Jak zmniejszyć zużycie tokenów Claude: 6 realnych fixów

Nikt nie budżetuje tokenów. Potem przychodzi ciężki miesiąc, faktura się podwaja i nagle każdy w zespole jest ekspertem od okien kontekstowych. Zaudytowaliśmy wystarczająco dużo setupów Claude Code, żeby znać schemat: rachunku rzadko napędza praca, o którą prosiłeś. Napędza go wszystko, co jedzie razem z nią.

Ten przewodnik to playbook, którego naprawdę używamy. Fixy są uporządkowane według wpływu, co znaczy, że nudne, strukturalne idą pierwsze, a ten fajny (routing modeli) ostatni — bo pieniądze leżą tam, gdzie nuda. Ceny poniżej to stawki API na połowę 2026: z grubsza 3 $ za milion tokenów inputu na Sonnecie, 5 $ na Opusie, 1 $ na Haiku, przy tokenach outputu kosztujących około pięć razy więcej. Jeśli jesteś na subskrypcji Pro albo Max, płacisz limitami zamiast dolarami, ale każdy fix z tej listy kupuje ci to samo: więcej pracy na sesję, zanim uderzysz w ścianę.

Gdzie naprawdę idą tokeny

Każdy request, który Claude Code wysyła do API, niesie całą twoją dotychczasową sesję plus stałą preambułę: system prompt, twój CLAUDE.md, opis każdego zainstalowanego skilla i pełny schemat każdego narzędzia z każdego podłączonego serwera MCP. Ta preambuła jest bilingowana przy każdej turze, niezależnie od tego, czy tura z niej korzysta.

W dojrzałym setupie sumuje się to szybko. Cztery palniki, które widzimy najczęściej, po kolei:

Pierwszy to ponowne odczyty kontekstu. Agent, który wczoraj przeczytał twój 2000-linijkowy plik konfiguracyjny, czyta go dziś jeszcze raz, bo sesje niczego nie pamiętają. Pomnóż to przez każdy plik, który „sprawdza na wszelki wypadek", i ponowne odkrywanie staje się osobną pozycją na fakturze.

Drugi to schematy narzędzi MCP. Każdy podłączony serwer wstrzykuje definicje swoich narzędzi do każdego requestu. Nie wtedy, gdy narzędzie jest używane. Zawsze. Pięć serwerów może oznaczać 15 000–25 000 tokenów schematów siedzących przed twoim właściwym pytaniem, cały dzień, każdego dnia.

Trzeci to rozdęty CLAUDE.md. Plik pamięci na 3000 linijek to z grubsza 30 000 tokenów podatku od każdego requestu w każdej sesji, na zawsze. Większość tych linijek dotyczy może jednej sesji na dziesięć.

Czwarty to tłumaczenie wszystkiego od nowa. „Używaj conventional commits. Nie dotykaj folderu legacy. Preferujemy pnpm." Jeśli co rano wpisujesz swoje preferencje do czatu, płacisz za udzielanie tej samej lekcji codziennie, a lekcja jedzie potem w historii sesji przy każdej kolejnej turze.

Prompt caching to wszystko łagodzi. Powtarzany stabilny kontekst jest bilingowany za około jedną dziesiątą normalnej ceny inputu. Ale zapisy do cache'a kosztują z premią, cache'owana treść nadal zajmuje okno kontekstowe, a jeden zmieniony bajt u góry promptu unieważnia wszystko poniżej. Caching to rabat, nie fix.

Zmierz, zanim zaczniesz optymalizować

Zgadywanie, gdzie marnują się tokeny, to osobny rodzaj marnotrawstwa. Dziesięć minut pomiarów mówi, który z sześciu fixów poniżej naprawdę ma znaczenie dla twojego setupu.

W Claude Code /cost pokazuje, ile wydała bieżąca sesja, a /context — co w tej chwili okupuje okno, w rozbiciu na system prompt, narzędzia, pliki pamięci i wiadomości. To drugie to szczere lustro: jeśli schematy narzędzi i CLAUDE.md zjadają 40 000 tokenów, zanim cokolwiek wpisałeś, właśnie znalazłeś swój problem.

Do historii — społecznościowe narzędzie ccusage czyta pliki transkryptów, które Claude Code i tak trzyma na dysku, i daje rozbicia per dzień i per model. Użytkownicy API widzą to samo na stronie usage w konsoli Anthropic, w podziale na klucze. A jeśli chcesz wiedzieć, ile kosztuje konkretny plik, endpoint API count_tokens daje dokładną liczbę; przepuszczenie przez niego własnego CLAUDE.md to otrzeźwiające trzydzieści sekund.

Zbierz tygodniowy baseline, zanim cokolwiek zmienisz. Każde twierdzenie o naszych własnych liczbach poniżej wzięło się z dokładnie tego ćwiczenia, a skill Token Budget Auditor istnieje po to, żeby całe je zautomatyzować (więcej o nim we fixie 6).

Fix 1: zamień powtarzane prompty na skille

To zmiana o najwyższej dźwigni dla większości ludzi i działa dzięki jednej decyzji projektowej: progressive disclosure. Pełne instrukcje skilla ładują się dopiero, gdy skill się odpali. Jedyny koszt płacony przy każdym requeście to jego opis triggera, zwykle 30–60 tokenów. Jeśli format jest dla ciebie nowy, nasz explainer o skillach Claude opisuje mechanikę.

Policz to na promptcie, który wklejasz codziennie. Powiedzmy, że ma 2000 słów, około 2600 tokenów: twoje zasady stylu kodu, checklista review, cokolwiek trzymasz w notatce i wklejasz co rano. Raz wklejony siedzi w historii sesji i jest wysyłany ponownie przy każdej turze. Przy 30 turach na sesję ten jeden blok generuje z grubsza 78 000 tokenów inputu na sesję. W 22 dni robocze — około 1,7 miliona tokenów miesięcznie. Na Sonnecie to koło 5 $ bez cache'a, licz 1–2 $ przy przyzwoitych trafieniach.

Jako skill ta sama treść kosztuje swój 50-tokenowy opis na turę, około 33 000 tokenów miesięcznie, plus pełne 2600-tokenowe ciało tylko w sesjach, w których faktycznie się odpali. Licz to jako redukcję o 95–98 procent dla tego bloku.

Pięć dolarów miesięcznie brzmi jak nic, dopóki nie przypomnisz sobie dwóch rzeczy. Nikt nie ma jednego wklejanego promptu; setupy, które audytujemy, mają ich pięć do dziesięciu. A koszt w dolarach to nawet nie główna szkoda: te tokeny zajmują kontekst, co wpycha długie sesje w kompakcję wcześniej, co odpala ponowne odczyty, które kosztują więcej niż sam prompt. Konwersja wklejanych promptów na skille to pojedyncza zmiana o najlepszym stosunku wysiłku do oszczędności, jaki znamy.

Fix 2: posadź CLAUDE.md na diecie

CLAUDE.md to kontekst zawsze włączony. To cała jego wartość i cały jego koszt. Test dla każdej linijki jest prosty: czy dotyczy większości sesji w tym projekcie?

Należy do CLAUDE.md: komendy builda i testów, układ repozytorium, trzy nieoczywiste ograniczenia, których złamanie psuje rzeczy, twarde zasady w rodzaju „nigdy nie commituj bezpośrednio do main". To zwykle 30–60 linijek.

Nie należy: instrukcje workflow do zadań robionych raz w tygodniu (to skill), style guide'y do okazjonalnej pracy typu pisanie doców czy migracje (skill), długie wyjaśnienia architektury, którą Claude może wyczytać z kodu, i wszystko, co wkleiłeś „żeby było, jakby się przydało". Jeśli sekcja dotyczy mniej niż połowy twoich sesji, płaci czynsz always-on za pracę na pół etatu. Przenieś ją do skilla, a nie kosztuje nic aż do dnia, gdy jest istotna.

Ciągle widujemy pliki CLAUDE.md na 2000+ linijek, a ich właściciele są zwykle zaskoczeni dwa razy: najpierw liczbą tokenów (przepuść plik przez count_tokens), potem odkryciem, że odchudzenie zrobiło Claude'a bardziej posłusznym, nie mniej. Instrukcje konkurują o uwagę. Czterdzieści ostrych linijek bije dwa tysiące papkowatych.

Fix 3: wytnij serwery MCP, których nie używasz

Serwery MCP to najcichszy palnik, bo koszt jest niewidoczny w codziennym użyciu. Podłączenie serwera oznacza, że jego schematy narzędzi są serializowane do każdego requestu. Typowy serwer wystawia 10–30 narzędzi po kilkaset tokenów schematu każde; duże oficjalne serwery są gorsze. Gdy zmierzyliśmy własny setup, jeden popularny serwer dokładał sam z siebie około 20 000 tokenów na request, a użyliśmy go w tamtym miesiącu dwa razy.

Odpal claude mcp list i bądź bezwzględny. Przy każdym serwerze zapytaj, kiedy ostatnio faktycznie go użyłeś. Nasza zasada po zrobieniu tego ćwiczenia na własnych maszynach: dwa serwery na projekt w zupełności wystarczą i powinny być podpięte do projektów, które ich potrzebują, a nie skonfigurowane globalnie. Serwer bazodanowy nie ma czego szukać w twoich sesjach pisania bloga.

Przemyśl też, czy każdy pozostały serwer w ogóle powinien być serwerem. Mnóstwo połączeń MCP istnieje po to, by opakować CLI, które Claude mógłby po prostu odpalić przez bash przy zerowym koszcie stałym. Pełny framework decyzyjny opisaliśmy w skille vs MCP, ale krótka wersja: MCP zarabia na swój podatek od schematów, gdy potrzebujesz żywego, uwierzytelnionego dostępu do zewnętrznego systemu. Do instrukcji, workflow i wszystkiego, co plikowe, skill robi robotę bez czynszu od requestu.

Pruning to też rzadki fix, który działa natychmiast. Bez refactoringu, bez migracji. Usuń trzy bezczynne serwery, a twój następny request jest o 30 000 tokenów lżejszy.

Fix 4: nawyki sesyjne, które trzymają kontekst mały

Struktura naprawia koszty stałe. Nawyki naprawiają zmienne.

Zaczynaj świeże sesje per zadanie. Jedna nieśmiertelna sesja, która błądzi od bugfixa przez refactor po „a przy okazji zaktualizuj README", ciągnie cały kontekst bugfixa w każdą turę o README. Historia jest wysyłana ponownie przy każdym requeście, więc tury długiej sesji stają się progresywnie coraz droższe. Gdy zmienia się temat, /clear albo nowa sesja jest prawie zawsze tańsza niż kontynuacja, a jakość outputu zwykle się poprawia, bo nieświeży kontekst bardziej zwodzi, niż pomaga.

Używaj /compact na naturalnych granicach, nie na deadlinie. Claude Code auto-kompaktuje, gdy okno się zapełni, ale do tego czasu przez godzinę płaciłeś pełną taryfę za rozdętą historię. Kompaktowanie zaraz po kamieniu milowym („testy przechodzą, teraz następny ficzer") kurczy historię, gdy to ty kontrolujesz, co warto zachować. Kompakcja kosztuje jeden przebieg streszczania; wożenie martwego balastu kosztuje przy każdej turze.

Zawężaj prośby. „Znajdź, gdzie walidujemy maile, i napraw regex" wysyła Claude'a na grepową ekspedycję po tuzinie plików, z których każdy jest wczytany do kontekstu i bilingowany do końca sesji. Jeśli wiesz, że to w src/lib/validators.ts, powiedz to. Dziesięć sekund konkretności rutynowo oszczędza 50 000 tokenów eksploracji. Ta sama logika dotyczy odczytów: wskazanie Claude'owi zakresu linii bije pozwolenie mu na połknięcie 2000-linijkowego pliku po to, żeby użyć 40 linijek.

Nic z tego nie wymaga dyscypliny ponad zwykłe zauważanie. Popatrz na /context przez jeden dzień, a marnotrawne wzorce zidentyfikują się same.

Fix 5: kieruj tanie podzadania do tańszych modeli

Tak, routing modeli oszczędza pieniądze. Wymieniamy go jako piąty, bo w każdym audycie, jaki zrobiliśmy, zespoły sięgały po niego, podczas gdy rozdęty CLAUDE.md i sześć bezczynnych serwerów MCP paliło trzy razy więcej. Najpierw struktura, potem routing.

Niemniej arytmetyka jest realna: Haiku kosztuje ułamek ceny Sonneta, a tym bardziej Opusa. Czysty sposób wykorzystania tego w Claude Code to subagenci. Eksploracja, streszczenie długiego pliku, generowanie boilerplate'owych testów, pierwsze podejście do commit message: deleguj to do subagenta na Haiku, podczas gdy główna pętla zostaje na twoim podstawowym modelu. Architektura samego Claude Code robi to wewnętrznie dla części zadań wyszukiwania, co mówi ci, że Anthropic uważa ten wzorzec za zdrowy.

Czego nie polecamy, to przełączanie modelu głównej sesji tam i z powrotem w trakcie zadania. Cache promptów działa per model, więc każde przełączenie wyrzuca twój scache'owany prefiks i płaci pełną cenę za jego odbudowę. Wybierz model per sesja; routuj na granicy subagenta. I trzymaj trudne rozumowanie na mocnym modelu. Tani model, który produkuje zły plan, kosztuje więcej niż drogi, który ma rację za pierwszym razem. To też zmierzyliśmy, niestety.

Fix 6: skille efektywności tokenowej, które testujemy

Prowadzimy dedykowaną kategorię Token Efficiency i trzymamy ją w ostrzejszym standardzie niż jakąkolwiek inną: werdykt musi tam przyjść ze zmierzonym rachunkiem przed/po, nie z vibe'ami. To spowalnia werdykty. Oto uczciwy stan na dziś.

Token Budget Auditor czyta twoje transkrypty i setup i wskazuje głównych tokenowych winowajców: rozdęty kontekst systemowy, redundantne odczyty plików, gadatliwe pętle narzędzi. To krok „najpierw zmierz" zapakowany w skill. Werdykt w toku; prowadzimy porównanie rachunków przed/po na własnych kontach, zanim go ocenimy.

Context Compression pakuje dyscyplinę „streszczaj i kontynuuj" z fixa 4 tak, żeby długie sesje kompaktowały się w ustrukturyzowane streszczenia zamiast ciągnąć surową historię. W kolejce testowej; mierzymy oszczędność tokenów względem utraty informacji przez tydzień prawdziwych sesji, bo kompresja, która zapomina twoje ograniczenia, jest gorsza niż brak kompresji.

Prompt Cache Optimizer przestawia kontekst pod przyjazność cache'owi: stabilna treść najpierw, zmienna na końcu. Najczęstsze marnotrawstwo, w które celuje, to timestamp interpolowany u góry promptu, po cichu unieważniający cache przy każdym requeście. Jednolinijkowy fix, dwucyfrowe oszczędności, gdy ma zastosowanie. Mierzymy żywe wskaźniki trafień cache'a, zanim wydamy werdykt.

Jedyny sąsiedni skill, który przeszedł już testy, to Memory Management, z oceną 9,2/10 w naszej tygodniowej próbie. Mieszka w kategorii produktywności, ale w sercu to zagranie tokenowe: trwała pamięć zamienia powtarzane ponowne odkrywanie (najdroższy tryb porażki z fixa 4) w jeden zapis i tanie przywołania. Claude pamiętający decyzje twojego projektu to Claude, który nie czyta ponownie dwunastu plików, żeby je zrekonstruować.

Pełna lista, z notatkami z testów i wszystkimi istniejącymi werdyktami, jest w najlepszych skillach efektywnościowych. Wolimy pokazać ci kolejkę z trwającymi pomiarami niż stronę pewnych siebie ocen, których nie umiemy obronić.

Optimizer Pack, jeśli chcesz pójść na skróty

Jeden szczery akapit o naszym własnym produkcie. Optimizer Pack to setup efektywnościowy, który zainstalowalibyśmy na własnych maszynach: trzy powyższe skille efektywnościowe plus Memory Management, wstępnie skonfigurowane, z odchudzonym szablonem CLAUDE.md i checklistą audytu MCP, instalowane jedną komendą. Kosztuje 10 $, głównie dlatego, że pakowanie i utrzymanie konfiguracji zabiera realny czas. Wszystko z niego jest też dostępne za darmo na stronach poszczególnych skilli; pakiet oszczędza ci wieczór konfiguracji, nic więcej. Jeśli lubisz dłubanie, odpuść go sobie.

Realistyczne „przed" i „po"

Oto szkic oparty na kompozycie heavy userów, których audytowaliśmy: deweloper jadący na Claude Code ponad cztery godziny dziennie na Sonnecie przez API, z CLAUDE.md na 2500 linijek, pięcioma serwerami MCP i maratońskimi sesjami.

Przed: z grubsza 140 milionów tokenów inputu i 4 miliony outputu miesięcznie. Przy miernej wydajności cache'a (CLAUDE.md miał dynamiczny nagłówek, więc caching ledwo działał) wychodzi to w okolicach 480 $ miesięcznie.

Po zastosowaniu fixów 1–5: wycięcie trzech serwerów MCP i odchudzenie CLAUDE.md do 60 linijek ścięło preambułę per request o około 45 000 tokenów. Konwersja siedmiu wklejanych promptów na skille zdjęła kolejny kawał z historii każdej tury. Świeże sesje i wcześniejsza kompakcja skróciły średnią długość historii o jedną trzecią. Naprawa unieważniacza cache'a sprawiła, że pozostały stabilny kontekst wreszcie bilingował się po stawce cache'owanej. Routing subagentów eksploracyjnych na Haiku zgolił resztę. Nowy rachunek: około 210 $ miesięcznie.

To redukcja o 55 procent przy zerowej zmianie w tym, co zostało zbudowane. Twoje liczby będą inne i każdego, kto obiecuje dokładny procent, traktowalibyśmy podejrzliwie — łącznie z nami. Ale mniej więcej połowienie rachunku heavy usera samą strukturą pasuje do tego, co widzieliśmy więcej niż raz. Wzorzec trzyma się też na subskrypcjach: ta sama osoba przestała wpadać w limity planu Max w środku popołudnia.

FAQ

Czy to wszystko ma znaczenie, jeśli jestem na subskrypcji Pro albo Max zamiast API? Tak, tylko w innej walucie. Subskrypcje mierzą cię limitami użycia, a te limity konsumują te same tokeny, za które płaci użytkownik API. Szczuplejszy setup to więcej realnej pracy, zanim uderzysz w sufit. Użytkownicy, którzy „ciągle wpadają w limity", zwykle wożą 40 000 tokenów preambuły na request, nic o tym nie wiedząc.

Czy zainstalowane skille kosztują tokeny, gdy nie są używane? Tylko opis triggera, typowo 30–60 tokenów na skill na request. Ciało ładuje się dopiero, gdy skill się odpali. Dwadzieścia zainstalowanych skilli to około 1000 tokenów stałego narzutu — dlatego duża biblioteka skilli jest tania, a duży CLAUDE.md nie. Jedyny tryb porażki to skille z rozdętymi opisami; flagujemy je w naszych recenzjach.

Ile kontekstu naprawdę zużywa serwer MCP? Waha się dziko, dlatego powinieneś zmierzyć swoje: odpal /context z podłączonym serwerem, potem z odłączonym. Małe, skupione serwery dodają 1000–3000 tokenów schematów. Duże oficjalne potrafią dodać 15 000–25 000. Koszt dotyczy każdego requestu, niezależnie od tego, czy wywołasz jakiekolwiek narzędzie.

Czy /compact jest lepszy niż start świeżej sesji? Różne zadania. /compact służy kontynuacji powiązanej pracy: streszcza historię, żeby kontekst jechał dalej mniejszy. Świeża sesja jest do zmiany tematu i wtedy jest tańszą i lepszą opcją, bo niepowiązana historia nie tylko kosztuje — ona aktywnie psuje output. Jeśli kompaktujesz po to, by kontynuować coś niepowiązanego, tak naprawdę chciałeś /clear.

Czy prompt caching nie rozwiązuje tego automatycznie? Pomaga bardzo i jest domyślnie włączony w Claude Code, ale daje rabat na marnotrawstwo, zamiast je usuwać. Cache'owane tokeny wciąż bilingują się po około 10 procentach, wciąż zapełniają okno kontekstowe i wciąż pchają cię ku wczesnej kompakcji. A caching psuje się po cichu: dowolna zmiana w stabilnym prefiksie, jak timestamp w twoim setupie, i wracasz do pełnej ceny bez żadnego ostrzeżenia. Ustrukturyzuj kontekst dobrze, a caching pomnoży oszczędności; ustrukturyzuj źle, a caching ukryje problem aż do faktury.