Оптимизация расходов Claude Code: чек-лист из 25 пунктов

Включите cache_control в системном промпте

При прямой работе с API оберните системный промпт (или любой крупный блок контекста, повторяющийся между запросами) в cache_control: {"type": "ephemeral"}. Кэшированные токены стоят 10% от обычных входных. На системном промпте в 10 000 токенов, повторяемом 50 раз в день, это экономит 4,5 миллиона токенов в день.

system=[{
  "type": "text",
  "text": your_large_system_prompt,
  "cache_control": {"type": "ephemeral"}
}]

Кэшируйте документы перед серией запросов к ним

Если Вы запускаете несколько промптов по одному и тому же документу (раздел кодовой базы, спецификация, PDF) — закэшируйте документ при первом запросе. Каждый последующий запрос, попадающий в кэш, платит за документ 10%. Точка безубыточности — 2 запроса; начиная с 3 запросов экономия очевидна.

Отслеживайте процент попаданий в кэш по заголовкам ответа

Читайте usage.cache_read_input_tokens в каждом ответе API. Если процент попаданий в кэш ниже 60% для приложения с тяжёлым системным промптом — кэш истекает раньше, чем Вы успеваете им воспользоваться. Срок жизни эфемерного кэша — 5 минут; убедитесь, что Ваши запросы укладываются в это окно.

Держите кэшированный контент в начале промпта

Кэш ключуется по содержимому и его позиции. Если Вы поставите динамический контент (сообщение пользователя, текущую дату) перед кэшированным системным промптом — попадания не будет. Сначала статичный крупный блок. В конце — динамический контент.

Используйте расширенный кэш (TTL 1 час) для крупных стабильных контекстов

Стандартный эфемерный кэш живёт 5 минут. Если контекст крупный (полный индекс кодовой базы) и редко меняется — Anthropic предлагает расширенное кэширование с TTL 1 час: чуть выше стоимость записи в кэш, но ниже почасовая стоимость чтения. Имеет смысл для контекстов больше 100K токенов.

Кэшируйте содержимое CLAUDE.md в длинных сессиях Claude Code

В сессиях Claude Code содержимое CLAUDE.md добавляется к каждому сообщению. Если CLAUDE.md весит 5 000 токенов — это 5 000 токенов на каждый ход. Держите CLAUDE.md компактным и подумайте о том, чтобы вынести специфичный для проекта контекст в отдельный файл, который подгружается по необходимости, а не вшивается в каждый ход.

Используйте Haiku для классификации и маршрутизации

Haiku 3.5 стоит $0.25 за миллион входных токенов против $3 у Sonnet 4.5. Для задач, по сути сводящихся к сопоставлению с шаблоном (классифицировать ошибку, отнести проблему к категории, проверить совпадение текста с критериями) — Haiku даёт сопоставимое качество в двенадцать раз дешевле. Проверьте своих субагентов: всё, у чего лимит в 3 хода и классификационный вывод, должно работать на Haiku.

Используйте Sonnet только там, где нужны рассуждения

Sonnet окупается на: ревью кода, аудите безопасности, многошаговых рассуждениях, всём, что требует синтеза противоречивой информации. Не окупается на: генерации документации, написании чейнджлога, извлечении структурированных данных или любой задаче с детерминированным форматом.

Ставьте max_tokens консервативно для каждого агента

API тарифицирует сгенерированные токены, а не запрошенные. Но завышенный max_tokens, когда он не нужен, означает, что Claude может сгенерировать больше необходимого. Для структурированных выводов (JSON, YAML, таблицы) низкий max_tokens вдобавок заставляет Claude быть лаконичнее. Замерьте реальную длину вывода каждого агента и поставьте max_tokens на уровне 120% от наблюдаемой p95.

Используйте стриминг для длинных ответов и обрывайте раньше при необходимости

При стриминге можно прервать поток, как только получено достаточно. В API частичные стриминговые ответы тарифицируются по сгенерированным токенам, а не по полному max_tokens. Для приложений, в которых часто нужна только первая часть длинного ответа, стриминг с ранним обрывом сокращает расходы на выходные токены на 40–70%.

Не используйте Opus там, где Sonnet справляется не хуже

Opus стоит $15 за миллион входных токенов — в 5 раз дороже Sonnet. Разница в качестве между Opus и Sonnet существенна для открытой творческой работы и сложных многошаговых рассуждений. Для задач по коду, структурированных выводов и большинства разработческих сценариев Sonnet даёт качество, сопоставимое с Opus, в пять раз дешевле. Прежде чем по умолчанию ставить Opus — проведите бенчмарк.

Запускайте /compact до того, как длинные сессии перевалят за 50K токенов

Команда /compact в Claude Code сворачивает контекст сессии и заменяет его сжатой версией. Сессия на 100K токенов превращается в краткое содержание на 5K. Потеря качества для непрерывности задачи минимальна; экономия — существенна. Прогоняйте каждые 2 часа активной работы.

Используйте Grep и Read вместо того, чтобы пускать Claude по кодовой базе самостоятельно

Когда Claude обходит кодовую базу без направления, он читает множество файлов ради контекста. Указание на нужные файлы заранее («прочитай app/api/users.ts и модель User») сокращает контекст на порядок. Используйте Grep, чтобы сначала найти нужные файлы, и только потом просите Claude их читать.

Держите CLAUDE.md в пределах 300 строк

Каждая строка CLAUDE.md — это токен, добавляемый к каждому сообщению в сессии Claude Code. CLAUDE.md на 3 000 строк прибавляет ~4 500 токенов к каждому ходу. На 300 строк — ~450 токенов. Материал о проблеме 3000-строчного CLAUDE.md рассказывает, как структурировать файл с минимальным расходом токенов без потери покрытия.

Ограничивайте набор инструментов субагентов до необходимого

Субагент с доступом ко всем инструментам ими и воспользуется. Субагент с доступом только к [Read, Grep] не сможет запустить bash-процесс и загрузить в контекст лог на 10 МБ. Ограничение инструментов — одновременно и контроль расходов, и контроль безопасности.

Передавайте ревьюющим агентам диффы, а не файлы целиком

При запуске агента ревью кода передавайте вывод git diff HEAD~1, а не содержимое файлов целиком. Файл на 2 000 строк с 40 изменёнными строками стоит 2 000 токенов, если передаётся целиком, и 200 токенов — если передаётся дифф. Для ревью этого почти всегда достаточно.

Используйте Batch API для всего, что не критично к скорости

Batch API от Anthropic стоит на 50% меньше за токен, чем real-time. Принимает до 10 000 запросов за пакет, обрабатывает в течение 24 часов. Если ответ не нужен быстрее 60 секунд — Batch API правильный выбор. Анализ документов, генерация тестов, написание чейнджлогов — всё подходит под пакетный режим.

Дедуплицируйте запросы перед отправкой в API

Если Ваше приложение может отправить один и тот же промпт дважды (одинаковый запрос пользователя, тот же анализ документа) — сравнивайте запрос с локальным хэшем перед обращением к API. Хэш SHA-256 от (модель + системный промпт + сообщение пользователя) идентифицирует дубликаты. Кэшируйте ответ по этому хэшу. Даже 5% дублей в нагруженном приложении дают за месяц ощутимую экономию.

Объединяйте однотипные запросы в один многосоставный промпт

Если над 20 документами нужно выполнить одну и ту же операцию (резюмировать, классифицировать, извлечь данные) — один многосоставный запрос часто стоит дешевле 20 одиночных, потому что системный промпт оплачивается один раз. Проверяйте на своей токенной математике: очень крупные пакеты могут превышать лимит контекста и всё равно требовать разбиения.

Реализуйте слияние одинаковых конкурентных запросов

В нагруженных приложениях несколько пользователей могут одновременно инициировать один и тот же API-вызов (один отчёт, один анализ). Слияние: пока запрос в полёте, последующие идентичные ждут первого ответа и разделяют его. Экономия пропорциональна паттернам пиковой нагрузки.

Запускайте пакетные задания в нерабочие часы

Время обработки в Batch API зависит от текущей нагрузки на Anthropic. Отправка пакетов в часы низкого трафика (UTC 02:00–08:00) обычно даёт более быструю обработку без дополнительной оплаты. Для пакетов с окном в 24 часа надёжный паттерн — отправка в полночь и получение результатов к утру.

Установите лимит расходов на сессию и день через хук PreToolUse

Хук PreToolUse запускается перед каждым вызовом инструмента. Хук на 30 строк, читающий накопленную стоимость сессии из ~/.claude/projects/ и останавливающий работу при превышении $10, предотвращает сценарии Токеналипсиса. Хук срабатывает до того, как API-вызов уйдёт с Вашей машины — мягче точки контроля просто не существует.

Установите max_turns для всех субагентов

Субагент без ограничения max_turns может работать сколь угодно долго. Ставьте max_turns: 10 для большинства агентов и max_turns: 5 для агентов с простыми, ограниченными задачами. Сорвавшийся субагент на 50 ходов стоит в 5–10 раз дороже хорошо ограниченного на той же задаче.

Логируйте и алертите по аномалиям расходов, а не только по месячным итогам

Месячные оповещения по биллингу ловят Токеналипсис уже после ущерба. Ежедневные оповещения (письмо или Slack-вебхук при превышении дневной нормы в 2 раза от базового уровня) ловят его вовремя. Консоль Anthropic поддерживает оповещения по дневным порогам расходов. Включите их.

Закрывайте «зомби»-сессии до того, как они накопятся

Открытая, но забытая сессия Claude Code будет продолжать тарифицироваться, когда субагент совершит вызов инструмента. Проверяйте активные сессии командой claude sessions list и закрывайте те, которыми Вы не пользуетесь. На машине, разделяемой между разработчиками, зомби-сессии — значимый и невидимый источник расходов.