型之一。您还可以使用 LM Studio 或 Ollama 在具有 8GB 视频内存的显卡或 Apple M 系列 Mac 上本地运行模型。

免费套餐可能会在一夜之间消失，因此不要在其中构建任何重要的内容，并在粘贴任何敏感内容之前阅读数据政策。

也就是说，您可以通过使用免费优惠来最大化您的迭代。 Hermes 有很多免费模型可以满足您的需要，Nvidia 也是如此。最好使用免费的较笨的模型来调整提示，而不是付费购买可以做相同事情但速度更快的高级模型。

额外的初学者技巧

跳过对简单问题的扩展思考，或者降低无法关闭思考的新克劳德模型的工作量设置。人择将整个思维过程视为输出，包括你从未见过的部分。

打开使用积分的 Claude Pro 和 Max 订阅者可以在“设置”和“使用情况”下设置每月支出限额。

中级：您的代理阅读太多内容

从这里开始，示例使用 Claude Code，Anthropic 的代理在您的终端中运行并为您编辑文件；命令直接进入其聊天框。其他线束也有类似的逻辑。

如果您只使用聊天应用程序，技巧 8 也适用于任何聊天窗口。

6. 从小成本开始，失败后逐步升级

输入 /model 来切换模型，将 Sonnet 保留为默认值，仅当 Sonnet 在某些特定问题上失败时才升级到 Opus，例如两次尝试后无法修复的错误。对于简单的子代理作业，Anthropic 的文档建议在子代理的设置中设置 model: haiku。

7. 明确任务之间的关系

当您切换到不相关的任务时输入 /clear，这不会产生任何费用并会删除旧的历史记录。使用 /compact 并注明要保留的内容，例如 /compact 仅在需要历史记录时保留数据库决策，因为压缩本身就是一个很大的请求。

8. 让代码来做无聊的数学运算

将 5,000 行电子表格粘贴到聊天中会使模型读取每一行，但它仍然可能会错误计数，因为无论您支付多少钱，语言模型都不是计算器。

相反，要求它提供一个公式或一个简短的脚本，自己运行它，然后只将结果交给模型。

9. 修剪你的工具

MCP 服务器是将模型连接到 GitHub 或 Google Drive 等应用程序的插件，每个服务器都会向每个会话添加工具名称和说明。

输入 /context 查看占用空间的内容，输入 /mcp 禁用项目不使用的服务器。

其他中间提示

输入 /usage 查看您的代币去了哪里。将您的 CLAUDE.md （或 Soul.md ）（您的代理在每次会话开始时读取的说明文件）保留在 200 行以下。

对于更大的更改，请按 Shift+Tab 切换到计划模式，代理在接触文件之前会提出一个计划供您批准，并在方向错误时按 Esc。使用 /effort 来减少简单工作（例如重命名变量）的推理。

Anthropic 显示，当代理仅加载所需的工具定义时，其令牌使用量从 150,000 个令牌下降到 2,000 个令牌，因此像 GitHub 的 gh 这样的命令行工具在运行之前不需要任何成本，通常会击败永远在线的插件。

高级：将护栏构建到系统中

以一名开发人员为例，他需要处理 1,000 张发票，每张发票包含 2,000 个令牌，并包含 200 个令牌答案：在使用以下任何技巧之前，Fable 5.1 的工作成本约为 30 美元，Haiku 5.5 的工作成本约为 0.30 美元。

10. 缓存永不改变的部分

将稳定的指令放在前面，将变化的部分放在最后，并标记稳定块进行缓存。在 Anthropic 的 API 中，这是一个额外的字段：

“系统”： [{

“类型”：“文本”，

"text": "您的发票说明...",

“cache_control”：{“类型”：“短暂”}

}]

从缓存读取的费用只是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费用。检查每个响应中的cache_read_input_tokens字段；如果第一次调用后它仍然读取为零，则说明缓存不起作用。

11. 批处理任何可以等待的事情

OpenAI 和 Anthropic 都以 50% 的折扣处理批处理作业，OpenAI 承诺在 24 小时内获得结果。将 1,000 张发票作为一个批处理文件上传，而不是拨打 1,000 个实时电话，账单会大幅下降。

12. 约束特工

为每个代理运行设置最大步骤数和美元上限，并在开始之前定义“完成”的样子。 Claude Code 接受脚本运行的 --max-budget-usd 标志，Shopify 使用断路器，如果开发人员的支出在一天内激增，则可以立即切断开发人员的访问权限，旨在捕获失控的代理。

现在，正常的做法是真正释放这些代理并让它们循环，直到结果被认为是完美的。如果你没有钱，不要只让你的代理人决定什么是“完美”或什么不是“完美”。

其他高级提示

将关键事实放在长提示的开头或结尾。斯坦福大学领导的一项研究发现，模型在这些位置上使用信息效果最好，而在信息隐藏在中间时效果最差。

仅当错误代价高昂时才支付第二个模型来检查工作，例如合同条款或付款金额。在 OpenAI 的 API 上，为每个项目打开硬性支出限制，因为它的支出警报只会通知您，不会阻止流量。

从一项测试开始

将通过技巧 1 中的五项任务测试的最便宜的模型作为一周的默认模型，只有在失败时才进行切换。然后将您的使用页面与前一周进行比较；在发票工作中，即使在支付 Opus 5.5 来重做 300 次失败之后，单靠路由就能将账单从 30 美元削减到 3.90 美元。

不过，仅靠更便宜的代币并不能完成这项工作：根据 Silicon Data 的代币支出指数，自 2023 年以来，单个代币的价格已下降了 90% 以上，但自 2025 年底以来，大型语言模型的支出却翻了一番。

经济学家称之为杰文斯悖论，即一种资源变得如此便宜，以至于人们最终在其上花费更多。贝恩公司 6 月份的简报发现了同样的模式，2024 年 12 月至 2025 年期间代币成本减半，而消耗的代币数量增长了 450%。

好处是，当你停止为运动而燃烧代币时，同样的价格下跌也会对你产生作用：将它们与上述习惯结合起来，人工智能会同时变得更便宜、更好。