Ridurre i token di Claude: 6 fix che tagliano i costi

Nessuno mette a budget i token. Poi arriva un mese pesante, la fattura raddoppia e all'improvviso tutti nel team diventano esperti di context window. Abbiamo fatto l'audit di abbastanza setup di Claude Code da conoscere lo schema: la bolletta raramente è guidata dal lavoro che hai chiesto. È guidata da tutto quello che ci viaggia insieme.

Questa guida è il playbook che usiamo davvero. I fix sono ordinati per impatto, il che significa che quelli strutturali e noiosi vengono prima e quello divertente (il model routing) arriva per ultimo, perché i soldi stanno lì. I prezzi qui sotto sono le tariffe API di metà 2026: circa $3 per milione di token di input su Sonnet, $5 su Opus, $1 su Haiku, con i token di output che costano circa cinque volte tanto. Se sei su un abbonamento Pro o Max paghi in rate limit invece che in dollari, ma ogni fix qui ti compra la stessa cosa: più lavoro per sessione prima di sbattere contro il muro.

Dove vanno davvero i token

Ogni richiesta che Claude Code manda all'API porta con sé l'intera sessione fin lì, più un preambolo fisso: il system prompt, il tuo CLAUDE.md, la description di ogni skill installata e lo schema completo di ogni tool di ogni server MCP connesso. Quel preambolo viene fatturato a ogni singolo turno, che il turno lo usi oppure no.

In un setup maturo la somma sale in fretta. I quattro bruciatori che vediamo di più, in ordine:

Il primo sono le riletture di contesto. Un agente che ieri ha letto il tuo file di config da 2.000 righe oggi lo rilegge, perché le sessioni non ricordano nulla. Moltiplica per ogni file che "controlla giusto per sicurezza" e la ri-scoperta diventa una voce di spesa.

Il secondo sono gli schemi dei tool MCP. Ogni server che hai connesso inietta le definizioni dei suoi tool in ogni richiesta. Non quando il tool viene usato. Sempre. Cinque server possono significare da 15.000 a 25.000 token di schemi seduti davanti alla tua domanda vera, tutto il giorno, tutti i giorni.

Il terzo è un CLAUDE.md gonfio. Un file di memoria da 3.000 righe è circa 30.000 token tassati su ogni richiesta di ogni sessione, per sempre. La maggior parte di quelle righe vale per forse una sessione su dieci.

Il quarto è il rispiegare. "Usa i conventional commit. Non toccare la cartella legacy. Preferiamo pnpm." Se digiti le tue preferenze in chat ogni mattina, stai pagando per insegnare la stessa lezione ogni giorno, e la lezione poi viaggia nella history della sessione per ogni turno successivo.

Il prompt caching ammorbidisce tutto questo. Il contesto stabile ripetuto viene fatturato a circa un decimo del prezzo di input normale. Ma le scritture in cache costano un sovrapprezzo, il contenuto in cache occupa comunque la tua context window, e un byte cambiato vicino alla cima del prompt invalida tutto quello che segue. Il caching è uno sconto, non un fix.

Misura prima di ottimizzare

Tirare a indovinare sullo spreco di token è a sua volta uno spreco. Dieci minuti di misurazione ti dicono quale dei sei fix qui sotto conta davvero per il tuo setup.

Dentro Claude Code, /cost mostra quanto ha speso la sessione corrente, e /context mostra cosa sta occupando la finestra in questo momento, suddiviso tra system prompt, tool, file di memoria e messaggi. Il secondo è lo specchio onesto: se schemi dei tool e CLAUDE.md si prendono 40.000 token prima ancora che tu abbia digitato qualcosa, hai trovato il tuo problema.

Per lo storico, il tool della community ccusage legge i file di transcript che Claude Code già tiene su disco e ti dà breakdown per giorno e per modello. Gli utenti API vedono lo stesso nella pagina usage della Console Anthropic, divisa per chiave. E se vuoi sapere quanto costa un file specifico, l'endpoint count_tokens dell'API dà un numero esatto; farci passare il tuo CLAUDE.md è un trenta secondi che fa riflettere.

Prenditi una settimana di baseline prima di cambiare qualsiasi cosa. Ogni affermazione che facciamo sui nostri numeri qui sotto arriva dall'aver fatto esattamente questo, e la skill Token Budget Auditor esiste per automatizzare l'intero esercizio (ne parliamo nel fix 6).

Fix 1: sostituisci i prompt ripetuti con le skill

È il cambiamento a più alta leva per la maggior parte delle persone, e funziona grazie a una decisione di design: la progressive disclosure. Le istruzioni complete di una skill si caricano solo quando la skill si attiva. L'unico costo che paghi a ogni richiesta è la sua description di trigger, di solito da 30 a 60 token. Se il formato è nuovo per te, la nostra guida alle skill di Claude ne copre i meccanismi.

Fai i conti su un prompt che incolli ogni giorno. Diciamo 2.000 parole, circa 2.600 token: le tue regole di stile, la tua checklist di review, quello che tieni in una nota e incolli ogni mattina. Una volta incollato, resta nella history della sessione e viene rimandato a ogni turno. A 30 turni per sessione, quel singolo blocco genera circa 78.000 token di input a sessione. Su 22 giorni lavorativi, circa 1,7 milioni di token al mese. Su Sonnet sono più o meno $5 senza cache, diciamo da $1 a $2 con buoni cache hit.

Come skill, lo stesso contenuto costa la sua description da 50 token a turno, circa 33.000 token al mese, più il corpo completo da 2.600 token solo nelle sessioni dove si attiva davvero. Chiamala una riduzione dal 95 al 98 percento per quel blocco.

Cinque dollari al mese sembrano niente finché non ricordi due cose. Nessuno ha un solo prompt incollato; i setup di cui facciamo l'audit ne hanno da cinque a dieci. E il costo in dollari non è nemmeno il danno principale: quei token occupano contesto, il che spinge le sessioni lunghe in compattazione prima, il che innesca riletture, che costano più del prompt stesso. Convertire i prompt incollati in skill è il singolo cambiamento col miglior rapporto sforzo-risparmio che conosciamo.

Fix 2: metti CLAUDE.md a dieta

CLAUDE.md è contesto sempre attivo. È tutto il suo valore e tutto il suo costo. Il test per ogni riga è semplice: vale per la maggior parte delle sessioni in questo progetto?

Va in CLAUDE.md: comandi di build e test, layout del repository, i tre vincoli non ovvi che rompono le cose quando vengono violati, regole dure tipo "mai committare direttamente su main". Tipicamente sono da 30 a 60 righe.

Non ci va: istruzioni di workflow per task che fai una volta a settimana (quella è una skill), style guide per lavori occasionali come scrivere doc o migrazioni (skill), lunghe spiegazioni di architettura che Claude può leggere dal codice, e qualsiasi cosa tu abbia copiato "così c'è se serve". Se una sezione vale per meno di metà delle tue sessioni, sta pagando un affitto sempre attivo per un lavoro part-time. Spostala in una skill e non costa nulla fino al giorno in cui diventa rilevante.

Continuiamo a vedere CLAUDE.md da più di 2.000 righe, e i proprietari di solito si sorprendono due volte: prima per il conteggio dei token (passalo da count_tokens), poi per la scoperta che asciugarlo ha reso Claude più obbediente, non meno. Le istruzioni competono per l'attenzione. Quaranta righe taglienti battono duemila righe mosce.

Fix 3: pota i server MCP che non usi

I server MCP sono il bruciatore più silenzioso, perché il costo è invisibile nell'uso quotidiano. Connettere un server significa che i suoi schemi di tool vengono serializzati in ogni richiesta. Un server tipico espone da 10 a 30 tool a qualche centinaio di token di schema ciascuno; i grossi server ufficiali sono peggio. Quando abbiamo misurato il nostro setup, un server popolare aggiungeva da solo circa 20.000 token per richiesta, e l'avevamo usato due volte quel mese.

Lancia claude mcp list e sii spietato. Per ogni server, chiediti quando l'hai usato davvero l'ultima volta. La nostra regola dopo aver fatto questo esercizio sulle nostre macchine: due server per progetto bastano e avanzano, e dovrebbero essere scoped ai progetti che ne hanno bisogno invece che configurati globalmente. Un server di database non ha alcun motivo di tassare le tue sessioni di scrittura del blog.

Riconsidera anche se ogni server rimasto debba proprio essere un server. Un sacco di connessioni MCP esistono per incapsulare una CLI che Claude potrebbe semplicemente eseguire via bash a costo fisso zero. Abbiamo scritto il framework decisionale completo in skill vs MCP, ma la versione corta: MCP si guadagna la sua tassa di schema quando ti serve accesso live e autenticato a un sistema esterno. Per istruzioni, workflow e qualsiasi cosa basata su file, una skill fa il lavoro senza l'affitto per richiesta.

Il pruning è anche il raro fix istantaneo. Niente refactoring, niente migrazione. Rimuovi tre server inattivi e la tua prossima richiesta è già 30.000 token più leggera.

Fix 4: abitudini di sessione che tengono il contesto piccolo

La struttura sistema i costi fissi. Le abitudini sistemano quelli variabili.

Apri sessioni fresche per ogni task. Una sessione immortale che vaga da un bug fix a un refactor a "già che ci sei aggiorna il README" trascina l'intero contesto del bug fix in ogni turno sul README. La history viene rimandata a ogni richiesta, quindi i turni di una sessione lunga diventano progressivamente più costosi. Quando l'argomento cambia, /clear o una sessione nuova è quasi sempre più economico che continuare, e di solito migliora anche la qualità dell'output, perché il contesto stantio svia più di quanto aiuti.

Usa /compact ai confini naturali, non all'ultimo momento. Claude Code compatta automaticamente quando la finestra si riempie, ma a quel punto hai pagato tariffa piena su una history gonfia per un'ora. Compattare subito dopo una milestone ("i test passano, ora la prossima feature") restringe la history mentre sei tu a controllare cosa vale la pena tenere. La compattazione costa un passaggio di riassunto; portarsi dietro peso morto costa a ogni turno.

Delimita le richieste. "Trova dove validiamo le email e sistema la regex" manda Claude in spedizione di grep attraverso una dozzina di file, ognuno letto nel contesto e fatturato per il resto della sessione. Se sai che sta in src/lib/validators.ts, dillo. Dieci secondi di specificità fanno risparmiare regolarmente 50.000 token di esplorazione. Stessa logica per le letture: indicare a Claude un range di righe batte lasciargli ingerire un file da 2.000 righe per usarne 40.

Niente di tutto questo richiede disciplina, basta farci caso. Guarda /context per un giorno e i pattern di spreco si identificano da soli.

Fix 5: instrada i sottotask economici verso modelli più economici

Sì, il model routing fa risparmiare. Lo mettiamo quinto perché in ogni audit che abbiamo fatto, i team ci si buttavano mentre un CLAUDE.md gonfio e sei server MCP inattivi bruciavano il triplo. Prima la struttura, poi il routing.

Detto questo, l'aritmetica è reale: Haiku costa un quinto di Sonnet e ancora un quinto di Opus. Il modo pulito di sfruttarla in Claude Code sono i subagent. Esplorazione, riassunto di un file lungo, generazione di test boilerplate, prime bozze di commit message: delega tutto questo a un subagent Haiku mentre il loop principale resta sul tuo modello primario. L'architettura stessa di Claude Code lo fa internamente per alcuni task di ricerca, il che ti dice che Anthropic considera il pattern solido.

Quello che non consigliamo è cambiare avanti e indietro il modello della sessione principale a metà task. Le prompt cache sono per modello, quindi ogni switch butta via il tuo prefisso in cache e ripaga il prezzo pieno per ricostruirlo. Scegli un modello per sessione; instrada al confine del subagent. E tieni il ragionamento difficile sul modello forte. Un modello economico che produce un piano sbagliato costa più di uno costoso che ci prende al primo colpo. Anche questo l'abbiamo misurato, purtroppo.

Fix 6: le skill di efficienza token che stiamo testando

Manteniamo una categoria Token Efficiency dedicata, e la teniamo a uno standard più severo di ogni altra: un verdetto lì deve arrivare con una bolletta prima/dopo misurata, non con delle vibes. Questo rende i verdetti più lenti. Ecco l'onesto stato attuale.

Token Budget Auditor legge i tuoi transcript e il tuo setup e nomina i tuoi principali sprechi di token: contesto di sistema gonfio, letture ridondanti di file, loop di tool logorroici. È lo step "misura prima" impacchettato come skill. Verdetto in sospeso; stiamo facendo un confronto di fatturazione prima/dopo sui nostri account prima di dare un punteggio.

Context Compression impacchetta la disciplina riassumi-e-continua del fix 4, così che le sessioni lunghe si compattino in riassunti strutturati invece di trascinarsi la history grezza. In coda di test; stiamo misurando il risparmio di token contro la perdita di informazione su una settimana di sessioni reali, perché una compressione che dimentica i tuoi vincoli è peggio di nessuna compressione.

Prompt Cache Optimizer ristruttura il contesto per renderlo cache-friendly: contenuto stabile prima, contenuto volatile dopo. Lo spreco più comune che prende di mira è un timestamp interpolato vicino alla cima di un prompt, che invalida silenziosamente la cache a ogni richiesta. Fix da una riga, risparmi a doppia cifra quando si applica. Stiamo misurando i cache-hit rate dal vivo prima di emettere un verdetto.

L'unica skill adiacente che ha superato i test è Memory Management, che ha preso 9,2/10 nella nostra prova di una settimana. Vive nella nostra categoria produttività, ma nel cuore è una giocata sui token: la memoria persistente converte la ri-scoperta ripetuta (la modalità di fallimento più costosa del fix 4) in una scrittura e richiami economici. Claude che ricorda le decisioni del tuo progetto è Claude che non rilegge dodici file per ricostruirle.

La lista completa, con note di test e i verdetti che esistono, è su migliori skill di efficienza. Preferiamo mostrarti una coda con misurazioni in corso che una pagina di punteggi sicuri che non possiamo difendere.

L'Optimizer Pack, se vuoi la scorciatoia

Un paragrafo onesto sul nostro stesso prodotto. L'Optimizer Pack è il setup di efficienza che installeremmo sulle nostre macchine: le tre skill di efficienza qui sopra più Memory Management, preconfigurate, con un template CLAUDE.md asciugato e una checklist di audit MCP, installate con un comando. Costa $10, soprattutto perché impacchettare e mantenere le config richiede tempo vero. Tutto quello che contiene è disponibile anche gratis dalle pagine delle singole skill; il pack ti risparmia una serata di setup, niente di più. Se lo smanettamento ti diverte, saltalo.

Un prima e dopo realistico

Ecco uno schizzo basato su un composito di utenti heavy di cui abbiamo fatto l'audit: uno sviluppatore che usa Claude Code quattro e più ore al giorno su Sonnet via API, con un CLAUDE.md da 2.500 righe, cinque server MCP e sessioni maratona.

Prima: circa 140 milioni di token di input e 4 milioni di output al mese. Con prestazioni di cache mediocri (il CLAUDE.md aveva un header dinamico, quindi il caching funzionava a malapena), siamo nell'ordine dei $480 al mese.

Dopo aver applicato i fix da 1 a 5: potare tre server MCP e asciugare CLAUDE.md a 60 righe ha tagliato il preambolo per richiesta di circa 45.000 token. Convertire sette prompt incollati in skill ha rimosso un altro pezzo di history a ogni turno. Sessioni fresche e compattazione anticipata hanno accorciato la lunghezza media della history di un terzo. Sistemare l'invalidatore di cache ha fatto sì che il contesto stabile rimasto venisse finalmente fatturato a tariffa cached. Instradare i subagent di esplorazione su Haiku ha limato il resto. Nuova bolletta: circa $210 al mese.

È una riduzione del 55 percento a parità assoluta di cose costruite. I tuoi numeri saranno diversi, e tratteremmo con sospetto chiunque prometta una percentuale esatta, noi inclusi. Ma dimezzare grosso modo la bolletta di un utente heavy con la sola struttura corrisponde a quello che abbiamo visto più di una volta. Lo schema regge anche sugli abbonamenti: la stessa persona ha smesso di sbattere contro i limiti del piano Max a metà pomeriggio.

FAQ

Tutto questo conta se sono su un abbonamento Pro o Max invece che sull'API? Sì, solo in una valuta diversa. Gli abbonamenti ti misurano tramite limiti di utilizzo, e quei limiti vengono consumati dagli stessi token che un utente API paga. Un setup più snello significa più lavoro reale prima di raggiungere il tetto. Gli utenti che "sbattono costantemente contro i limiti" di solito si portano dietro 40.000 token di preambolo per richiesta senza saperlo.

Le skill installate costano token quando non vengono usate? Solo la description di trigger, in genere da 30 a 60 token per skill per richiesta. Il corpo si carica quando la skill si attiva. Venti skill installate costano circa 1.000 token di overhead fisso, ed è per questo che una grande libreria di skill è economica mentre un grande CLAUDE.md no. L'unica modalità di fallimento sono le skill con description gonfie; le segnaliamo nelle nostre recensioni.

Quanto contesto consuma davvero un server MCP? Varia selvaggiamente, ed è per questo che dovresti misurare il tuo: lancia /context col server connesso, poi disconnesso. I server piccoli e focalizzati aggiungono da 1.000 a 3.000 token di schemi. I grandi server ufficiali possono aggiungerne da 15.000 a 25.000. Il costo si applica a ogni richiesta, che tu chiami un tool oppure no.

/compact è meglio di iniziare una sessione nuova? Lavori diversi. /compact serve a continuare lavoro correlato: riassume la history così il contesto prosegue più piccolo. Una sessione nuova serve a cambiare argomento, ed è l'opzione più economica e migliore in quel caso, perché la history non correlata non è solo costosa, degrada attivamente l'output. Se stai compattando per continuare qualcosa di non correlato, quello che volevi era /clear.

Il prompt caching non risolve tutto da solo? Aiuta molto ed è attivo di default in Claude Code, ma sconta lo spreco invece di rimuoverlo. I token in cache si fatturano comunque intorno al 10 percento, riempiono comunque la tua context window e ti spingono comunque verso la compattazione anticipata. E il caching si rompe in silenzio: qualsiasi modifica al prefisso stabile, tipo un timestamp nel tuo setup, e sei di nuovo a prezzo pieno senza alcun avviso. Struttura bene il tuo contesto e il caching moltiplica i risparmi; strutturalo male e il caching nasconde il problema fino alla fattura.