搜 claude4.5 token避坑 的人,多半已经踩过一次:账单比预估高,或者额度掉得莫名其妙。问题通常不在单价,而在你按什么口径去数 token、哪些内容被重复算了、缓存到底有没有命中。这篇不给数字,只给判断标准和一套能照着走的核对顺序,让你自己到站内对应页面把当时的数字对上。
搜 claude4.5 token避坑 的人,多半已经踩过一次:账单比预估高,或者额度掉得莫名其妙。问题通常不在单价,而在你按什么口径去数 token、哪些内容被重复算了、缓存到底有没有命中。换句话说,大部分「多出来的钱」不是模型偷吃,是你自己送进去的。
这篇不给数字,只给判断标准和一套能照着走的核对顺序。看完你该做的事是打开自己的调用记录,把四类 token 拆开对一遍,然后去站内对应页面看当时的数字。别拿记忆里的旧值当基准,口径是会变的。
先搞清楚你在数的是哪一段 token
一次调用至少涉及输入和输出两段,接了缓存还会多出缓存写和缓存读,四项单价不一样。你只看总消耗,永远对不上账,因为占比最高的那一项可能根本不是你以为的那项。
判断标准很简单:把一次请求拆成「系统提示+对话历史+本次问题+工具返回」四块,哪块最长,钱就主要漏在那块。很多人第一反应是对话轮次多所以贵,实际打开一看,是一段超长系统提示每轮都在重发,历史反而没多少。
| token 类型 | 什么时候产生 | 核对时看什么 |
|---|---|---|
| 输入 | 每次请求都要带上全部上下文 | 系统提示和工具返回占了多少 |
| 输出 | 模型生成的内容 | 有没有要求它长篇解释、列全量清单 |
| 缓存写 | 首次把固定前缀写进缓存 | 前缀是否每次都变,变了就白写 |
| 缓存读 | 命中已有缓存的部分 | 读取量是不是长期接近零 |
多轮对话里被重复计费的那部分
多数接口是无状态的,每轮都要把历史整段重发。这意味着轮次越多,输入 token 的增长是叠加而不是线性,你感觉只是多聊了两句,实际是前面所有内容又被算了一遍。
做法上,把长会话按任务切开。做完一件事就新开一轮,别把上午的调试记录带到下午的需求里。工具返回结果和粘贴进来的长日志最容易被忽略,它们同样计入输入,能截断就截断,能先摘要再喂就摘要。
什么情况下不用切:需要模型记住前文细节的连续改写类任务。切开反而要重复交代背景,成本可能更高。判断依据是背景交代的成本和重发历史的成本哪个大,凭感觉不行,跑两轮对比一下用量。
缓存命中没命中,差的是真金白银
缓存一般要求前缀完全一致才命中。中间改一个字、换一个时间戳、塞一个随机 id,后面的内容就全按未命中算。这是最常见也最隐蔽的坑,因为请求本身能跑通,你根本不会报错。
- 看前缀稳不稳把两次请求的提示开头拉出来对比,固定部分是否逐字一致,变量是不是被塞到了前面。
- 看写入和读取的比例缓存写有量、缓存读接近零,说明每次都写新的、从没命中过。
- 最后才怀疑单价前缀稳定、读写比例正常,再去站内价格页核对当期口径。
落地动作只有一句:把固定不变的部分放最前面,把用户输入、时间、随机 id 这些变量挪到最后。改完重跑同一类任务,看缓存读的量有没有起来。
一份能照着走的核对清单
顺序很重要。先看比例,再看构成,再看缓存,最后对页面。反过来做,你会被一堆数字淹掉,还找不到重点。
- 统计一轮典型任务的输入输出比例,离谱的那一项就是突破口
- 把长会话、工具返回、附件文本单独拎出来,看它们占多大比重
- 确认缓存前缀是否稳定,缓存读写有没有真的产生计费项
- 拿实际用量去站内页面核对当期口径,别用印象里的旧数字
- 核对放在同一时间窗口内做,跨期对比会把口径变化当成用量变化
第五步最容易被跳过。有人拿上个月的记录比这个月的账单,然后得出「用量暴涨」的结论,其实只是计费口径调整了。同一窗口内比,才有意义。
这些情况下这套方法不好使
批量任务、异步任务、图片视频类调用,计费单位本身不是按 token。硬套上面那套拆分顺序,只会越算越乱,得换一套口径去看。
用了中转渠道时,倍率和计费口径可能和官方不同,得先去站内把渠道口径读清楚再对账,否则你算出来的数和账单永远差一截。另外模型端有版本或参数变化时,同样的提示词可能产生不同长度的输出,需要对同一任务重跑一遍再比。
下一步把自己的调用记录按输入、输出、缓存写、缓存读四项拆开,再拿站内价格页核对当期数字,比在这里猜有用得多。→常见问题
claude4.5 的 token 是不是按字数算的?
不是按字数直接折算,是按分词结果算,中英文、代码、标点的切分方式都不一样。所以同样「看起来一样长」的两段文本,token 数可能差不少。要估得准,用站内的换算工具跑一遍,别用字数除以一个固定系数。
为什么我明明开了缓存,账单还是没降?
常见原因是前缀不稳定。缓存一般要求从头开始完全一致,只要开头有个时间戳或随机 id 在变,后面整段都按未命中算。先把变量挪到提示末尾,再观察缓存读的量有没有起来,别只看缓存写。
多轮对话到底要不要每轮都重发历史?
绝大多数接口是无状态的,你不发它就不知道前文。所以省钱的方向不是「不发」,而是「少带」:把与当前任务无关的历史切掉,长文档改成先摘要再引用,工具返回只留必要字段。