这是正在发生的现实。根据最新统计，anthropic 公司自身在算力上的投入，已攀升至其员工薪资总额的 2.3 倍。以一名资深工程师 22.4 万美元的全成本为基准，anthropic 每位工程师背后所对应的年度算力开销高达约 51.5 万美元。换言之：人，尚未比模型更值钱。
面对如此惊人的账单，连 Claude 自身也不得不开始精打细算，主动压缩 token 使用。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
Claude Code：用 token 堆砌“高效能”的幻觉
近期，业内悄然兴起一个新热词：Token Apocalypse（Token 末日）。
从“token maxing”（极致刷 token）到“token apocalypse”，这一转变折射出 AI 领域正经历一场深刻范式迁移。今年三四月间，圈内还流行晒 token 消耗量，甚至将其视作能力排行榜。但很快人们意识到：调用 AI 并不天然等于降本增效——于是焦点迅速转向“单 token 成本”。
更值得警惕的是，大模型正不断将原本无需 AI 的任务也卷入其中。PDF 不愿自己读，长文懒得亲自看，所有内容都交由 AI 概括；再一键转成 PPT，发给同事，对方又用 AI 解读……AI 正在为本就空泛的工作流程强行叠加一层“智能外衣”，同时悄然推高整条链路的成本账单。
如今，成本失控已成普遍现象。亚马逊、Adobe、Atlassian、花旗集团等头部企业纷纷祭出 AI 使用管控措施：
- 模型等级限制：部分公司禁止员工使用 Claude Opus 等高性能模型，强制切换至性价比更高的轻量版本；
- 个人用量封顶：Uber 为每位工程师设定了每月 1500 美元的 token 消耗上限；
- 权限全面冻结：花旗银行等机构已暂停高级 AI 工具的企业级访问权限；未达成使用规范者，甚至被直接注销账户。此前 Uber CTO 曾坦言，公司数月内便耗尽全年 AI 预算；沃尔玛亦近期叫停了部分 AI 工具的部署。
大厂要么四处寻觅降本路径，要么果断踩下 token 浪费的急刹车。员工因此陷入双重信息夹击：一边是“AI 能让你效率飙升百倍，必须上手”，另一边却是“再这么烧下去，公司真要被你用垮了”。
这恰是 AI 工具首轮规模化落地中最典型的结构性缺陷：产品上线时，缺乏有效护栏来遏制企业在大语言模型上的百万级支出，也缺少实时预警机制提示团队 token 正在飞速蒸发。无论是对话助手还是编程插件，多数产品优先追求“快速可用”，而将成本治理、用量配额、模型分级与上下文调控等关键能力延后交付。
但 Claude Code 的本质，并非效率引擎，而是营销载体。
其设计逻辑极为清晰：让你沉浸于“高产”的自我感知。项目负责人 Boris 在构思该产品之初便坦言：“如果模型足够聪明，代码开发会变成什么模样？我希望如何与它协作？”——出发点并非“帮开发者省 token”，而是“如何最大化呈现模型的智能感”。
Anthropic 愿意为这种“感知价值”豪掷大量 token——无论这笔费用来自客户，还是自家账本。五分钟烧掉 200 美元，在 Claude Code 这里不是异常事故，而是既定设计。它的底层信条是：凡能靠多消耗 token 解决的问题，绝不采用更经济的方案。所有 sub-agent 架构、所有炫目的 UI 动画、所有冗长的 reasoning trace，均非服务于效率提升，而是为了让你凝视屏幕时，笃信“这模型真厉害，真靠谱”。
这背后是一套精密运转的营销闭环：你持续消耗 token，换取“高产”体验，进而强化对 Claude 的好感与依赖，从而继续高频使用。Anthropic 甚至甘愿自掏腰包承担巨额 token 成本，只为换取用户情绪层面的认可。这也解释了为何其桌面客户端长期存在明显功能短板——Claude Code 的终极使命，从来不是打造一款实用工具，而是成为 Anthropic 模型实力的“最佳展窗”。
恰恰是这种“以 token 换体验”的设计理念，使 Claude 在 token 效率维度被 OpenAI 显著拉开差距。
OpenAI 始终将 token 压缩置于核心战略。从 reasoning trace 的极致精简，到模型架构本身的能效优化，其哲学始终如一：用更少 token，完成同等任务。Codex 5.5 就是最有力的佐证。
尽管 Fable 5 模型展现出强大推理能力，但在效率指标上并不突出。Deep SWE 发布的对比图表直观揭示了这一点。若将同批模型横向拉齐评估，则差异更为显著：GPT-5.5 medium 仅凭 2 万个 token 即斩获惊人分数；而 Opus 4.8 消耗 5 万个 token，得分却反而更低。
这正是两条技术路线最直白的映照：行业集体焦虑于成本失控，Claude 持续加码燃烧，OpenAI 则坚定执行节流。接下来的关键命题随之浮现——既然必须降本，首当其冲该砍掉什么？答案明确：那些层层堆叠、早已臃肿不堪的提示词。
Claude Code 的 Prompt 债：越堆越多，越欠越深
在最新技术分享中，Anthropic 宣布已移除 Claude Code 中 80% 的系统级提示词（system prompt）。
Anthropic 技术专家 Tariq Shihipar 指出，此举标志着 AI 模型引导范式的根本性转向——过去人们笃信“指令越详尽、示例越丰富，模型表现就越出色”；如今，这套逻辑已然失效。新一代模型 Fable 5 的想象力，甚至超越了人类提供的标准范例，过度示范反而成了束缚。
当然，这番表述不乏营销色彩，他顺势夸赞了 Fable 的自主性：“示例反而容易框住模型，因为它其实比我们预设的样本更具创造力。”但一个无法回避的事实是：Anthropic 自身已开始向 system prompt 动刀。
那么，为何过往需要如此庞杂的提示词？
过去一两年，AI 编程生态形成了一种惯性共识：上下文窗口越大越好，工具说明越全越好，system prompt 越完备越好。模型不懂项目结构？写份 Agents.md。模型不熟工具调用？补上 tool descriptions。模型响应不够主动？加入行为引导语句。模型输出不够稳定？再塞进几条约束规则。
不可否认，system prompt 曾是 AI 编程工具的核心壁垒。对 LLM 提示策略稍作微调，就可能带来可观性能跃升。同一模型在 Codex、Cursor、OpenCode 和 Copilot 中体验迥异，根源往往就在 prompting 的细微差别。
正因如此，Cursor 曾投入大量资源反复测试 system prompt，开展 A/B 实验，针对不同模型定制提示模板。相比在 Claude Code 中直接调用 Opus，Cursor 的 harness 可显著提升模型表现，部分 benchmark 测试显示提升幅度达 10% 至 30%，关键变量往往就是那几段精心打磨的提示文本。
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
但问题在于：只要提示词有效，团队就会持续叠加新内容。某模型滥用工具？加一条禁令；某模型响应迟钝？添一段激励；某模型过度搜索？补一道限制；某模型理解不了工程上下文？再附一份 Markdown 文档。每次扩充都有充分理由，可日积月累之下，system prompt 渐渐演变为沉重的常驻上下文负担。
须知：system prompt 并非零成本。每一次请求，它都会被完整载入、计入账单、占用上下文空间。
Claude Code 将全部工具与功能深度集成后，其 system prompt 曾一度膨胀至 65,000 token；即便关闭大部分模块，仍保有 12,000 token。这意味着——模型尚未写出第一行代码，已先背负起一本厚达数百页的操作手册。相较之下，Pi 启动时的上下文不足千 token。
更棘手的是，prompt 债远比代码债更难察觉。
老旧代码通常会在功能迭代、测试运行或缺陷修复过程中暴露问题。而陈旧的 prompt 却可能只是让模型悄然退化：用户只会感知“Claude Code 最近好像没以前灵了”，或“新模型不如宣传中惊艳”，却难以归因于 system prompt 已与新模型脱节。
当提示词从竞争优势蜕变为效率枷锁，Anthropic 选择剔除 80%，也成为提升 token 效率的必然之举。
Claude 的“冗余税”：多说一个字，多付一份钱
Claude Code 的语言冗余程度，令人咋舌。
今年一款名为 Caveman 的插件迅速走红，专治此症。其名直译为“穴居人”，寓意回归原始表达——摒弃客套话、删减语法赘余、剔除填充词，只保留核心语义。
“Caveman save you token, save you money. Star cost zero.”
初看像是个玩笑，细究却发现它直击 LLM 应用中的真实痛点：废话泛滥、token 浪费、成本无谓攀升。
而它的诞生，正是源于对 Claude Code 的深度观察。
“我是在 4 月初开发出 Caveman 的，当时正高频使用 Claude Code，明显察觉大量 token 被浪费在无关紧要的文字上：寒暄问候、模糊措辞、过渡短语，以及 agent loop 中那些纯属‘表演性质’的闲聊式表达。”Caveman 创作者 Julius Brussee 表示。
Brussee 的实测数据显示，启用 Caveman 后，输出 token 可减少 65%–75%，效果远超简单指令“请简洁”。它主要压缩外围描述性语言，对代码、命令、路径、URL、函数名等需精确传达的内容则保持原样。
据悉，OpenAI 工程总监 Shayne Sweeney 亦为该项目贡献了代码，以适配 Codex。
更有意思的是，OpenAI 早已将此类极简语言模式嵌入模型内部推理环节。
部分泄露的 reasoning trace（非对外展示的 summary 版本）揭示了这一策略：内容不似自然英语，更接近压缩版工程速记：
"Use core new nodes. Need infer. Need add VAE encode for images. Try. Try period."
这些句子看似滑稽甚至混乱，但其目标并非可读性，而是极致 token 效率。模型在内部推理时，无需像面向用户那样维持礼貌、完整与流畅。它只需保留动作、对象、判断与下一步指令。换言之，只要最终输出正常，推理过程完全可以采用更短、更粗粝、更省 token 的语言形态，以疯狂压榨效率。
这甚至比优化 prompt 环节更具收益。压缩 reasoning token 的价值更大，因为 agent 是多步执行的，前一步推理结果会直接作为后一步输入。模型每少“想”一段，节省的不仅是当前 token，更是后续整条执行链的重复开销。
这正是 OpenAI 与 Claude 路线分歧的鲜明注脚。
Claude 始终以“好聊”见长，更像一位用完整语言思考与表达的智能助手。仅看其 reasoning trace 明显更长，即可推测其内部推理很可能基于标准英语。输出与推理过程普遍冗长，因此极度依赖超大上下文窗口承载内容。
这也是为何 Claude 默认配置 100 万 token 上下文窗口。许多人误以为这是为容纳巨型代码库，实则原因更朴素：Claude 生成的内容太长，若无如此宽裕的空间，根本无法装下。它在上下文压缩（compaction）方面亦表现平平——当你恢复历史对话时，Claude 甚至会建议放弃完整上下文，转而尝试 compact，因其无法保留 reasoning trace；事实上，它们会在 10–20 分钟后自动清除这些内容，因为 reasoning token 效率过低，长期留存将导致成本荒谬到不可承受。
而 OpenAI 模型的上下文窗口通常设定在 20 万 token 或更低，但凭借从推理阶段即启动的极简语言策略，实现了高效压缩。
一个耐人寻味的细节：倘若 Anthropic 真正根治“冗余过多”这一顽疾，其营收或将显著下滑。若开发者能以更少 token 完成同等任务，就意味着 Anthropic 少了一笔本可赚取的收入。
本文源自微信公众号 “InfoQ”（ID：infoqchina），作者：Tina，经 36 氪授权发布。
