如果你最近觉得 AI 编程的账单涨得比能力快，那不是错觉。2026 年 8 月到 9 月的这一个月里，模型厂商干了一件过去很少干的事：不再只宣传"模型更强了"，而是开始手把手教你少花钱。
这个月发生的三件事
第一件：9 月 1 日 Claude Fable 5.1 发布，并成为 Claude Code 的默认模型。 标价没变，仍是输入 10 美元 / 百万 token、输出 50 美元 / 百万 token；真正变的是缓存读取价，从 1 美元 / 百万 token 降到 0.25 美元 / 百万 token，降幅 75%。Anthropic 给出的口径是：典型负载成本下降约 25%，高度 agentic 的负载最多下降 45%。
这里有个细节值得单独拎出来说。Fable 5.1 在 Claude Code 里默认 High effort，而在 Claude Cowork 和网页端默认 Medium。Anthropic 自己在发布说明里承认，Low 或 Medium effort 下的 Fable 5.1，能以低得多的成本达到接近甚至优于 Fable 5 的效果。翻译过来就是：你拿到的默认配置，并不是最便宜的那一个。
第二件：9 月 8 日 Anthropic 发了一篇官方博客，系统讲了三个省钱抓手：把 prompt cache 命中率拉满、清掉为了"补旧模型的坑"而写进提示词的指令、给 effort 按任务定档。配套的 /claude-api 提示词审计命令，官方实测平均降本 14.6%，平均准确率反而提升 5.3%。
第三件：Claude Code v2.1.236 到 v2.1.268 这一串更新日志。 单看每一条都很琐碎，连起来看方向极其清楚——成本控制正在变成产品功能本身。
第一笔账：你的钱不是花在"贵"，而是花在"重发"
理解这点，得先明白 prompt cache 在算什么。Claude Code 每一轮请求都会重发完整上下文：系统提示词、工具定义、项目上下文、历史消息和工具结果、你的新消息。缓存的作用是让你不必为重复的部分按原价付费——命中缓存的读取价大约是原价的一折。
所以真正的成本杀手不是单次价格贵，而是缓存没命中。
几个最常见的踩坑：
- 中途改 effort 或切模型。 这些设置会渲染在实际消息之前，改一次就等于前缀变了，缓存直接作废。Fable 5.1 开始允许会话中途更新 effort 而不破坏缓存。
- 把动态值塞进前缀。 系统提示词里放一个时间戳或随机 request ID，每次调用前缀都不同，命中率归零。正确做法是：静态内容放前面，动态内容追加到尾部。
- 工具定义顺序抖动。 Claude Code 已修复两个典型场景：中途加载 MCP / 插件工具不再重写工具列表，切换模型也不再重发全部工具定义；OAuth token 刷新失效缓存的老 bug 也修了（长会话里大约每一小时炸一次）。
- 子 agent 拖过 TTL。 默认缓存 TTL 是 5 分钟，同步等待一个跑十分钟的子任务回来，父会话的缓存早过期了，下一轮要按 1.25 倍价格重写（1 小时 TTL 则是 2 倍）。
好在现在有了两个诊断手段：/cost 里新增了 per-session 缓存统计，直接告诉你命中率、重缓存的 token 数、以及这一轮为什么没命中；v2.1.248 起可以设置长缓存。
# 让 dev / CI 里的长会话使用 1 小时缓存
export ENABLE_PROMPT_CACHING_1H=1想在会话开始前预热缓存，可以发一个 max_tokens: 0 的请求，只做 prefill 不生成内容——用户在输入框里打字那几秒正好用得上。
第二笔账：effort 是最容易被忽略的价格旋钮
过去我们调模型价格只能换模型，现在多了一个维度：同一模型花多少推理。
一个重命名变量的活儿和一个跨十二个文件的重构，用同一个 effort 档位，显然不合理。Claude Code 现在支持给模型封顶 effort，写在 .claude/settings.json 里：
{
"modelSettings": {
"claude-fable-5-1": { "maxEffortLevel": "medium" }
}
}建议的做法是默认 medium，只在真正卡住时手动拉高。多数任务不会察觉差别，但你的账单会。
配合任务路由效果更明显。当前这批低价模型（2026 年 9 月价格，随时可能变动）：DeepSeek V4 Flash 约 $0.14/$0.28 起（8 月 16 日起引入峰谷计价，UTC 工作日 01:00–04:00、06:00–10:00 为高峰）；GPT-5.6 Luna 降至 $0.20/$1.20；Gemini 3.7/3.8 Flash 入门价 $0.75/$3.75。让 CI、批量重构、第一遍草稿走便宜模型，把 Fable 5.1 / Opus 留给需要长链路推理的活儿，这笔账很划算。
第三笔账：提示词里那些"以防万一"，是最贵的部分
Anthropic 在博客里点名了一类反模式：为旧模型的弱点打的补丁。比如"请一步一步思考""务必检查是否有多余的括号"——这些指令当年有效，模型换代后不但没用，还在每一次调用里占着位置。
这就是那条 14.6% 的来源：删掉它们，成本降，准确率反而升。
配套的几个具体到可以立刻执行的建议：
- CLAUDE.md 控制在 200 行以内。 它每次会话都加载，哪怕你在做完全无关的事。
- 切换无关任务时用
/clear，而不是/compact。/clear不花钱；/compact要额外发一次带全部历史的总结请求。缓存热的时候便宜，冷会话里它是全场最贵的一次调用。 /autocompact阈值可以自己调，范围是 100K 到 1M token，命令行、启动参数、环境变量CLAUDE_CODE_AUTO_COMPACT_WINDOW三处都能设。- 跑
/skill-doctor，看看哪些加载了却从没用过的 skill 在白占上下文。
别把促销价当成长期价
这轮降价潮里有几个数字是带保质期的，做成本模型时务必留意：
| 模型 | 当前价（输入/输出，美元每百万 token） | 备注 |
|---|---|---|
| GPT-5.6 Sol | 4 / 20 | 促销价，官方口径"至少到 2026 年 11 月 21 日" |
| Gemini 3.7 Flash | 0.75 / 3.75 | 入门价（introductory），2027 年 1 月 1 日回到 1.5 / 7.5，直接翻倍 |
| DeepSeek V4-Pro | 峰值 3.96 / 谷值 1.98（输出） | 8 月 16 日起较此前上调约 4 倍 |
| Claude Sonnet 5 | 2 / 10 | 原定 9 月 1 日涨到 3 / 15，已取消，变为长期标准价 |
真正值得注意的信号其实是最后一行：一次永久降价比十次限时促销更有信息量，但它被大多数人忽略了。
一度电的账
把视线从账单挪到供给侧，会看到同一件事的另一面。
每一个 token 的成本里，电力都是绕不开的一项。西部算力枢纽的电价已经压得很低：内蒙古和林格尔、乌兰察布到户电价约 0.35 元/度，宁夏中卫稳定在 0.36 元/度左右，新疆石河子的绿电项目甚至做到 0.25–0.32 元/度；东部工商业电价普遍在 0.6–1.0 元/度。粗略看，电费一项最多能砍掉六成。
但便宜的电并没有便宜到可以无限撒钱：
- 电费只占大模型全生命周期成本的约 20%，剩下的是设备折旧、基建、带宽和运维。
- 一个 1GW 的数据中心，年电费约 13 亿美元，而 470 亿美元总投按 6 年折旧，年折旧约 79 亿美元——折旧是电费的六倍以上。
- 反过来，如果只看不含折旧的日常运营现金流，电费占比高达 56.7%，电价从 0.7 降到 0.3 元，运营支出能降约 32%。
- 海外更紧张：主要市场的加权电力成本已从 2021 年的约 0.03 美元/千瓦时，涨到 2026 年的 0.055–0.075 美元/千瓦时。
结论其实很朴素：厂商真正要降的，不是每一百万 token 的标价，而是每一度电、每一块 GPU 小时能产出的"有效 token"。 缓存命中率、effort 定档、提示词瘦身、精简的工具列表——所有这些事，方向完全一致。
好消息是，这件事恰好落在你能控制的范围内。
本周可以做的六件事
claude update升到最新版，老版本的缓存 bug 是真金白银在漏。- 跑一次
/claude-api提示词审计，看看那 14.6% 你具体能拿到多少。 - 在
.claude/settings.json里给默认模型加一个 effort 封顶，先试medium。 - 用
/model确认自己是不是已经挂在带[1m]标记的 Fable 5.1 上，网关用户可能需要手动更新。 - 把 CLAUDE.md 砍到 200 行以内，跑一遍
/skill-doctor清理僵尸 skill。 - 任何长会话结束后跑一次
/cost，读那行缓存命中率——现在它会直接告诉你原因。
降价是别人给你的，浪费是你自己的。在 token 越来越便宜的时代，把注意力从"选哪个模型"挪到"少发哪些 token"，才是接下来一年真正拉开差距的地方。