用 Claude Code 跑了一个月，按 API 算得花 2.4 万美金，这效率到底高不高

直接给结论：如果你是重度开发者，Prompt Caching（提示词缓存）才是决定你用不用 AI 写代码的关键。我 8 月份在终端里用 Claude Code 跑了 29 天，虽然是走 Anthropic 的开源项目免费计划，但如果换算成 API 计费，账单高达 23,973.90 美元。最离谱的是，这 311 亿个 token 里，只有 154 万是我的新鲜输入，剩下的 98.2% 全是缓存命中。

这意味着 AI 在不停地重读我的代码库、CLAUDE.md 配置文件和各种 Skill 脚本。如果没有缓存，这账单得翻几倍，而且响应速度会慢到让你想砸键盘。

想看自己一个月烧了多少钱？可以用这个命令跑日志（前提是你得在本地用 Claude Code）：

npx ccusage@latest claude daily --since 2026-08-01 --until 2026-08-31 --json > august_metrics.json

我的具体消耗分布很有意思，这反映了不同模型在实操中的定位：

• Opus 5（消耗 $16,474.82 / 占比 68.7%）： 绝对主力。不管是长篇幅的重构、写测试用例，还是涉及多个文件的迁移，基本全交给它。它处理复杂逻辑的稳定性目前还是最强的。
• Fable 5（消耗 $6,949.54 / 占比 29.0%）： 极其昂贵，但我只在关键节点用。比如定义 API 接口形状、并发逻辑审查、安全性检查。因为这些地方一旦设计错了，我得花一周时间重写，所以宁愿多花钱用最高端的模型。
• Sonnet 5（消耗 $526.85 / 占比 2.2%）： 跑跑子代理任务，做一些简单的脚本编辑和搜索，充当个助手角色。
• Haiku 4.5（消耗 $1.29 / 占比 0.0%）： 偶尔查个简单的东西，一个月才花 1.29 刀，在雅典连杯咖啡都买不到。

这次实测最深的感觉是，AI 编程已经从「让它写个函数」进化到了「让它接管整个上下文」。我那个月在雅典没去海边，每天对着终端跑测试，虽然被我妈吐槽是「不务正业」，但确实把 Iris 框架 v14 的私有开发进度推到了关键节点。

这里得提醒大家，这种量级的消耗对个人来说风险极高。如果你不是走包月订阅或者免费计划，而是直接接 API，建议必须配置好缓存策略，否则在处理大型项目时，Token 消耗会像洪水一样失控。而且，不要迷信单一模型，Opus 做重构、Fable 做架构决策、Sonnet 做杂事，这种分层使用才是最合理的，否则要么效率低，要么钱包崩。