这并非危言耸听。最新数据显示，Anthropic 在算力上的投入已达其薪资支出的 2.3 倍。若以高级工程师年均完全成本 22.4 万美元计算，每位工程师对应的年算力支出约为 51.5 万美元。换言之，算力成本已超越人力成本。
面对高昂账单，连 Claude 自身也不得不开始优化 token 消耗。
Claude Code：以高耗 Token 营造“高产”错觉
业界近期涌现出新词"Token Apocalypse（Token 末日）”。从"token maxing"到"token apocalypse"，标志着 AI 行业范式的重大转变。今年早些时候，用户尚以消耗大量 token 为荣，视其为能力排行榜；如今，随着意识到使用 AI 并不等同于省钱，关注点已转向单个 token 的成本效益。
更为微妙的是，大模型正在扩大原本无需 AI 介入的工作场景。PDF 阅读、长文摘要、幻灯片制作等环节均被 AI 接管，甚至出现"AI 生成内容再由 AI 消费”的循环。这种模式在为虚浮工作注入虚假价值的同时，也推高了整体成本。
目前，成本失控已成为常态。亚马逊、Adobe、Atlassian、花旗集团等企业已开始实施严格的 AI 管控措施：
- 限制模型等级：禁止员工使用 Claude Opus 等高端模型，强制降级至低成本版本；
- 设定个人限额：Uber 为每位工程师设定每月 1500 美元的 token 上限；
- 彻底停用权限：花旗银行等机构完全限制高级 AI 工具访问，未达使用目标的员工将被撤销账户。此前，Uber CTO 坦言公司数月内耗尽全年 AI 预算，Walmart 近期也停止了部分工具的使用。
企业在寻找降本方案与紧急叫停浪费之间摇摆，导致员工接收到矛盾指令：既要利用 AI 提升百倍效率，又要避免拖垮公司财政。
这是 AI 工具首轮普及中的典型问题：产品推出时缺乏足够的护栏机制以防止数百万美元的无效消耗，也未建立 token 快速耗尽的预警系统。无论是聊天机器人还是编码工具，大多优先追求“可用性”，而将成本治理、配额管理、模型分级及上下文控制置于次要位置。
本质上，Claude Code 并非纯粹的效率工具，更偏向于营销展示。项目负责人 Boris 曾表示，其设计初衷是探索“模型足够聪明时代代码的形态”，而非“如何帮开发者节省 token"。其核心逻辑在于：能用多 token 解决的问题，绝不寻求更省力的方案。
Anthropic 愿意为这种“智能感”承担高额 token 成本。五分钟消耗 200 美元对 Claude Code 而言并非事故，而是设计使然。所有的子代理（sub-agent）、炫目的 UI 动画及冗长的推理轨迹（reasoning trace），旨在让用户产生“模型极其聪明能干”的心理认同，从而形成“高消耗换好评，好评促复用”的营销闭环。
正是这种“烧钱换体验”的设计哲学，使得 Claude 在 token 效率上逐渐落后于 OpenAI。后者致力于压缩推理轨迹、优化模型效率，主张“用更少 token 完成同等任务”，Codex 5.5 便是典型案例。
尽管 Fable 5 等模型智能程度较高，但效率欠佳。Deep SWE 数据显示，GPT-5.5 medium 仅用 2 万 token 即获高分，而 Opus 4.8 消耗 5 万 token 得分反而更低。行业现状清晰可见：市场在恐慌，Claude 在挥霍，OpenAI 在精简。降本的首要切入点，正是那些过度堆砌的提示词。
系统提示词优化：从“越多越好”到“删繁就简”
Anthropic 在最新演讲中透露，已删除 Claude Code 中 80% 的系统提示词（system prompt）。
Anthropic 技术团队成员 Tariq Shihipar 指出，这反映了 AI 引导方式的根本性变革。过去认为指令和示例越多模型表现越好，但新模型 Fable 5 展现出超越示例的想象力，过多的示例反而成为限制。
尽管其中包含营销成分，但不可否认的事实是：连 Anthropic 自身也开始对 system prompt 进行大刀阔斧的削减。
为何过去需要如此庞大的 prompt？过去一两年，AI 编程领域形成了“上下文越大越好、工具说明越全越好、system prompt 越完整越好”的惯性思维。为解决模型在项目组织、工具使用、主动性及稳定性方面的问题，团队不断添加 Agents.md、tool descriptions 及行为约束。
System prompt 曾是 AI 编程工具的核心竞争力。微调 prompt 即可显著提升性能，不同工具间（如 Codex、Cursor、OpenCode、Copilot）的表现差异往往源于 prompt 的细微差别。Cursor 曾通过大量 A/B 测试微调 prompt，使模型表现提升 10% 至 30%。
然而，只要 prompt 有效，团队便倾向于持续叠加。针对模型的各种缺陷逐一添加规则，长期积累导致 system prompt 沦为巨大的常驻上下文包袱。
关键在于，system prompt 并非免费资源。每次调用均需读入、计费并占用上下文窗口。Claude Code 在内置所有功能后，system prompt 一度膨胀至 65,000 token；即便关闭大部分功能，仍高达 12,000 token。相比之下，Pi 启动时的上下文不足一千 token。
此外，"Prompt 债”比“代码债”更为隐蔽。代码老化易在测试与修 bug 时暴露，而 prompt 老化仅导致模型性能悄然下降。用户感知到的“模型变笨”或“新模型不强”，实则是旧 system prompt 未能适配新模型所致。
当 prompt 从竞争力转变为负担时，Anthropic 选择删除 80%，以此显著提升 token 效率。
Claude 的“废话税”：语言冗余推高成本
Claude Code 的输出存在严重的语言冗余问题。今年走红的"Caveman"插件正是为此而生。该插件倡导像原始人一样交流：去除礼貌用语、多余语法及填充词，仅保留核心信息。
"Caveman save you token, save you money. Star cost zero."
这看似玩笑，实则解决了 LLM 领域的真实痛点：废话过多导致 token 浪费及成本不必要的上升。其起源正是针对 Claude Code 的观察。
Caveman 创建者 Julius Brussee 表示，他在重度使用 Claude Code 期间发现，大量 token 消耗于寒暄、模糊措辞、过渡语及 agent 循环中无关紧要的闲聊。评测显示，Caveman 相比默认输出可减少 65% 至 75% 的 token，且效果优于简单的“请简洁”指令。它主要压缩自然语言部分，不影响代码、命令、路径等需精确性的内容。
据悉，OpenAI 工程总监 Shayne Sweeney 也为该项目贡献了代码以支持 Codex。
有趣的是，OpenAI 早已将此类语言模式应用于内部思考环节。泄露的 reasoning trace 显示，其内容并非标准英语，而是压缩后的工程速记：
"Use core new nodes. Need infer. Need add VAE encode for images. Try. Try period."
这些句子虽显粗糙，但重点在于 token 效率。模型内部推理无需保持对用户的礼貌与流畅，只需保留动作、对象、判断及下一步计划。只要最终答案正常，内部思考完全可采用更短、更粗略的语言以极致追求效率。
压缩 reasoning token 的收益尤为显著。由于 agent 是多步执行，前一步的思考会成为后一步的输入。减少每一步的“思考”长度，不仅能节省当前 token，更能降低整条执行链的重复开销。
这正是 OpenAI 与 Claude 路线的显著差异。Claude 更像一位用完整语言思考和表达的助手，其 reasoning trace 较长，依赖大上下文窗口（默认 100 万 token）来容纳内容。许多人误以为大窗口是为了装入更大代码库，实则是因为 Claude 生成内容过长。此外，Claude 在内容压缩（compaction）方面表现不佳，恢复旧线程时常建议 compact，因其会在 10 至 20 分钟后清除 reasoning trace，否则成本将无法承受。
相比之下，OpenAI 模型的上下文窗口约为 20 万或更少，但凭借初始阶段的简短语言压缩，足以应对需求。
一个值得玩味的细节是：若 Anthropic 彻底解决“废话太多”的问题，其收入或将明显下降。若开发者能以更少 token 完成同等工作，厂商将失去这部分收益。
声明：本文为 InfoQ 原创，不代表平台观点，也不构成投资建议，未经许可禁止转载。
