拆解 Claude Code 日志中的上下文成本

Claude Code 的开销，可能藏在每轮重复带上的历史里。作者给自己的 7,802 次调用按 API 标价估算：上下文超过 400k tokens 的 954 次调用，占调用量的 12.2%，却占了 30.9% 的费用。

这组记录值得看的地方，是它把「长会话越来越贵」拆成了可检查的数据。但它不能解释订阅额度怎么扣，也没有证明清空会话就一定省钱。对日常 AI 编程，更有用的是先看清自己的上下文和子代理花在哪里。

为什么少量长上下文调用占了三成费用

作者连续几周重度使用 Claude Code，会话较长，也用了大量子代理（sub-agents）。他读取 ~/.claude/projects 下每个会话的 .jsonl 文件，提取输入、缓存写入、缓存读取和输出 token 数。同一条消息可能出现在多行，因此按 message id 去重，每条消息只计一次。

他的上下文口径是：

input + cache reads + cache writes

也就是一次调用带进去的全部上下文，包括通过缓存复用的部分。缓存命中不等于这部分 token 消失了。

作者按 10 月 26 日的 Anthropic 标价计算。原文采用的 Opus 5.5 单价为：每百万输入 tokens 4 美元、输出 20 美元、缓存读取 0.20 美元。缓存写入采用什么价格，正文没有交代。

下面是作者的分档结果，费用单位为美元：

band        calls   % calls    cost    % cost
<100k        2787    35.7%   $114.83   20.3%
100-200k     2898    37.1%   $174.04   30.8%
200-400k     1163    14.9%   $101.71   18.0%
400k+         954    12.2%   $174.78   30.9%

重点看最后一行：400k+ 调用的费用，几乎追平了数量约为它三倍的 100-200k 档。

全部记录折算约 565 美元，其中子代理约 289 美元，超过一半。作者还观察到，输出 tokens 对总费用贡献很小，主要开销来自反复发送上下文。这是他的工作样本呈现的结果，不能直接套到所有任务上。

缓存便宜，为什么长会话还是会贵

按作者描述，每次调用都会重新携带完整对话。缓存降低了重复内容的单价，但没有让重复内容免费。

一旦会话积累到几十万 tokens，后面的每一轮都要继续承担这份上下文费用。单轮看着不多，连续操作就会累积。影响费用的不只是做了多少次调用，还有每次调用背着多少历史。

不过，这份账单回答不了另一个常见问题：为什么会触发用量限制。

作者在约两周内碰到了 14 次五小时用量限制。每次触限前五小时，按标价折算的用量约为 19 至 43 美元。区间差得很大，他明确表示，仅凭自己的日志无法推断限制规则。

他提出了几种待验证的做法：任务完成后清空会话；下一项任务从短摘要开始；只负责读取和搜索的子代理使用更便宜的模型。这些是作者准备尝试的方案，还不是测出来的省钱结论。

我的判断

这份分析最有价值的是统计口径：按消息去重，把缓存读写纳入上下文，再按长度分档。它比单看调用次数更接近「钱花在哪里」这个问题。

局限也很明确。样本只有约三周，且偏向长会话和大量子代理；400k 是作者自行选择的分界点，没有证据表明它是普遍适用的成本拐点。作者使用订阅套餐，这些数字只是 API 等价估算，不是实际订阅账单，也不能当成额度扣减公式。

相比一直延续旧会话，从短摘要开启新任务，有减少历史负担的可能，但也可能丢掉约束，导致模型重新搜索、重新读文件。便宜模型能否胜任子代理工作，同样需要看任务完成质量。原文没有这些方案的对照数据，目前只能算经验假设。

另外，子代理占费超过一半，并不能证明子代理效率低。作者没有提供同一批任务关闭子代理后的耗时、费用和完成情况。

能拿来做什么

• 先给自己的 Claude Code 日志算账。作者提供的 ctxtax 是单文件 Python 脚本，无需安装额外包，只读取本地文件，输出数字，不输出消息正文。原文运行方式如下，第二行才是执行本地统计：

  curl -O https://raw.githubusercontent.com/TrueHorison/ctxtax/main/ctxtax.py
  python ctxtax.py
  

• 把「任务完成后用短摘要开新会话」当成一次对照实验，观察同类任务的上下文用量和返工情况，再决定是否固定采用。

• 如果经常使用子代理，先单独核算它们的费用，再尝试让较便宜的模型承担读取、搜索任务，同时检查结果是否够用。

• 想记录触限情况，可以运行 python ctxtax.py --meter。它会逐次输出触限日期、此前五小时的用量和模型组合，便于积累可比较的记录；它目前只支持 Claude Code 日志。