Claude Code 新增 Code Mode:不换模型,Token 最高省 77%
AI编程的降本空间,藏在模型之外
但凡用过
Claude Code 的开发者,大概都尝过同一种滋味:活干得是痛快,可盯着后台一路狂飙的 Token 数和账单,心里直滴血。
以前想让 AI 智能体跑得更快、花得更少,摆在用户面前的基本只有两条路。一条是干等厂商推出更便宜的新模型,另一条是手动把主力模型换成小模型,代价是交付质量跟着往下掉。
不过
Anthropic 最近在 Claude Code(v2.1.323 及以上版本)的更新日志里,悄无声息地加了个默认关闭的实验功能,叫 Code Mode。第三方实测的结果是:模型完全不换、智商一点不牺牲,开这个模式跑多步开发任务,真实 API 账单直接降了 22%–23%;要是高频调用外部工具,模型累计处理的 Token 总量更是掉了 62%–77%。

Anthropic 把本地脚本的编排权进一步交了出来,代码也就成了 Agent 与工具之间效率最高的那套通信协议。
Claude Code 过去为什么烧钱?
要弄明白 Code Mode 到底省下了什么,先得看清楚传统智能体干活有多“笨重”。
普通模式下,Claude Code 一般是让模型直接去组织工具调用:先用 Bash 搜文件,再调 Read 看内容,最后用 Edit 改代码。要是后面的操作得看前一步的结果,工具就得把结果交回模型,由模型来定下一步怎么走。
Claude Code 本身已经支持并行工具调用,也能靠 Bash 脚本批量执行命令。可碰上需要多步判断、跨工具协作的任务,模型还是可能一遍遍掺和进中间流程,Token 就这么不断被吃掉。
只改一两个函数,这套流程没啥毛病。但要是跨几十个文件找错误,或者通过 MCP(模型上下文协议)拉上百条外部记录,两笔隐藏开销就会迅速把上下文撑大。
第一笔开销出在起跑线上。独立评测站点 bestagent.dev 拆解请求载荷后发现,没开 Code Mode 时,Claude Code 每轮默认给模型发 16 个内置工具定义,光首轮请求体积就有约 38,000 tokens。会话只要还在继续,这份“工具说明书”就每轮都得重传一遍。
第二笔开销则藏在中间过程里。很多工具的返回值其实扫一眼、筛出几行有用的就行,可在逐轮调用的机制下,整段日志、整批原始记录都得留在对话历史里。开源基准 Bicameral 的测试里,让模型通过 MCP 拉取 120 张工单并统计退款总额,普通模式只能分轮把 120 条记录完整塞进上下文。
说白了,过去智能体每调用一次工具,就得把全量原始输出连同所有工具定义再装进下一轮上下文。轮次越多,Token 消耗就像滚雪球一样膨胀。
一次对调度架构的手术
Code Mode 干的事,说到底就是重新划分了模型与工具之间的调度分工。
开了 Code Mode 之后,Claude 可以先写一段 JavaScript,把多个工具调用、条件判断、循环执行和结果过滤都组织进同一段代码。那些不需要模型一步步决策的操作,程序能连着执行,工具返回的数据也直接由程序处理,最后只把必要的结果送回模型上下文。
Anthropic 官方文档里有个挺直观的例子:你想让 Claude 找到某个配置文件,把里面的重试次数从 3 改成 5,再跑一遍测试。以前它得先找一次文件、等结果回来,再改一次配置,改完再跑一次测试,每一步都得回对话里过一遍。
开了 Code Mode 之后,它会自己写一段小脚本,在本地把“找文件、改配置、跑测试”一口气做完,最后只把“改了哪个文件、测试过没过”这两句结论交回对话。
中间搜过的目录、生成的大堆测试日志,都可以先交给代码处理、筛选,再把必要信息递给模型。至于最终能省多少 Token,还得看脚本返回的数据量有多大。

与此同时,Code Mode 在入口处也做了一次大幅瘦身:模型侧收到的内置工具定义,从原来的 16 个砍到只剩 3 个核心入口,保留的是代码执行、状态轮询这类功能。
两家独立第三方测试测出的变化是一致的。bestagent.dev 测到首轮请求从约 38,000 tokens 降到约 22,000 tokens;Bicameral 在 4 个模型上也测到每轮起跑固定少 13,055—13,106 tokens。
每轮重传的工具定义、中间那些冗余输出,都被 Code Mode 切掉了,上下文窗口也就留给了真正需要模型做判断的信息。
强模型的红利,弱模型的陷阱
省 Token 这套逻辑听着无懈可击,可真实世界里的跑分却分化得很厉害。
眼下最全的公开测试来自开源基准 Bicameral。该团队在 Claude Code v2.1.326 上,用 Opus 5.5、Sonnet 5.5、Haiku 5.5、Fable 5.2 四个模型跑了 6 类任务,每组 2 轮,共计 96 次运行(48 组开关对照)。
表现最抢眼的是高频 MCP 取数求和那组:靠外部工具一条条拉取 120 张工单,再汇总退款金额。4 个模型的对话上下文增量从约 54,000 tokens 猛降到 3,500—8,800 tokens,降幅 84%—94%。16 次运行无一答错,累计处理 Token 少了 62%—77%。另一类研判型取数任务要求读单并筛出重复扣款,处理 Token 降了 40%—68%,对话上下文降 65%—83%。测试团队也点出,这批人工生成的工单句式带有规律,模型脚本正好顺水推舟跳过了重复段落;此外有 3 次未过检失败,且全部落在 Haiku 5.5 身上。
换成日常工作中更常见的任务,数字就没那么好看了。比如本地文件修改——在 47 个 Markdown 文件里查死链、在 Python 项目里跨 36 处调用重命名函数。只盯执行过程中新产生的 Task context,16 组对照里有 14 组不降反升,原因是模型额外写了脚本或者忙着排错。
不过开启之后,每轮起跑随身带的“工具说明书”固定少掉约 1.3 万个 Token,两相抵消,Opus 5.5、Sonnet 5.5 和 Fable 5.2 整趟跑下来的累计处理 Token 还是降了 15%—54%。唯独 Haiku 5.5 在文件任务里处理 Token 多了 9%。翻日志能看出,主因是其中一次脚本把目录找错了,攒下一大堆报错记录,把起跑底座省出的额度全吃光了。

还有一点需要留意:报告专门强调,“累计处理的 Token”并不等于实际账单费用,被省掉的大头是重复读取的提示词缓存,而平台对这部分缓存本来就按更低的费率打折计价。把账折算成美元的是另一组第三方测试,来自独立评测站点 bestagent.dev。该团队在 Claude Code v2.1.325 上用 Opus 5.5、按 Anthropic 官方 API 标价,对 3 个真实开源仓库任务各跑 3 次,测出的数字更贴近日常体感:
新增带测试的 CLI 参数:开启 Code Mode 后,单次费用从 $0.45 降到 $0.35,省 23%,耗时从 80 秒缩至 60 秒。
134 个 Markdown 文件查死链:费用由 $0.20 降到 $0.16,省 22%,耗时从 26 秒缩至 18 秒。
20 个技能说明文件统一加版本号:费用几乎持平,$0.16 对 $0.17。原因是不开 Code Mode 时,Claude 自己也会在 Bash 里写段小脚本,一次改完。

当然,bestagent.dev 只测了 Opus 5.5 单模型、两分钟以内的短任务,像第一组测试那种复杂任务,实际费用差异可能更明显。看得出,Code Mode 真正拿手的是批量处理的复杂任务,比如跨工具批量处理数据,以及需要多轮检索与测试联动的仓库开发。碰上原本一条 shell 就能搞定的简单文件批改,换不换它几乎没差别;用弱模型(Haiku 5.5)把脚本路径写错,还可能放大返工损耗。
能省钱又提速,却要把它“默认关闭”?
既然能省下真金白银,Anthropic 为什么还要设一道环境变量门槛(CLAUDE_CODE_EXPERIMENTAL_CODE_MODE=1),并在文档里标注“实验特性,可能随时修改甚至移除”的警告?
首要卡点在安全把关与过程监控。传统模式下,Claude 每读一个文件、每跑一条命令都得单独发起请求,系统的权限规则、钩子脚本和安全审核能逐条盯着;企业监控系统也能按每次工具调用留下清晰记录。
可一旦开启 Code Mode,Claude 就把一连串动作打包进整段 JavaScript 里一次跑完。Auto 模式下的安全分类器只能对整段代码大致扫一眼,没法像过去那样对运行期动态拼出来的每一条路径逐一细查。

为防风险,官方在启用门槛上加了多层硬锁:Claude Code 会刻意忽略项目目录配置文件里的 Code Mode 开关,免得开发者克隆外部仓库时被对方暗中打开;用户若开启企业监控导出或禁用遥测,客户端会直接拒绝启动 Code Mode。安检之外,能用的场景也还有限。
从支持范围看,现阶段的 Code Mode 更像一块限在纯命令行终端里的“试验田”:目前只支持本地交互式终端、直连 Anthropic 官方订阅或 Console 账号。桌面端 App、VS Code 插件,以及亚马逊 Bedrock、谷歌云等第三方云平台暂时都用不了。
现在就想试用的用户,可以注意两点:其一,看任务决定开关,做批量处理等复杂任务时省 Token 才明显;其二,开启后几个联动功能会暂不可用,远程控制、Chrome 浏览器联动和电脑操控(computer use)都会停用。把视野拉高一层看,Code Mode 验证了一件对行业有启发的事:底层模型不变,仅仅把“谁来组织循环、中间数据留在哪”这层 Harness 的工作方式改对,对 Claude Code 这样成熟的客户端依然能挤出两成以上的真实成本。
最近几个月,从云基础设施到开源编程工具,好几支团队都在朝同一个方向使劲。Cloudflare 和 OpenCode 2 都做了差不多的东西:需要时去翻目录,再用脚本把工具串起来调用。8 月开源的8 月开源的在四种运行模式中,程序化工具调用(PTC)模式同样被内置其中。至于各自能把 Token 成本压到什么程度,好不好用、安不安全,目前还得看后续更多对比测试的结果。