Reduser Claude-tokenforbruk: 6 grep som kutter kostnader

Ingen budsjetterer for tokens. Så lander en tung måned, fakturaen dobles, og plutselig er alle på teamet eksperter på kontekstvinduer. Vi har revidert nok Claude Code-oppsett til å kjenne mønsteret: regningen drives sjelden av arbeidet du ba om. Den drives av alt som blir med på lasset.

Denne guiden er playbooken vi faktisk bruker. Grepene er sortert etter effekt, som betyr at de kjedelige strukturelle kommer først og det morsomme (modellruting) kommer sist, for det er der pengene ligger. Prisene under er API-priser per midten av 2026: omtrent $3 per million input-tokens på Sonnet, $5 på Opus, $1 på Haiku, med output-tokens som koster rundt fem ganger mer. Er du på Pro- eller Max-abonnement, betaler du i rate limits i stedet for dollar, men hvert grep her kjøper deg det samme: mer arbeid per økt før du treffer veggen.

Hvor tokenene faktisk går

Hver forespørsel Claude Code sender til API-et, bærer hele økten din så langt, pluss en fast innledning: systemprompten, CLAUDE.md-en din, beskrivelsen av hver installerte skill og hele skjemaet til hvert verktøy fra hver tilkoblede MCP-server. Den innledningen faktureres på hver eneste tur, enten turen bruker noe av den eller ikke.

I et modent oppsett summerer dette seg raskt. De fire brennerne vi ser oftest, i rekkefølge:

Den første er kontekst-relesing. En agent som leste 2 000-linjers konfigfilen din i går, leser den igjen i dag, for økter husker ingenting. Multipliser med hver fil den «sjekker for sikkerhets skyld», og re-oppdagelse blir en egen post på regningen.

Den andre er MCP-verktøyskjemaer. Hver server du har koblet til, injiserer verktøydefinisjonene sine i hver forespørsel. Ikke når verktøyet brukes. Alltid. Fem servere kan bety 15 000 til 25 000 tokens med skjemaer foran det faktiske spørsmålet ditt, hele dagen, hver dag.

Den tredje er en oppblåst CLAUDE.md. En minnefil på 3 000 linjer er omtrent 30 000 tokens skattlagt på hver forespørsel i hver økt, for alltid. De fleste av de linjene gjelder kanskje én økt av ti.

Den fjerde er re-forklaring. «Bruk conventional commits. Ikke rør legacy-mappen. Vi foretrekker pnpm.» Skriver du preferansene dine inn i chatten hver morgen, betaler du for å lære bort samme leksjon daglig, og leksjonen blir så med i økthistorikken for hver påfølgende tur.

Prompt caching demper alt dette. Gjentatt stabil kontekst faktureres til rundt en tidel av normal input-pris. Men cache-skrivinger koster ekstra, cachet innhold okkuperer fortsatt kontekstvinduet ditt, og én endret byte nær toppen av prompten invaliderer alt etter den. Caching er en rabatt, ikke en fiks.

Mål før du optimaliserer

Å gjette på token-sløsing er sin egen form for sløsing. Ti minutter med måling forteller deg hvilket av de seks grepene under som faktisk betyr noe for oppsettet ditt.

Inne i Claude Code viser /cost hva den nåværende økten har brukt, og /context viser hva som okkuperer vinduet akkurat nå, brutt ned på systemprompt, verktøy, minnefiler og meldinger. Den andre er det ærlige speilet: tar verktøyskjemaer og CLAUDE.md 40 000 tokens før du har skrevet noe som helst, har du funnet problemet ditt.

For historikken leser community-verktøyet ccusage transkripsjonsfilene Claude Code allerede lagrer på disk, og gir deg nedbrytinger per dag og per modell. API-brukere ser det samme på usage-siden i Anthropic Console, delt per nøkkel. Og vil du vite hva en bestemt fil koster, gir API-ets count_tokens-endepunkt et eksakt tall; å kjøre CLAUDE.md-en din gjennom det er et tankevekkende halvminutt.

Skaff en baseline-uke før du endrer noe. Hver påstand vi kommer med om egne tall nedenfor, kom fra å gjøre nettopp dette, og Token Budget Auditor-skillen finnes for å automatisere hele øvelsen (mer om den i grep 6).

Grep 1: erstatt gjentatte prompts med skills

Dette er endringen med størst effekt for de fleste, og den fungerer på grunn av én designbeslutning: progressiv avsløring (progressive disclosure). En skills fulle instruksjoner lastes bare når skillen trigger. Den eneste kostnaden du betaler per forespørsel, er triggerbeskrivelsen, vanligvis 30 til 60 tokens. Er formatet nytt for deg, dekker forklaringen vår om Claude-skills mekanikken.

Gjør regnestykket på en prompt du limer inn daglig. Si at den er på 2 000 ord, rundt 2 600 tokens: kodestilreglene dine, review-sjekklisten din, hva enn du har liggende i et notat og limer inn hver morgen. Én gang limt inn ligger den i økthistorikken og re-sendes på hver tur. Med 30 turer per økt genererer den ene blokken omtrent 78 000 input-tokens per økt. Over 22 arbeidsdager, rundt 1,7 millioner tokens i måneden. På Sonnet er det rundt $5 uten cache, si $1 til $2 med greie cache-treff.

Som skill koster samme innhold sin 50-token beskrivelse per tur, rundt 33 000 tokens i måneden, pluss hele kroppen på 2 600 tokens bare i økter der den faktisk fyrer. Kall det en reduksjon på 95 til 98 prosent for den blokken.

Fem dollar i måneden høres ut som ingenting, helt til du husker to ting. Ingen har én limt prompt; oppsettene vi reviderer har fem til ti. Og dollarkostnaden er ikke engang hovedskaden: de tokenene okkuperer kontekst, som dytter lange økter inn i komprimering tidligere, som utløser re-lesinger, som koster mer enn prompten gjorde. Å konvertere limte prompts til skills er den enkeltendringen med best forhold mellom innsats og besparelse vi kjenner til.

Grep 2: sett CLAUDE.md på diett

CLAUDE.md er alltid-på-kontekst. Det er hele verdien og hele kostnaden. Testen for hver linje er enkel: gjelder dette de fleste økter i dette prosjektet?

Hører hjemme i CLAUDE.md: bygge- og testkommandoer, repository-layout, de tre ikke-åpenbare begrensningene som knekker ting når de brytes, harde regler som «aldri commit direkte til main». Dette er typisk 30 til 60 linjer.

Hører ikke hjemme: arbeidsflytinstruksjoner for oppgaver du gjør ukentlig (det er en skill), stilguider for sporadisk arbeid som å skrive docs eller migrasjoner (skill), lange forklaringer av arkitektur Claude kan lese ut av koden, og alt du kopierte inn «så det ligger der om det trengs». Gjelder en seksjon færre enn halvparten av øktene dine, betaler den alltid-på-husleie for deltidsarbeid. Flytt den til en skill, og den koster ingenting før dagen den er relevant.

Vi ser stadig CLAUDE.md-filer på 2 000+ linjer, og eierne blir vanligvis overrasket to ganger: først av token-antallet (kjør den gjennom count_tokens), så av oppdagelsen at trimming gjorde Claude mer lydig, ikke mindre. Instruksjoner konkurrerer om oppmerksomhet. Førti skarpe linjer slår to tusen grøtete.

Grep 3: luk vekk MCP-servere du ikke bruker

MCP-servere er den stilleste brenneren, fordi kostnaden er usynlig i daglig bruk. Å koble til en server betyr at verktøyskjemaene dens serialiseres inn i hver forespørsel. En typisk server eksponerer 10 til 30 verktøy med noen hundre tokens skjema hver; de store offisielle serverne er verre. Da vi målte vårt eget oppsett, la én populær server til rundt 20 000 tokens per forespørsel alene, og vi hadde brukt den to ganger den måneden.

Kjør claude mcp list og vær nådeløs. Spør for hver server når du sist faktisk brukte den. Vår regel etter å ha gjort denne øvelsen på egne maskiner: to servere per prosjekt er rikelig, og de bør være scopet til prosjektene som trenger dem i stedet for konfigurert globalt. En databaseserver har ingenting med å skattlegge bloggskrivingsøktene dine å gjøre.

Revurder også om hver gjenværende server bør være en server i det hele tatt. Mange MCP-tilkoblinger finnes for å pakke inn en CLI som Claude bare kunne kjørt gjennom bash til null fast kostnad. Vi skrev opp hele beslutningsrammeverket i skills vs MCP, men kortversjonen: MCP fortjener skjemaskatten sin når du trenger levende autentisert tilgang til et eksternt system. For instruksjoner, arbeidsflyter og alt filbasert gjør en skill jobben uten husleie per forespørsel.

Luking er også det sjeldne grepet som virker umiddelbart. Ingen refaktorering, ingen migrasjon. Fjern tre inaktive servere, og din aller neste forespørsel er 30 000 tokens lettere.

Grep 4: øktvaner som holder konteksten liten

Struktur fikser de faste kostnadene. Vaner fikser de variable.

Start ferske økter per oppgave. Én udødelig økt som vandrer fra en bugfiks til en refaktorering til «oppdater README-en også», drar hele bugfiks-konteksten inn i hver README-tur. Historikken re-sendes på hver forespørsel, så turene i en lang økt blir gradvis dyrere. Når temaet skifter, er /clear eller en ny økt nesten alltid billigere enn å fortsette, og output-kvaliteten blir vanligvis bedre også, for gammel kontekst villeder mer enn den hjelper.

Bruk /compact ved naturlige grenser, ikke ved fristen. Claude Code auto-komprimerer når vinduet fylles, men da har du allerede betalt full pris for en oppblåst historikk i en time. Å komprimere rett etter en milepæl («testene passerer, nå neste funksjon») krymper historikken mens du selv kontrollerer hva som er verdt å beholde. Komprimering koster én oppsummeringsrunde; å dra på dødvekt koster hver tur.

Avgrens forespørslene dine. «Finn hvor vi validerer e-poster og fiks regexen» sender Claude på grep-ekspedisjon gjennom et dusin filer, hver lest inn i konteksten og fakturert resten av økten. Vet du at det ligger i src/lib/validators.ts, si det. Ti sekunder med presisjon sparer rutinemessig 50 000 tokens utforskning. Samme logikk gjelder lesing: å peke Claude på et linjeområde slår å la den svelge en fil på 2 000 linjer for å bruke 40 av dem.

Ingenting av dette krever disiplin utover å legge merke til det. Følg med på /context en dag, og de sløsete mønstrene identifiserer seg selv.

Grep 5: rut billige deloppgaver til billigere modeller

Ja, modellruting sparer penger. Vi lister det som nummer fem fordi i hver eneste revisjon vi har gjort, strakk teamene seg etter det mens en oppblåst CLAUDE.md og seks inaktive MCP-servere brant tre ganger mer. Struktur først, så ruting.

Når det er sagt, regnestykket er reelt: Haiku koster en femtedel av Sonnet og en femtedel igjen av Opus. Den rene måten å utnytte det på i Claude Code er subagenter. Utforskning, oppsummering av en lang fil, generering av boilerplate-tester, førsteutkast til commit-meldinger: deleger disse til en Haiku-subagent mens hovedløkken blir på primærmodellen din. Claude Codes egen arkitektur gjør dette internt for enkelte søkeoppgaver, som forteller deg at Anthropic mener mønsteret er sunt.

Det vi ikke anbefaler, er å vippe hovedøktens modell frem og tilbake midt i en oppgave. Prompt-cacher er per modell, så hvert bytte kaster bort det cachede prefikset ditt og betaler full pris for å bygge det opp igjen. Velg én modell per økt; rut ved subagent-grensen. Og hold den harde resonneringen på den sterke modellen. En billig modell som produserer en feil plan, koster mer enn en dyr som har rett første gang. Det har vi også målt, dessverre.

Grep 6: token-effektivitetsskillene vi tester

Vi har en dedikert token-effektivitetskategori, og vi holder den til en strengere standard enn noen annen: en dom der må komme med en målt før/etter-regning, ikke vibber. Det gjør dommene tregere. Her er den ærlige nå-situasjonen.

Token Budget Auditor leser transkripsjonene og oppsettet ditt og navngir de største token-synderne dine: oppblåst systemkontekst, redundante fil-lesinger, pratsomme verktøyløkker. Det er «mål først»-steget pakket som skill. Dom venter; vi kjører en før/etter-faktureringssammenligning på egne kontoer før vi scorer den.

Context Compression pakker oppsummer-og-fortsett-disiplinen fra grep 4, så lange økter komprimeres til strukturerte oppsummeringer i stedet for å slepe på rå historikk. I testkøen; vi måler token-besparelse mot informasjonstap over en uke med reelle økter, for komprimering som glemmer begrensningene dine, er verre enn ingen komprimering.

Prompt Cache Optimizer omstrukturerer kontekst for cache-vennlighet: stabilt innhold først, flyktig innhold sist. Den vanligste sløsingen den sikter på, er et tidsstempel interpolert nær toppen av en prompt, som stille invaliderer cachen på hver forespørsel. Énlinjes fiks, tosifret besparelse når den treffer. Vi måler live cache-treffrater før vi feller dom.

Den ene tilgrensende skillen som har bestått testing, er Memory Management, som fikk 9,2/10 i ukeforsøket vårt. Den bor i produktivitetskategorien vår, men er et token-spill i hjertet: persistent minne konverterer gjentatt re-oppdagelse (grep 4s dyreste feilmodus) til én skriving og billige oppslag. At Claude husker prosjektbeslutningene dine, er at Claude ikke re-leser tolv filer for å rekonstruere dem.

Hele listen, med testnotater og de dommene som finnes, ligger på beste effektivitetsskills. Vi viser deg heller en kø med målinger underveis enn en side med selvsikre scorer vi ikke kan stå inne for.

Optimizer-pakken, om du vil ha snarveien

Ett ærlig avsnitt om vårt eget produkt. Optimizer-pakken er effektivitetsoppsettet vi ville installert på egne maskiner: de tre effektivitetsskillene over pluss Memory Management, ferdig konfigurert, med en trimmet CLAUDE.md-mal og en MCP-revisjonssjekkliste, installert med én kommando. Den koster $10, mest fordi pakking og vedlikehold av konfigene tar reell tid. Alt i den er også tilgjengelig gratis fra de enkelte skill-sidene; pakken sparer deg for en kveld med oppsett, ikke mer. Liker du fiklingen, dropp den.

Et realistisk før og etter

Her er en skisse basert på en sammensetning av tunge brukere vi har revidert: en utvikler som kjører Claude Code fire-pluss timer om dagen på Sonnet via API, med en CLAUDE.md på 2 500 linjer, fem MCP-servere og maratonøkter.

Før: omtrent 140 millioner input-tokens og 4 millioner output-tokens i måneden. Med middelmådig cache-ytelse (CLAUDE.md-en hadde en dynamisk header, så caching virket knapt) er det i nabolaget av $480 i måneden.

Etter grep 1 til 5: å luke tre MCP-servere og trimme CLAUDE.md til 60 linjer kuttet innledningen per forespørsel med rundt 45 000 tokens. Å konvertere sju limte prompts til skills fjernet nok en bit av hver-tur-historikken. Ferske økter og tidligere komprimering kortet gjennomsnittshistorikken med en tredjedel. Å fikse cache-invalidereren gjorde at den gjenværende stabile konteksten endelig ble fakturert til cachet pris. Å rute utforskningssubagenter til Haiku barberte resten. Ny regning: rundt $210 i måneden.

Det er en reduksjon på 55 prosent med null endring i hva som ble bygget. Tallene dine vil avvike, og vi ville møtt enhver som lover en eksakt prosent med mistenksomhet, inkludert oss selv. Men å omtrent halvere en tung brukers regning gjennom struktur alene stemmer med det vi har sett mer enn én gang. Mønsteret holder på abonnementer også: samme person sluttet å treffe Max-planens grenser midt på ettermiddagen.

FAQ

Betyr noe av dette noe hvis jeg er på Pro- eller Max-abonnement i stedet for API? Ja, bare i en annen valuta. Abonnementer måler deg gjennom bruksgrenser, og de grensene konsumeres av de samme tokenene en API-bruker betaler for. Et slankere oppsett betyr mer reelt arbeid før du treffer taket. Brukere som «konstant treffer grensene», bærer vanligvis 40 000 tokens innledning per forespørsel uten å vite det.

Koster installerte skills tokens når de ikke brukes? Bare triggerbeskrivelsen, typisk 30 til 60 tokens per skill per forespørsel. Kroppen lastes når skillen fyrer. Tjue installerte skills koster rundt 1 000 tokens fast overhead, og det er derfor et stort skill-bibliotek er billig mens en stor CLAUDE.md ikke er det. Den ene feilmodusen er skills med oppblåste beskrivelser; dem flagger vi i anmeldelsene våre.

Hvor mye kontekst konsumerer en MCP-server egentlig? Det varierer vilt, og derfor bør du måle dine egne: kjør /context med serveren tilkoblet, så frakoblet. Små fokuserte servere legger til 1 000 til 3 000 tokens skjemaer. Store offisielle kan legge til 15 000 til 25 000. Kostnaden gjelder hver forespørsel, enten du kaller et verktøy eller ikke.

Er /compact bedre enn å starte en fersk økt? Ulike jobber. /compact er for å fortsette relatert arbeid: den oppsummerer historikken så konteksten bæres videre i mindre format. En fersk økt er for temaskifte, og da er den både billigere og bedre, for urelatert historikk er ikke bare dyr, den forringer aktivt output. Komprimerer du for å fortsette noe urelatert, var det /clear du ville ha.

Løser ikke prompt caching dette automatisk? Den hjelper mye og er på som standard i Claude Code, men den rabatterer sløsing i stedet for å fjerne den. Cachede tokens faktureres fortsatt til rundt 10 prosent, fyller fortsatt kontekstvinduet ditt og dytter deg fortsatt mot tidlig komprimering. Og caching knekker i stillhet: enhver endring i det stabile prefikset, som et tidsstempel i oppsettet ditt, og du er tilbake på full pris uten forvarsel. Strukturer konteksten godt, og caching multipliserer besparelsen; strukturer den dårlig, og caching skjuler problemet frem til fakturaen kommer.