Minska Claudes tokenförbrukning: 6 fixar som kapar kostnaden

Ingen budgeterar för tokens. Sedan landar en tung månad, fakturan fördubblas, och plötsligt är alla i teamet experter på context-fönster. Vi har granskat tillräckligt många Claude Code-setups för att känna igen mönstret: räkningen drivs sällan av arbetet du bad om. Den drivs av allt som åker med på köpet.

Den här guiden är playbooken vi faktiskt använder. Fixarna är ordnade efter effekt, vilket betyder att de tråkiga strukturella kommer först och den roliga (modellroutning) kommer sist, för det är där pengarna finns. Priserna nedan är API-priser i mitten av 2026: ungefär 3 $ per miljon input-tokens på Sonnet, 5 $ på Opus, 1 $ på Haiku, med output-tokens som kostar ungefär fem gånger mer. Om du har en Pro- eller Max-prenumeration betalar du i rate limits i stället för dollar, men varje fix här köper dig samma sak: mer arbete per session innan du slår i väggen.

Vart tar tokensen faktiskt vägen

Varje förfrågan Claude Code skickar till API:et bär hela din session hittills, plus en fast inledning: systemprompten, din CLAUDE.md, beskrivningen av varje installerad skill, och det fullständiga schemat för varje verktyg från varje ansluten MCP-server. Den inledningen debiteras på varenda tur, oavsett om turen använder något av det eller inte.

I en mogen setup läggs det ihop snabbt. De fyra brännarna vi ser mest, i ordning:

Den första är omläsningar av context. En agent som läste din 2 000-raders konfigurationsfil igår läser den igen idag, för sessioner minns ingenting. Multiplicera med varje fil den "kollar bara för säkerhets skull" och återupptäckt blir en egen budgetpost.

Den andra är MCP-verktygsscheman. Varje server du anslutit injicerar sina verktygsdefinitioner i varje förfrågan. Inte när verktyget används. Alltid. Fem servrar kan betyda 15 000 till 25 000 tokens scheman som sitter framför din faktiska fråga, hela dagen, varje dag.

Den tredje är en uppsvälld CLAUDE.md. En minnesfil på 3 000 rader är ungefär 30 000 tokens som beskattas på varje förfrågan i varje session, för alltid. De flesta av de raderna gäller kanske en session av tio.

Den fjärde är omförklaringar. "Använd conventional commits. Rör inte legacy-mappen. Vi föredrar pnpm." Om du skriver in dina preferenser i chatten varje morgon betalar du för att lära ut samma läxa dagligen, och läxan åker sedan med i sessionshistoriken för varje efterföljande tur.

Prompt caching mildrar allt detta. Upprepad stabil context debiteras till ungefär en tiondel av det normala input-priset. Men cache-skrivningar kostar en premie, cachat innehåll upptar fortfarande ditt context-fönster, och en enda ändrad byte nära toppen av prompten ogiltigförklarar allt efter den. Caching är en rabatt, inte en fix.

Mät innan du optimerar

Att gissa sig till tokenslöseri är sitt eget slags slöseri. Tio minuters mätning berättar vilken av de sex fixarna nedan som faktiskt spelar roll för din setup.

Inuti Claude Code visar /cost vad den aktuella sessionen har spenderat, och /context visar vad som upptar fönstret just nu, uppdelat på systemprompt, verktyg, minnesfiler och meddelanden. Den andra är den ärliga spegeln: om verktygsscheman och CLAUDE.md tar 40 000 tokens innan du skrivit något har du hittat ditt problem.

För historik läser community-verktyget ccusage transkriptfilerna Claude Code redan sparar på disk och ger dig uppdelningar per dag och per modell. API-användare kan se samma sak på användningssidan i Anthropic Console, uppdelat per nyckel. Och vill du veta vad en specifik fil kostar ger API:ets count_tokens-endpoint en exakt siffra; att köra din CLAUDE.md genom den är trettio tillnyktrande sekunder.

Skaffa en baslinjevecka innan du ändrar något. Varje påstående vi gör om våra egna siffror nedan kom från att göra exakt detta, och skillen Token Budget Auditor finns för att automatisera hela övningen (mer om den i fix 6).

Fix 1: ersätt upprepade promptar med skills

Det här är förändringen med högst hävstång för de flesta, och den fungerar tack vare ett designbeslut: progressiv exponering. En skills fullständiga instruktioner laddas bara när skillen triggar. Den enda kostnaden du betalar per förfrågan är dess triggerbeskrivning, vanligtvis 30 till 60 tokens. Om formatet är nytt för dig täcker vår genomgång av Claude skills mekaniken.

Gör matten på en prompt du klistrar in dagligen. Säg att den är 2 000 ord, ungefär 2 600 tokens: dina kodstilsregler, din granskningschecklista, vad du nu har i en anteckning och klistrar in varje morgon. Väl inklistrad sitter den i sessionshistoriken och skickas om på varje tur. Vid 30 turer per session genererar det där blocket ungefär 78 000 input-tokens per session. Över 22 arbetsdagar, cirka 1,7 miljoner tokens i månaden. På Sonnet är det runt 5 $ ocachat, säg 1 till 2 $ med hyggliga cacheträffar.

Som skill kostar samma innehåll sin 50-tokens beskrivning per tur, ungefär 33 000 tokens i månaden, plus hela 2 600-tokenskroppen bara i sessioner där den faktiskt triggar. Kalla det en minskning på 95 till 98 procent för det blocket.

Fem dollar i månaden låter som ingenting tills du minns två saker. Ingen har en enda inklistrad prompt; setuperna vi granskar har fem till tio. Och dollarkostnaden är inte ens huvudskadan: de där tokensen upptar context, vilket trycker in långa sessioner i kompaktering tidigare, vilket triggar omläsningar, som kostar mer än prompten gjorde. Att konvertera inklistrade promptar till skills är den enskilda förändring med bäst förhållande mellan insats och besparing vi känner till.

Fix 2: sätt CLAUDE.md på diet

CLAUDE.md är alltid-på-context. Det är hela dess värde och hela dess kostnad. Testet för varje rad är enkelt: gäller det här de flesta sessioner i det här projektet?

Hör hemma i CLAUDE.md: bygg- och testkommandon, repositoryts struktur, de tre icke-uppenbara begränsningarna som förstör saker när de bryts, hårda regler som "committa aldrig direkt till main". Det är typiskt 30 till 60 rader.

Hör inte hemma: arbetsflödesinstruktioner för uppgifter du gör varje vecka (det är en skill), stilguider för tillfälligt arbete som att skriva dokumentation eller migrationer (skill), långa förklaringar av arkitektur Claude kan läsa ur koden, och allt du kopierat in "så det finns om det behövs". Om en sektion gäller färre än hälften av dina sessioner betalar den alltid-på-hyra för deltidsarbete. Flytta den till en skill så kostar den ingenting fram till dagen den är relevant.

Vi ser hela tiden CLAUDE.md-filer på över 2 000 rader, och ägarna blir oftast överraskade två gånger: först av tokenantalet (kör den genom count_tokens), sedan av upptäckten att bantningen gjorde Claude mer lydig, inte mindre. Instruktioner konkurrerar om uppmärksamhet. Fyrtio vassa rader slår två tusen mosiga.

Fix 3: rensa MCP-servrar du inte använder

MCP-servrar är den tystaste brännaren eftersom kostnaden är osynlig i dagligt bruk. Att ansluta en server betyder att dess verktygsscheman serialiseras in i varje förfrågan. En typisk server exponerar 10 till 30 verktyg på några hundra tokens schema vardera; de stora officiella servrarna är värre. När vi mätte vår egen setup la en populär server ensam till runt 20 000 tokens per förfrågan, och vi hade använt den två gånger den månaden.

Kör claude mcp list och var skoningslös. Fråga för varje server när du senast faktiskt använde den. Vår regel efter att ha gjort den här övningen på våra egna maskiner: två servrar per projekt räcker gott, och de bör vara skopade till projekten som behöver dem i stället för globalt konfigurerade. En databasserver har inget att göra med att beskatta dina bloggskrivarsessioner.

Ompröva också om varje kvarvarande server ska vara en server över huvud taget. Många MCP-anslutningar finns för att kapsla in ett CLI som Claude lika gärna kunde köra via bash för noll stående kostnad. Vi har skrivit ihop hela beslutsramverket i skills vs MCP, men kortversionen: MCP förtjänar sin schemaskatt när du behöver live-autentiserad åtkomst till ett externt system. För instruktioner, arbetsflöden och allt filbaserat gör en skill jobbet utan hyran per förfrågan.

Rensning är dessutom den sällsynta fix som är omedelbar. Ingen refaktorering, ingen migration. Ta bort tre sysslolösa servrar och din allra nästa förfrågan är 30 000 tokens lättare.

Fix 4: sessionsvanor som håller contexten liten

Struktur fixar de fasta kostnaderna. Vanor fixar de rörliga.

Starta färska sessioner per uppgift. En odödlig session som vandrar från en buggfix till en refaktorering till "uppdatera README:n också" släpar hela buggfix-contexten in i varje README-tur. Historiken skickas om vid varje förfrågan, så en lång sessions turer blir progressivt dyrare. När ämnet byts är /clear eller en ny session nästan alltid billigare än att fortsätta, och outputkvaliteten brukar dessutom förbättras, eftersom förlegad context vilseleder mer än den hjälper.

Använd /compact vid naturliga gränser, inte vid deadline. Claude Code autokompakterar när fönstret fylls, men då har du redan betalat fullpris för en uppsvälld historik i en timme. Att kompaktera direkt efter en milstolpe ("testerna passerar, nu nästa feature") krymper historiken medan du kontrollerar vad som är värt att behålla. Kompaktering kostar ett sammanfattningspass; att bära dödvikt kostar varje tur.

Avgränsa dina förfrågningar. "Hitta var vi validerar e-post och fixa regexen" skickar Claude på en grep-expedition genom ett dussin filer, var och en inläst i contexten och debiterad resten av sessionen. Om du vet att det ligger i src/lib/validators.ts, säg det. Tio sekunders specificitet sparar rutinmässigt 50 000 tokens utforskning. Samma logik gäller läsningar: att peka Claude mot ett radintervall slår att låta den svälja en 2 000-raders fil för att använda 40 rader av den.

Inget av detta kräver disciplin bortom att lägga märke till. Titta på /context en dag och de slösaktiga mönstren identifierar sig själva.

Fix 5: routa billiga deluppgifter till billigare modeller

Ja, modellroutning sparar pengar. Vi listar den som femma för att i varje granskning vi gjort sträckte sig teamen efter den medan en uppsvälld CLAUDE.md och sex sysslolösa MCP-servrar brände tre gånger mer. Struktur först, sedan routning.

Med det sagt är aritmetiken verklig: Haiku kostar en femtedel av Sonnet och en femtedel igen av Opus. Det rena sättet att utnyttja det i Claude Code är subagenter. Utforskning, sammanfattning av en lång fil, generering av boilerplate-tester, första utkast till commit-meddelanden: delegera dessa till en Haiku-subagent medan huvudloopen stannar på din primära modell. Claude Codes egen arkitektur gör detta internt för vissa sökuppgifter, vilket säger dig att Anthropic tycker mönstret är sunt.

Vad vi inte rekommenderar är att växla huvudsessionens modell fram och tillbaka mitt i en uppgift. Prompt-cachar är per modell, så varje byte kastar bort ditt cachade prefix och betalar fullpris igen för att bygga upp det. Välj en modell per session; routa vid subagent-gränsen. Och håll det svåra resonerandet på den starka modellen. En billig modell som producerar en felaktig plan kostar mer än en dyr som har rätt första gången. Det har vi också mätt, tyvärr.

Fix 6: tokeneffektivitets-skillsen vi testar

Vi följer en dedikerad tokeneffektivitetskategori, och vi håller den till en striktare standard än någon annan: ett omdöme där måste komma med en uppmätt före/efter-räkning, inte vibbar. Det gör omdömena långsammare. Här är det ärliga nuläget.

Token Budget Auditor läser dina transkript och din setup och namnger dina största tokensyndare: uppsvälld systemcontext, redundanta filläsningar, pratiga verktygsloopar. Det är "mät först"-steget paketerat som en skill. Omdöme väntar; vi kör en före/efter-jämförelse av faktureringen på våra egna konton innan vi betygsätter den.

Context Compression paketerar sammanfatta-och-fortsätt-disciplinen från fix 4 så att långa sessioner kompakteras till strukturerade sammanfattningar i stället för att släpa rå historik. I testkön; vi mäter tokenbesparing mot informationsförlust över en vecka av verkliga sessioner, för kompression som glömmer dina begränsningar är värre än ingen kompression.

Prompt Cache Optimizer omstrukturerar context för cache-vänlighet: stabilt innehåll först, flyktigt innehåll sist. Det vanligaste slöseriet den siktar på är en tidsstämpel interpolerad nära toppen av en prompt som tyst ogiltigförklarar cachen på varje förfrågan. Enradsfix, tvåsiffriga besparingar när den träffar. Vi mäter live cacheträffsfrekvenser innan vi ger ett omdöme.

Den angränsande skill som har klarat testningen är Memory Management, som fick 9,2/10 i vår veckolånga prövning. Den bor i vår produktivitetskategori, men den är i grunden ett tokendrag: beständigt minne konverterar upprepad återupptäckt (fix 4:s dyraste felläge) till en skrivning och billiga hämtningar. Att Claude minns ditt projekts beslut är att Claude inte läser om tolv filer för att rekonstruera dem.

Den fullständiga listan, med testanteckningar och de omdömen som finns, ligger på bästa effektivitets-skills. Vi visar hellre en kö med pågående mätningar än en sida av självsäkra betyg vi inte kan backa upp.

Optimizer Pack, om du vill ta genvägen

Ett ärligt stycke om vår egen produkt. Optimizer Pack är effektivitetssetupen vi skulle installera på våra egna maskiner: de tre effektivitets-skillsen ovan plus Memory Management, förkonfigurerade, med en nedbantad CLAUDE.md-mall och en MCP-granskningschecklista, installerat med ett kommando. Det kostar 10 $, mest för att paketering och underhåll av konfigurationerna tar riktig tid. Allt i det finns också gratis på de enskilda skill-sidorna; paketet sparar dig en kvälls setup, inget mer. Om du gillar mekandet, hoppa över det.

Ett realistiskt före och efter

Här är en skiss baserad på en sammanslagning av tunga användare vi granskat: en utvecklare som kör Claude Code fyra-plus timmar om dagen på Sonnet via API, med en CLAUDE.md på 2 500 rader, fem MCP-servrar och maratonsessioner.

Före: ungefär 140 miljoner input-tokens och 4 miljoner output-tokens i månaden. Med medioker cache-prestanda (CLAUDE.md-filen hade en dynamisk header, så cachningen fungerade knappt) hamnar det i trakten av 480 $ i månaden.

Efter att fix 1 till 5 tillämpats: att rensa tre MCP-servrar och banta CLAUDE.md till 60 rader kapade inledningen per förfrågan med cirka 45 000 tokens. Att konvertera sju inklistrade promptar till skills tog bort ännu en bit av varje-tur-historiken. Färska sessioner och tidigare kompaktering kortade genomsnittlig historiklängd med en tredjedel. Att fixa cache-ogiltigförklararen betydde att den kvarvarande stabila contexten äntligen debiterades till cachad taxa. Att routa utforskningssubagenter till Haiku hyvlade av resten. Ny räkning: runt 210 $ i månaden.

Det är en minskning på 55 procent med noll förändring i vad som byggdes. Dina siffror kommer att skilja sig, och vi skulle bemöta alla som lovar en exakt procentsats med misstänksamhet, inklusive oss själva. Men att grovt halvera en tung användares räkning genom enbart struktur matchar vad vi sett mer än en gång. Mönstret håller för prenumerationer också: samma person slutade slå i Max-planens gränser mitt på eftermiddagen.

Vanliga frågor

Spelar något av det här roll om jag har en Pro- eller Max-prenumeration i stället för API:et? Ja, bara i en annan valuta. Prenumerationer mäter dig genom användningsgränser, och de gränserna förbrukas av samma tokens en API-användare betalar för. En slankare setup betyder mer riktigt arbete innan du når taket. Användare som "konstant slår i gränserna" bär oftast 40 000 tokens inledning per förfrågan utan att veta om det.

Kostar installerade skills tokens när de inte används? Bara triggerbeskrivningen, typiskt 30 till 60 tokens per skill och förfrågan. Kroppen laddas när skillen triggar. Tjugo installerade skills kostar ungefär 1 000 tokens stående overhead, vilket är varför ett stort skill-bibliotek är billigt medan en stor CLAUDE.md inte är det. Det enda felläget är skills med uppsvällda beskrivningar; dem flaggar vi i våra recensioner.

Hur mycket context förbrukar en MCP-server egentligen? Det varierar vilt, vilket är varför du bör mäta dina: kör /context med servern ansluten, sedan frånkopplad. Små fokuserade servrar lägger till 1 000 till 3 000 tokens scheman. Stora officiella kan lägga till 15 000 till 25 000. Kostnaden gäller varje förfrågan oavsett om du anropar något verktyg eller inte.

Är /compact bättre än att starta en färsk session? Olika jobb. /compact är för att fortsätta relaterat arbete: den sammanfattar historiken så att contexten följer med mindre. En färsk session är för ämnesbyten, och den är då det billigare och bättre alternativet, för orelaterad historik är inte bara dyr, den försämrar aktivt outputen. Om du kompakterar för att fortsätta med något orelaterat var det /clear du ville ha.

Löser inte prompt caching det här automatiskt? Den hjälper mycket och är på som standard i Claude Code, men den rabatterar slöseri snarare än tar bort det. Cachade tokens debiteras fortfarande till ungefär 10 procent, fyller fortfarande ditt context-fönster och trycker dig fortfarande mot tidig kompaktering. Och cachning går sönder tyst: vilken ändring som helst i det stabila prefixet, som en tidsstämpel i din setup, och du är tillbaka på fullpris utan varning. Strukturera din context väl och cachning multiplicerar besparingarna; strukturera den dåligt och cachning döljer problemet fram till fakturan.