也是史上最貴的。25/125 美元每輸入/輸出百萬(wàn) Token，作為對(duì)比，Claude Sonnet 4.6 的價(jià)格是 3/15 美元——貴了將近 8 倍。

而這還只是 API 價(jià)格。Mythos 目前根本沒(méi)有對(duì)普通用戶開(kāi)放，因?yàn)槟芰μ珡?qiáng)，Anthropic 自己都沒(méi)想好怎么給我們用。

最強(qiáng)，也最貴。這兩件事放在一起，某種程度上已經(jīng)預(yù)示了接下來(lái)的走向：模型越來(lái)越聰明，Token 越來(lái)越值錢(qián)，我們跟 AI 說(shuō)話的成本，也越來(lái)越高。

但眼下的問(wèn)題還不用等到 Mythos。就是普通的 Agent，甚至是對(duì)話聊天，在各種 Skill、記憶系統(tǒng)的加持下，發(fā)一句「你好」，都有可能用掉 13% 的月度 Token 額度。

Reddit 討論帖鏈接：https://www.reddit.com/r/Anthropic/comments/1s8wwra/13_usage_for_one_hello_is_insane_max20_plan/

AI 是越來(lái)越聰明，但我們可能快要跟它「說(shuō)不起話」了。怎么節(jié)省 Token 成了這段時(shí)間以來(lái)，社交媒體上熱議的話題。

有人提出用文言文的方式和 AI 聊天，畢竟古人說(shuō)話字斟句酌，沒(méi)有半點(diǎn)廢話；還有人想到在不同的模型之間快速切換，用聰明的 Claude 指定策略、Gemini 進(jìn)行深度研究、然后 ChatGPT 來(lái)完成枯燥的流程工作。

這種感覺(jué)很像回到了 2000 年還沒(méi)有數(shù)據(jù)流量的時(shí)候，用手機(jī)短信和朋友聊天，0.1 元/條，每條短信還有字?jǐn)?shù)限制，超過(guò)字?jǐn)?shù)會(huì)自動(dòng)計(jì)算為兩條短信，所以一定得事先組織好語(yǔ)言，把要講的事情在一條短信內(nèi)說(shuō)清楚。

回到大模型，在對(duì)話框里每按一次發(fā)送，一邊要擔(dān)心上下文窗口有限，一邊也在想這次又要花掉我多少 Token。

當(dāng)個(gè)山頂洞人，回到石器時(shí)代

以文言相與，觀若用字更少，然其實(shí)果更省乎？

前段時(shí)間，有網(wǎng)友在 X 上發(fā)梗圖討論用文言文，是不是能減少 Token 的使用。畢竟文言文相比白話文，用的字更少，把我們的語(yǔ)言都?jí)嚎s成「之乎者也」的表達(dá)，所消耗的 token 按理說(shuō)也會(huì)更少。

評(píng)論區(qū)都在調(diào)侃，這是在用人腦的 Token 來(lái)彌補(bǔ) AI Token。

我們的大腦編譯文言文不用花錢(qián)，消耗再多 Token 倒也無(wú)所謂；但真實(shí)的情況是，消耗了腦力，寫(xiě)出了像模像樣的文言文，最后并沒(méi)有減少 Token 的使用。

對(duì)于大語(yǔ)言模型來(lái)說(shuō)，越常用的詞占用的 Token 越少，它并不是按照文字的長(zhǎng)短來(lái)定義數(shù)量，而是依據(jù)語(yǔ)義進(jìn)行劃分。

就像下面的例子，一開(kāi)始使用文言文只有 21 個(gè)字符，但是 Token 數(shù)也是 20，切換到白話文，字符數(shù)來(lái)到 31 個(gè)，Token 數(shù)依然是 21。

Token 計(jì)算：https://platform.openai.com/tokenizer

更離譜的是，我們之前分享過(guò)的 GPT-4o 詞元污染，輸入一串 8 個(gè)字符的短語(yǔ)，在 AI 大模型眼里只占用了 1 個(gè) Token。而對(duì)于一些非常用字，例如「無(wú)恙」，ChatGPT 會(huì)將其編碼成 3 個(gè) token，因?yàn)椤疙Α箷?huì)變成亂碼。

文言文不行，又有開(kāi)發(fā)者提出回到石器時(shí)代，用穴居人的方式和 AI「對(duì)話」。

一個(gè)名叫 caveman 的項(xiàng)目這幾天在 GitHub 上走紅，和用文言文玩梗不同，這個(gè)項(xiàng)目實(shí)打?qū)嵉刈隽艘恍y(cè)試，并給出了可以復(fù)現(xiàn)的 benchmark。

在展示的多項(xiàng)基準(zhǔn)任務(wù)里面，使用 Cavemen 項(xiàng)目之后，能節(jié)省約 65% 的 Token，同時(shí)能保證輸出內(nèi)容的 100% 準(zhǔn)確。

測(cè)試結(jié)果顯示，在標(biāo)準(zhǔn)軟件工程任務(wù)上，平均壓縮率達(dá)到 65%，而且推理令牌不受影響，只有輸出有效載荷被壓縮。項(xiàng)目鏈接：https://github.com/JuliusBrussee/caveman

具體的做法是通過(guò)一個(gè) Skill 來(lái)實(shí)現(xiàn)，它會(huì)在發(fā)送給大模型的請(qǐng)求中，強(qiáng)制加入特定的角色設(shè)定和指令，從源頭上阻止模型講廢話。

它會(huì)要求模型停止使用客套話（如「Sure I'd be happy to」）、去除冠詞（a, an, the）以及避免使用模棱兩可的詞匯（如「It might be worth considering」）。

同時(shí)，它也要求模型必須保留代碼塊、錯(cuò)誤信息和專業(yè)技術(shù)術(shù)語(yǔ)的原樣。

而關(guān)于深度思考方面，Caveman 只會(huì)影響輸出 Token， 模型尋找 Bug、梳理邏輯的內(nèi)部推理過(guò)程依然是完整且龐大的。 當(dāng)模型結(jié)束思考，準(zhǔn)備「開(kāi)口」給我們解釋時(shí)，它受到了 caveman 指令的約束，只用最少的輸出 Token 把結(jié)論輸出。

除了讓模型「說(shuō)山頂洞人的話」來(lái)節(jié)省輸出 Token，這個(gè)項(xiàng)目還提供了一個(gè) caveman-compress 腳本來(lái)讓模型「少閱讀」。

它可以將我們的項(xiàng)目記憶文件（如 CLAUDE.md）預(yù)先重寫(xiě)并壓縮成「山頂洞人語(yǔ)版本」。這樣一來(lái)，每次我們開(kāi)啟新會(huì)話時(shí)，大模型需要讀取的輸入 Token (Input Tokens) ，經(jīng)過(guò)測(cè)試減少了約 45%，實(shí)現(xiàn)了輸入和輸出的雙重節(jié)省。

目前這個(gè)項(xiàng)目在 GitHub 上已經(jīng)拿下了快有 6000 個(gè) Stars。然后很快又有網(wǎng)友給出了「山頂洞人-壓縮版」，通過(guò)進(jìn)一步壓縮 Caveman 項(xiàng)目的輸入來(lái)減少 Token。

Caveman 的開(kāi)發(fā)者在項(xiàng)目說(shuō)明文檔里面提到，使用山頂洞人的模式是有科學(xué)依據(jù)的，他提到了今年 3 月的一篇名為《Brevity Constraints Reverse Performance Hierarchies in Language Models》（簡(jiǎn)短約束逆轉(zhuǎn)了語(yǔ)言模型的性能層級(jí)）的論文。

研究發(fā)現(xiàn)，大模型的客套話和長(zhǎng)篇大論有時(shí)是一種 debuff。強(qiáng)制大型模型給出簡(jiǎn)短的回復(fù)，不僅沒(méi)有讓它變笨，反而使其在某些基準(zhǔn)測(cè)試上的準(zhǔn)確率提高了 26 個(gè)百分點(diǎn)。

簡(jiǎn)潔性的約束消除了反向規(guī)模效應(yīng)。（A）三個(gè)條件下的表現(xiàn)顯示，在簡(jiǎn)潔性約束下，大模型顯著提升（控制組：40.2% → 簡(jiǎn)潔組：66.5%，+26.3 個(gè)百分點(diǎn)）。（B）差距縮小在不同數(shù)據(jù)集上有所變化，在 GSM8K 和 MMLU-STEM 中甚至出現(xiàn)完全反轉(zhuǎn)，在簡(jiǎn)潔條件下大模型表現(xiàn)更優(yōu)。（C）響應(yīng)長(zhǎng)度驗(yàn)證確認(rèn)該干預(yù)成功操控了冗長(zhǎng)度（控制組：197 個(gè) token → 簡(jiǎn)潔組：78 個(gè) token，減少 60%），從而建立了過(guò)度思考與性能下降之間的因果聯(lián)系。論文鏈接：https://arxiv.org/abs/2604.00025

去年，視頻會(huì)議公司 Zoom 也發(fā)布了一篇論文，《Chain of Draft: Thinking Faster by Writing Less》（草稿鏈：通過(guò)少寫(xiě)來(lái)更快思考），提出了一種全新的大語(yǔ)言模型推理策略，解決了現(xiàn)有方法中太啰嗦且成本高的問(wèn)題。

傳統(tǒng)的思維鏈（Chain-of-Thought, CoT）雖然能幫助大模型通過(guò)分步推理來(lái)解決復(fù)雜任務(wù)，但這種方法要求模型在給出最終答案前生成大量詳細(xì)的中間步驟。這導(dǎo)致了極高的計(jì)算資源消耗、更長(zhǎng)的輸出長(zhǎng)度以及更高的延遲。

我們?nèi)祟愒诮鉀Q復(fù)雜問(wèn)題，如數(shù)學(xué)題或?qū)懘a時(shí)，通常不會(huì)把所有思考細(xì)節(jié)都長(zhǎng)篇大論地寫(xiě)下來(lái)。我們習(xí)慣于只記錄簡(jiǎn)短的「草稿」或核心信息來(lái)推進(jìn)思考。

論文也是受此啟發(fā)，希望讓大模型也模仿這種高效、極簡(jiǎn)的策略。作者提出了 CoD（草稿思維鏈）。

在提示詞設(shè)計(jì)上，CoD 同樣要求模型一步一步地思考，但做了一個(gè)關(guān)鍵限制：每個(gè)推理步驟只保留最精簡(jiǎn)的草稿，最多不超過(guò) 5 個(gè)詞。

例如，在解決簡(jiǎn)單的數(shù)學(xué)應(yīng)用題時(shí)，CoT 可能會(huì)輸出幾段完整的句子來(lái)描述題意，而 CoD 只需要模型輸出類似 x=20-12=8 這樣最核心的公式即可。

比較 Claude 3.5 Sonnet 在三種不同提示策略下（直接回答（Standard）、思維鏈（CoT）和草稿鏈（CoD））在不同任務(wù)中的準(zhǔn)確性和令牌使用情況。CoD 在實(shí)現(xiàn)與 CoT 相似準(zhǔn)確性的同時(shí)，使用的令牌數(shù)量顯著更少。論文鏈接：https://arxiv.org/abs/2502.18600

結(jié)果，CoD 在保持甚至超越 CoT 準(zhǔn)確率的同時(shí)，消耗的 Token 數(shù)量大幅減少，最低僅為 CoT 的 7.6%。

兩個(gè)研究，都是通過(guò) Skill 或提示詞的方式，來(lái)強(qiáng)制限制模型的輸出長(zhǎng)度。CoD 的提示詞同樣直接，要求模型，「一步一步思考，但每個(gè)思考步驟只保留最少的草稿，最多 5 個(gè)詞」。

更實(shí)用的十個(gè) Token 節(jié)省方案

除了使用 Caveman 的 Skill，有網(wǎng)友還總結(jié)了更完整的節(jié)省 Token 十大訣竅。

1、在已發(fā)送的消息上修改，而不是另發(fā)一條消息

當(dāng) AI 回答不符合我們的預(yù)期時(shí)，盡量不要發(fā)一條「不對(duì)，我是指……」來(lái)跟進(jìn)。

因?yàn)槊堪l(fā)一條新消息，大模型都要把前面的所有聊天記錄重新讀一遍，導(dǎo)致 Token 消耗成倍翻滾。正確的做法是：直接點(diǎn)擊原消息的「編輯」按鈕，修改提示詞，然后重新生成。

消息越多，消耗的 token 也越多。原文來(lái)源：https://x.com/0x\_kaize/status/2038286026284667239

2、每 15–20 條消息就開(kāi)啟一個(gè)新對(duì)話

長(zhǎng)對(duì)話是 Token 的無(wú)底洞，在一百多條消息的對(duì)話中，可能有 98.5% 的 Token 都浪費(fèi)在讓 AI 重讀歷史記錄上。

當(dāng)對(duì)話變長(zhǎng)時(shí)，我們可以讓 AI 先總結(jié)一下當(dāng)前進(jìn)度，然后拿著這段總結(jié)去開(kāi)一個(gè)新的對(duì)話。

3、將所有問(wèn)題都集中到一個(gè)消息里面發(fā)送

不要把「總結(jié)這篇文章」、「列出這篇文章的要點(diǎn)」、「給這篇文章想個(gè)標(biāo)題」分成三條消息發(fā)送。

把它們合并成一段完整的提示詞，不僅能減少系統(tǒng)加載上下文的次數(shù)，還能讓 AI 因?yàn)榭吹搅巳捕o出更高質(zhì)量的回答。

4、把反復(fù)使用的文件上傳到 Projects 中

如果我們?cè)诙鄠€(gè)聊天窗口里反復(fù)上傳同一份長(zhǎng)文檔，每次上傳都會(huì)重新消耗大量的 Token。

這個(gè)時(shí)候我們可以利用 Projects 的緩存功能，文件只需上傳一次，后續(xù)在這個(gè)項(xiàng)目里怎么問(wèn)關(guān)于這份文件的內(nèi)容，都不會(huì)再重復(fù)燒 Token 了。

5、提前設(shè)置好「記憶」與用戶偏好

大多數(shù)時(shí)候，我們會(huì)按照以前的提示詞技巧，在發(fā)每次開(kāi)新對(duì)話時(shí)，都會(huì)「浪費(fèi)額度」去寫(xiě)「現(xiàn)在你是一個(gè)文案策劃，用輕松的語(yǔ)氣寫(xiě)……」。

現(xiàn)在 AI 都有用戶偏好和記憶功能，我們可以把職業(yè)、行文風(fēng)格、項(xiàng)目信息等偏好保存在設(shè)置里，它就會(huì)自動(dòng)生效，幫我們省下大量重復(fù)交代背景的 Token。

6、關(guān)掉不需要的附加功能

聯(lián)網(wǎng)搜索（Web search）和高級(jí)思考（Advanced Thinking）等功能只要開(kāi)著，每一輪都會(huì)額外消耗 Token。

除非我們對(duì)初步的回答不滿意，或者明確需要這些功能，平時(shí)在簡(jiǎn)單地聊天時(shí)，可以關(guān)閉這些附加功能。

7、用不同的模型解決不同的問(wèn)題

一些簡(jiǎn)單的任務(wù)，像檢查語(yǔ)法、簡(jiǎn)單排版、快速翻譯這些基礎(chǔ)活，完全可以使用成本最低的 Haiku 模型。把節(jié)省下來(lái) 50%–70% 的額度，留給那些真正需要深度思考的復(fù)雜任務(wù)，交給 Sonnet 或 Opus。

8、把工作分散到全天的不同時(shí)段

Claude 的使用限制是基于「滾動(dòng) 5 小時(shí)」窗口來(lái)計(jì)算的，而不是半夜統(tǒng)一清零。

如果我們?cè)缟习杨~度耗光了，下午就會(huì)很難受。建議把工作分成早、中、晚幾個(gè)時(shí)段，這樣額度會(huì)不斷自動(dòng)恢復(fù)。

9、盡量避開(kāi)高峰時(shí)段

從 2026 年 3 月 26 日開(kāi)始，如果在工作日的高峰期（太平洋時(shí)間早上 5 點(diǎn)到 11 點(diǎn)）使用，同樣的請(qǐng)求會(huì)更快地消耗限額。如果把重度耗費(fèi)算力的任務(wù)挪到非高峰期（比如晚上或周末），額度會(huì)經(jīng)用得多。

這是基于 Claude 之前推出的錯(cuò)峰雙倍福利，一方面是 Anthropic 的尖峰服務(wù)器壓力大，給一些福利希望用戶在平谷時(shí)候使用 Claude，另一方面也確實(shí)給北京時(shí)間的用戶實(shí)實(shí)在在的優(yōu)惠。

目前在 Cursor 等應(yīng)用內(nèi)使用大模型，有時(shí)候還是會(huì)碰到請(qǐng)求過(guò)多的提示，尤其是在晚上的時(shí)間。

10、開(kāi)啟超額使用 (Extra Usage)作為安全網(wǎng)

如果是 Claude 付費(fèi)用戶，可以在設(shè)置里開(kāi)啟超額功能并設(shè)定預(yù)算上限。

這個(gè)方法雖然不省 Token，但可以保證當(dāng)我們的額度耗盡時(shí)，系統(tǒng)會(huì)自動(dòng)切換到按量計(jì)費(fèi)，防止在十萬(wàn)火急的工作關(guān)頭突然被強(qiáng)制阻斷。

無(wú)論是靠 Skills 還是我們自己調(diào)整提示詞，這些方案的底層邏輯都是要減少毫無(wú)意義的上下文重讀。從千禧年按字算錢(qián)的短信，到如今按 Token 計(jì)費(fèi)的大模型，人類追求溝通效率的本質(zhì)其實(shí)從未改變。

在使用 AI 的過(guò)程中，逐漸養(yǎng)成這些習(xí)慣，用「山頂洞人」的語(yǔ)言，只說(shuō)重點(diǎn)，把 Token 用在刀刃上，或許是這個(gè) Token 堪比真金白銀的時(shí)代，最頂級(jí)的提示詞技巧。

Less is More.

我們正在招募伙伴

簡(jiǎn)歷投遞郵箱hr@ifanr.com

?? 郵件標(biāo)題「姓名+崗位名稱」（請(qǐng)隨簡(jiǎn)歷附上項(xiàng)目/作品或相關(guān)鏈接）