如何降低 Claude Fable 5 的 Token 成本

降低 Claude Fable 5 token 成本最快的方法，是停止让它处理那些更便宜的模型同样能胜任的工作。按每百万 tokens 10 美元/50 美元的价格，Fable 是 Sonnet 5 的 5 倍——但在我的测试中，两者都出色地完成了同一个任务。

你的 Fable 5 花费究竟流向何处

在优化之前，先看看钱都漏到了哪里。在典型的 agentic 请求中，输入 token 远远超过输出 token：一次查询可能携带 80,000–140,000 个输入 token（系统提示、工具定义、对话历史、文件上下文），而输出只有 1,000–3,000 个 token。尽管输出按每个 token 计价高出 5 倍，但输入的绝对量通常使其成为更大的支出项——这就是为什么缓存和上下文纪律比缩短回答更重要。

下面是支撑以下每个决策的定价：

提示缓存将缓存输入的费用降至基础费率的约十分之一，但写入缓存会产生附加费用（5 分钟缓存为 $12.50/M，1 小时缓存为 $20/M）。定价已根据 Anthropic 于 2026 年 7 月 17 日公布的费率核实；Sonnet 5 的 $2/$10 为截至 2026 年 8 月 31 日的促销价。

我们在 Fable 5、Opus 4.8 和 Sonnet 5 上运行了相同的任务

这个理论——“能用更便宜的模型时就用”——说起来容易，没有数据支撑就很难让人信服。所以我做了一次受控测试。给三个模型都用了同一个提示：*编写一个处理空输入和无序输入的 Python merge_intervals 函数，并附带三个基于 assert 的单元测试。* 然后我分别执行了每个答案，以确认这些测试确实通过。

这三者都生成了正确的代码，并通过了所有测试。差异完全在于成本和速度。

相同输入（576 个 token）、近乎相同的输出长度、完全相同的正确性——但价格却相差 5 倍。Sonnet 的回答时间也只有三分之一。

这是一个小型、独立的任务，不是基准测试——复杂推理问题恰恰是 Fable 5 体现其价格价值的地方，而差距会缩小甚至反转。但这一点仍然成立：对于占据大多数会话的常规工作，你可能会为了相同的结果多付 5 倍费用。延迟数据来自第三方 API 端点，因此请将其视为方向性参考，而非官方 SLA。

杠杆 1：让模型匹配任务

这是你可以做出的最高 ROI 的变更，而上面的测试就是原因。按任务类型进行路由：保留 Fable 5 用于深度多步推理、复杂重构和含糊的规格说明；将样板代码、格式化、直接编辑以及高频简单调用交给 Sonnet 5 或 Haiku 4.5。拿不准时，先从更便宜的模型开始，只有在输出有误时再升级——一次失败的低价调用，其成本仍只是一次 Fable 调用的一小部分。

从业者不断采用的一种模式是：让 Fable 5 负责规划，让更便宜的模型 负责执行。Fable 负责编写架构或将任务拆分为多个步骤；Sonnet 5 或 Haiku 4.5 负责大部分输入工作。Cline 编码代理背后的团队报告称曾在一天内在 Fable 上花费超过 2,000 美元，随后发现，更便宜的模型配合对抗性审查循环，也能达到相似——有时甚至更好——的结果，而成本显著更低。

Claude Code 里有个值得了解的实际小麻烦：你不能在聊天中途切换当前使用的模型。变通方法是用自然语言提出请求——告诉 Claude 让它自己负责规划工作，但把实现交给更便宜的模型，它就会启动一个 Sonnet 5 子代理来执行，而昂贵的模型则继续坐在规划席位上。这样，你就能在最耗 token 的那部分工作中，既获得 Fable 级别的任务分解能力，又享受 Sonnet 级别的按 token 成本。

在同一个模型中，effort 设置是在更细粒度上的同一控制杠杆，也是我首先会使用的。常规工作默认使用 low effort，只有当结果实际上出错时才提升——low 会跳过 Fable 本来会在回答前消耗的推理 tokens，而在简单任务上，这完全是节省成本且不会影响质量。对于那些额外推理会改变答案的问题，请保留 high 或 max。我们对 Fable 5 的 high 与 max effort 等级 的分析展示了这条界限所在，而 Sonnet 5 与 Fable 5 则涵盖了哪些任务可以安全降一级。

杠杆 2：保护你的提示缓存

由于输入占据了你 token 数量的绝大部分，约 90% 的缓存折扣是第二大的杠杆。问题在于：只有当前缀在各次调用之间保持字节级完全一致时，缓存才会生效。若在 system prompt 的开头改动一个 token，或重新排列你的 tool 定义，那么其后的所有内容都会变成缓存未命中，并按全价计费。

为了保持缓存完整：

• 冻结稳定前缀。 将你的系统提示和工具定义放在前面，并且不要在会话中途修改它们。将新的上下文追加到末尾。
• 不要在请求之间打乱工具顺序——动态重建工具列表的代理会悄悄使缓存失效。
• 在缓存窗口内批量复用。 5 分钟缓存写入成本很低；将相关调用分组，使它们在过期前完成。

收支平衡来得很快：5 分钟缓存写入的成本是普通输入 token 的 1.25×，而每次缓存读取可节省 0.9×，因此缓存大约在同一前缀重复使用两次后就能收回成本——对于任何会在每一轮都重新发送完整对话的 agent 来说，这几乎是微不足道的；在重复部分，完整缓存意味着费用从 $10/M 降到 $1/M。

杠杆 3：发送更少的上下文

你不发送的每个 token，任何层级都无需为其付费。这里的收益并不起眼，但会不断累积：

• 在无关任务之间清空。 在 Claude Code 中，/clear 会重新开始，这样过时的历史记录就不会在后续每条消息中继续跟随。
• 压缩长会话。 /compact 会总结到目前为止的对话；再加上一条类似“专注于代码示例和 API 用法”的指令，可以告诉它要保留什么内容。
• 提供文档，而不是让它自行探索。 一份内容密集、预先编写好的技能文档或固定版本的文档片段，成本远低于让代理自己搜索并阅读以获得同样的知识。
• 优先使用 Markdown 而不是 PDF。 PDF 会带有模型不需要的布局标记；相同内容的纯 Markdown 会简洁得多。

这些都不会改变你的费率，但在 100k-token 上下文中，它们能为每次调用节省数千个 token。

杠杆 4：降低每个 token 的费率本身

上面的杠杆可以减少你花费的 token 数量以及所处的层级。最后一个杠杆则降低每个 token 的价格。Anthropic 的第一方 API 对 Fable 5 没有批量或异步折扣层级，所以你看到的费率就是你实际支付的费率。

一种选择是 API 聚合器，它以低于标价的加价转售 Claude 访问权限。AIReiter 就是一个例子，它与 Anthropic API 兼容，并且将 Claude 模型的定价设在官方费率的大约 20%——这使得 Fable 5 的价格接近每百万 $2/$10，而不是 $10/$50。其代价也是任何转售商常见的那种：你信任的是第三方的路由和正常运行时间，而不是直接信任 Anthropic，因此它更适合高吞吐量、对成本敏感的工作负载，而不是对延迟关键的生产路径。无论你选择哪条路，费率都会放大其他一切成本——所以最好先一次性设定好，然后把重点放在 token-volume 杠杆上，这些你每天都要调优。

哪些杠杆真正推动结果

如果你只做一件事，那就做杠杆 1——将任务路由到合适的模型，这正是测试所衡量的差异，而且没有别的办法能接近。以下是诚实的排名：

1. 将模型与任务匹配 — 对错误路由的工作可提升约 5 倍。最大、最持久的收益。2. 保护 prompt cache — 对重复输入可节省高达约 90%，而这正是 agent 循环中大部分 token 的来源。3. 发送更少上下文 — token 用量稳定减少 20–50%，并在每次调用中持续累积。4. 降低每 token 费率 — 一个固定乘数；一次设置，全面受益。

那些看似诱人的“漏洞利用”——把提示编码成图像、自定义分词器技巧——往往会在下一次模型更新时失效。这里的四个杠杆是习惯，而不是黑客手法：它们之所以持续有效，是因为它们与定价的实际构建方式一致。

常见问题

如何降低 Claude 中的 token 成本？

将 low 设为日常工作的 effort level，将更简单的任务路由到 Sonnet 5 或 Haiku 4.5，保持你的 prompt prefix 字节稳定，以便缓存生效，并在任务之间清空或压缩 context。模型选择和 effort level 是节省最多的地方。

Fable 5 每个 token 的成本是多少？

每百万输入 token 10 美元，每百万输出 50 美元——是 Opus 4.8（5 美元/25 美元）的两倍，也是 Sonnet 5（2 美元/10 美元，2026 年 8 月 31 日前的介绍性价格）的五倍。提示缓存将缓存输入读取成本降至每百万约 1 美元。

为什么我会这么快用完 Fable 5 代币？

通常是上下文过大（较长的历史记录或每次调用都附带的大文件）、每轮都重新发送完整上下文的重试循环，或者让 Fable 处理本来更便宜的模型就能胜任的工作。精简上下文并为任务分流可解决大多数问题。

对于 Fable 5 来说，提示缓存值得吗？

是的，每当你重复使用一个大型且稳定的前缀时，它会将缓存输入成本降至基础费率的约 10%。只有当该前缀在各次调用之间保持字节级完全一致时，这才划算，所以要固定你的 system prompt 和工具定义。

降低 effort 设置会损害质量吗？

对于简单任务，很少——low 或 medium 努力会跳过任务并不需要的推理 tokens。对于真正困难、额外推理会改变答案的问题，请保留 high 或 max。