Skær Claudes tokenforbrug ned: 6 fixes der sparer penge

Ingen budgetterer med tokens. Så lander en tung måned, fakturaen fordobles, og pludselig er alle på teamet eksperter i kontekstvinduer. Vi har auditeret nok Claude Code-setups til at kende mønstret: regningen drives sjældent af det arbejde, du bad om. Den drives af alt det, der følger med.

Denne guide er den playbook, vi faktisk bruger. Fixene er ordnet efter effekt, hvilket betyder, at de kedelige strukturelle kommer først, og det sjove (model-routing) kommer sidst, for det er dér, pengene ligger. Priserne nedenfor er API-satser pr. medio 2026: cirka $3 pr. million input-tokens på Sonnet, $5 på Opus, $1 på Haiku, med output-tokens omkring fem gange dyrere. Er du på et Pro- eller Max-abonnement, betaler du i rate limits i stedet for dollars, men hvert fix her køber dig det samme: mere arbejde pr. session, før du rammer muren.

Hvor tokens faktisk går hen

Hver forespørgsel, Claude Code sender til API'et, bærer hele din session indtil nu plus en fast præambel: systemprompten, din CLAUDE.md, beskrivelsen af hver installeret skill og det fulde skema for hvert værktøj fra hver tilsluttet MCP-server. Den præambel faktureres på hver eneste tur, uanset om turen bruger noget af den eller ej.

I et modent setup løber det hurtigt op. De fire største brændere, vi ser, i rækkefølge:

Den første er kontekst-genlæsninger. En agent, der læste din konfigurationsfil på 2.000 linjer i går, læser den igen i dag, for sessioner husker ingenting. Gang det med hver fil, den "lige tjekker for en sikkerheds skyld", og gen-opdagelse bliver en post på regningen.

Den anden er MCP-værktøjsskemaer. Hver server, du har tilsluttet, injicerer sine værktøjsdefinitioner i hver forespørgsel. Ikke når værktøjet bruges. Altid. Fem servere kan betyde 15.000 til 25.000 tokens skemaer, der sidder foran dit faktiske spørgsmål, hele dagen, hver dag.

Den tredje er en oppustet CLAUDE.md. En hukommelsesfil på 3.000 linjer er cirka 30.000 tokens i skat på hver forespørgsel i hver session, for altid. De fleste af de linjer gælder måske én session ud af ti.

Den fjerde er gen-forklaring. "Brug conventional commits. Rør ikke legacy-mappen. Vi foretrækker pnpm." Taster du dine præferencer ind i chatten hver morgen, betaler du for at lære den samme lektie fra dig dagligt, og lektien følger så med i sessionshistorikken på hver efterfølgende tur.

Prompt caching mildner alt dette. Gentaget stabil kontekst faktureres til cirka en tiendedel af normal inputpris. Men cache-skrivninger koster en merpris, cachet indhold optager stadig dit kontekstvindue, og én ændret byte nær toppen af prompten invaliderer alt efter den. Caching er en rabat, ikke et fix.

Mål, før du optimerer

At gætte på token-spild er sin egen slags spild. Ti minutters måling fortæller dig, hvilket af de seks fixes nedenfor der faktisk betyder noget for dit setup.

Inde i Claude Code viser /cost, hvad den aktuelle session har brugt, og /context viser, hvad der optager vinduet lige nu, opdelt efter systemprompt, værktøjer, hukommelsesfiler og beskeder. Den anden er det ærlige spejl: tager værktøjsskemaer og CLAUDE.md 40.000 tokens, før du har tastet noget, har du fundet dit problem.

Til historikken læser community-værktøjet ccusage de transskriptfiler, Claude Code allerede gemmer på disken, og giver dig opgørelser pr. dag og pr. model. API-brugere kan se det samme på usage-siden i Anthropic Console, opdelt pr. nøgle. Og vil du vide, hvad en bestemt fil koster, giver API'ets count_tokens-endpoint et præcist tal; at køre din CLAUDE.md gennem det tager tredive sekunder og er noget af en øjenåbner.

Skaf en baseline-uge, før du ændrer noget. Hver påstand, vi fremsætter om vores egne tal nedenfor, kom af at gøre præcis det, og Token Budget Auditor-skillen findes for at automatisere hele øvelsen (mere om den i fix 6).

Fix 1: erstat gentagne prompts med skills

Det her er ændringen med størst effekt for de fleste, og den virker på grund af én designbeslutning: progressive disclosure. En skills fulde instruktioner indlæses kun, når skillen trigger. Den eneste omkostning, du betaler pr. forespørgsel, er dens trigger-beskrivelse, typisk 30 til 60 tokens. Er du ny i formatet, dækker vores forklaring af Claude skills mekanikken.

Lav regnestykket på en prompt, du indsætter dagligt. Lad os sige, den er på 2.000 ord, cirka 2.600 tokens: dine kodestilregler, din review-tjekliste, hvad du nu gemmer i en note og indsætter hver morgen. Når først den er indsat, ligger den i sessionshistorikken og gensendes på hver tur. Ved 30 ture pr. session genererer den ene blok cirka 78.000 input-tokens pr. session. Over 22 arbejdsdage: omkring 1,7 millioner tokens om måneden. På Sonnet er det omkring $5 uden cache, sig $1 til $2 med anstændige cache-hits.

Som skill koster samme indhold sin beskrivelse på 50 tokens pr. tur, cirka 33.000 tokens om måneden, plus den fulde krop på 2.600 tokens kun i de sessioner, hvor den faktisk fyrer. Kald det en reduktion på 95 til 98 procent for den blok.

Fem dollars om måneden lyder som ingenting, indtil du husker to ting. Ingen har kun én indsat prompt; de setups, vi auditerer, har fem til ti. Og dollaromkostningen er ikke engang den største skade: de tokens optager kontekst, hvilket skubber lange sessioner tidligere i compaction, hvilket udløser genlæsninger, som koster mere, end prompten gjorde. At konvertere indsatte prompts til skills er den enkeltændring med det bedste forhold mellem indsats og besparelse, vi kender.

Fix 2: sæt CLAUDE.md på kur

CLAUDE.md er altid-på-kontekst. Det er hele dens værdi og hele dens omkostning. Testen for hver linje er enkel: gælder det her for de fleste sessioner i dette projekt?

Hører til i CLAUDE.md: build- og testkommandoer, repository-layout, de tre ikke-oplagte begrænsninger, der smadrer ting, når de overtrædes, hårde regler som "commit aldrig direkte til main". Det er typisk 30 til 60 linjer.

Hører ikke til: workflow-instruktioner til opgaver, du laver ugentligt (det er en skill), style guides til lejlighedsvist arbejde som docs eller migreringer (skill), lange forklaringer af arkitektur, Claude kan læse ud af koden, og alt, hvad du kopierede ind "så det er der, hvis der bliver brug for det". Gælder en sektion for færre end halvdelen af dine sessioner, betaler den fuldtidshusleje for deltidsarbejde. Flyt den til en skill, og den koster ingenting, indtil den dag den er relevant.

Vi ser hele tiden CLAUDE.md-filer på over 2.000 linjer, og ejerne bliver som regel overraskede to gange: først over token-tallet (kør den gennem count_tokens), og så over opdagelsen af, at trimningen gjorde Claude mere lydig, ikke mindre. Instruktioner konkurrerer om opmærksomhed. Fyrre skarpe linjer slår to tusind grødede.

Fix 3: lug MCP-servere ud, du ikke bruger

MCP-servere er den stilleste brænder, fordi omkostningen er usynlig i daglig brug. At tilslutte en server betyder, at dens værktøjsskemaer serialiseres ind i hver forespørgsel. En typisk server eksponerer 10 til 30 værktøjer med nogle hundrede tokens skema hver; de store officielle servere er værre. Da vi målte vores eget setup, lagde én populær server omkring 20.000 tokens til pr. forespørgsel helt alene, og vi havde brugt den to gange den måned.

Kør claude mcp list og vær nådesløs. Spørg for hver server, hvornår du sidst faktisk brugte den. Vores regel efter at have lavet øvelsen på egne maskiner: to servere pr. projekt er rigeligt, og de bør scopes til de projekter, der har brug for dem, frem for at være konfigureret globalt. En database-server har intet at gøre med at beskatte dine blogskrivnings-sessioner.

Genovervej også, om hver tilbageværende server overhovedet bør være en server. Mange MCP-forbindelser findes for at wrappe en CLI, som Claude bare kunne køre gennem bash til nul stående omkostning. Vi har skrevet hele beslutningsrammen i skills vs. MCP, men den korte version: MCP gør sig fortjent til sin skema-skat, når du har brug for live autentificeret adgang til et eksternt system. Til instruktioner, workflows og alt filbaseret klarer en skill jobbet uden husleje pr. forespørgsel.

Udlugning er også det sjældne fix, der virker øjeblikkeligt. Ingen refaktorering, ingen migrering. Fjern tre inaktive servere, og din allernæste forespørgsel er 30.000 tokens lettere.

Fix 4: sessionsvaner der holder konteksten lille

Struktur fikser de faste omkostninger. Vaner fikser de variable.

Start friske sessioner pr. opgave. Én udødelig session, der vandrer fra et bugfix til en refaktorering til "opdater lige også README'en", slæber hele bugfix-konteksten med ind i hver README-tur. Historikken gensendes ved hver forespørgsel, så en lang sessions ture bliver gradvist dyrere. Når emnet skifter, er /clear eller en ny session næsten altid billigere end at fortsætte, og outputkvaliteten forbedres som regel også, for gammel kontekst vildleder mere, end den hjælper.

Brug /compact ved naturlige grænser, ikke ved deadline. Claude Code auto-compacter, når vinduet fyldes, men til den tid har du betalt fuld pris for en oppustet historik i en time. At compacte lige efter en milepæl ("tests grønne, nu næste feature") krymper historikken, mens du selv styrer, hvad der er værd at beholde. Compaction koster ét opsummeringspas; at slæbe dødvægt koster på hver tur.

Afgræns dine forespørgsler. "Find hvor vi validerer e-mails og fiks regexen" sender Claude på grep-ekspedition gennem et dusin filer, som hver læses ind i kontekst og faktureres resten af sessionen. Ved du, at det ligger i src/lib/validators.ts, så sig det. Ti sekunders præcision sparer rutinemæssigt 50.000 tokens udforskning. Samme logik gælder læsninger: at pege Claude på et linjeinterval slår at lade den sluge en fil på 2.000 linjer for at bruge 40 af dem.

Intet af det kræver disciplin ud over at lægge mærke til det. Hold øje med /context en dags tid, og de spildende mønstre udpeger sig selv.

Fix 5: rout billige delopgaver til billigere modeller

Ja, model-routing sparer penge. Vi lister det som nummer fem, fordi teams i hver eneste audit, vi har lavet, greb ud efter det, mens en oppustet CLAUDE.md og seks inaktive MCP-servere brændte tre gange mere. Struktur først, så routing.

Når det er sagt, er regnestykket reelt: Haiku koster en femtedel af Sonnet og en femtedel igen af Opus. Den rene måde at udnytte det på i Claude Code er subagenter. Udforskning, opsummering af en lang fil, generering af boilerplate-tests, første udkast til commit-beskeder: deleger det til en Haiku-subagent, mens hovedloopet bliver på din primære model. Claude Codes egen arkitektur gør det internt for nogle søgeopgaver, hvilket fortæller dig, at Anthropic anser mønstret for sundt.

Det, vi ikke anbefaler, er at skifte hovedsessionens model frem og tilbage midt i en opgave. Prompt caches er pr. model, så hvert skift smider dit cachede præfiks væk og betaler fuld pris for at genopbygge det. Vælg én model pr. session; rout ved subagent-grænsen. Og hold den svære ræsonnering på den stærke model. En billig model, der producerer en forkert plan, koster mere end en dyr, der har ret i første forsøg. Det har vi desværre også målt.

Fix 6: token-effektivitets-skillene vi tester

Vi fører en dedikeret Token Efficiency-kategori, og vi holder den til en strengere standard end nogen anden: en dom dér skal komme med en målt før/efter-regning, ikke fornemmelser. Det gør domme langsommere. Her er den ærlige aktuelle status.

Token Budget Auditor læser dine transskripter og dit setup og udpeger dine største token-syndere: oppustet systemkontekst, redundante fillæsninger, snakkesalige værktøjsloops. Det er "mål først"-trinnet pakket som en skill. Dom afventer; vi kører en før/efter-sammenligning af regningen på vores egne konti, før vi scorer den.

Context Compression pakker opsummer-og-fortsæt-disciplinen fra fix 4, så lange sessioner compactes til strukturerede opsummeringer i stedet for at slæbe rå historik. I testkøen; vi måler token-besparelse mod informationstab over en uge med rigtige sessioner, for kompression, der glemmer dine begrænsninger, er værre end ingen kompression.

Prompt Cache Optimizer omstrukturerer kontekst til cache-venlighed: stabilt indhold først, flygtigt indhold sidst. Det mest almindelige spild, den går efter, er et timestamp interpoleret nær toppen af en prompt, som lydløst invaliderer cachen på hver forespørgsel. Fix på én linje, tocifret besparelse når det gælder. Vi måler live cache-hit-rater, før vi afsiger dom.

Den ene tilstødende skill, der har klaret testen, er Memory Management, som scorede 9,2/10 i vores ugelange prøve. Den bor i vores produktivitetskategori, men den er inderst inde et token-spil: persistent hukommelse konverterer gentagen gen-opdagelse (fix 4's dyreste fejltilstand) til én skrivning og billige opslag. Claude, der husker dit projekts beslutninger, er Claude, der ikke genlæser tolv filer for at rekonstruere dem.

Hele listen, med testnoter og de domme, der findes, ligger på bedste effektivitets-skills. Vi vil hellere vise dig en kø med målinger i gang end en side med selvsikre scores, vi ikke kan stå inde for.

Optimizer Pack, hvis du vil have genvejen

Ét ærligt afsnit om vores eget produkt. Optimizer Pack er det effektivitets-setup, vi selv ville installere på egne maskiner: de tre effektivitets-skills ovenfor plus Memory Management, færdigkonfigureret, med en trimmet CLAUDE.md-skabelon og en MCP-audit-tjekliste, installeret med én kommando. Den koster $10, mest fordi pakning og vedligeholdelse af konfigurationerne tager reel tid. Alt i den findes også gratis på de enkelte skill-sider; pakken sparer dig en aftens opsætning, intet mere. Nyder du selv at nørkle, så spring den over.

Et realistisk før og efter

Her er en skitse baseret på en sammensat profil af tunge brugere, vi har auditeret: en udvikler, der kører Claude Code fire-plus timer om dagen på Sonnet via API, med en CLAUDE.md på 2.500 linjer, fem MCP-servere og maratonsessioner.

Før: cirka 140 millioner input-tokens og 4 millioner output-tokens om måneden. Med middelmådig cache-performance (CLAUDE.md'en havde en dynamisk header, så caching virkede knap nok) er det i omegnen af $480 om måneden.

Efter fix 1 til 5: at luge tre MCP-servere ud og trimme CLAUDE.md til 60 linjer skar præamblen pr. forespørgsel med omkring 45.000 tokens. At konvertere syv indsatte prompts til skills fjernede endnu en luns fra hver-tur-historikken. Friske sessioner og tidligere compaction forkortede den gennemsnitlige historik med en tredjedel. At fikse cache-invalidatoren betød, at den tilbageværende stabile kontekst endelig blev faktureret til cache-pris. At route udforsknings-subagenter til Haiku barberede resten. Ny regning: omkring $210 om måneden.

Det er en reduktion på 55 procent med nul ændring i, hvad der blev bygget. Dine tal bliver anderledes, og vi ville møde enhver, der lover en præcis procent, med mistro, inklusive os selv. Men at halvere en tung brugers regning gennem struktur alene matcher, hvad vi har set mere end én gang. Mønstret holder også på abonnementer: samme person holdt op med at ramme Max-planens grænser midt på eftermiddagen.

FAQ

Betyder noget af det her noget, hvis jeg er på et Pro- eller Max-abonnement i stedet for API'et? Ja, bare i en anden valuta. Abonnementer afregner dig gennem forbrugsgrænser, og de grænser fortæres af de samme tokens, en API-bruger betaler for. Et slankere setup betyder mere reelt arbejde, før du rammer loftet. Brugere, der "konstant rammer grænser", bærer som regel 40.000 tokens præambel pr. forespørgsel uden at vide det.

Koster installerede skills tokens, når de ikke bruges? Kun trigger-beskrivelsen, typisk 30 til 60 tokens pr. skill pr. forespørgsel. Kroppen indlæses, når skillen fyrer. Tyve installerede skills koster omkring 1.000 tokens i stående overhead, og det er derfor, et stort skill-bibliotek er billigt, mens en stor CLAUDE.md ikke er. Den ene fejltilstand er skills med oppustede beskrivelser; dem flager vi i vores anmeldelser.

Hvor meget kontekst bruger en MCP-server egentlig? Det varierer vildt, og derfor bør du måle dine egne: kør /context med serveren tilsluttet og derefter frakoblet. Små fokuserede servere lægger 1.000 til 3.000 tokens skemaer til. Store officielle kan lægge 15.000 til 25.000 til. Omkostningen gælder hver forespørgsel, uanset om du kalder noget værktøj eller ej.

Er /compact bedre end at starte en frisk session? Forskellige jobs. /compact er til at fortsætte relateret arbejde: den opsummerer historikken, så konteksten bæres videre i mindre form. En frisk session er til emneskift, og dér er den både billigere og bedre, for urelateret historik er ikke bare dyr, den forringer aktivt outputtet. Compacter du for at fortsætte noget urelateret, var det /clear, du ville have.

Løser prompt caching ikke det her automatisk? Den hjælper meget, og den er slået til som standard i Claude Code, men den giver rabat på spild frem for at fjerne det. Cachede tokens faktureres stadig til omkring 10 procent, fylder stadig dit kontekstvindue og skubber dig stadig mod tidlig compaction. Og caching knækker lydløst: enhver ændring i det stabile præfiks, som et timestamp i dit setup, og du er tilbage på fuld pris uden varsel. Strukturér din kontekst godt, og caching multiplicerer besparelsen; strukturér den dårligt, og caching skjuler problemet indtil fakturaen.