一、四个价

输入：每一轮都要重新付。因为每一轮都得把上下文整个再送一遍，不是只送新增那一句。 缓存命中：前缀没变的那一段，按输入价的一折算。这是唯一一个「打一折」的价。 缓存写入：第一次把前缀写进缓存，按输入价的 1.25 倍算。所以缓存不是免费，它是先垫后省。

输出：按输入价的五倍算。原因是它要一个 token 一个 token 生成，而输入是一次读完。 四个价摆在一起，第一个结论就出来了：主战场在输入， 因为它在数量上占绝对多数——一轮对话可能只输出几百 token，却要送进去几万。

二、真跑：三十轮会话，五种改法

造一场形状很普通的会话：三十轮，开头两千 token 的背景，每轮新增八百 token，每轮输出三百。 基线是 453000 个相对单位。只开缓存降到 0.24，只换便宜模型降到 0.20，只砍一半上下文降到 0.62。 换成百分比：换模型省八成，缓存省七成六，砍上下文省三成八。

三个数一摆，顺序就有了：换模型是一次决定、影响全局、最省；缓存几乎免费，但要靠前缀稳定； 砍上下文最费劲，省得最少。 所以先做的不是最「高级」的那项，是最便宜、收益最高的那项。

三、优化会换挡：钱从读转到写

再看一项容易被忽略的数：输出占总成本多少。 基线里输出只占一成。三样都做之后，它占到五成五——因为读的账被压得太低了。 这就是「换挡」：一开始输出是小头，压到最后它成了大头。

含义很直接：前期别管输出，让它多说两句没关系； 后期必须管，比如要求「只给结论不复述过程」「不要重复我贴的代码」。 反过来做——一上来就抠输出——是白费力气，那时它只占一成，抠到零也只省一成。

四、缓存的前提是前缀稳定

缓存按「前缀完全一致」判断。前缀从哪一位变了，就从那一位往后全部重算。 实测：从不打断 0.24；每十轮打断一次 0.31；每五轮 0.41；每三轮 0.55。 一次打断能吃掉一多半收益。而这件事在日常使用里天天发生。

前缀为什么会变？三种：工具结果插进了中间、上下文压缩后重排、临时追加了一句指令。 所以「上下文管理是成本控制的核心」这句话，不是因为它省的钱最多， 而是因为它是缓存能兑现的前提——前缀不稳，打折就不存在。

五、落地的四步顺序

第一步定模型：一句话的事，省得最多，而且不改变别的行为。 第二步开缓存：几乎零成本，但要接受「前缀一变就归零」。 第三步管上下文：把背景压短、把工具结果截断、别把整份文件往里面贴。

第四步才管输出：这时候它已经是第一杠杆了，要求「只给结论」才有效。 每一步都要配一个观测量：模型看单价、缓存看命中率、上下文看前缀长度、输出看平均长度。 没有观测量，优化就退化成猜。

六、动手 Demo：同一场会话，五种改法各要花多少

一场三十轮的会话，按分层计价算五遍：基线、只开缓存、只换模型、只砍上下文、三样都做。 重点不在绝对金额，在五项之间的比例——以及比例为什么会随着优化而变。

prefix = base + step * i        # 第 i 轮要送进去的全部内容
if i == 0:
    ic += prefix * pin * WRITE  # 第一次写进缓存，比原价贵
else:
    ic += (prefix - step) * pin * HIT + step * pin

实跑输出：

--------------------------------------------------------------------
同一场会话，五种改法各要花多少
--------------------------------------------------------------------

  算成本先得知道钱花在哪四样上：输入、缓存命中、缓存写入、输出。
  四样的价格差得远，所以「省哪一样」大有讲究。

  ① 四个价
  --------------------------------------------------------------------
| 项目 | 相对单价 | 说明 |
|---|---|---|
| 输入 | 1.0 | 每一轮都要重新付 |
| 缓存命中 | 0.1 | 前缀没变的那段，打一折 |
| 缓存写入 | 1.25 | 第一次写进去，比原价还贵点 |
| 输出 | 5.0 | 一个 token 顶五个输入 |

  这是相对倍数，不是绝对价格。价格随时会变，看比例才有意义。

  ② 真跑：三十轮会话，五种改法
  --------------------------------------------------------------------
| 改法 | 输入 token | 输出 token | 相对成本 |
|---|:---:|:---:|:---:|
| 基线 | 408000 | 9000 | 1.00 |
| 只开缓存 | 408000 | 9000 | 0.24 |
| 只换便宜模型 | 408000 | 9000 | 0.20 |
| 只砍一半上下文 | 234000 | 9000 | 0.62 |
| 三样都做 | 234000 | 9000 | 0.04 |

  基线一共 453000 个相对单位。三样都做只剩 4%——省掉 96%。
  单做一项的时候，换模型省 80%、开缓存省 76%、砍一半上下文省 38%。
  注意顺序：换模型最省且是一次决定，缓存次之且几乎免费，砍上下文最费劲也省得最少。

  ③ 优化到最后，钱从「读」转到「写」
  --------------------------------------------------------------------
| 改法 | 读的支出 | 写的支出 | 写占多少 |
|---|:---:|:---:|:---:|
| 基线 | 408000 | 45000 | 10% |
| 只开缓存 | 63980 | 45000 | 41% |
| 只换便宜模型 | 81600 | 9000 | 10% |
| 只砍一半上下文 | 234000 | 45000 | 16% |
| 三样都做 | 7228 | 9000 | 55% |

  两列都是加权后的支出，单位是相对单位；输入单价为 1.0 那一行，数字恰好等于 token 数。
  基线里输出只占 10%，三样都做之后占 55%。
  这就是优化会「换挡」：读的账压到很低之后，第一杠杆变成「让它少说废话」。
  反过来，一开始就盯着输出抠是白费的——那时它只占一成。

  ④ 缓存的前提：前缀得稳定
  --------------------------------------------------------------------
| 前缀情况 | 读的支出 | 相对成本 |
|---|:---:|:---:|
| 从不打断 | 63980 | 0.24 |
| 每 10 轮打断一次 | 94740 | 0.31 |
| 每 5 轮打断一次 | 140880 | 0.41 |
| 每 3 轮打断一次 | 202400 | 0.55 |

  一次都不打断，缓存把读的账从 408000 压到 63980。
  但只要每五轮被打断一次，收益就少掉一大半——因为整段要按写入价重付。
  而「前缀为什么会变」就是上下文管理的事：工具结果插进中间、压缩重排、临时追加指令。
  所以上下文管理是核心，不是因为它省的钱最多，而是因为它是缓存能生效的前提。

  ⑤ 落地的四步顺序
  --------------------------------------------------------------------
  - 先定模型：一句话的事，省得最多，而且不影响别的。
  - 再开缓存：几乎零成本，但只有前缀稳定时才兑现。
  - 再管上下文：把背景压到最短，让前缀既短又稳。
  - 最后才管输出：前面都做完，它才成为第一杠杆。
  ! 单价是相对倍数，取自公开定价的大致比例；不同厂商、不同代际会变，结论看排序不看绝对值。

①四个价：输入 1.0、缓存命中 0.1、缓存写入 1.25、输出 5.0。主战场在输入，因为它在数量上占绝对多数。 ②三十轮基线 453000 个相对单位。只换模型降到 0.20、只开缓存 0.24、只砍一半上下文 0.62。 三样都做只剩 4%。 ③优化会换挡：输出占成本的比例从一成涨到五成五。前期别管输出，后期必须管。 ④缓存的命门是前缀稳定：每五轮打断一次，收益就从 0.24 掉到 0.41。 而前缀会变，正是上下文管理要解决的事。

30 秒实验

1. 把轮数从三十改成十，重跑一遍。哪一项的相对成本变化最大？这说明会话越长，哪一项越重要？
2. 把每轮输出从三百改成一百，重跑一遍。基线那一行省了多少？三样都做那一行又省了多少？ 两个数为什么差这么远？
3. 给「每五轮打断一次」再加一个「打断时保留摘要」，重跑一遍。前缀短了但变了，成本是升还是降？

常见误区

1. 一上来就抠输出。基线里它只占一成，抠到零也只省一成。
2. 以为开了缓存就一定省。前缀一变就归零，而前缀天天在变。
3. 把整份文件贴进对话。读进来就进了前缀，后面每一轮都在为它付钱。
4. 只换便宜模型不看任务。省八成是真的，但难题上返工两次就赔回去了。
5. 不做观测就算账。没有命中率和前缀长度，所有优化都只是感觉。

钱算清了，下一节讲出问题时怎么查——三层证据，各能看出多少。

• ☐ （本篇完，下一篇 10.2 调试：打开黑盒）

相关笔记

• 常用 MCP 服务器生态：常驻 token 那笔账
• 调试：打开黑盒：出问题时怎么查
• Claude Code 橙皮书 · 索引
• 🐎 Claude Code 实战 · 索引