你的 AI 套餐是靠补贴撑着的，不盯 token 的独立开发者迟早要还
- 面向独立开发者的包月固定费率 AI 套餐，背后是各家实验室在补贴，而这份补贴正在缩水
- Anthropic 已经把企业客户改成按 token 计费，最新的模型也按等级开放
- 独立开发者该在计费器启动之前，先摸清 token 用量、砍掉多余的上下文
- 把模型和任务对应起来能省下 AI 开销——前提是你拿真正交付的成果来衡量
我这辈子最糟的一次上线日消息，来自一款各方面都做到我们预期的游戏。每次有独立开发者跟我说"AI 账单是固定成本"，我都会想起那件事。
那是某部大片续集的移动端联动游戏，iOS 和安卓版跟电影进影院同一天发布。同步上线意味着没有软启动，也没法先在几个国家做测试——世界各地的玩家会同时涌进来，而我们没办法提前摸清他们会怎么玩。
然后下载量来了。创纪录的数字。跟着来的还有异步多人服务器的账单，比营收还高。作为应急措施，我们把这项功能从一款正挂在排行榜榜首的游戏里撤了下来。不是哪里坏了，功能好得很。我们做出来的东西，玩家越多成本越高，而我们对这个成本的唯一估算，是没人玩之前拍脑袋猜的。
今年我常常回想那次上线，因为独立开发者正抱着 AI 下同样的赌注。如果你的团队用的是包月固定费率的 Claude 或 ChatGPT 套餐，那你花的是实验室补贴出来的钱，而他们已经开始从上往下、一层一层地把补贴收回去了。现在就该动手——算清楚你到底用了多少、把模型和任务配上对，趁账单还算得准。等第一张按量计费的发票寄来再去做，你就会跟我们当年一样：手忙脚乱，功能却早就上线了。
你付的价格，不等于服务商的成本
Claude Team Premium 的一个席位每月 125 美元，按年付则是 100 美元。和我聊过的独立开发者大多把它当成普通软件许可证：预算里固定一笔，每月一样，完事。它的定价像许可证，运行起来却像服务器。每个请求都要服务商付出算力，而服务商赌的是大多数席位用不了多少。
SemiAnalysis 买了 Anthropic 和 OpenAI 的各个套餐，跑长时间编程任务，直到每周限额用光，以此检验这个赌注。它估算，Claude Pro 和 Max 5x 的用量达到上限的约 20% 时，Anthropic 才能收支平衡；最高档套餐在用量约 10% 时就已经不赚钱。OpenAI 的临界点更低。
反过来看。如果你的工程师整天用 Claude Code——智能体式工作方式正是鼓励他们这么用——那你的工作室几乎肯定是让这个套餐亏钱的客户之一。每周只打开两次应用的轻度用户，其实在替你买单。这种安排只有在重度用户稀少时才成立。智能体会让重度用户变得普遍。
先说明一个事实。在固定费率套餐下，少用 token 并不会让本月账单变少，因为无论你怎么用，席位价格都一样。它换来的是余量：下午撞上限额的人更少；等到计费方式落到你这一档时，团队习惯也已经养成了。
固定费率的 AI 套餐，定价像软件许可证，运行起来却像服务器。
计费表正在逐级下移
最大的客户已经经历了这一变化，现在正逐级向下传导。
按 token 计价的价格持续下降。GPT-4 级别的性能现在每百万 token 约 0.40 美元，而 2022 年底还要 20 美元；与此同时，行业估算企业 AI 账单上涨了约 320%。token 变便宜，人们反而用得多得多，就像更高效的发动机让维多利亚时代的英国烧了更多煤，而不是更少。Gartner 现在预测，到 2028 年，AI 编程成本将超过开发者的平均工资，并把转向按用量计费列为原因之一。
Anthropic 最先动手。今年 4 月，The Register 报道称，Anthropic 已经把 Enterprise 席位里的补贴 token 池砍掉了。新的 Enterprise 合同是：先付席位费，然后每个 token 再按 API 价格叠加计费。老客户续约时切换到新方案。
到了 7 月，其他用户也看到了预览版。Anthropic 的旗舰模型 Fable 5 上线时，付费套餐在推广期内可以直接使用。推广期一结束，订阅用户想继续用就得购买用量点数。Anthropic 最终定下的政策是：Max 和 Team Premium 套餐包含 Fable 5，但额度只有限额的 50%；Pro 和 Team Standard 用户则要通过用量点数付费。也就是说，在便宜档位上，最好的模型已经按量计费了。
Team 套餐目前覆盖 2 到 150 个席位。超过这个数就是 Enterprise 客户，走计量表。大多数独立开发者根本到不了 150 个席位，所以这条边界线本身碰不到你。但它的方向值得警惕——今年每一次变动，都是把某一部分用量从固定费用挪到计量表上。
今年每一次定价调整，都是把用量从固定费用挪到计量表上。没有一次是反方向的。
当大厂撞上账单时会怎样
大公司正在免费给我们预演下一阶段。
Uber 的 CTO 告诉 The Information，公司把 2026 年全年的 AI 编程预算四个月就用光了。微软去年 12 月给数千名员工开通了 Claude Code，随后又开始收回大部分许可证，据说主要动因是财年末省钱。Meta 则警告约 6000 名员工，用量在指数级增长，并计划从 2027 年起设置 token 预算、推出用量看板。
我最密切关注的是：一旦开始限额，工程师会怎么做。他们会另找他处。Gartner 2026 年一季度的调查发现，88% 拥有雇主提供 AI 工具的员工，工作时也会用个人工具——这是 Deel 对该调查的整理。Verizon 的《2026 年数据泄露调查报告》没有靠问卷，而是直接测量网络流量，结果发现 67% 的 AI 用户是通过公司设备上的个人账号访问 AI 的。
我不怪他们。如果公司的套餐下午就用量耗尽，而自己每月 100 美元的套餐还能撑住，那自然就用自己的。代价是，公司代码现在跑在公司无法控制的账号上，而真实需求从所有人拿来规划的任何数字里消失了。
独立开发者也有自己的一套版本，我敢说多数团队早就在这么干了。创始人自己掏钱买个人 Max 套餐，从不报销。外包同事用自己的账号干活。某个程序员用自己的卡充值额度，因为开口申请太别扭。没人在隐瞒什么。但你要问这家工作室在 AI 上花了多少，诚实答案是：“比发票上写的多，多多少我们也不知道。”
也有一个让人看到希望的数字。Netskope 的数据显示，一年之内，工作中使用个人 AI 应用的比例从 78% 降到了 47%。但我聊过的人里，没有一个认为这条线会自己往下降。它反映的是公司终于给了员工一个能用的套餐。如果一家工作室买了 licence 然后按人头限量配给，这个数字会立刻反弹，token 又会流回个人卡，从视野里消失。
趁账单还没找上门，先把 token 量清楚
在包月套餐下，值得盯的不是花了多少钱，而是用量。不管你怎么用，这个月的花费是固定的；而用量才是将来账单的计算依据，目前独立团队里几乎没人能说出自己的用量。
从你手上已有的东西开始。每周从管理控制台按席位导出用量数据。按任务而不是按天记录 token，这样你才能知道哪些活儿贵：一次长时间的 agent 重构、一次全仓库 review、一批生成的测试。把这些数字和每个功能的粗略估算放在一起看，就像你会给一个多人联机功能估算服务器成本一样。
重点不在于精确。重点是，当你的套餐转为按量计费时，你已经知道是哪 20% 的工作产生了 80% 的 token，并且你已经提前判断过这些工作值不值。这种讨论在发布当天根本没法进行，因为我们当时对成本的唯一模型，是没人上手玩过之前瞎猜的。
让模型匹配任务
独立开发者团队的 token 花销，大部分用在旗舰模型上，干的却是不需要旗舰模型的事。把命名规范的问题、样板测试文件、总结过的 diff 发给能拿到的最强模型，用量就是这样悄悄翻倍的。
把活分开。昂贵模型留给架构决策、疑难调试，以及任何答错就会耽误你一天的场景。脚手架、生成测试、重排格式、写文档、读日志，统统路由给便宜的模型。发送前先精简上下文：少开几个文件，把 diff 收窄，别把没剪过的日志整段贴进去。上下文是最容易砍掉、也最容易忽略不管的一环。
用实际交付的成果来评判，而不是看模型在演示里显得多聪明。一天能关掉三张工单的便宜模型，胜过关掉两张的旗舰——哪怕旗舰代码写得更好看。这套分工要定期复盘，因为便宜档一直在进步，贵的那档却总是先被计费。
补贴让独立开发者过了几年「按许可证价格付服务器成本」的日子，这注定不会长久。趁发票还不会给你惊喜的时候，用这段补贴换来的时间，搞清楚自己到底在消耗什么。
没人能拿出确凿证据说明原因，但最直接的解读是：公司套餐好用的时候，人们就会用公司套餐，而只有当你清楚它得覆盖多少用量时，它才可能好用。
先测量，再看表
做内容生产的人早就懂这个。我们不会把外包美术只按一个数字做预算，而是按资产类型分：每个角色多少、每个场景多少、每套图标多少，再留出返工的缓冲。账单超了，一眼就能看出是哪一栏涨了。
AI 花销也值得同样对待，不过在 Team 套餐里，这些数字要多找几下才找得到。席位额度内的用量不以美元计量，只有开启用量额度后，才会出现按用户的支出报告。每位开发者的 /usage 页面确实会显示自己的套餐用量花在哪了，按技能、子代理、插件和 MCP 服务器拆分，其中的会话数字会按标价估算成本。
把这些数据收集一个月，然后按任务类型粗略分类：搭建新系统、重构、写测试、写文档、写设计文档、审查拉取请求、解答代码库相关的问题。先找出那个总是撞上限的人——这个人就是工作成本的最佳证据，而且如果你一直卡着他们，他们最可能转向个人套餐。
然后找出最烧钱的任务。Agent 会话的开销差异极大：2026 年一项关于智能体编程的研究发现，同一任务多次运行，总 token 用量最多能相差 30 倍。开销高的会话，往往是那些为了改一小处却重新读取半个代码库的。最后，找出那些毫无理由跑在最贵模型上的工作。这一点我们稍后再谈。
先精简上下文，再精简其他东西
AI 编程账单的大头是输入。每一轮，工具都会发送你的指令、你的 CLAUDE.md、工具列表，以及到目前为止的完整对话。回复只占小头：有分析指出，在一次典型的 Claude Code 账单中，输出大约只占 0.6% 到 2.5%。
省钱的关键在于少发东西，以及别为发送相同内容付两次全价。先从缓存下手。每个请求都会重复之前的所有内容，提示缓存（prompt caching）让服务方复用已经处理过的部分。按 Anthropic 现行的价目表，多数模型上缓存读取的价格是普通输入的十分之一，最新的 Opus 和 Sonnet 上是二十分之一；写入缓存则是普通输入的 1.25 倍（五分钟缓存），一小时缓存则翻倍。
Claude Code 会自动帮你处理缓存，但缓存只匹配精确的前缀，所以请求开头附近一有改动，整个请求又会变贵。切换模型、连接 MCP 服务器，或在会话中途启用某些插件，都可能强制完整重读。Anthropic 的建议是：会话开始时先选定模型和投入等级，把上下文压缩（compaction）留到自然的断点再做。
你停下来时，缓存也会冷掉。在订阅制下，主对话的缓存有效期是一小时；一旦改用点数或 API key，就掉到五分钟，而按用量计费的团队可以把它调回一小时。午休回来发的第一条消息，会把所有东西重新处理一遍。/usage 现在会显示缓存命中率，通常还会提示上一次未命中的可能原因。
接下来，精简记忆文件。CLAUDE.md 会加载进每个会话，所以一份 5,000 token 的 CLAUDE.md，每回合都要花掉 5,000 token。Anthropic 的建议是控制在 200 行以内，把专门的工作流指令挪进 skills，只在需要时才加载。
实践者走得更远。有篇指南提到，HumanLayer 生产环境用的 CLAUDE.md 不到 60 行，而且把它当作一张地图，指向详细文档，而不是把文档内容都塞进去。凡是 Claude 能从代码里读到的内容，就该删掉；格式化工具已经强制执行的风格规则，也该删掉。粘贴的代码块换成文件和行号引用。如果你的 CLAUDE.md 里还留着会议记录和设计历史，那你就是在为开一座博物馆持续付费。
然后，约束工具返回的内容。一次测试运行、一个 git diff 或一份日志文件，都可能返回几千 token，而每一个都会跟着进入后续每次请求。Anthropic 的文档里有个 hook，能在 Claude 看到之前把测试输出过滤到只剩失败项，把几万 token 砍到几百。RTK 对日常终端命令做同样的事，报告说它压缩的输出 token 少了 60% 到 90%。
命令行工具和 MCP 服务器都能做到的事，优先用命令行工具，因为像 gh 这样的工具不会为每个工具增加列表项，同时关掉没人用的服务器。同一篇指南还有一条警告：过滤是有损的，所以对包安装这类嘈杂输出要狠狠地压，而调试时则保留原始输出。
在不同任务之间，记得清空会话。Claude Code 每次请求都会把完整对话一起发过去，所以哪怕只问一句话，只要这个会话开了一整天，那这句话也会按整段对话计费。用 /clear 重新开始不花钱。/compact 需要先读一遍对话才能总结，所以要挑一个自然的休息点再运行。如果发现走错了方向，用 /rewind 回到之前的某一轮，这样会复用一个已经缓存好的前缀。想看看当前加载了什么，运行 /context。
最后，帮 agent 少走弯路。在大型代码库上，Graphify 会构建一张文件依赖关系图，这样 Claude 只加载它需要的文件。它的支持者声称，在 500 个文件以上的项目里，token 消耗量能减少到原来的七十分之一；但同时提醒，项目规模小于这个数时，建图的成本会超过节省下来的开销。这个数字背后的基准测试并没有公开。对于独立开发者团队来说，把一页纸的代码库概览保存为 skill，就能免费获得类似效果的一部分。